清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Introducing “DoPP”: A Graphical User-Friendly Application for the Rapid Species Identification of Psychoactive Plant Materials and Quantification of Psychoactive Small Molecules Using DART-MS Data

飞镖离子源 鉴定(生物学) 工作流程 支持向量机 随机森林 样品(材料) 人工智能 化学 机器学习 数据挖掘 计算机科学 数据库 模式识别(心理学) 离子 植物 有机化学 色谱法 电子电离 生物 电离
作者
Samira Beyramysoltan,Megan I. Chambers,Amy M. Osborne,Mónica I. Ventura,Rabi A. Musah
出处
期刊:Analytical Chemistry [American Chemical Society]
卷期号:94 (48): 16570-16578 被引量:4
标识
DOI:10.1021/acs.analchem.2c01614
摘要

The widespread abuse of "legal high" psychoactive plants continues to be of global concern because of their negative impacts on public health and safety. In forensic science, a major challenge in controlling these substances is the paucity of methods to rapidly identify them. We report the development of the Database of Psychoactive Plants (DoPP), a new user-friendly tool featuring an architecture for the identification of plant unknowns, and the necessary regression statistics for the development and validation of psychoactive compound quantification. The application relies on the knowledge that terrestrial plants exhibit species-specific chemical signatures that can be revealed by direct analysis in real time─high-resolution mass spectrometry (DART-HRMS). Subsequent automated machine learning processing of libraries of these spectra enables rapid discrimination and species identification. The chemical signature database includes 57 available plant species. The rapid acquisition of mass spectra and the ability to sample the materials in their native form enabled the generation of the vast amounts of spectral replicates required for database construction. For the identification of sample unknowns, a data analysis workflow was developed and implemented using the DoPP tool. It utilizes a hierarchical classification tree that integrates three machine learning methods, namely, random forest, k-nearest neighbors, and support vector machine, all of which were fused using posterior probabilities. The results show accuracies of 98 and 99% for 10-fold cross-validation and external validation, respectively, which make the classification model suitable for identity prediction of real samples.
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

祝大家在新的一年里科研腾飞
更新
大幅提高文件上传限制,最高150M (2024-4-1)

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
屹舟完成签到 ,获得积分10
19秒前
TOUHOUU完成签到 ,获得积分10
31秒前
jerry完成签到 ,获得积分10
33秒前
naczx完成签到,获得积分0
33秒前
细心妙旋完成签到 ,获得积分10
41秒前
李浅墨完成签到 ,获得积分10
1分钟前
1分钟前
大雄的梦想是什么完成签到 ,获得积分10
1分钟前
guoguo1119完成签到 ,获得积分10
1分钟前
于洋完成签到 ,获得积分10
1分钟前
酷酷一笑发布了新的文献求助10
1分钟前
wushuimei完成签到 ,获得积分10
1分钟前
安静的瑾瑜完成签到 ,获得积分10
1分钟前
LYZSh完成签到,获得积分10
2分钟前
arsenal完成签到 ,获得积分10
2分钟前
萧水白完成签到,获得积分10
3分钟前
王大橘完成签到 ,获得积分10
3分钟前
Hightowerliu18完成签到,获得积分0
3分钟前
4分钟前
DDDan发布了新的文献求助10
4分钟前
爱你沛沛完成签到 ,获得积分10
4分钟前
Atlantis完成签到 ,获得积分10
4分钟前
研友_VZG7GZ应助DDDan采纳,获得10
4分钟前
开拖拉机的医学僧完成签到 ,获得积分10
5分钟前
拓跋雨梅完成签到 ,获得积分0
5分钟前
FashionBoy应助科研通管家采纳,获得10
5分钟前
6分钟前
DDDan发布了新的文献求助10
6分钟前
结实的半双完成签到 ,获得积分10
6分钟前
高山流水完成签到,获得积分10
7分钟前
菠萝菠萝哒应助宇文雨文采纳,获得10
7分钟前
CodeCraft应助科研通管家采纳,获得10
7分钟前
SciGPT应助科研通管家采纳,获得10
7分钟前
7分钟前
碗碗豆喵完成签到 ,获得积分10
8分钟前
imi完成签到 ,获得积分0
8分钟前
Jimmy_King完成签到,获得积分10
8分钟前
8分钟前
madison完成签到 ,获得积分10
8分钟前
似水流年完成签到 ,获得积分10
8分钟前
高分求助中
Востребованный временем 2500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 1000
Kidney Transplantation: Principles and Practice 1000
The Restraining Hand: Captivity for Christ in China 500
Encyclopedia of Mental Health Reference Work 400
Mercury and Silver Mining in the Colonial Atlantic 300
Studi sul Vicino Oriente antico dedicati alla memoria di Luigi Cagni vol.1 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 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 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3375060
求助须知:如何正确求助?哪些是违规求助? 2991600
关于积分的说明 8746728
捐赠科研通 2675576
什么是DOI,文献DOI怎么找? 1465752
科研通“疑难数据库(出版商)”最低求助积分说明 677935
邀请新用户注册赠送积分活动 669607