Validating and Comparing Component Detection Algorithms for LC-MS Data Assignment

Význam tématu

V oblasti LC-MS analýzy je přesná detekce chromatografických komponent nezbytná pro spolehlivé kvalitativní a kvantitativní výsledky. Nedostatek kompletně anotovaných datasetů omezuje objektivní posouzení a srovnání algoritmů pro detekci funkcí. Prezentovaný přístup plní roli standardu pro robustní vyhodnocení výkonu těchto algoritmů.

Cíle a přehled studie

Hlavním cílem studie je představit semi-automatizovanou metodu anotace LC-MS dat pomocí nástroje TotalRecall. Metoda vytváří vyčerpávající seznamy True Positive (TP) a True Negative (TN) funkcí, umožňuje vizuální kontrolu chromatografického průběhu i izotopických vzorů a poskytuje jednotný rámec pro srovnání detekčních algoritmů prostřednictvím Precision-Recall křivek.

Použitá metodika a instrumentace

Metodika sestává z následujících kroků:

• Typy vzorků: a) jednoduché směsi čistých analytů; b) čisté anality přidané do komplexní matrice; c) biologicky definované směsi.
• Anotace: skupinování izotopických clusterů, přiřazení A0 signálů do TP nebo TN seznamů, vizuální ověření chromatografické korelace.
• Vyhodnocení: výpočet Precision a Recall pro různé prahové hodnoty detekce.

Instrumentace:

• Kapalinová chromatografie (LC)
• Hmotnostní spektrometrie: Thermo Scientific Exactive (Orbitrap) MS

Hlavní výsledky a diskuse

Studie demonstrovala aplikaci vyčerpávající anotace na tři datové sady:

• Buspirone (0,5 µM inkubace, vzorek reaktivních metabolitů)
• Aminokyselinový standard (AminoAcid+ v pozitivním a AminoAcid- v negativním režimu)
• Diclofenac (komplexní biologická matrice)

Precision-Recall křivky ukázaly, že vyčerpávající anotace odhaluje širší spektrum TP i TN funkcí než pouhá cílená anotace. Srovnání dvou algoritmů (A a B) odhalilo rozdíly především při nižších prahových hodnotách signálu, které by při cílené anotaci zůstaly skryté. ROC křivky se ukázaly méně citlivé na rozdíly ve vysokém počtu TN.

Přínosy a praktické využití metody

Prezentovaný přístup přináší následující výhody:

• Objektivní a opakovatelná metrika hodnocení výkonnosti detekčních algoritmů
• Zvýšení počtu ověřených TP a TN funkcí, zvláště v komplexních matricích
• Možnost vizuálního potvrzení izotopických vzorů a chromatografické koherence
• Flexibilita aplikace na různé typy vzorků a algoritmů

Budoucí trendy a možnosti využití

Výhledové směry rozvoje:

• Anotace dalších typů datasetů a rozsáhlejších studií
• Vylepšení uživatelského rozhraní TotalRecall pro vyšší efektivitu manuální kontroly
• Porovnání více interních i externích algoritmů za různých podmínek
• Rozšíření anotace na replikáty, časové řady a posuny retence
• Aplikace metody na detekci čistých izotopů, aduktů a dalších komponent

Závěr

Vyčerpávající anotace dat a použití Precision-Recall křivek představuje účinné nástroje pro hodnocení a vzájemné porovnání algoritmů detekce funkcí v LC-MS. Metoda odhaluje skryté nedostatky detekčních postupů a poskytuje robustní základ pro optimalizaci analytických workflow.