Name: an integrated workflow of identification and quantification on fdr control-based untargeted metabolome
Uploaded: 2022-09-20T13:00:00
Description: Watch this Scientific Journal Video about An Integrated Workflow of Identification and Quantification on FDR Control-Based Untargeted Metabolome at JoVE.com

Diese Arbeit wird durch das National Key Research and Development Program (2018YFC0910200/2017YFA0505001) und das Guangdong Key R&D Program (2019B020226001) unterstützt.

1. Metabolomics-Datensätze für die Analyse vorbereiten
HINWEIS: In dieser Demonstration verwenden wir Metabolomik-Datensätze ohne QC-Stichprobe. Daten für Fall- und Kontrollgruppen werden benötigt. Zur Demonstration verwenden wir einen öffentlichen Datensatz in der GNPS-Datenbank27.
<ol><li>Rufen Sie die Webseite https://gnps.ucsd.edu/ProteoSAFe/static/gnps-splash.jsp auf. Klicken Sie auf Datasets durchsuchen.</li>
	<li>Suchen S...

<ol>
	<li>Misra, B. B., Fahrmann, J. F., Grapov, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Review+of+emerging+metabolomic+tools+and+resources:+2015-2016.">Review of emerging metabolomic tools and resources: 2015-2016.</a> Electrophoresis. 38 (18), 2257-2274 (2017).</li><li>Idle, J. R., Gonzalez, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Metabolomics.">Metabolomics.</a> Cell Metabolism. 6 (5), 348-351 (2007).</li><li>Fiehn, O., Town, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Metabolomics+&#8212;+the+link+between+genotypes+and+phenotypes.">Metabolomics &#8212; the link between genotypes and phenotypes.</a> Functional Genomics. , 155-171 (2002).</li><li>Town, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Functional Genomics. , (2002).</li><li>Dettmer, K., Aronov, P. A., Hammock, B. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mass+spectrometry-based+metabolomics.">Mass spectrometry-based metabolomics.</a> Mass Spectrometry Reviews. 26 (1), 51-78 (2007).</li><li>Vinayavekhin, N., Saghatelian, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Untargeted+metabolomics.">Untargeted metabolomics.</a> Current Protocols in Molecular Biology. , 1-24 (2010).</li><li>Chaleckis, R., Meister, I., Zhang, P., Wheelock, C. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Challenges,+progress+and+promises+of+metabolite+annotation+for+LC-MS-based+metabolomics.">Challenges, progress and promises of metabolite annotation for LC-MS-based metabolomics.</a> Current Opinion in Biotechnology. 55, 44-50 (2019).</li><li>Palmer, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=FDR-controlled+metabolite+annotation+for+high-resolution+imaging+mass+spectrometry.">FDR-controlled metabolite annotation for high-resolution imaging mass spectrometry.</a> Nature Methods. 14 (1), 57-60 (2017).</li><li>Scheubert, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Significance+estimation+for+large+scale+metabolomics+annotations+by+spectral+matching.">Significance estimation for large scale metabolomics annotations by spectral matching.</a> Nature Communications. 8 (1), 1494 (2017).</li><li>Schrimpe-Rutledge, A. C., Codreanu, S. G., Sherrod, S. D., McLean, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Untargeted+metabolomics+strategies-challenges+and+emerging+directions.">Untargeted metabolomics strategies-challenges and emerging directions.</a> Journal of the American Society for Mass Spectrometry. 27 (12), 1897-1905 (2016).</li><li>Bla&#382;enovi&#263;, I., Kind, T., Ji, J., Fiehn, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Software+tools+and+approaches+for+compound+identification+of+LC-MS/MS+data+in+metabolomics.">Software tools and approaches for compound identification of LC-MS/MS data in metabolomics.</a> Metabolites. 8 (2), (2018).</li><li>Katajamaa, M., Miettinen, J., Oresic, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=MZmine:+toolbox+for+processing+and+visualization+of+mass+spectrometry+based+molecular+profile+data.">MZmine: toolbox for processing and visualization of mass spectrometry based molecular profile data.</a> Bioinformatics. 22 (5), 634-636 (2006).</li><li>Tsugawa, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hydrogen+rearrangement+rules:+computational+MS/MS+fragmentation+and+structure+elucidation+using+MS-FINDER+software.">Hydrogen rearrangement rules: computational MS/MS fragmentation and structure elucidation using MS-FINDER software.</a> Analytical chemistry. 88 (16), 7946-7958 (2016).</li><li>Wang, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=CFM-ID+4.0:+More+accurate+ESI-MS/MS+spectral+prediction+and+compound+identification.">CFM-ID 4.0: More accurate ESI-MS/MS spectral prediction and compound identification.</a> Analytical Chemistry. 93 (34), 11692-11700 (2021).</li><li>Ruttkies, C., Schymanski, E. L., Wolf, S., Hollender, J., Neumann, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=MetFrag+relaunched:+incorporating+strategies+beyond+in+silico+fragmentation.">MetFrag relaunched: incorporating strategies beyond in silico fragmentation.</a> Journal of Cheminformatics. 8, 3 (2016).</li><li>Delabriere, A., Warmer, P., Brennsteiner, V., Zamboni, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=SLAW:+A+scalable+and+self-optimizing+processing+workflow+for+untargeted+LC-MS.">SLAW: A scalable and self-optimizing processing workflow for untargeted LC-MS.</a> Analytical chemistry. 93 (45), 15024-15032 (2021).</li><li>Wang, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Target-decoy-based+false+discovery+rate+estimation+for+large-scale+metabolite+identification.">Target-decoy-based false discovery rate estimation for large-scale metabolite identification.</a> Journal of Proteome Research. 17 (7), 2328-2334 (2018).</li><li>Li, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=XY-Meta:+a+high-efficiency+search+engine+for+large-scale+metabolome+annotation+with+accurate+FDR+estimation.">XY-Meta: a high-efficiency search engine for large-scale metabolome annotation with accurate FDR estimation.</a> Analytical Chemistry. 92 (8), 5701-5707 (2020).</li><li>Wen, B., Mei, Z., Zeng, C., Liu, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=metaX:+a+flexible+and+comprehensive+software+for+processing+metabolomics+data.">metaX: a flexible and comprehensive software for processing metabolomics data.</a> BMC Bioinformatics. 18 (1), 183 (2017).</li><li>Aberg, K. M., Torgrip, R. J. O., Kolmert, J., Schuppe-Koistinen, I., Lindberg, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Feature+detection+and+alignment+of+hyphenated+chromatographic-mass+spectrometric+data.+Extraction+of+pure+ion+chromatograms+using+Kalman+tracking.">Feature detection and alignment of hyphenated chromatographic-mass spectrometric data. Extraction of pure ion chromatograms using Kalman tracking.</a> Journal of Chromatography. A. 1192 (1), 139-146 (2008).</li><li>Liu, Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Addressing+the+batch+effect+issue+for+LC/MS+metabolomics+data+in+data+preprocessing.">Addressing the batch effect issue for LC/MS metabolomics data in data preprocessing.</a> Scientific Reports. 10 (1), 13856 (2020).</li><li>Han, W., Li, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluating+and+minimizing+batch+effects+in+metabolomics.">Evaluating and minimizing batch effects in metabolomics.</a> Mass Spectrometry Reviews. 41 (3), 421-442 (2022).</li><li>Fei, F., Bowdish, D. M. E., McCarry, B. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comprehensive+and+simultaneous+coverage+of+lipid+and+polar+metabolites+for+endogenous+cellular+metabolomics+using+HILIC-TOF-MS.">Comprehensive and simultaneous coverage of lipid and polar metabolites for endogenous cellular metabolomics using HILIC-TOF-MS.</a> Analytical and Bioanalytical Chemistry. 406 (15), 3723-3733 (2014).</li><li>Smith, C. A., Want, E. J., O'Maille, G., Abagyan, R., Siuzdak, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=XCMS:+processing+mass+spectrometry+data+for+metabolite+profiling+using+nonlinear+peak+alignment,+matching,+and+identification.">XCMS: processing mass spectrometry data for metabolite profiling using nonlinear peak alignment, matching, and identification.</a> Analytical Chemistry. 78 (3), 779-787 (2006).</li><li>Giacomoni, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Workflow4Metabolomics:+a+collaborative+research+infrastructure+for+computational+metabolomics.">Workflow4Metabolomics: a collaborative research infrastructure for computational metabolomics.</a> Bioinformatics. 31 (9), 1493-1495 (2015).</li><li>Chang, H. -. Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=iMet-Q:+A+user-friendly+tool+for+label-free+metabolomics+quantitation+using+dynamic+peak-width+determination.">iMet-Q: A user-friendly tool for label-free metabolomics quantitation using dynamic peak-width determination.</a> PloS One. 11 (1), 0146112 (2016).</li><li>Wang, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sharing+and+community+curation+of+mass+spectrometry+data+with+Global+Natural+Products+Social+Molecular+Networking.">Sharing and community curation of mass spectrometry data with Global Natural Products Social Molecular Networking.</a> Nature Biotechnology. 34 (8), 828-837 (2016).</li><li>Schmid, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ion+identity+molecular+networking+for+mass+spectrometry-based+metabolomics+in+the+GNPS+environment.">Ion identity molecular networking for mass spectrometry-based metabolomics in the GNPS environment.</a> Nature Communications. 12 (1), 3832 (2021).</li><li>Kessner, D., Chambers, M., Burke, R., Agus, D., Mallick, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=ProteoWizard:+open+source+software+for+rapid+proteomics+tools+development.">ProteoWizard: open source software for rapid proteomics tools development.</a> Bioinformatics. 24 (21), 2534-2536 (2008).</li><li>Johnson, S. R., Lange, B. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Open-access+metabolomics+databases+for+natural+product+research:+present+capabilities+and+future+potential.">Open-access metabolomics databases for natural product research: present capabilities and future potential.</a> Frontiers in Bioengineering and Biotechnology. 3, 22 (2015).</li><li>Horai, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=MassBank:+a+public+repository+for+sharing+mass+spectral+data+for+life+sciences.">MassBank: a public repository for sharing mass spectral data for life sciences.</a> Journal of Mass Spectrometry: JMS. 45 (7), 703-714 (2010).</li><li>Rawlinson, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hierarchical+clustering+of+MS/MS+spectra+from+the+firefly+metabolome+identifies+new+lucibufagin+compounds.">Hierarchical clustering of MS/MS spectra from the firefly metabolome identifies new lucibufagin compounds.</a> Scientific Reports. 10 (1), 6043 (2020).</li></ol>

Die FDR-Kontrolle von nicht zielgerichteten Metaboliten war eine große Herausforderung. Hier demonstrierten wir eine vollständige Pipeline von groß angelegten, ungezielten Metabolomik-Analysen (qualitativ und quantitativ) mit FDR-Kontrolle. Dies reduziert effektiv die falsch positiven Ergebnisse, die in der MS-Analyse sehr häufig vorkommen.
Die Vorbereitung einer geeigneten Referenzspektralbibliothek für Ihre Studie ist ein wichtiger Punkt. Eine erfolgreiche und sensitive MS/MS-Identifizi...

Metaboliten spielen eine wichtige Rolle in biologischen Prozessen. Metaboliten sind oft Regulatoren verschiedener Prozesse wie Energieübertragung, Hormonregulation, Regulation von Neurotransmittern, zellulärer Kommunikation und posttranslationalen Proteinmodifikationen usw. 1,2,3,4. Untargeted metabolomics bietet einen globalen Überblick über zahlreiche Metaboliten 5,6. Mit den Fortschritten in der Massenspektrometrie und Chromatographietechnologie nimmt der Durchsatz von Metabolom-MS/MS-Spektren in den letzten Jahren rapide zu 7,8,9,10,11. Um Metaboliten aus diesen riesigen Datensätzen zu identifizieren, wurden verschiedene Annotationssoftware11 entwickelt, wie MZmine12, MS-FINDER 13, CFM-ID 14,MetFrag 15 undSLAW 16. Diese Identifikationen enthalten jedoch oft viele Fehlalarme. Zu den Gründen gehören: (1) Die MS/MS-Spektren enthalten zufälliges Rauschen, das die Spitzenübereinstimmung irreführen kann. (2) Isomere und Unterschiede in den Fragmentierungsenergien verursachen mehrere Spektrenfingerabdrücke und erhöhen so das Volumen der Referenzbibliothek. (3) Die Qualität der Präsenzbibliotheken ist unterschiedlich. Ein geeigneter Standard, um eine gute Referenzspektralbibliothek zu erstellen, ist erforderlich. Daher ist eine systematische FDR-Kontrolle (False Discovery Rate) für ungezielte Metabolomik für die funktionelle Metabolomforschungunerlässlich 7,8,9,17.
Sowohl der empirische Bayes-Ansatz als auch die Target-Decoy-Strategie befassten sich mit dem FDR-Kontrollproblem im Allgemeinen. Kerstin Scheubert et al. zeigten, dass die Target-Decoy-Strategie auf der Lockvogeldatenbank, die aus der fragmentierten baumbasierten Methode generiert wurde, die beste Methode für die FDR-Kontrolle9 ist. Xusheng Wang et al. entwarfen eine Methode zur Lockvogelerzeugung, die auf der Oktettregel in der Chemie basiert und die Genauigkeit der FDR-Schätzung17 verbessert. Die Spektralbibliothek zur Generierung einer Lockvogeldatenbank wurde für eine bessere Leistungdemonstriert 18. Hier haben wir die auf der Spektralbibliothek basierende Methode verbessert und eine Software namens XY-Meta19 entwickelt, die die Genauigkeit der FDR-Schätzung weiter verbessern kann. Es verwendet die vorhandene Referenzspektralbibliothek, um eine Lockvogelbibliothek für die FDR-Kontrolle im Rahmen des Target-Decoy-Schemas zu generieren. XY-Meta unterstützt seine eigenen Spektrenanpassungs- und Kosinus-Ähnlichkeitsalgorithmen. Es ermöglicht konventionelle Such- und iterative Suchmodi. Im Schritt der FDR-Bewertung unterstützt es den Target-Decoy-Verkettungsmodus und den getrennten Modus. Für mehr Flexibilität akzeptiert XY-Meta externe Lockvogelbibliotheken.
Der Spitzennachweis und die Quantifizierung von Metaboliten ist ebenfalls ein wichtiger Schritt der ungezielten Metabolomanalyse. Die Peak-Detektion ist die Hauptmethode zur Identifizierung von Metabolomen. Im Allgemeinen wurde die Genauigkeit der Spitzendetektion von Metaboliten durch mehrere Faktoren beeinflusst, wie z. B. Rauschsignale der Massenspektrometrie, geringe Häufigkeit von Metaboliten, Verunreinigungen und Abbauprodukten von Metaboliten20. Wenn die Anzahl der Proben von zu groß ist oder die flüssige Chromatographiesäule in Experimenten mit ungezieltem Metabolom ersetzt wurde, können bemerkenswerte Chargeneffekte auftreten, was eine große Herausforderung für die Metabolomquantifizierung darstellt21,22,23. Derzeit können Software wie XCMS 24, Workflow4Metabolomic25, iMet-Q26 und metaX19 Spitzenerkennung und Quantifizierung von ungezielten Metabolomen durchführen, aber wir schlagen vor, dass die Pipeline von metaX vollständiger und einfacher zu bedienen ist. Hier demonstrieren wir den Prozess der Identifizierung und FDR-Kontrolle für einen öffentlich zugänglichen Datensatz msv000084112 mit XY-Meta und den Spitzennachweis und die Quantifizierung von Metaboliten mit metaX. Dieser Workflow erfordert nur zwei Gruppen, und jede Gruppe benötigt mindestens zwei Beispiele. MS/MS-Spektrendaten werden unabhängig von der Massenspektrometerplattform, dem Ionisationsmodus, dem Ladungsmodus und dem Probentyp benötigt und können die probenbasierte Normalisierung und die peakbasierte Normalisierung unterstützen. Nach diesem Beispiel können Forscher die Identifizierung und Quantifizierung von Metabolomics auf einfache Weise durchführen. Die Verwendung dieser Pipeline erfordert R-Programmierfunktionen. Um dem Forscher ohne Programmierkenntnisse zu helfen, haben wir auch eine Cloud-Analyseplattform für die Metabolomik-Analyse entwickelt. Wir haben diese Cloud-Analyseplattform in Supplementary Material 5 demonstriert.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>GNPS</td>
			<td>open source</td>
			<td>n/a</td>
			<td>https://gnps.ucsd.edu/ProteoSAFe/static/gnps-splash.jsp</td>
		</tr>
		<tr>
			<td>XY-Meta</td>
			<td>open source</td>
			<td>n/a</td>
			<td>https://github.com/DLI-ShenZhen/XY-Meta</td>
		</tr>
		<tr>
			<td>metaX</td>
			<td>open source</td>
			<td>n/a</td>
			<td>https://github.com/wenbostar/metaX</td>
		</tr>
		<tr>
			<td>ProteoWizard</td>
			<td>Free Download</td>
			<td>3.0.22116.18c918b-x86_64</td>
			<td>https://proteowizard.sourceforge.io/download.html</td>
		</tr>
		<tr>
			<td>CHI.Client</td>
			<td>Free Download</td>
			<td>ndp48-x86-x64-allos-enu</td>
			<td>http://www.chi-biotech.com/technology.html?ty=ypt</td>
		</tr>
	</tbody>
</table>

an integrated workflow of identification and quantification on fdr control-based untargeted metabolome

Ungezielte Metabolomik-Techniken sind in den letzten Jahren weit verbreitet. Der schnell steigende Durchsatz und die Anzahl der Proben erzeugen jedoch eine enorme Menge an Spektren, was die Qualitätskontrolle der Massenspektrometriespektren vor Herausforderungen stellt. Um die Fehlalarme zu reduzieren, ist eine Qualitätskontrolle der False Discovery Rate (FDR) erforderlich. Vor kurzem haben wir eine Software zur FDR-Kontrolle der ungezielten Identifizierung von Metabolomen entwickelt, die auf einer Target-Decoy-Strategie namens XY-Meta basiert. Hier demonstrierten wir eine komplette Analyse-Pipeline, die XY-Meta und metaX miteinander integriert. Dieses Protokoll zeigt, wie XY-meta verwendet wird, um eine Lockvogeldatenbank aus einer vorhandenen Referenzdatenbank zu generieren und eine FDR-Kontrolle mit der Target-Decoy-Strategie für die Identifizierung von Metabolomen in großem Maßstab in einem Open-Access-Datensatz durchzuführen. Die Differentialanalyse und die Annotation der Metaboliten wurden nach dem Ausführen von metaX für den Nachweis und die Quantifizierung von Metabolitenspitzen durchgeführt. Um mehr Forschern zu helfen, haben wir auch eine benutzerfreundliche Cloud-basierte Analyseplattform für diese Analysen entwickelt, ohne dass bioinformatische Kenntnisse oder Computersprachen erforderlich sind.

Die Rohdaten von msv000084112 wurden von msconvert konvertiert.exe und erzeugten mgf-Dateien (Supplementary Material S6).
XY-Meta hat die GNPS-NIST14-MATCHES_Decoy.mgf-Datei unter /database Ordner generiert. Dies ist die Lockvogelbibliothek, die aus der ursprünglichen Referenzspektralbibliothek GNPS-NIST14-MATCHES.mgf generiert wurde. Diese Lockvogelbibliothek kann wiederverwendet werden. Bei der Wiederverwendung dieser Köderbibliothek sollte der Benutzer die decoy_pattern i...

Watch this Scientific Journal Video about An Integrated Workflow of Identification and Quantification on FDR Control-Based Untargeted Metabolome at JoVE.com

An Integrated Workflow of Identification and Quantification on FDR Control-Based Untargeted Metabolome

Wir haben einen ungezielten metabolomischen Workflow entwickelt, der XY-Meta und metaX zusammen integriert. In diesem Protokoll zeigten wir, wie XY-Meta verwendet werden kann, um eine Lockvogel-Spektralbibliothek aus der Open-Access-Spektrenreferenz zu generieren, und führten dann eine FDR-Kontrolle durch und verwendeten das metaX, um die Metaboliten nach der Identifizierung der Metabolomik-Spektren zu quantifizieren.

Ein integrierter Workflow zur Identifizierung und Quantifizierung von FDR-Kontroll-basierten, ungezielten Metabolomen

Untargeted metabolomics techniques are being widely used in recent years. However, the rapidly increasing throughput and number of samples create an ...

Dieses Protokoll ermöglicht die qualitative und quantitative Analyse von nicht zielgerichteten Metabolomen auf der Grundlage der FDR-Qualitätskontrolle, wodurch die falsch positiven Ergebnisse der Metabolitenidentifizierung effektiv reduziert werden. Dieser Workflow integriert XY-Meta, das die Target-Decoy-Strategie verwendet, um FDR genauer für die Metabolomidentifizierung im qualitativen Analysemodul zu bewerten. Diese Maßnahme kann effektiv falsch positive Ergebnisse der ungezielten Identifizierung von Metabolomen filtern, was die Robustheit der Entdeckung von Biomarkern oder Schlüsselmolekülen verbessert.Wir erwarten, dass Forscher die Ziel-Lockvogel-Strategie für die FDR-Kontrolle verstehen und beherrschen können und sollten versuchen, diese Pipeline mehrmals mit den Standardparametern des Protokolls streng auszuführen. Rufen Sie zunächst die Webseite der GNPS-Datenbank auf, und klicken Sie auf Datasets durchsuchen. Suchen Sie das Schlüsselwort in der Titelspalte, und klicken Sie dann auf die Datensatz-ID-Nummer.Laden Sie den Datensatz per FTP herunter und speichern Sie die Rohdaten im entsprechenden Ordner. Um das Format von Rohdaten zu konvertieren, installieren Sie zunächst die ProteoWizard-Software. Geben Sie unter dem ProteoWizard-Installationspfad msconvert ein.exe, gefolgt von den spezifischen Parametern zum Konvertieren des Rohdatenformats in das mzXML-Format. Auch hier wird msconvert verwendet. exe konvertiert diese Daten in das MGF-Format und speichert sie im MGF-Ordner.Um die Referenzspektralbibliothek für die Metaboliten vorzubereiten, besuchen Sie die GNPS-Webseite. Suchen Sie nach dem Schlüsselwort NIST, klicken Sie auf Ansicht für die Details und laden Sie die Bibliothek herunter. Speichern Sie die Bibliothek im Datenbankordner.Laden Sie das XY-Meta-Programm herunter. Suchen Sie die Parameterkonfigurationsdatei unter dem Ordner config und ändern Sie ihren Inhalt wie im Textprotokoll beschrieben. Legen Sie den Addukttyp als Liste im Adduktordner fest.Führen Sie die Metabolitenidentifizierung und die falsche Erkennungsrate mit dem Befehl XY-Meta.exe durch. Laden Sie das MetaX-Softwarepaket herunter und installieren Sie es. Bearbeiten Sie dann die Beispielliste.txt-Datei, um die Probe und die entsprechenden Massenspektrometriedaten wie im Textprotokoll beschrieben anzugeben. Verwenden Sie die R-Datei, die mit dem Textprotokoll bereitgestellt wird, um das Skript zur Quantifizierung von Mock- und Wildtypgruppen mit der metaX-Software auszuführen. Überprüfen Sie den Ausgabeordner, in dem die Ergebnisse der quantitativen Analyse gespeichert sind, z. B. das PCA-Diagramm.Ändern Sie als Nächstes die Parameter im R-Skript, um die Spitzen in der qualitativen und quantitativen Analyse mithilfe von Metabolitenidentifikationen zu kommentieren, um sowohl die Ergebnisse zu integrieren als auch das R-Skript auszuführen. Box-Plots quantifizierter Metaboliten zeigten, dass die allgemeine Verteilung von gesunden und Krankheitsproben bei geringer Fluktuation der Mittelwerte ähnlich war. Nur 3,39% der Metaboliten hatten mehr als 30% der fehlenden Werte.Das Diagramm der Hauptkomponentenanalyse der Proben aus beiden Gruppen zeigte, dass metaX den Anteil der Metaboliten mit einem CV von weniger als 0,3 bemerkenswert erhöhte. Ein Venn-Diagramm von differentiell nachgewiesenen Metaboliten aus drei statistischen Testmethoden ergab 119 häufige Metaboliten. Die Retentionszeit und die Massenverteilung aller annotierten Metaboliten wurden mit einer Falschentdeckungsrate von weniger als 0,01 aufgezeichnet, wobei sechs signifikante und differentiell nachgewiesene Metaboliten gezeigt wurden.Es ist wichtig, die Zeit für Workflowtests zu begrenzen. Denken Sie daran, nicht zu viele Proben für die Analyse auszuwählen und mindestens zwei Proben in jeder Gruppe aufzubewahren. Diese Technik ermöglicht die Qualitätskontrolle der metabolisierten Identifizierung aus datenunabhängigen Erfassungsdaten, wodurch eine robustere Referenzspektrum-Spektralbibliothek unter Verwendung der auf FDR-Kontrolle basierenden Spektrumanpassungsergebnisse erstellt wird.

Research

JoVE Journal

Biochemistry

A Simple Method for High Throughput Chemical Screening in Caenorhabditis Elegans

A Simple Method for High Throughput Chemical Screening in Caenorhabditis Elegans

Eine einfache Methode zur chemischen Hochdurchsatz-Screening in Caenorhabditis Elegans

Caenorhabditis elegans is a useful organism for testing chemical effects on physiology. Whole organism small molecule screens offer significant advantages ...

Forschung

Biochemie

Identification of Cyclin-dependent Kinase 1 Specific Phosphorylation Sites by an In Vitro Kinase Assay

Identification of Cyclin-dependent Kinase 1 Specific Phosphorylation Sites by an In Vitro Kinase Assay

Identifizierung von Cyclin-abhängige Kinase 1 spezifische Phosphorylierung Websites durch eine In-vitro- Kinase Assay

Cyclin-dependent kinase 1 (Cdk1) is a master controller for the cell cycle in all eukaryotes and phosphorylates an estimated 8 - 13% of the proteome; ...

Quantification of Hypopigmentation Activity In Vitro

Quantifizierung der Hypopigmentation Aktivität In Vitro

This study presents laboratory methods for the quantification of hypopigmentation activity in vitro. Melanin, the major pigment in melanocytes, is ...

Quantification of Coenzyme A in Cells and Tissues

Quantifizierung von Coenzym A in Zellen und Geweben

Emerging research has revealed that the cellular coenzyme A (CoA) supply can become limiting with a detrimental impact on growth, metabolism and survival. ...

Label-Free Immunoprecipitation Mass Spectrometry Workflow for Large-scale Nuclear Interactome Profiling

Etikettenfreier Immunpräzipitations-Massenspektrometrie-Workflow für großangelegtes Nuklear-Interactome-Profiling

Immunoaffinity purification mass spectrometry (IP-MS) has emerged as a robust quantitative method of identifying protein-protein interactions. This ...

An Integrated Raman Spectroscopy and Mass Spectrometry Platform to Study Single-Cell Drug Uptake, Metabolism, and Effects

Eine integrierte Raman-Spektroskopie- und Massenspektrometrie-Plattform zur Untersuchung der Aufnahme von Einzelzellen-Medikamenten, des Stoffwechsels und der Effekte

Cells are known to be inherently heterogeneous in their responses to drugs. Therefore, it is essential that single-cell heterogeneity is accounted for in ...

Untargeted Liquid Chromatography-Mass Spectrometry-Based Metabolomics Analysis of Wheat Grain

Ungezielte Flüssigchromatographie-Massenspektrometrie-basierte Metabolomik-Analyse von Weizengetreide

Understanding the interactions between genes, the environment and management in agricultural practice could allow more accurate prediction and management ...

Evaluating the Effect of Pesticides on the Larvae of the Solitary Bees

Bewertung der Wirkung von Pestiziden auf die Larven der Solitärbienen

Current ecological risk assessments of pesticides on pollinators have primarily considered only laboratory conditions. For the larvae of solitary bees, ...

Quantification of Subcellular Glycogen Distribution in Skeletal Muscle Fibers using Transmission Electron Microscopy

Quantifizierung der subzellulären Glykogenverteilung in Skelettmuskelfasern mittels Transmissionselektronenmikroskopie

With the use of transmission electron microscopy, high-resolution images of fixed samples containing individual muscle fibers can be obtained. This ...

Deciphering Molecular Mechanism of Histone Assembly by DNA Curtain Technique

Chromatin is a higher-order structure that packages eukaryotic DNA. Chromatin undergoes dynamic alterations according to the cell cycle phase and in ...