Suppr超能文献

基于元数据的源注释增强非靶向代谢组学。

Enhancing untargeted metabolomics using metadata-based source annotation.

机构信息

Collaborative Mass Spectrometry Innovation Center, University of California San Diego, La Jolla, CA, USA.

Skaggs School of Pharmacy and Pharmaceutical Sciences, University of California San Diego, La Jolla, CA, USA.

出版信息

Nat Biotechnol. 2022 Dec;40(12):1774-1779. doi: 10.1038/s41587-022-01368-1. Epub 2022 Jul 7.

Abstract

Human untargeted metabolomics studies annotate only ~10% of molecular features. We introduce reference-data-driven analysis to match metabolomics tandem mass spectrometry (MS/MS) data against metadata-annotated source data as a pseudo-MS/MS reference library. Applying this approach to food source data, we show that it increases MS/MS spectral usage 5.1-fold over conventional structural MS/MS library matches and allows empirical assessment of dietary patterns from untargeted data.

摘要

人类非靶向代谢组学研究仅能注释约 10%的分子特征。我们引入参考数据驱动的分析方法,将代谢组学串联质谱 (MS/MS) 数据与元数据注释的源数据进行匹配,作为伪 MS/MS 参考库。将这种方法应用于食物源数据,我们发现它使 MS/MS 光谱的使用比传统的结构 MS/MS 库匹配增加了 5.1 倍,并允许从非靶向数据中进行经验性的饮食模式评估。

相似文献

1
Enhancing untargeted metabolomics using metadata-based source annotation.基于元数据的源注释增强非靶向代谢组学。
Nat Biotechnol. 2022 Dec;40(12):1774-1779. doi: 10.1038/s41587-022-01368-1. Epub 2022 Jul 7.

引用本文的文献

2
From stool to sequence: decoding the human diet with FoodSeq.从粪便到序列:用FoodSeq解码人类饮食。
mSystems. 2025 Jul 22;10(7):e0015825. doi: 10.1128/msystems.00158-25. Epub 2025 Jun 23.

本文引用的文献

10
Lifestyle chemistries from phones for individual profiling.用于个人剖析的手机生活方式化学特征。
Proc Natl Acad Sci U S A. 2016 Nov 29;113(48):E7645-E7654. doi: 10.1073/pnas.1610019113. Epub 2016 Nov 14.

文献检索

告别复杂PubMed语法,用中文像聊天一样搜索,搜遍4000万医学文献。AI智能推荐,让科研检索更轻松。

立即免费搜索

文件翻译

保留排版,准确专业,支持PDF/Word/PPT等文件格式,支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述,25分钟生成高质量综述,智能提取关键信息,辅助科研写作。

立即免费体验