Zintegrowany proces identyfikacji i kwantyfikacji nieukierunkowanego metabolomu opartego na kontroli FDR

Skonstruowaliśmy nieukierunkowany przepływ metabolomiczny, który zintegrował XY-Meta i metaX razem. W tym protokole pokazaliśmy, jak używać XY-Meta do generowania wabikowej biblioteki spektralnej na podstawie odniesienia do widm w otwartym dostępie, a następnie przeprowadziliśmy kontrolę FDR i użyliśmy metaX do ilościowego określenia metabolitów po zidentyfikowaniu widm metabolomicznych.

Protokół ten umożliwia jakościową i ilościową analizę nieukierunkowanego metabolomu w oparciu o kontrolę jakości FDR, co skutecznie zmniejsza liczbę wyników fałszywie dodatnich w identyfikacji metabolitów. Ten przepływ pracy integruje XY-Meta, który wykorzystuje strategię celu-wabika do dokładniejszej oceny FDR w celu identyfikacji metabolomu w module analizy jakościowej. Środek ten może skutecznie filtrować fałszywie dodatnie wyniki nieukierunkowanej identyfikacji metabolomu, co zwiększa niezawodność odkrywania biomarkerów lub kluczowych cząsteczek.

Oczekujemy, że badacze będą w stanie zrozumieć i opanować strategię celu-wabika do kontroli FDR i powinni spróbować ściśle uruchomić ten potok kilka razy z domyślnymi parametrami protokołu. Zacznij od przejścia do strony internetowej bazy danych GNPS i kliknij przeglądaj zestawy danych. Wyszukaj słowo kluczowe w kolumnie tytułu, a następnie kliknij numer identyfikacyjny zestawu danych.

Pobierz zestaw danych za pomocą FTP i zapisz nieprzetworzone dane w odpowiednim folderze. Aby przekonwertować format surowych danych, najpierw zainstaluj oprogramowanie ProteoWizard. W ścieżce instalacji ProteoWizard wpisz msconvert.

exe, a następnie określone parametry, aby przekonwertować format danych pierwotnych na format mzXML. Ponownie, przy użyciu msconvert. exe konwertuje te dane do formatu MGF i przechowuje je w folderze MGF.

Aby przygotować referencyjną bibliotekę spektralną dla metabolitów, należy przejść do strony internetowej GNPS. Wyszukaj słowo kluczowe NIST, kliknij przycisk Widok, aby uzyskać szczegółowe informacje i pobierz bibliotekę. Zapisz bibliotekę w folderze bazy danych.

Pobierz program XY-Meta. Znajdź plik konfiguracyjny parametrów w folderze config i zmień jego zawartość zgodnie z opisem w protokole tekstowym. Ustaw typ przyduktów jako listę w folderze przyduktów.

Przeprowadź identyfikację metabolitów i kontrolę szybkości fałszywych wykryć za pomocą polecenia XY-Meta.exe. Pobierz i zainstaluj pakiet oprogramowania metaX. Następnie edytuj listę próbek.

txt, aby określić próbkę i odpowiadające jej dane spektrometrii mas zgodnie z opisem w protokole tekstowym. Użyj pliku R dostarczonego z protokołem tekstowym, aby uruchomić skrypt do kwantyfikacji grup makiet i dzikich przy użyciu oprogramowania metaX. Sprawdź folder wyjściowy, w którym przechowywane są wyniki analizy ilościowej, taki jak wykres PCA.

Następnie zmodyfikuj parametry w skrypcie R, aby dodać adnotacje do pików w analizie jakościowej i ilościowej przy użyciu identyfikacji metabolitów w celu zintegrowania zarówno wyników, jak i uruchomienia skryptu R. Wykresy pudełkowe ilościowo oznaczonych metabolitów wykazały, że ogólny rozkład próbek zdrowych i chorobowych był podobny z niewielkimi wahaniami średnich wartości. Tylko w 3,39% metabolitów brakowało więcej niż 30% wartości.

Wykres analizy głównych składowych próbek z obu grup wykazał, że metaX znacznie zwiększył odsetek metabolitów z CV mniejszym niż 0,3. Diagram Venna przedstawiający metabolity wykryte w różny sposób za pomocą trzech metod badań statystycznych ujawnił 119 powszechnych metabolitów. Czas retencji i rozkład masy według ładunku wszystkich opisanych metabolitów wykreślono ze wskaźnikiem fałszywych odkryć mniejszym niż 0,01, wykazując sześć istotnych i różnie wykrytych metabolitów.

Ważne jest, aby ograniczyć czas na testowanie przepływu pracy. Pamiętaj, aby nie wybierać zbyt wielu próbek do analizy i zachować co najmniej dwie próbki w każdej grupie. Technika ta umożliwia kontrolę jakości identyfikacji metabolizowanej na podstawie danych akwizycji niezależnych od danych, tworząc bardziej niezawodną bibliotekę widma referencyjnego przy użyciu wyników dopasowania widma w oparciu o kontrolę FDR.