hal是一个多学科的开放访问档案,用于存款和传播科学研究文件,无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构,也可能来自公共或私人研究中心。
图4:模型解释的形状结果。a)分形的第一个折叠的形状输出具有数据集。(b)BINNED功能数据集的第一个折叠的形状输出。shap值表示特征对模型输出的影响,正值表示对正类别的分类产生影响,而负值则表示相反。颜色映射指示该特征如何影响模型决策,例如,如果该功能具有高值和高的外形值,则此功能的增加是正类别的特征。
摘要:神经退行性疾病是无法治愈的,异质性和依赖年龄的疾病,挑战现代医学。A deeper understanding of the pathogenesis underlying neu- rodegenerative diseases is necessary to solve the unmet need for new diagnostic biomarkers and disease-modifying therapy and reduce these diseases' burden.特定的,翻译后的模式(PTMS)在神经变性中起着重要作用。Due to its proximity to the brain parenchyma, cerebrospinal fluid (CSF) has long been used as an indirect way to measure changes in the brain.质谱法(MS)分析的神经退行性疾病,重点是PTM,在生物标志物发现的背景下,已经改善并打开了场地,用于分析更复杂的矩阵,例如脑组织和血液。值得注意的是,磷酸化的tau蛋白,截短的α-突触核蛋白,APP和TDP -43,以及许多其他修饰,以MS的广泛特征。巨大的潜力是用于临床应用的特定病理PTM签名。本综述着重于参与神经退行性疾病的PTM模型蛋白质,并突出了基于MS的生物标志物发现中最重要和最新的突破。
质谱法在阐明未知分子的结构和随后的科学发现中起着基本作用。结构阐明任务的一种结构是给定质量谱的分子结构的有条件生成。朝着针对小分子的更有效和有效的科学发现管道,我们提出Diffms,这是一个由公式限制的编码码头生成网络,可在此任务上实现最先进的性能。编码器利用变压器档位,并模型质谱域知识,例如峰值公式和中性损耗,而解码器是一个离散的图形扩散模型,该模型受已知化学公式的重原子组成限制。为了开发一个桥梁解码器,它可以弥合潜在的嵌入和分子结构,我们用指纹结构对预处理扩散解码器,这些解码器几乎以无限的量为单位,与结构 - 光谱对相对,以数千的数量为单位。在已建立的基准上进行的广泛实验表明,DIFFMS在从头分子上构成现有模型。我们提供了几种消融,以揭示我们扩散和预训练方法的有效性,并随着预训练的数据集尺寸的增加而显示出一致的穿孔缩放。DIFFMS代码可在https://github.com/coleygroup/diffms上公开获得。
Fanny Leenhardt、Matthieu Gracia、Catherine Perrin、Claudia Muracciole-Bich、Bénédicte Marion 等人。液相色谱-串联质谱法用于定量分析人血浆中的 CDK4/6 抑制剂,以了解药物相互作用的临床情况。《制药与生物医学分析杂志》,2020 年,第 188 页,第 113438 页。�10.1016/j.jpba.2020.113438�。�hal-03003807v2�
探测DNA复制动力学的主要方法是DNA纤维分析,该分析利用胸苷类似物掺入新生的DNA中,然后将DNA纤维的免疫荧光显微镜检查。除了耗时且容易出现实验者偏见外,它不适用于研究线粒体或细菌中的DNA复制动力学,也不适合进行高通量分析。在这里,我们介绍了质谱 - 基于新生DNA(MS波段)的分析,作为DNA纤维分析的快速,无偏,定量的替代方案。在这种方法中,使用三重四极尖串联质谱法对胸苷类似物的结合进行定量。MS波段准确地检测到人类细胞的细胞核和线粒体以及细菌的DNA复制改变。在大肠杆菌DNA损伤诱导基因库中捕获的MS-BAND捕获的复制改变的高通量能力。因此,MS波段可以作为DNA纤维技术的替代方案,并具有对不同模型系统中复制动力学的高通量分析的潜力。
摘要:(1) 背景:在毒理学实验室中,可以使用各种筛选方法来识别与中毒有关的化合物。由于其灵敏度和可靠性,高分辨率质谱法在过去几年中在这方面的应用越来越广泛。本文,我们介绍了一种使用液相色谱与高分辨率质谱联用的筛选方法的开发和验证。(2) 方法:该方法仅需要 100 µ L 全血或血浆样品。预处理包括使用甲醇/乙腈和硫酸锌进行快速简便的去蛋白质化。根据国际指南对这种新测定法进行了验证。(3) 结果:为了进行方法验证,选择了 53 种化合物。选择标准如下:各种化学结构和治疗家族(>15)、大的 m/z 分布、正或负电离模式以及各种洗脱时间。测定法显示出高选择性和特异性,具有最佳的工艺效率。使用预定标准确定的鉴别限度设定为亚治疗浓度或治疗浓度。使用加标血浆对照和外部质量对照评估适用性。(4)结论:新方法已成功应用于常规临床和法医样品。
辣椒泥是一种高度有价值的园艺作物,由于其高水量而面临与快速恶化有关的挑战。已提出将辣椒加工成泥,以扩大其保质期。但是,由于其水含量助长了微生物的生长,在环境环境中留下时,新鲜的辣椒果会迅速腐烂。为了解决这个问题,已经研究了将鱼池用作替代且环保的存储方法。与常规的冰箱储存相比,这项研究探讨了储存在鱼池中的辣椒泥的代谢组变化和保存机制。使用气相色谱系统分离后,通过质谱分析确定辣椒泥中的代谢产物。可以通过化学计量技术全面测量代谢物,可以理解储存过程中果泥的化学成分和果泥的变化。即使众所周知,储存在冰箱中的地面辣椒的感觉参数与储存在池中持续五个星期的地面辣椒的感觉参数相对较差,但分子众所周知,这两个样品中代谢物的分布与第四周开始不同。从这项研究中获得的洞察力可以导致量身定制的存储条件,从而最大程度地发挥保存潜力并确保保留的辣椒泥的质量和安全性。这项研究强调了鱼池的潜力,可以延长辣椒泥的保质期,同时最大程度地减少废物和资源使用。©2025 SPC(SAMI Publishing Company),《亚洲绿色化学杂志》,用于非商业目的。
摘要 — 细菌鉴定、抗生素耐药性预测和菌株分型是临床微生物学中的关键任务,对于指导患者治疗和控制传染病的传播至关重要。虽然机器学习 (ML) 和深度学习 (DL) 在增强 MALDI-TOF 质谱应用方面显示出巨大的前景,但仍然缺乏从技术角度进行的全面审查。为了弥补这一差距,我们系统地回顾了 2004 年至 2024 年期间发表的 93 项研究,重点关注关键的 ML/DL 方面,例如数据大小和平衡、预处理流程、峰值选择方法、算法、评估技术以及开源数据和代码的可用性。我们的分析强调了随机森林和支持向量机等经典 ML 模型的主要用途,以及人们对使用 DL 方法处理复杂高维数据的兴趣。尽管取得了重大进展,但预处理工作流程不一致、依赖黑盒模型、外部验证有限以及开源资源不足等挑战仍然存在,阻碍了透明度、可重复性和更广泛的采用。通过解决这些关键差距,本综述提供了可行的见解,以弥合微生物学和技术视角之间的鸿沟,为诊断微生物学中更强大、可扩展和可解释的解决方案铺平了道路。
预印本(未通过同行评审认证)是作者/资助者。保留所有权利。未经许可就不允许重复使用。此版本的版权持有人于2025年1月21日发布。 https://doi.org/10.1101/2025.01.20.633932 doi:biorxiv Preprint