Metabolite annotation from knowns to unknowns through knowledge-guided multi-layer metabolic networking

代谢组学 代谢组 生物信息学 代谢物 注释 代谢网络 计算生物学 计算机科学 鉴定(生物学) 生物网络 生物 生物信息学 生物化学 人工智能 植物 基因
作者
Zhiwei Zhou,Mingdu Luo,Haosong Zhang,Yandong Yin,Yuping Cai,Zheng‐Jiang Zhu
出处
期刊:Nature Communications [Nature Portfolio]
卷期号:13 (1) 被引量:148
标识
DOI:10.1038/s41467-022-34537-6
摘要

Abstract Liquid chromatography - mass spectrometry (LC-MS) based untargeted metabolomics allows to measure both known and unknown metabolites in the metabolome. However, unknown metabolite annotation is a major challenge in untargeted metabolomics. Here, we develop an approach, namely, knowledge-guided multi-layer network (KGMN), to enable global metabolite annotation from knowns to unknowns in untargeted metabolomics. The KGMN approach integrates three-layer networks, including knowledge-based metabolic reaction network, knowledge-guided MS/MS similarity network, and global peak correlation network. To demonstrate the principle, we apply KGMN in an in vitro enzymatic reaction system and different biological samples, with ~100–300 putative unknowns annotated in each data set. Among them, >80% unknown metabolites are corroborated with in silico MS/MS tools. Finally, we validate 5 metabolites that are absent in common MS/MS libraries through repository mining and synthesis of chemical standards. Together, the KGMN approach enables efficient unknown annotations, and substantially advances the discovery of recurrent unknown metabolites for common biological samples from model organisms, towards deciphering dark matter in untargeted metabolomics.
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
yanyuqing发布了新的文献求助10
刚刚
隐形觅翠发布了新的文献求助10
刚刚
LooQueSiento完成签到,获得积分10
1秒前
aa完成签到,获得积分10
1秒前
aaa关闭了aaa文献求助
1秒前
zzzjy完成签到,获得积分10
2秒前
2秒前
2秒前
香蕉觅云应助疗效采纳,获得10
2秒前
Liziuan发布了新的文献求助10
3秒前
yuer发布了新的文献求助10
3秒前
量子星尘发布了新的文献求助10
4秒前
整齐半仙完成签到,获得积分10
4秒前
1351567822应助墨菲特采纳,获得10
4秒前
5秒前
joshar完成签到,获得积分10
5秒前
5秒前
传奇3应助科研通管家采纳,获得10
5秒前
共享精神应助科研通管家采纳,获得10
5秒前
ll应助科研通管家采纳,获得10
5秒前
无花果应助kouzhenhao采纳,获得10
5秒前
5秒前
丘比特应助科研通管家采纳,获得10
5秒前
5秒前
6秒前
6秒前
6秒前
深情的保温杯完成签到,获得积分10
6秒前
6秒前
reirei应助水门采纳,获得30
6秒前
科研小白发布了新的文献求助10
6秒前
6秒前
阔达的凡儿完成签到,获得积分10
7秒前
芝麻配海带完成签到,获得积分10
7秒前
7秒前
韩XR完成签到,获得积分20
7秒前
博修发布了新的文献求助10
9秒前
dear_xiaokuan完成签到,获得积分10
9秒前
10秒前
10秒前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Cognitive Neuroscience: The Biology of the Mind 1000
Technical Brochure TB 814: LPIT applications in HV gas insulated switchgear 1000
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Picture Books with Same-sex Parented Families: Unintentional Censorship 500
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3970157
求助须知:如何正确求助?哪些是违规求助? 3514887
关于积分的说明 11176340
捐赠科研通 3250158
什么是DOI,文献DOI怎么找? 1795198
邀请新用户注册赠送积分活动 875668
科研通“疑难数据库(出版商)”最低求助积分说明 805004