Модульное сравнение этапов обработки в нетаргетном метаболомике

Нетаргетный метаболомический анализ требует надежных стратегий обработки данных для извлечения релевантной информации из исходных данных. Доступно несколько платформ для обработки данных, и выбор программного обеспечения может повлиять на результаты анализа. В этом исследовании приведена всесторонняя оценка четырех рабочих процессов, основанных на широко используемых программах для метаболомики: XCMS, Compound Discoverer, MS-DIAL и MZmine. Эти инструменты были применены к набору данных, полученному из образцов слюны крупного рогатого скота, содержащих добавленные малополярные вещества, и проанализированному методом анионообменной хроматографии в сочетании с высокоразрешающей масс-спектрометрией. Анализ выявил существенные различия в числе и перекрытии обнаруженных признаков: только примерно 8% признаков вошли во все четыре таблицы пиков. Среди перекрывающихся признаков MS-DIAL показал наибольшее сходство с ручной интеграцией, тогда как XCMS и MZmine также продемонстрировали хорошую производительность. Напротив, Compound Discoverer испытывал трудности с надежной интеграцией пиков на высоком базовом уровне. В работе также исследуются различные стратегии постобработки, включая имманацию пропущенных значений, трансформацию, масштабирование и фильтрацию. Оценка пропущенных значений показала, что они преимущественно обусловлены низкой интенсивностью сигналов, поэтому имманация малыми значениями оказалась наиболее эффективной. Не обнаружено однозначных данных в пользу необходимости трансформации для последующих статистических анализов. Автоскейлинг (autoscaling) проявил себя как наиболее подходящая стратегия масштабирования данных. Низкие пороговые значения при фильтрации по бланкам оказались наиболее эффективными для повышения качества данных. Оптимизация порогов фильтрации требует осторожного баланса для удаления избыточной информации при сохранении важной. Работа дает обзор распространенных стратегий в анализе нетаргетной метаболомики, подчеркивая важность тщательного выбора и оптимизации рабочих процессов. Она служит ресурсом для совершенствования стратегий обработки данных с целью получения точных и надежных результатов и предоставляет новые сведения о проблемах, возникающих на протяжении всего конвейера обработки нетаргетной метаболомики. Создано в BioRender. Aigensberger, M. (2024) https://BioRender.com/e63g016. Сформирован простой набор данных из слюны крупного рогатого скота с добавлением 42 соединений, проанализированный методом анионообменной хроматографии и высокоразрешающей масс-спектрометрии. Исследование включает сравнение четырех оптимизированных рабочих процессов на основе XCMS, Compound Discoverer, MS-DIAL и MZmine; ручную классификацию всех обнаруженных признаков на истинно положительные и ложноположительные сигналы; всестороннее сравнение автоматической и ручной интеграции; а также углубленную оценку имманации пропущенных значений, трансформации, масштабирования и фильтрации.