Enhanced detection and annotation of small molecules in metabolomics using molecular-network-oriented parameter optimization.
Enhanced detection and annotation of small molecules in metabolomics using molecular-network-oriented parameter optimization.
复制标题
DOI：
10.1039/d1mo00005e
复制
发表时间：
2021-10-11
期刊：
影响因子：
2.9
通讯作者：
Zhu J
中科院分区：
文献类型：
--
作者：
Xu R;Lee J;Chen L;Zhu J
代谢组学，特别是大规模非靶向代谢组学，会定期产生大量数据，这些数据通常需要通过各种方法进行过滤、筛选、分析和注释。数据依赖性采集（DDA）模式，包括串联质谱（MS）的纳入和排除规则，通常用于进行此类分析。虽然数据采集参数在这些过程中很重要，但缺乏对这些参数的系统研究，这些参数可用于在全球天然产物社交分子网络平台（GNPS）上进行数据采集以生成用于分子网络（MN）分析的代谢特征。为了探索影响MNs形成和质量的关键参数，本研究提出了几种用于代谢组学研究的数据采集参数。考察了MS 1分辨率、归一化碰撞能、强度阈值、排斥时间等因素对GNPS分析的影响。此外，描述了专用于Thermo Scientific QE Hybrid Orbitrap仪器的优化工作流程，并基于GNPS MN结果对两种形式的黑树莓提取物的植物化学成分进行了比较。总的来说，我们希望这项研究提供了额外的想法，开发天然产物分析工作流程使用GNPS网络，并提出了一些灯，为未来的分析，利用类似的仪器设置。
Metabolomics, especially large-scale untargeted metabolomics, generate massive amounts of data on a regular basis, which often need to be filtered, screened, analyzed and annotated via a variety of approaches. Data-dependent acquisition (DDA) mode including inclusion and exclusion rules for tandem mass spectrometry (MS) is routinely used to perform such analyses. While parameters of data acquisition are important in these processes, there is a lack of systematic studies of these parameters that can be used in data collection to generate metabolic features for molecular network (MN) analysis on the Global Natural Product Social Molecular Networking platform (GNPS). To explore the key parameters that impacting the formation and quality of MNs, several data acquisition parameters for metabolomic studies were proposed in this study. The influences of MS1 resolution, normalized collision energy (NCE), intensity threshold, exclusion time to GNPS analyses were demonstrated. Moreover, an optimization workflow dedicated to Thermo Scientific QE Hybrid Orbitrap instruments is described, and a comparison of phytochemical contents from two forms of black raspberry extracts were performed based on the GNPS MN results. Overall, we expect this study to provide additional thoughts on developing natural product analysis workflow using GNPS network, and shed some lights to future analyses that utilizing similar instrumental setups.
登录
查看更多内容
影响因子：
4.1
作者：
Saint Hilaire, Pierre Barbier;Rousseau, Kathleen;Fenaille, Francois
通讯作者：
Fenaille, Francois
DOI：
10.1074/mcp.m111.011015
发表时间：
2011-09
期刊：
Molecular & cellular proteomics : MCP
影响因子：
--
作者：
Michalski A;Damoc E;Hauschild JP;Lange O;Wieghaus A;Makarov A;Nagaraj N;Cox J;Mann M;Horning S
通讯作者：
Horning S
影响因子：
7.4
作者：
Schuhmann, Kai;Thomas, Henrik;Sheychenko, Andrej
通讯作者：
Sheychenko, Andrej
DOI：
10.1093/bioinformatics/btq675
发表时间：
2011-02-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Smoot ME;Ono K;Ruscheinski J;Wang PL;Ideker T
通讯作者：
Ideker T
DOI：
10.1074/mcp.ra117.000314
发表时间：
2017-12
期刊：
Molecular & cellular proteomics : MCP
影响因子：
--
作者：
Bruderer R;Bernhardt OM;Gandhi T;Xuan Y;Sondermann J;Schmidt M;Gomez-Varela D;Reiter L
通讯作者：
Reiter L