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
3秒前
FashionBoy应助鱼腩采纳,获得10
4秒前
11完成签到,获得积分20
5秒前
5秒前
人机一号发布了新的文献求助10
5秒前
LL发布了新的文献求助10
6秒前
7秒前
matcha完成签到,获得积分10
7秒前
satuo发布了新的文献求助10
9秒前
疯狂的翅膀完成签到,获得积分10
10秒前
sc发布了新的文献求助10
10秒前
人机一号完成签到,获得积分10
13秒前
13秒前
13秒前
13秒前
Q甜完成签到,获得积分10
14秒前
15秒前
Ava应助吾侪采纳,获得10
15秒前
16秒前
16秒前
CodeCraft应助失眠无声采纳,获得10
17秒前
Lucas应助淡定从凝采纳,获得10
17秒前
wangwangwang完成签到,获得积分10
18秒前
科研通AI5应助刘玥言采纳,获得10
18秒前
junjie发布了新的文献求助10
18秒前
caicai发布了新的文献求助10
19秒前
geen发布了新的文献求助10
20秒前
20秒前
科研通AI2S应助昵称采纳,获得10
20秒前
fairyinn完成签到,获得积分10
20秒前
satuo完成签到,获得积分10
22秒前
22秒前
科研通AI2S应助干亿先采纳,获得10
24秒前
xingxing发布了新的文献求助10
24秒前
24秒前
LS发布了新的文献求助20
27秒前
鱼腩发布了新的文献求助10
28秒前
caicai完成签到,获得积分10
29秒前
30秒前
30秒前
高分求助中
Picture Books with Same-sex Parented Families: Unintentional Censorship 700
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
Effective Learning and Mental Wellbeing 300
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 3975375
求助须知:如何正确求助?哪些是违规求助? 3519700
关于积分的说明 11199305
捐赠科研通 3256034
什么是DOI,文献DOI怎么找? 1798049
邀请新用户注册赠送积分活动 877386
科研通“疑难数据库(出版商)”最低求助积分说明 806305