Identification of small molecules using accurate mass MS/MS search

NIST公司 化学 质谱法 串联质谱法 注释 色谱法 数据库搜索引擎 质谱 计算机科学 情报检索 搜索引擎 人工智能 自然语言处理
作者
Tobias Kind,Hiroshi Tsugawa,Tomáš Čajka,Yan Ma,Zijuan Lai,Sajjan S. Mehta,Gert Wohlgemuth,Dinesh Kumar Barupal,Megan R. Showalter,Masanori Arita,Oliver Fiehn
出处
期刊:Mass Spectrometry Reviews [Wiley]
卷期号:37 (4): 513-532 被引量:444
标识
DOI:10.1002/mas.21535
摘要

Tandem mass spectral library search (MS/MS) is the fastest way to correctly annotate MS/MS spectra from screening small molecules in fields such as environmental analysis, drug screening, lipid analysis, and metabolomics. The confidence in MS/MS‐based annotation of chemical structures is impacted by instrumental settings and requirements, data acquisition modes including data‐dependent and data‐independent methods, library scoring algorithms, as well as post‐curation steps. We critically discuss parameters that influence search results, such as mass accuracy, precursor ion isolation width, intensity thresholds, centroiding algorithms, and acquisition speed. A range of publicly and commercially available MS/MS databases such as NIST, MassBank, MoNA, LipidBlast, Wiley MSforID, and METLIN are surveyed. In addition, software tools including NIST MS Search, MS‐DIAL, Mass Frontier, SmileMS, Mass++, and XCMS 2 to perform fast MS/MS search are discussed. MS/MS scoring algorithms and challenges during compound annotation are reviewed. Advanced methods such as the in silico generation of tandem mass spectra using quantum chemistry and machine learning methods are covered. Community efforts for curation and sharing of tandem mass spectra that will allow for faster distribution of scientific discoveries are discussed.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
咕咕咕完成签到,获得积分10
1秒前
丁言笑发布了新的文献求助10
1秒前
王果完成签到,获得积分10
2秒前
yangyong发布了新的文献求助10
2秒前
小猪发布了新的文献求助10
2秒前
bkagyin应助keji采纳,获得10
2秒前
yxy999完成签到,获得积分10
3秒前
奋斗毛豆完成签到 ,获得积分10
3秒前
3秒前
风清扬发布了新的文献求助10
4秒前
细心的飞柏完成签到,获得积分10
5秒前
5秒前
以木发布了新的文献求助10
5秒前
6秒前
daytoy发布了新的文献求助10
6秒前
6秒前
王果发布了新的文献求助10
6秒前
大个应助怕黑的半烟采纳,获得10
6秒前
7秒前
羽生完成签到,获得积分10
7秒前
7秒前
MOF完成签到 ,获得积分10
8秒前
ins发布了新的文献求助10
8秒前
feng发布了新的文献求助10
8秒前
酷波er应助qqq采纳,获得10
8秒前
9秒前
三冬四夏完成签到,获得积分20
9秒前
ding应助咕咕咕采纳,获得10
9秒前
阿冰完成签到 ,获得积分20
10秒前
听风发布了新的文献求助10
11秒前
量子星尘发布了新的文献求助10
12秒前
乐观的中心完成签到,获得积分10
12秒前
爆米花应助木棉采纳,获得10
13秒前
干净若灵发布了新的文献求助10
13秒前
洋子完成签到,获得积分10
13秒前
13秒前
邓佳鑫Alan应助xiaobai123456采纳,获得10
14秒前
15秒前
15秒前
归尘发布了新的文献求助10
15秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Encyclopedia of Agriculture and Food Systems Third Edition 2000
Clinical Microbiology Procedures Handbook, Multi-Volume, 5th Edition 临床微生物学程序手册,多卷,第5版 2000
人脑智能与人工智能 1000
King Tyrant 720
Silicon in Organic, Organometallic, and Polymer Chemistry 500
Principles of Plasma Discharges and Materials Processing, 3rd Edition 400
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 计算机科学 有机化学 物理 生物化学 纳米技术 复合材料 内科学 化学工程 人工智能 催化作用 遗传学 数学 基因 量子力学 物理化学
热门帖子
关注 科研通微信公众号,转发送积分 5601210
求助须知:如何正确求助?哪些是违规求助? 4686646
关于积分的说明 14845466
捐赠科研通 4679924
什么是DOI,文献DOI怎么找? 2539214
邀请新用户注册赠送积分活动 1506091
关于科研通互助平台的介绍 1471266