Un flujo de trabajo integrado de identificación y cuantificación en un metaboloma no dirigido basado en el control FDR
September 20th, 2022
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.
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.
View the full transcript and gain access to thousands of scientific videos
Visión general
Este protocolo permite el análisis cualitativo y cuantitativo del metaboloma no dirigido utilizando el control de calidad FDR para reducir los falsos positivos en la identificación de metabolitos. El flujo de trabajo integra XY-Meta para una evaluación más precisa de FDR a través de una estrategia de target-decoy.
Componentes clave del estudio
Área de la ciencia
- Metabolómica
- Análisis bioquímico
- Control de tasa de descubrimiento falso
Antecedentes
- La metabolómica no dirigida es crucial para el descubrimiento de biomarcadores.
- El control de FDR es esencial para una identificación precisa de metabolitos.
- XY-Meta utiliza una estrategia de target-decoy para un análisis mejorado.
- MetaX se emplea para la cuantificación de metabolitos después de la identificación.
Propósito del estudio
- Desarrollar un flujo de trabajo robusto para el análisis metabolómico no dirigido.
- Mejorar la precisión de la identificación de metabolitos.
- Proporcionar un protocolo que pueda ser replicado por investigadores.
Métodos utilizados
- Integración de XY-Meta y metaX para el análisis metabolómico.
- Generación de una biblioteca espectral de decoy a partir de espectros de acceso abierto.
- Aplicación del control FDR para filtrar falsos positivos.
- Cuantificación de metabolitos usando metaX después de la identificación.
Resultados principales
- El flujo de trabajo reduce eficazmente los falsos positivos en la identificación de metabolitos.
- Los investigadores pueden descubrir biomarcadores de manera confiable usando este método.
- La estrategia de target-decoy mejora la robustez del análisis.
- Se recomienda ejecutar múltiples veces el pipeline con parámetros por defecto.
Conclusiones
- Este protocolo proporciona un enfoque integral para el análisis metabolómico.
- Mejora la fiabilidad de la identificación de metabolitos.
- Se anima a los investigadores a utilizar este flujo de trabajo para sus estudios.
Preguntas frecuentes
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.
