"A community-based protocol for the statistical analysis of non-targeted metabolomics data"

Die nicht zielgerichtete Metabolomik unterscheidet sich von ihrem zielgerichteten Gegenstück durch ihren explorativen Charakter, der darauf abzielt, das gesamte Spektrum der in einer Probe vorhandenen kleinen Moleküle zu erfassen. Dieser Ansatz erzeugt in der Regel große, komplexe Datensätze, die hochentwickelte Analysewerkzeuge erfordern, um die relevanten chemischen Signaturen, die die zugrunde liegenden biologischen Prozesse widerspiegeln, zu identifizieren und zu interpretieren. Zur Unterstützung dieses Prozesses wurden mehrere Werkzeuge und Plattformen entwickelt, insbesondere das Feature-based Molecular Networking (FBMN) innerhalb des Global Natural Products Social Molecular Networking (GNPS) Metabolomics Cloud Ecosystems. FBMN ist zu einem Eckpfeiler in der Metabolomforschung geworden, welches es den Forschenden ermöglicht, Merkmale über Proben hinweg zu annotieren und zu verbinden. Die anschließende statistische Analyse dieser Merkmale stellt jedoch nach wie vor ein großes Hindernis dar, insbesondere für diejenigen, die keine Expertise in Berechnungsmethoden haben. Die Fragmentierung der verfügbaren Tools, die über verschiedene Plattformen verstreut sind und angepasste Skripte erfordern, stellt eine zusätzliche Herausforderung dar, insbesondere für Anfänger auf diesem Gebiet. Der Bedarf an einem umfassenden, benutzerfreundlichen Leitfaden, der mehrere statistische Ansätze in eine zusammenhängende Analysepipeline integriert, wurde immer deutlicher.

Um diese Herausforderungen zu bewältigen, haben Daniel Petras und sein Team ein detailliertes Protokoll entwickelt, das Forscher durch den gesamten Prozess der Analyse von FBMN-Ergebnissen führt. Dieses Protokoll, das als End-to-End-Lösung konzipiert ist, beginnt mit der Merkmalserkennung und führt über die Datenbereinigung, die statistische Analyse und die Spektrumsannotation. Durch die Bereitstellung eines fertigen Codes für die beliebten Statistikplattformen R und Python sowie einer grafischen Benutzeroberfläche (GUI) wollen sie das Toolkit einem breiten Benutzerkreis zugänglich machen. Das Protokoll ist vollständig in FBMN integriert, und die Eingabedateien können direkt aus GNPS geladen werden, was eine nahtlose Kompatibilität der Arbeitsabläufe gewährleistet. Für Benutzer, die einen interaktiven Ansatz bevorzugen, haben sie eine Webanwendung mit einer grafischen Benutzeroberfläche entwickelt, die sowohl online als auch als herunterladbare Anwendung verfügbar ist. Dieses Tool ist nicht nur für erfahrene Forschende gedacht, sondern auch für Ausbildungszwecke, was es zu einer idealen Ressource für Studierende und Nachwuchsforschende macht.

Dieses Protokoll wurde mit Unterstützung des Virtual Multiomics Lab (VMOL) entwickelt, einem von der Gemeinschaft betriebenen, frei zugänglichen virtuellen Labor. Dieses 2022 während einer CMFI Summer School ins Leben gerufene Projekt zielt darauf ab, den Zugang zu nicht zielgerichteten Metabolomik-Analysestrategien, Arbeitsabläufen und Fachwissen zu demokratisieren und die computergestützte Massenspektrometrie Forschern auf der ganzen Welt zugänglich zu machen, unabhängig von ihrem Hintergrund oder ihren Ressourcen.

Für weitere Details lesen Sie den Springer Nature behind the paper Blogbeitrag.

Nature  - Behind the paper

Zu den Videos der VMOL Seminar Serie und Summer School

Zugehörige Pressemitteilung

Zugehörige Publikation:

Pakkir Shah AK, Walter A, Ottosson F, Russo F, Navarro-Diaz M, Boldt J, Kalinski JJ, Kontou EE, Elofson J, Polyzois A, González-Marín C, Farrell S, Aggerbeck MR, Pruksatrakul T, Chan N, Wang Y, Pöchhacker M, Brungs C, Cámara B, Caraballo-Rodríguez AM, Cumsille A, de Oliveira F, Dührkop K, El Abiead Y, Geibel C, Graves LG, Hansen M, Heuckeroth S, Knoblauch S, Kostenko A, Kuijpers MCM, Mildau K, Papadopoulos Lambidis S, Portal Gomes PW, Schramm T, Steuer-Lodd K, Stincone P, Tayyab S, Vitale GA, Wagner BC, Xing S, Yazzie MT, Zuffa S, de Kruijff M, Beemelmanns C, Link H, Mayer C, van der Hooft JJJ, Damiani T, Pluskal T, Dorrestein P, Stanstrup J, Schmid R, Wang M, Aron A, Ernst M, Petras D. (2024) Statistical analysis of feature-based molecular networking results from non-targeted metabolomics data. Nat Protoc. doi: 10.1038/s41596-024-01046-3.