Ab initio prediction of metabolic networks using Fourier transform mass spectrometry data.
Ab initio prediction of metabolic networks using Fourier transform mass spectrometry data.
复制标题
DOI：
10.1007/s11306-006-0029-z
复制
发表时间：
2006
期刊：
影响因子：
3.6
通讯作者：
Barrett, Michael P.
中科院分区：
文献类型：
--
作者：
Breitling, Rainer;Ritchie, Shawn;Goodenowe, Dayan;Stewart, Mhairi L.;Barrett, Michael P.
关键词：
傅立叶变换质谱法最近被引入代谢组学领域，作为一种能够以非常高的分辨率和超高的质量精度对复杂混合物进行质量分离的技术。在这里，我们表明，这种增强的质量精度可以用来预测大的代谢网络从头开始，只根据观察到的代谢产物，而不依赖于基于文献的预测。由此产生的网络是高度信息丰富的，显然是非随机的。它们可用于推断代谢物的化学身份，并获得细胞代谢网络结构的全局图像。这代表了基于无偏代谢组学数据的代谢网络的第一次重建，并在细胞代谢的全系统分析中取得了突破。
Fourier transform mass spectrometry has recently been introduced into the field of metabolomics as a technique that enables the mass separation of complex mixtures at very high resolution and with ultra high mass accuracy. Here we show that this enhanced mass accuracy can be exploited to predict large metabolic networks ab initio, based only on the observed metabolites without recourse to predictions based on the literature. The resulting networks are highly information-rich and clearly non-random. They can be used to infer the chemical identity of metabolites and to obtain a global picture of the structure of cellular metabolic networks. This represents the first reconstruction of metabolic networks based on unbiased metabolomic data and offers a breakthrough in the systems-wide analysis of cellular metabolism.
登录
查看更多内容
影响因子：
9.8
作者：
Pfeiffer T;Soyer OS;Bonhoeffer S
通讯作者：
Bonhoeffer S
DOI：
10.1089/15362310260256882
发表时间：
2002-01-01
期刊：
OMICS A Journal of Integrative Biology
影响因子：
--
作者：
Aharoni, Asaph;De Vos, C. H. Ric;Goodenowe, Dayan B.
通讯作者：
Goodenowe, Dayan B.
影响因子：
7
作者：
Förster, J;Famili, I;Nielsen, J
通讯作者：
Nielsen, J
影响因子：
7
作者：
Olsen, JV;de Godoy, LMF;Mann, M
通讯作者：
Mann, M
影响因子：
46.9
作者：
Allen, J;Davey, HM;Kell, DB
通讯作者：
Kell, DB