Интегрированный рабочий процесс идентификации и количественной оценки нецелевого метаболома на основе контроля FDR
September 20th, 2022
Мы построили нецелевой метаболомический рабочий процесс, который объединил XY-Meta и metaX вместе. В этом протоколе мы показали, как использовать XY-Meta для генерации спектральной библиотеки приманки из ссылки на спектры открытого доступа, а затем выполнили управление FDR и использовали metaX для количественного определения метаболитов после идентификации спектров метаболомики.
Этот протокол позволяет проводить качественный и количественный анализ нецелевого метаболома на основе контроля качества FDR, что эффективно снижает ложноположительные результаты идентификации метаболитов. Этот рабочий процесс интегрирует XY-Meta, который использует стратегию target-decoy для более точной оценки FDR для идентификации метаболома в модуле качественного анализа. Эта мера может эффективно фильтровать ложноположительные результаты нецелевой идентификации метаболомов, что повышает надежность обнаружения биомаркеров или ключевых молекул.
Мы ожидаем, что исследователи смогут понять и освоить стратегию target-decoy для управления FDR и должны попытаться строго запустить этот конвейер несколько раз с параметрами протокола по умолчанию. Начните с перехода на веб-страницу базы данных GNPS и нажмите кнопку Обзор наборов данных. Найдите ключевое слово в столбце заголовка, затем щелкните идентификационный номер набора данных.
Загрузите набор данных с помощью FTP и сохраните необработанные данные в соответствующей папке. Чтобы преобразовать формат необработанных данных, сначала установите программное обеспечение ProteoWizard. В поле Путь установки ProteoWizard введите msconvert.
exe, за которым следуют конкретные параметры для преобразования формата необработанных данных в формат mzXML. Опять же, используя msconvert. exe преобразуйте эти данные в формат MGF и сохраните их в папке MGF.
Чтобы подготовить справочную спектральную библиотеку для метаболитов, перейдите на веб-страницу GNPS. Выполните поиск по ключевому слову NIST, нажмите кнопку Просмотр для получения подробной информации и загрузите библиотеку. Сохраните библиотеку в папке базы данных.
Загрузите программу XY-Meta. Найдите файл конфигурации параметров в папке config и измените его содержимое, как описано в текстовом протоколе. Задайте тип adducts в виде списка в папке adduct.
Выполните идентификацию метаболитов и контроль скорости ложного обнаружения с помощью команды XY-Meta.exe. Загрузите и установите пакет программного обеспечения metaX. Затем отредактируйте список образцов.
txt для указания образца и соответствующих ему масс-спектрометрических данных, как описано в текстовом протоколе. Используйте файл R, поставляемый с текстовым протоколом, для запуска скрипта для количественной оценки групп Mock и wild-type с помощью программного обеспечения metaX. Проверьте выходную папку, в которой хранятся результаты количественного анализа, например график PCA.
Затем измените параметры в скрипте R, чтобы аннотировать пики в качественном и количественном анализе с использованием идентификации метаболитов, чтобы интегрировать как результаты, так и запустить скрипт R. Коробчатые графики количественных метаболитов показали, что общее распределение здоровых и больных образцов было сходным с низким колебанием средних значений. Только 3,39% метаболитов имели более 30% недостающих значений.
Принципиальный компонентный анализ графика образцов из обеих групп показал, что metaX заметно увеличил долю метаболитов с CV менее 0,3. Диаграмма Венна дифференциально обнаруженных метаболитов из трех статистических методов испытаний выявила 119 общих метаболитов. Время удержания и массу по распределению заряда всех аннотированных метаболитов строили с коэффициентом ложного обнаружения менее 0,01, показывая шесть значимых и дифференциально обнаруженных метаболитов.
Важно ограничить время тестирования рабочего процесса. Помните, чтобы не отбирать слишком много образцов для анализа и держать не менее двух образцов в каждой группе. Этот метод позволяет контролировать качество метаболизированной идентификации по данным независимого сбора данных, создавая более надежную спектральную библиотеку эталонного спектра с использованием результатов сопоставления спектра, основанных на контроле FDR.
View the full transcript and gain access to thousands of scientific videos
Обзор
Этот протокол позволяет проводить качественный и количественный анализ нетargетированного метаболома с использованием контроля качества FDR для уменьшения ложных положительных результатов в идентификации метаболитов. Рабочий процесс интегрирует XY-Meta для более точной оценки FDR через стратегию цель-приманка.
Основные компоненты исследования
Область науки
- Метаболомика
- Биохимический анализ
- Контроль ложной частоты открытий
Предпосылки
- Нетargетированная метаболомика важна для открытия биомаркеров.
- Контроль FDR необходим для точной идентификации метаболитов.
- XY-Meta использует стратегию цель-приманка для улучшения анализа.
- MetaX используется для количественного определения метаболитов после их идентификации.
Цель исследования
- Разработать надежный рабочий процесс для нетargетированного метабомического анализа.
- Улучшить точность идентификации метаболитов.
- Предоставить протокол, который можно воспроизвести исследователями.
Использованные методы
- Интеграция XY-Meta и metaX для метабомического анализа.
- Создание библиотеки спектров приманки из спектров с открытым доступом.
- Применение контроля FDR для фильтрации ложных положительных результатов.
- Количественное определение метаболитов с помощью metaX после их идентификации.
Основные результаты
- Рабочий процесс эффективно уменьшает ложные положительные результаты в идентификации метаболитов.
- Исследователи могут надежным образом открывать биомаркеры, используя этот метод.
- Стратегия цель-приманка улучшает надежность анализа.
- Рекомендуется несколько запусков конвейера с настройками по умолчанию.
Выводы
- Этот протокол предоставляет комплексный подход к метабомическому анализу.
- Он повышает надежность идентификации метаболитов.
- Исследователям рекомендуется использовать этот рабочий процесс в своих исследованиях.
Часто задаваемые вопросы
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.
