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

Este trabajo cuenta con el apoyo del Programa Nacional de Investigación y Desarrollo Clave (2018YFC0910200/2017YFA0505001) y el Programa Clave de I + D de Guangdong (2019B020226001).

1. Preparar conjuntos de datos metabolómicos para el análisis
NOTA: En esta demostración, utilizamos conjuntos de datos de metabolómica sin muestra de control de calidad. Se necesitan datos para los grupos de casos y controles. Para la demostración, utilizamos un conjunto de datos público en la base de datos GNPS27.
<ol><li>Vaya a la página web https://gnps.ucsd.edu/ProteoSAFe/static/gnps-splash.jsp. Haga clic en Examinar conjuntos de d...

<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>

El control FDR de metabolitos no dirigidos ha sido un gran desafío. Aquí, demostramos una cartera completa de análisis metabolómico no dirigido a gran escala (cualitativo y cuantitativo) con control FDR. Esto reduce efectivamente los falsos positivos, que son muy comunes en el análisis de EM.
Preparar una biblioteca espectral de referencia adecuada para su estudio es un punto clave. Una identificación MS/MS exitosa y sensible requiere no solo algoritmos de coincidencia adecuados, sino ta...

Los metabolitos juegan un papel importante en los procesos biológicos. Los metabolitos son a menudo reguladores de diversos procesos como la transferencia de energía, las regulaciones hormonales, la regulación de los neurotransmisores, las comunicaciones celulares y las modificaciones post-traduccionales de proteínas, etc. 1,2,3,4. La metabolómica no dirigida proporciona una visión global de numerosos metabolitos 5,6. Con los avances en las tecnologías de espectrometría de masas y cromatografía, el rendimiento de los espectros de metaboloma MS/MS está aumentando rápidamente en los últimos años 7,8,9,10,11. Para identificar metabolitos a partir de estos enormes conjuntos de datos, se desarrollaron varios software de anotación11, como MZmine12, MS-FINDER13, CFM-ID14, MetFrag15 y SLAW16. Sin embargo, estas identificaciones a menudo contienen muchos falsos positivos. Las razones incluyen: (1) Los espectros MS/MS contienen ruido aleatorio, lo que puede inducir a error a la coincidencia del pico. (2) Los isómeros y las diferencias en las energías de fragmentación causan múltiples huellas dactilares de espectros y, por lo tanto, aumentan el volumen de la biblioteca de referencia. (3) La calidad de las bibliotecas de referencia varía. Se necesita un estándar adecuado para construir una buena biblioteca espectral de referencia. Por lo tanto, un control sistemático de la tasa de falso descubrimiento (FDR) para la metabolómica no dirigida es esencial para la investigación del metaboloma funcional 7,8,9,17.
Tanto el enfoque empírico de Bayes como la estrategia Target-Decoy abordaron el problema de control de FDR en general. Kerstin Scheubert et al. demostraron que la estrategia Target-Decoy en la base de datos de señuelos generada a partir del método basado en árboles de fragmentación es el mejor método para el control FDR9. Xusheng Wang et al. diseñaron un método para la generación de señuelos basado en la regla del octeto en química y mejoraron la precisión de la estimación FDR17. La biblioteca espectral para generar la base de datos señuelo se demostró para un mejor rendimiento18. Aquí, mejoramos el método basado en la biblioteca espectral y desarrollamos un software llamado XY-Meta19 que puede mejorar aún más la precisión de la estimación de FDR. Utiliza la biblioteca espectral de referencia existente para generar una biblioteca de señuelos para el control FDR bajo el esquema Target-Decoy. XY-Meta admite sus propios algoritmos de coincidencia de espectros y similitud de coseno. Permite la búsqueda convencional y los modos de búsqueda iterativa. En el paso de la evaluación de FDR, admite el modo concatenado Target-Decoy y el modo separado. Para una mayor flexibilidad, XY-Meta acepta bibliotecas señuelo externas.
La detección y cuantificación de picos de metabolitos es también un paso importante del análisis de metabolomas no dirigidos. La detección de picos es el método principal para la identificación de metabolomas. En general, la precisión de la detección de picos de metabolitos se vio afectada por múltiples factores, como las señales de ruido de la espectrometría de masas, la baja abundancia de metabolitos, contaminantes y productos de degradación de metabolitos20. Cuando el número de muestras de es demasiado grande o la columna de cromatografía líquida fue reemplazada en experimentos de metaboloma no dirigido, pueden aparecer efectos de lote notables, lo cual es un desafío importante para la cuantificación del metaboloma 21,22,23. Actualmente, software como XCMS24, Workflow4Metabolomic25, iMet-Q26 y metaX19 puede realizar la detección y cuantificación de picos de metaboloma no dirigido, pero sugerimos que la canalización de metaX sea más completa y fácil de usar. Aquí, demostramos el proceso de identificación y control FDR para un conjunto de datos disponible públicamente msv000084112 usando XY-Meta, y la detección y cuantificación de metabolitos de pico usando metaX. Este flujo de trabajo solo requiere dos grupos y cada grupo necesita al menos dos ejemplos. Se necesitan datos de espectros MS /MS, independientemente de la plataforma del espectrómetro de masas, el modo de ionización, el modo de carga y el tipo de muestra, y pueden admitir la normalización basada en muestras y la normalización basada en picos. Siguiendo este ejemplo, los investigadores pueden realizar la identificación y cuantificación de la metabolómica de una manera fácil de manejar. El uso de esta canalización requiere la capacidad de programación de R. Para ayudar al investigador sin ningún conocimiento de programación, también desarrollamos una plataforma de análisis en la nube para el análisis metabolómico. Demostramos esta plataforma de análisis en la nube en material complementario 5.

<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

Las técnicas de metabolómica no dirigidas están siendo ampliamente utilizadas en los últimos años. Sin embargo, el rápido aumento del rendimiento y el número de muestras crean una enorme cantidad de espectros, estableciendo desafíos para el control de calidad de los espectros de espectrometría de masas. Para reducir los falsos positivos, es necesario un control de calidad de la tasa de descubrimiento falso (FDR). Recientemente, desarrollamos un software para el control FDR de la identificación de metabolomas no dirigidos que se basa en una estrategia Target-Decoy llamada XY-Meta. Aquí, demostramos una canalización de análisis completa que integra XY-Meta y metaX juntos. Este protocolo muestra cómo usar XY-meta para generar una base de datos señuelo a partir de una base de datos de referencia existente y realizar el control FDR utilizando la estrategia Target-Decoy para la identificación de metabolomas a gran escala en un conjunto de datos de acceso abierto. El análisis diferencial y la anotación de metabolitos se realizaron después de ejecutar metaX para la detección y cuantificación de picos de metabolitos. Con el fin de ayudar a más investigadores, también desarrollamos una plataforma de análisis basada en la nube fácil de usar para estos análisis, sin la necesidad de habilidades bioinformáticas o lenguajes informáticos.

Los datos brutos de msv000084112 fueron convertidos por msconvert.exe y generados archivos mgf (Material Suplementario S6).
XY-Meta generó el archivo GNPS-NIST14-MATCHES_Decoy.mgf en la carpeta /database. Esta es la biblioteca señuelo generada a partir de la biblioteca espectral de referencia original GNPS-NIST14-MATCHES.mgf. Esta biblioteca de señuelos se puede reutilizar. Al reutilizar esta biblioteca de señuelos, el usuario debe establecer el decoy_pattern como 1 en el ...

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

Construimos un flujo de trabajo metabolómico no dirigido que integró XY-Meta y metaX juntos. En este protocolo, mostramos cómo usar XY-Meta para generar una biblioteca espectral señuelo a partir de la referencia de espectros de acceso abierto, y luego realizamos el control FDR y usamos el metaX para cuantificar los metabolitos después de identificar los espectros metabolómicos.

Un flujo de trabajo integrado de identificación y cuantificación en un metaboloma no dirigido basado en el control FDR

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

Este protocolo permite el análisis cualitativo y cuantitativo del metaboloma no dirigido basado en el control de calidad FDR que reduce eficazmente los falsos positivos de la identificación de metabolitos. Este flujo de trabajo integra XY-Meta que utiliza la estrategia target-decoy para evaluar FDR con mayor precisión para la identificación del metaboloma en el módulo de análisis cualitativo. Esta medida puede filtrar eficazmente los resultados falsos positivos de la identificación no dirigida del metaboloma, lo que mejora la solidez del descubrimiento de biomarcadores o moléculas clave.Esperamos que los investigadores puedan comprender y dominar la estrategia de señuelo de objetivos para el control de FDR y deben tratar de ejecutar estrictamente esta canalización varias veces con los parámetros predeterminados del protocolo. Comience yendo a la página web de la base de datos GNPS y haga clic en Examinar conjuntos de datos. Busque la palabra clave en la columna de título y, a continuación, haga clic en el número de ID del conjunto de datos.Descargue el conjunto de datos mediante FTP y guarde los datos sin procesar en la carpeta correspondiente. Para convertir el formato de los datos sin procesar, primero instale el software ProteoWizard. En la ruta de instalación de ProteoWizard, escriba msconvert.exe, seguido de los parámetros específicos para convertir el formato de datos sin procesar al formato mzXML. De nuevo, usando msconvert. exe convierta estos datos al formato MGF y guárdelos en la carpeta MGF.Para preparar la biblioteca espectral de referencia para los metabolitos, vaya a la página web de GNPS. Busque la palabra clave NIST, haga clic en ver para obtener los detalles y descargue la biblioteca. Guarde la biblioteca en la carpeta de base de datos.Descargue el programa XY-Meta. Busque el archivo de configuración de parámetros en la carpeta de configuración y cambie su contenido como se describe en el protocolo de texto. Establezca el tipo de aductos como una lista en la carpeta aducto.Realice la identificación de metabolitos y el control de velocidad de descubrimiento falso mediante el comando XY-Meta.exe. Descargue e instale el paquete de software metaX. A continuación, edite la lista de muestras.txt para especificar el ejemplo y sus correspondientes datos de espectrometría de masas como se describe en el protocolo de texto. Utilice el archivo R proporcionado con el protocolo de texto para ejecutar el script para la cuantificación de grupos Mock y de tipo salvaje utilizando el software metaX. Compruebe la carpeta de salida en la que se almacenan los resultados del análisis cuantitativo, como el gráfico PCA.A continuación, modifique los parámetros en el script R para anotar los picos en el análisis cualitativo y cuantitativo utilizando identificaciones de metabolitos para integrar tanto los resultados como ejecutar el script R. Los diagramas de caja de metabolitos cuantificados mostraron que la distribución general de las muestras sanas y de enfermedad fue similar con una baja fluctuación de los valores medios. Sólo el 3,39% de los metabolitos tenían más del 30% de los valores faltantes.La gráfica de análisis de componentes principales de las muestras de ambos grupos mostró que metaX aumentó notablemente la proporción de metabolitos con CV inferior a 0,3. Un diagrama de Venn de metabolitos detectados diferencialmente a partir de tres métodos de prueba estadísticos reveló 119 metabolitos comunes. El tiempo de retención y la distribución de masa por carga de todos los metabolitos anotados se trazaron con una tasa de descubrimiento falso de menos de 0,01, mostrando seis metabolitos significativos y detectados diferencialmente.Es importante limitar el tiempo para las pruebas de flujo de trabajo. Recuerde, no seleccionar demasiadas muestras para el análisis y mantener al menos dos muestras en cada grupo. Esta técnica permite el control de calidad de la identificación metabolizada a partir de datos de adquisición independientes de los datos construyendo una biblioteca espectral de espectro de referencia más robusta utilizando los resultados de coincidencia de espectro basados en el control FDR.

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

Un método Simple para la detección química de alto rendimiento en Caenorhabditis Elegans

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

Investigación

Bioquímica

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

Identificación de quinasa dependiente de ciclina 1 sitios específicos de fosforilación por una quinasa In Vitro ensayo

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

Cuantificación de hipopigmentación de la actividad 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

Cuantificación de la coenzima A en células y tejidos

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

Flujo de trabajo de espectrometría de masas de inmunoprecipitación sin etiquetas para la generación de perfiles de interactome nuclear a gran escala

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

Una plataforma integrada de espectroscopia y espectrometría de masas de Raman para estudiar la admisión, el metabolismo y los efectos de fármacos de una sola célula

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

Análisis de metabolómica basada en cromatografía líquida no dirigida de grano de trigo

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

Evaluación del efecto de los pesticidas en las larvas de las abejas solitarias

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

Cuantificación de la distribución de glucógeno subcelular en fibras musculares esqueléticas mediante microscopía electrónica de transmisión

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 ...