GcDUO: A Batch Processing Framework Integrating PARAFAC and PARAFAC2 for GC×GC-MS Data Analysis

Význam tématu

Comprehensive GC×GC-MS umožňuje detailní analýzu komplexních směsí díky zvýšenému chromatografickému rozlišení ve dvou dimenzích a paralelní detekci pomocí hmotnostní spektrometrie. Tato metoda nachází uplatnění v environmentálních studiích, potravinářství, farmacii a metabolomice, kde je nezbytná pro nešitou identifikaci a kvantifikaci stopových látek.

Cíle a přehled studie

Cílem práce je představit open-source framework GcDUO pro hromadné zpracování GC×GC-MS dat integrující PARAFAC a PARAFAC2. Autoři demonstrují algoritmickou architekturu, postupy ROI selekce a dekonvoluce, a validují výkon na tréninkové a validační sadě dat (FruityBeer a BreathMix).

Použitá metodika a instrumentace

GcDUO pracuje se soubory ve formátu CDF a transformuje je na 4D matici (vzorek × RT1 × RT2 × m/z). Klíčové kroky:

• Výběr oblastí zájmu (ROI) pomocí watershed algoritmu pro oddělení špiček.
• Deconvoluce spekter a redukce šumu.
• Paralelní faktorová analýza (PARAFAC) pro trojrozměrné dekompozice a PARAFAC2 pro flexibilní průměrování spekter v čase.
• Konzensus retenčních indexů a dot-produktová porovnání s knihovnou spekter.

Instrumentace: GC×GC-MS (hromadná chromatografie ve dvou dimenzích s hmotnostní spektrometrií), software GcDUO, CDF vstupní formát.

Hlavní výsledky a diskuse

Na tréninkové sadě algoritmus spolehlivě extrahoval komponenty a dekonvoluoval překrývající se špičky. Ve validačním experimentu FruityBeer bylo detekováno 23 z 27 sloučenin (3 s nízkou kosinovou podobností knihovně), v sadě BreathMix byly identifikovány všechny přítomné látky za využití retenčního indexu. Srovnání s komerčním softwarem ChromaTOF prokázalo srovnatelnou přesnost dobu retence i ploch špiček při nižších náročních požadavcích na expertní zásah.

Přínosy a praktické využití metody

GcDUO nabízí otevřený přístup, automatizované dávkové zpracování a minimalizaci uživatelské intervence. Umožňuje reprodukovatelné workflow, integraci vlastních knihoven a opakované analýzy rozsáhlých datových souborů v oblasti metabolomiky, environmentální či potravinářské analytiky.

Budoucí trendy a možnosti využití

Vývoj směřuje k implementaci strojového učení pro pokročilejší dekonvoluci, rozšíření spektrálních a retenčních indexových knihoven, adaptivní parametrizaci PARAFAC modelů a online integraci s laboratořními informačními systémy pro real-time monitoring vzorků.

Závěr

GcDUO představuje robustní, otevřené řešení pro hromadné zpracování GC×GC-MS dat. Kombinace PARAFAC a PARAFAC2 zvyšuje flexibilitu analýzy, zlepšuje detekci a identifikaci látek a poskytuje výsledky srovnatelné s komerčními nástroji při nižších provozních nákladech.

Reference

1. Llambrich M, van der Kloet FM, Sementé L et al. GcDUO: A Batch Processing Framework Integrating PARAFAC and PARAFAC2 for GC×GC-MS Data Analysis. Briefings in Bioinformatics. 2025; doi:10.1093/bib/bbaf080
2. FruityBeer dataset. Harvard Dataverse. DOI:10.7910/DVN/KA5BTU
3. BreathMix dataset. Zenodo. DOI:10.5281/zenodo.13947810