Deep learning methods applied tothe analysis of metabolomics data

Význam tématu

Komplexita metabolomických chromatogramů vyžaduje spolehlivou automatizaci integrace píků. Ruční korekce je časově náročná a náchylná k chybám, proto je klíčové vyvinout bezparametrický přístup pro rutinní analytiku metabolomů.

Cíle a přehled studie / článku

Hlavními cíli byly definovat jednotný standard pro integraci píků a dosáhnout správnosti nad 90 % bez manuálního nastavování parametrů. Studie navrhuje aplikaci hlubokého učení pro zpracování dat LC-MS/MS.

Použitá metodika a instrumentace

Metoda vychází z objektové detekce Single Shot MultiBox Detector (SSD) pro identifikaci počátku a konce chromatografických píků. Vstupy do sítě zahrnují intenzitu, logaritmickou škálu a první a druhé derivace. Pro kompenzaci omezeného objemu vzorových dat byla použita data augmentace simulací překryvů píků a jejich vkládáním do prázdných chromatogramů. K analýze sloužila vysoce výkonná LC-MS/MS platforma Shimadzu.

Hlavní výsledky a diskuse

Navržená metoda dosáhla F-hodnoty 0,910 (precision 0,883, recall 0,938). Porovnání se softwary i-PeakFinder a Chromatopac prokázalo redukci času na manuální korekce o 43 % respektive 65 %. Výsledky integrace píků byly vysoce konzistentní s ručním zpracováním experta.

Přínosy a praktické využití metody

Optimalizace analytického workflow zkracuje dobu zpracování vzorků a minimalizuje nutnost uživatelských zásahů. Metoda je vhodná pro rutinní QA/QC, potravinářské a klinické metabolomické analýzy.

Budoucí trendy a možnosti využití

Další rozvoj může zahrnovat adaptivní učení na nových datech, rozšíření modelu pro jiné analytické techniky a integraci do real-time zpracování dat v automatizovaných laboratořích.

Závěr

Byl vyvinut bezparametrický přístup založený na SSD, doplněný o technologii de facto generování trénovacích dat a nový metrický rámec pro vyhodnocení času korekcí. Metoda dosahuje vysoké přesnosti a významně urychluje analýzu chromatogramů.

Reference

• Shimadzu Corporation. LabSolutions Data Integrity. 2019.
• Shimadzu Corporation. Chromatopac HPLC Application Note. 2019.
• Liu W., Anguelov D., Erhan D., Szegedy C., Reed S., Fu C.-Y., Berg A.C. SSD: Single Shot MultiBox Detector. arXiv:1512.02325, 2015.