Best practices in NMR metabolomics: Current state

代谢组学 数据科学 计算机科学 多元分析 多元统计 医学 医学物理学 生物信息学 生物 机器学习
作者
Robert Powers,Erik R. Andersson,Amanda L. Bayless,Robert B. Brua,Mario C. Chang,Leo L. Cheng,Chaevien S. Clendinen,Darcy Cochran,Valérie Copié,John Cort,Alexandra A. Crook,Hamid R. Eghbalnia,Anthony Giacalone,Goncalo J. Gouveia,Jeffrey C. Hoch,Micah J. Jeppesen,Amith S. Maroli,Matthew E. Merritt,Wimal Pathmasiri,Heidi E. Roth,Anna Rushin,Isin T. Sakallioglu,Saurav J. Sarma,Tracey B. Schock,Lloyd W. Sumner,Panteleimon G. Takis,Mario Uchimiya,David S. Wishart
出处
期刊:Trends in Analytical Chemistry [Elsevier]
卷期号:: 117478-117478
标识
DOI:10.1016/j.trac.2023.117478
摘要

A literature survey was conducted to identify current practices used by NMR metabolomics investigators when conducting and reporting their metabolomics studies. A total of 463 papers from 2020 to 80 papers from 2010 were selected from PubMed and were manually analyzed by a team of investigators to assess the extent and completeness of the experimental procedures and protocols reported. A significant number of the papers did not report on essential experimental details, incompletely stated which statistical methods were used, improperly applied supervised multivariate statistical analyses, or lacked validation of statistical models. A large diversity of protocols and software were identified, which suggests a lack of consensus and a relatively limited use of commonly agreed upon standards for conducting and reporting NMR metabolomics studies. The overall intent of the survey is to inform and encourage the NMR metabolomics community to develop and adopt best-practices for the field.
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
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
JamesPei应助端庄的香薇采纳,获得10
刚刚
cc发布了新的文献求助10
1秒前
茜茜完成签到,获得积分10
1秒前
lk、发布了新的文献求助30
1秒前
123发布了新的文献求助10
2秒前
852应助朱朱采纳,获得10
3秒前
leozhao完成签到,获得积分10
3秒前
小胖完成签到 ,获得积分10
3秒前
大方的若山应助zxvcbnm采纳,获得10
4秒前
4秒前
李健应助风中的夕阳采纳,获得10
5秒前
阿达完成签到,获得积分10
6秒前
owlhealth完成签到,获得积分10
7秒前
科研通AI2S应助科研通管家采纳,获得10
8秒前
英姑应助科研通管家采纳,获得10
8秒前
Lucas应助科研通管家采纳,获得10
8秒前
Hello应助科研通管家采纳,获得10
8秒前
科研通AI2S应助科研通管家采纳,获得10
8秒前
桐桐应助科研通管家采纳,获得10
8秒前
共享精神应助科研通管家采纳,获得10
8秒前
科研通AI2S应助科研通管家采纳,获得10
8秒前
Owen应助科研通管家采纳,获得10
9秒前
Hello应助科研通管家采纳,获得30
9秒前
孔骁完成签到,获得积分10
9秒前
搜集达人应助科研通管家采纳,获得10
9秒前
科研通AI2S应助科研通管家采纳,获得10
9秒前
传奇3应助科研通管家采纳,获得10
9秒前
cc应助科研通管家采纳,获得20
9秒前
Owen应助科研通管家采纳,获得10
9秒前
不配.应助科研通管家采纳,获得100
9秒前
大模型应助科研通管家采纳,获得10
9秒前
樱桃猴子应助科研通管家采纳,获得10
9秒前
9秒前
9秒前
沉静青旋完成签到,获得积分20
9秒前
10秒前
洛洛完成签到,获得积分10
12秒前
美好斓发布了新的文献求助10
12秒前
唯安完成签到 ,获得积分10
13秒前
时米米米发布了新的文献求助10
13秒前
高分求助中
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Very-high-order BVD Schemes Using β-variable THINC Method 568
Chen Hansheng: China’s Last Romantic Revolutionary 500
XAFS for Everyone 500
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 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3138255
求助须知:如何正确求助?哪些是违规求助? 2789256
关于积分的说明 7790627
捐赠科研通 2445551
什么是DOI,文献DOI怎么找? 1300583
科研通“疑难数据库(出版商)”最低求助积分说明 625969
版权声明 601053