小柯机器人

美国圣路易斯华盛顿大学Gary J. Patti研究小组开发出新方法DecoID，可通过数据库辅助MS/MS解卷积提高代谢组学的识别率。2021年7月8日，《自然—方法学》杂志在线发表了这项成果。

研究人员表示，嵌合串联质谱（MS/MS）谱图包含来自多个前体离子的碎片，因此阻碍了代谢组学中的化合物鉴定。从历史上看，这些嵌合光谱的解卷积一直具有挑战性，并且依赖于特定的实验方法，这些方法会在多个MS/MS扫描之间引入前体离子比率的变化。

DecoID提供了一种互补的、独立于方法的方法，通过使用LASSO回归，并计算混合数据库光谱来匹配实验获得的光谱。研究人员发现，DecoID增加了MS/MS数据集中来自数据独立和数据依赖采集的已鉴定代谢物的数量，而不会增加错误发现率。

研究人员将DecoID应用于来自MetaboLights存储库的公开可用数据和来自人类血浆的数据，其中与直接光谱匹配相比，DecoID将来自数据相关采集数据的已识别代谢物的数量增加了30%以上。DecoID与任何用户定义的MS/MS数据库兼容，并为当前可用的一些最大的MS/MS数据库提供自动搜索。

附：英文原文

Title: DecoID improves identification rates in metabolomics through database-assisted MS/MS deconvolution

Author: Ethan Stancliffe, Michaela Schwaiger-Haber, Miriam Sindelar, Gary J. Patti

Issue&Volume: 2021-07-08

Abstract: Chimeric MS/MS spectra contain fragments from multiple precursor ions and therefore hinder compound identification in metabolomics. Historically, deconvolution of these chimeric spectra has been challenging and relied on specific experimental methods that introduce variation in the ratios of precursor ions between multiple tandem mass spectrometry (MS/MS) scans. DecoID provides a complementary, method-independent approach where database spectra are computationally mixed to match an experimentally acquired spectrum by using LASSO regression. We validated that DecoID increases the number of identified metabolites in MS/MS datasets from both data-independent and data-dependent acquisition without increasing the false discovery rate. We applied DecoID to publicly available data from the MetaboLights repository and to data from human plasma, where DecoID increased the number of identified metabolites from data-dependent acquisition data by over 30% compared to direct spectral matching. DecoID is compatible with any user-defined MS/MS database and provides automated searching for some of the largest MS/MS databases currently available. 

DOI: 10.1038/s41592-021-01195-3

Source: https://www.nature.com/articles/s41592-021-01195-3

Nature Methods：《自然—方法学》，创刊于2004年。隶属于施普林格·自然出版集团，最新IF：47.99
官方网址：https://www.nature.com/nmeth/
投稿链接：https://mts-nmeth.nature.com/cgi-bin/main.plex