Guiding the choice of informatics software and tools for lipidomics research applications.
Guiding the choice of informatics software and tools for lipidomics research applications.
复制标题
DOI：
10.1038/s41592-022-01710-0
复制
发表时间：
2023-02
期刊：
影响因子：
48
通讯作者：
Fedorova, Maria
中科院分区：
文献类型：
--
作者：
Ni, Zhixu;Wolk, Michele;Jukes, Geoff;Espinosa, Karla Mendivelso;Ahrends, Robert;Aimo, Lucila;Alvarez-Jarreta, Jorge;Andrews, Simon;Andrews, Robert;Bridge, Alan;Clair, Geremy C.;Conroy, Matthew J.;Fahy, Eoin;Gaud, Caroline;Goracci, Laura;Hartler, Juergen;Hoffmann, Nils;Kopczyinki, Dominik;Korf, Ansgar;Lopez-Clavijo, Andrea F.;Malik, Adnan;Ackerman, Jacobo Miranda;Molenaar, Martijn R.;O'Donovan, Claire;Pluskal, Tomas;Shevchenko, Andrej;Slenter, Denise;Siuzdak, Gary;Kutmon, Martina;Tsugawa, Hiroshi;Willighagen, Egon L.;Xia, Jianguo;O'Donnell, Valerie B.;Fedorova, Maria
质谱（MS）脂质组学的最新进展导致生物学和生物医学研究的快速增长，并促进了重要的发现。这些生成了非常大的原始数据集，需要复杂的定制解决方案来支持自动化数据处理。为了解决这个问题，已经开发了许多软件工具，为数据分析管道中的特定任务量身定制。然而，对于研究人员来说，决定哪种方法最适合他们的应用程序依赖于临时测试，这是低效和耗时的。在这里，我们首先回顾数据处理管道，总结可用工具的数量和范围。接下来，为了支持研究人员，LIPID MAPS提供了一个交互式在线门户网站，列出了具有图形用户界面的开放获取工具。这将指导用户在数据处理的主要领域内找到适当的解决方案，包括（1）面向脂质的数据库，（2）MS数据库，（3）靶向脂质组学数据集的分析，（4）脂质鉴定，（5）非靶向脂质组学数据集的定量，（6）统计分析和可视化，以及（7）数据集成解决方案。提供了功能和要求的详细说明，以指导定制的数据分析工作流程。
Recent progress in mass spectrometry (MS) lipidomics has led to a rapid proliferation of studies across biology and biomedicine and facilitating important discoveries. These generate extremely large raw datasets requiring sophisticated tailored solutions to support automated data processing. To address this, numerous software tools have been developed, tailored for specific tasks in the data analysis pipeline. However, for researchers, deciding which approach best suits their application relies on ad hoc testing, which is inefficient and time-consuming. Here, we first review the data processing pipeline, summarizing the number and scope of available tools. Next, to support researchers, LIPID MAPS provides an interactive online portal listing open-access tools with a graphical user interface. This guides users towards appropriate solutions within major areas in data processing including (1) lipid-oriented databases, (2) MS data repositories, (3) analysis of targeted lipidomics datasets, (4) lipid identification, and (5) quantification from untargeted lipidomics datasets, (6) statistical analysis and visualization, and (7) data integration solutions. Detailed descriptions of functions and requirements are provided to guide customized data analysis workflows.
登录
查看更多内容
影响因子：
14.8
作者：
Beyer BA;Fang M;Sadrian B;Montenegro-Burke JR;Plaisted WC;Kok BPC;Saez E;Kondo T;Siuzdak G;Lairson LL
通讯作者：
Lairson LL
影响因子：
14.9
作者：
Gillespie M;Jassal B;Stephan R;Milacic M;Rothfels K;Senff-Ribeiro A;Griss J;Sevilla C;Matthews L;Gong C;Deng C;Varusai T;Ragueneau E;Haider Y;May B;Shamovsky V;Weiser J;Brunson T;Sanati N;Beckman L;Shao X;Fabregat A;Sidiropoulos K;Murillo J;Viteri G;Cook J;Shorser S;Bader G;Demir E;Sander C;Haw R;Wu G;Stein L;Hermjakob H;D'Eustachio P
通讯作者：
D'Eustachio P
DOI：
10.1093/bioinformatics/bty679
发表时间：
2019-02-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Fahy E;Alvarez-Jarreta J;Brasher CJ;Nguyen A;Hawksworth JI;Rodrigues P;Meckelmann S;Allen SM;O'Donnell VB
通讯作者：
O'Donnell VB
影响因子：
7.5
作者：
CORTES, C;VAPNIK, V
通讯作者：
VAPNIK, V
一种新的最大校正（SGOF），在增加测试数量时会增加其统计能力。
影响因子：
3
作者：
Carvajal-Rodríguez A;de Uña-Alvarez J;Rolán-Alvarez E
通讯作者：
Rolán-Alvarez E