Unlocking the discriminative potential of MALDI-TOF profiling data with AI-enabled software for biomarker discovery, classification and typing

Význam tématu

MALDI-TOF MS umožňuje rychlou analýzu s vysokou propustností a pokrytím širokého rozmezí analyzovatelných molekul, což jej činí vhodným pro profilování proteinů a glykosidů při hledání biomarkerů, klasifikaci vzorků a typizaci. Integrace metod strojového učení a multivariační statistiky do pracovních postupů zvyšuje diskriminační schopnost profilovacích dat a usnadňuje automatizované přiřazování kategorií u neznámých vzorků.

Cíle a přehled studie / článku

Cílem předložené práce je demonstrovat možnosti AI‑podpořeného softwaru (Clover MSDA) pro zpracování a analýzu MALDI‑TOF profilů v třech aplikačních scénářích: detekce diskriminujících m/z rysů (biomarkery) v lidském séru, klasifikace výzkumných biosimilárů na základě N‑glykánových profilů a verifikace příbuzných druhů ryb pomocí SVM klasifikátoru. Práce ilustruje kompletní workflow od importu surových dat po modelování a validaci predikčních modelů.

Použitá metodika a instrumentace

• Spektrometrie: Data získána na zařízeních Bruker neofleX, autofleX a microflex series.
• Akvizice: Proteinové profily v pozitivním lineárním módu; N‑glykany v pozitivním reflector módu.
• Předzpracování: vyhlazování, baseline korekce, m/z zarovnání; generace tabulky m/z rysů.
• Software: Clover MSDA (cloudová webová aplikace) — správa studií/experimentů, předzpracování, statistika a ML workflowy.
• Statistické a ML metody implementované v pracovních postupech: univariátní testy (t‑test, Mann‑Whitney U), ROC analýza; multivariační metody a klasifikátory: PCA, hierarchické shlukování, K‑means, PLS‑DA, SVM, Random Forest, KNN, LightGBM.

Hlavní výsledky a diskuse

• Biomarkerová analýza (sérum se spike vs. kontrola): Software identifikoval m/z signály odpovídající přidaným peptidům (a jejich oxidovaným formám) jako statisticky významné rozdíly. Vybrané rysy vykazovaly velmi nízké p‑ a q‑hodnoty a vysoké AUC (více rysů s AUC = 1.0, několik s AUC ≥ 0.8). Výskyty top‑peaků odpovídaly přítomnosti ve spiked kategorii (např. 20/20 ve spiked vzorcích).
• Klasifikace N‑glykánů u biosimilárů (nivolumab modelové vzorky): Hierarchické shlukování i PCA jasně rozdělily spektra podle původu vzorku. FT knockout varianta byla výrazně odlišná kvůli absenci core‑fukosylace; PCA navíc oddělila vzorky podle IgG subtypu (IgG1 vs IgG4) podél druhé hlavní komponenty.
• SVM identifikace Salmonidae: Model trénovaný na 15–16 spektrech/species a validovaný na 6–8 spektrech/species dosáhl velmi vysoké přesnosti — z 18 „neznámých“ vzorků bylo správně přiřazeno 17 s vysokou pravděpodobností (>75%) a jeden s střední pravděpodobností (55–75%). 10× cross‑validace potvrdila stabilitu modelu.

Diskuse: Kombinace tradičních statistických testů pro biomarker screening a pokročilých ML metod pro klasifikaci umožnila efektivní extrakci diskriminační informace z profilovacích dat. Cloudová, workflow‑orientovaná implementace usnadňuje opakovatelnost a škálovatelnost analýz pro velké kohorty.

Přínosy a praktické využití metody

• Rychlá identifikace diskriminačních m/z rysů pro screening biomarkerů v klinických a výzkumných studiích.
• Možnost robustní klasifikace a typizace biotechnologických produktů (např. glykozilačních variant biosimilárů) jako součást QC a charakterizace.
• Praktické nasazení v taxonomii a potravinářské forenzice (verifikace druhů) díky vysoké přesnosti ML modelů z MALDI‑TOF profilů.
• Integrované workflowy zkracují čas potřebný pro předzpracování, vizualizaci a reportování výsledků, s možností exportu a použití trénovaných predikčních modelů pro identifikaci neznámých vzorků.

Budoucí trendy a možnosti využití

• Hlubší integrace pokročilých ML technik (ensemblové metody, explainable AI) pro lepší interpretovatelnost modelů a zvýšení odolnosti vůči variabilitě dat.
• Automatizace end‑to‑end pipeline včetně QC metrik a detekce odlehlých vzorků pro rutinní nasazení v laboratorních procesech.
• Rozšíření aplikací do klinické diagnostiky po validaci a regulačním schválení; rozšíření do environmentální a potravinářské analytiky.
• Využití větších a heterogenních trénovacích datasetů pro zvýšení generalizace modelů mezi instrumenty a laboratorními podmínkami.

Závěr

Clover MSDA předvedl efektivní a uživatelsky přívětivý přístup k využití diskriminační síly MALDI‑TOF profilů kombinací klasických statistických metod a moderních ML algoritmů. Ukázky zahrnující detekci spike‑peptidů, diferenciaci biosimilárů podle N‑glykánů a SVM ověřování příbuzných druhů ryb demonstrují široké spektrum použití — od biomarker discovery přes QC bioproduktů až po typizaci druhů. Uvedené výsledky naznačují vysokou praktickou použitelnost při správné validaci a řízení kvality dat.

Reference

• G. Huffman, L. Mancera, A. Asperger, Bruker Technical Note TN‑63, Bruker, 2026.