SwePub
Sök i LIBRIS databas

  Utökad sökning

onr:"swepub:oai:research.chalmers.se:7655a72f-b874-4dbd-90be-4e730644f0e1"
 

Sökning: onr:"swepub:oai:research.chalmers.se:7655a72f-b874-4dbd-90be-4e730644f0e1" > Comprehensive Peak ...

Comprehensive Peak Characterization (CPC) in Untargeted LC–MS Analysis

Pirttilä, Kristian (författare)
Uppsala universitet,Analytisk farmaceutisk kemi
Balgoma, David (författare)
Uppsala universitet,Analytisk farmaceutisk kemi
Rainer, Johannes (författare)
Univ Lubeck, Affiliated Inst, Eurac Res, Inst Biomed, I-39100 Bolzano, Italy.
visa fler...
Pettersson, Curt (författare)
Uppsala universitet,Analytisk farmaceutisk kemi
Hedeland, Mikael (författare)
Uppsala universitet,Analytisk farmaceutisk kemi
Brunius, Carl, 1974 (författare)
Chalmers tekniska högskola,Chalmers University of Technology,Chalmers Univ Technol, Dept Biol & Biol Engn, SE-41296 Gothenburg, Sweden.;Chalmers Univ Technol, Chalmers Mass Spectrometry Infrastruct, SE-41296 Gothenburg, Sweden.
visa färre...
 (creator_code:org_t)
2022-02-02
2022
Engelska.
Ingår i: Metabolites. - : MDPI AG. - 2218-1989 .- 2218-1989. ; 12:2
  • Tidskriftsartikel (refereegranskat)
Abstract Ämnesord
Stäng  
  • LC–MS-based untargeted metabolomics is heavily dependent on algorithms for automated peak detection and data preprocessing due to the complexity and size of the raw data generated. These algorithms are generally designed to be as inclusive as possible in order to minimize the number of missed peaks. This is known to result in an abundance of false positive peaks that further complicate downstream data processing and analysis. As a consequence, considerable effort is spent identifying features of interest that might represent peak detection artifacts. Here, we present the CPC algorithm, which allows automated characterization of detected peaks with subsequent filtering of low quality peaks using quality criteria familiar to analytical chemists. We provide a thorough description of the methods in addition to applying the algorithms to authentic metabolomics data. In the example presented, the algorithm removed about 35% of the peaks detected by XCMS, a majority of which exhibited a low signal-to-noise ratio. The algorithm is made available as an R-package and can be fully integrated into a standard XCMS workflow.

Ämnesord

NATURVETENSKAP  -- Biologi -- Bioinformatik och systembiologi (hsv//swe)
NATURAL SCIENCES  -- Biological Sciences -- Bioinformatics and Systems Biology (hsv//eng)
TEKNIK OCH TEKNOLOGIER  -- Elektroteknik och elektronik -- Signalbehandling (hsv//swe)
ENGINEERING AND TECHNOLOGY  -- Electrical Engineering, Electronic Engineering, Information Engineering -- Signal Processing (hsv//eng)
NATURVETENSKAP  -- Data- och informationsvetenskap -- Datorseende och robotik (hsv//swe)
NATURAL SCIENCES  -- Computer and Information Sciences -- Computer Vision and Robotics (hsv//eng)
NATURVETENSKAP  -- Biologi -- Biokemi och molekylärbiologi (hsv//swe)
NATURAL SCIENCES  -- Biological Sciences -- Biochemistry and Molecular Biology (hsv//eng)

Nyckelord

Peak characterization
Data processing
False peaks
Metabolomics
Untargeted
Algorithm
Peak detection
Data quality
Peak filtering
XCMS

Publikations- och innehållstyp

art (ämneskategori)
ref (ämneskategori)

Hitta via bibliotek

Till lärosätets databas

Sök utanför SwePub

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy