基于FDR对照的非靶向代谢组的鉴定和定量集成工作流程
September 20th, 2022
我们构建了一个非靶向代谢组学工作流程，将XY-Meta和metaX集成在一起。在该协议中，我们展示了如何使用XY-Meta从开放获取光谱参考中生成诱饵光谱库，然后进行FDR控制，并在鉴定代谢组学光谱后使用metaX定量代谢物。
该方案能够基于FDR质量控制对非靶向代谢组进行定性和定量分析，从而有效减少代谢物鉴定的假阳性。该工作流程集成了XY-Meta，该方法使用靶诱饵策略更准确地评估FDR，以便在定性分析模块中鉴定代谢组。该措施可以有效过滤非靶向代谢组鉴定的假阳性结果，从而提高发现生物标志物或关键分子的稳健性。
我们希望研究人员能够理解并掌握用于FDR控制的目标诱饵策略，并且应该尝试使用协议的默认参数多次严格运行该管道。首先转到 GNPS 数据库网页，然后单击浏览数据集。在标题列中搜索关键字，然后单击数据集 ID 号。
使用FTP下载数据集，并将原始数据保存在相应的文件夹中。要转换原始数据的格式，请首先安装保护顾问软件。在"保护向导"安装路径下，键入 msconvert。
exe，后跟将原始数据格式转换为 mzXML 格式的特定参数。同样，使用毫秒转换。exe 将此数据转换为 MGF 格式，并将其存储在 MGF 文件夹中。
要准备代谢物的参考光谱库，请转到GNPS网页。搜索关键字 NIST，单击查看详细信息并下载库。将库保存在数据库文件夹中。
下载扎伊元程序。在 config 文件夹下找到参数配置文件，并按照文本协议中所述更改其内容。将内收的类型设置为内收文件夹中的列表。
使用命令XY-Meta.exe执行代谢物鉴定和错误发现率控制。下载并安装 metaX 软件包。然后编辑示例列表。
txt文件指定样品及其相应的质谱数据，如文本协议中所述。使用随文本协议提供的 R 文件运行脚本，以使用 metaX 软件对模拟组和野生类型组进行定量。检查存储定量分析结果的输出文件夹，例如 PCA 图。
接下来，修改R脚本中的参数，以使用代谢物鉴定在定性和定量分析中注释峰，以便整合结果并运行R脚本。定量代谢物箱形图显示，健康样本和疾病样本的一般分布相似，均值波动较小。只有3.39%的代谢物具有超过30%的缺失值。
两组样品的主成分分析图均表明，metaX显著提高了CV小于0.3的代谢物比例。来自三种统计测试方法的差异检测代谢物的维恩图显示119种常见代谢物。所有注释代谢物的保留时间和电荷分布的质量绘制，错误发现率小于0.01，显示6种显着且差异检测的代谢物。
限制工作流测试的时间非常重要。请记住，不要选择太多样品进行分析，并在每组中至少保留两个样品。该技术能够从独立于数据的采集数据中对代谢鉴定进行质量控制，从而使用基于FDR控制的光谱匹配结果构建更强大的参考光谱谱库。
View the full transcript and gain access to thousands of scientific videos
概述
该协议使用FDR质量控制来减少代谢物鉴定中的假阳性，从而实现对非靶向代谢组的定性和定量分析。该工作流程集成了XY-Meta，通过目标-诱饵策略更准确地评估FDR。
关键研究组成部分
科学领域
- 代谢组学
- 生化分析
- 假发现率控制
背景
- 非靶向代谢组学对于生物标志物的发现至关重要。
- FDR控制对于准确鉴定代谢物至关重要。
- XY-Meta利用目标-诱饵策略进行改进分析。
- MetaX用于鉴定后的代谢物定量。
研究目的
- 开发一个用于非靶向代谢组分析的稳健工作流程。
- 提高代谢物鉴定的准确性。
- 提供一个可供研究人员复制的协议。
使用的方法
- 集成XY-Meta和metaX进行代谢组分析。
- 从开放访问光谱生成诱饵光谱库。
- 应用FDR控制过滤假阳性。
- 使用metaX在鉴定后定量代谢物。
主要结果
- 该工作流程有效减少了代谢物鉴定中的假阳性。
- 研究人员可以可靠地使用这种方法发现生物标志物。
- 目标-诱饵策略提高了分析的稳健性。
- 建议使用默认参数多次运行管道。
结论
- 该协议提供了一种全面的代谢组分析方法。
- 它提高了代谢物鉴定的可靠性。
- 鼓励研究人员在他们的研究中使用这一工作流程。
常见问题
Executive Industry Relevance
High-throughput untargeted metabolomics generates vast spectral datasets, challenging data quality and increasing the risk of false positives in metabolite identification. Integrating FDR control via a target-decoy strategy enhances predictive confidence and supports robust biomarker discovery at critical early discovery and lead identification stages. This workflow enables scalable, reproducible metabolome analysis, directly impacting portfolio triage and translational research continuity.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables rigorous interrogation of metabolic pathways through FDR-controlled identification.
- Reduces mechanistic ambiguity by filtering false positives in untargeted datasets.
- Supports functional target validation and prioritization of candidate biomarkers.
Screening & Assay Development
- Prepares validated metabolite panels for downstream screening workflows.
- Standardizes quantitative outputs for reproducible compound evaluation.
- Facilitates scalable assay development with robust quality control metrics.
Translational & Preclinical Research
- Aligns metabolite annotation with disease-relevant systems for translational biomarker discovery.
- Maintains continuity from discovery through preclinical validation by integrating qualitative and quantitative data.
- Enables risk-adjusted advancement decisions based on high-confidence metabolite profiles.
Pipeline & Workflow Integration
This integrated workflow spans early discovery through preclinical research, supporting hypothesis testing, pathway clarification, and robust biomarker identification.
- Discovery Biology: Provides FDR-controlled metabolite identification to clarify biological mechanisms.
- Screening: Delivers reproducible, quantitative metabolite data for assay readiness.
- Analytics: Outputs statistical measures such as PCA plots and CV distributions for condition comparison.
- Translational Research: Connects annotated metabolite profiles to disease models and biomarker strategies.
- Enterprise Reuse: Offers a standardized, cloud-accessible platform for repeated, scalable analyses.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces false discovery in metabolite identification.
- Operational Value: Standardizes workflows and enables reproducibility across large datasets.
- Strategic Value: Improves go/no-go decisions and reduces late-stage biological risk.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of biomarker candidates.
Implementation Considerations
- Requires expertise in mass spectrometry data handling and statistical analysis.
- Needs access to spectral libraries, cloud-based analysis platforms, and compatible software (XY-Meta, metaX).
- Demands cross-team standardization of data formats and parameter settings.
- Adaptable to various sample types and model systems with appropriate configuration.
- Analysis throughput and sample size should be managed to ensure workflow efficiency and data quality.
