Title (eng)
Improving key steps in untargeted metabolomics
Parallel title (deu)
Verbesserungen von wichtigen Schritten in der ungezielten Metabolismusanalytik
Author
Yasin El Abiead
Advisor
Gunda Köllensperger
Assessor
Michael Lämmerhofer
Anneli Kruve
Abstract (deu)
‘Non-targeted metabolomics’ zielt auf die umfassende Analyse kleiner Moleküle mit unter-schiedlichen chemischen Eigenschaften in Anbetracht ihrer Rolle in biologischen Systemen ab. Um mit dieser enormen Komplexität fertig zu werden, wurden hochmoderne analyti-sche Instrumente und bioinformatische Workflows entwickelt. Allerdings bestehen bis heu-te Probleme bei der Validierung dieser Prozesse.
Der erste Teil dieser Arbeit, handelt von der Entwicklung einer auf R-basierenden Software die es erlaubt die Qualität von wichtigen Schritten der Datenanalyse zu beurteilen. Die mzRAPP genannte Software ermöglicht die Generierung und Validierung von Benchmark-Datensätzen, die unter Zuhilfenahme von Nutzern bereitgestellten Informationen erstellt und zur Qualitätssicherung von Feature-Extraktion verwendet werden können.
Im zweiten Teil wird demonstriert, wie mzRAPP erlaubt festzustellen, dass viele der gegen-wärtig für Feature-Extraktion eingesetzten Qualitätssicherungsstrategien unzureichend sind. Außerdem wird die Größenordnung, in der unzureichende Validierung die Qualität von Resultaten beeinträchtigen kann, veranschaulicht.
Im dritten Teil der Arbeit wird die Häufigkeit von multimerischen Spezies, die im Analy-seprozess entstehen, und inwieweit sie Analyseresultate beeinflussen, untersucht. Um dies zu erlauben, wurde eine Methode entwickelt die solche Multimere über spezifische Isoto-pensignaturen erkennbar macht. Nach Anwendung dieser Methode in mehreren Experi-menten wurden die gewonnen Resultate dazu verwendet eine Sammlung an Frag-mentspektren anzulegen und öffentlich zu machen.
Abstract (eng)
Non-targeted metabolomics aims at the comprehensive analysis of chemically diverse small molecules in the context of biological systems. Dealing with this vast complexity sparked the development of high-end analytical instrumentation and sophisticated data analysis pipelines. However, many challenges to the validation of these workflows remain.
Within the first part of this thesis, an R-based software package allowing to judge the per-formance of major data analysis steps was developed. The package, named mzRAPP, ena-bles the generation and validation of benchmarks from user-supplied information and uti-lizes them for the reliability assessment of feature extraction workflows.
The second part was focused on applying mzRAPP to demonstrate that many of the current approaches to ensure high-quality feature extraction results were indeed insufficient. Moreover, the extent to which a lack of validation can affect data analysis results was illus-trated.
In the third section, the scale at which multimeric species originating from the analysis af-fects metabolomics results was investigated. For this purpose a method allowing the intro-duction of isotopic signatures specific for multimeric species formed after sample extraction was developed and applied in different experiments. Further, knowledge gained in the per-formed studies is utilized to generate a mass spectral library to allow the metabolomics community to directly benefit from the performed experiments.
Keywords (deu)
Ungezielte AnalytikMassenspektrometrieFlüssigchromatographieMetabolismusSignalprozessierungValidierungChemometrics
Keywords (eng)
Metabolomicsmass spectrometryliquid chromatographymetabolismsignal processingvalidationchemometrics
Subject (deu)
Subject (deu)
Subject (deu)
Subject (deu)
Subject (deu)
Type (deu)
Persistent identifier
Extent (deu)
IV, 97 Seiten : Illustrationen, Diagramme
Number of pages
103
Study plan
Doktoratsstudium NAWI aus dem Bereich Naturwissenschaften (DissG: Chemie)
[UA]
[796]
[605]
[419]
Association (deu)
Title (eng)
Improving key steps in untargeted metabolomics
Parallel title (deu)
Verbesserungen von wichtigen Schritten in der ungezielten Metabolismusanalytik
Author
Yasin El Abiead
Abstract (deu)
‘Non-targeted metabolomics’ zielt auf die umfassende Analyse kleiner Moleküle mit unter-schiedlichen chemischen Eigenschaften in Anbetracht ihrer Rolle in biologischen Systemen ab. Um mit dieser enormen Komplexität fertig zu werden, wurden hochmoderne analyti-sche Instrumente und bioinformatische Workflows entwickelt. Allerdings bestehen bis heu-te Probleme bei der Validierung dieser Prozesse.
Der erste Teil dieser Arbeit, handelt von der Entwicklung einer auf R-basierenden Software die es erlaubt die Qualität von wichtigen Schritten der Datenanalyse zu beurteilen. Die mzRAPP genannte Software ermöglicht die Generierung und Validierung von Benchmark-Datensätzen, die unter Zuhilfenahme von Nutzern bereitgestellten Informationen erstellt und zur Qualitätssicherung von Feature-Extraktion verwendet werden können.
Im zweiten Teil wird demonstriert, wie mzRAPP erlaubt festzustellen, dass viele der gegen-wärtig für Feature-Extraktion eingesetzten Qualitätssicherungsstrategien unzureichend sind. Außerdem wird die Größenordnung, in der unzureichende Validierung die Qualität von Resultaten beeinträchtigen kann, veranschaulicht.
Im dritten Teil der Arbeit wird die Häufigkeit von multimerischen Spezies, die im Analy-seprozess entstehen, und inwieweit sie Analyseresultate beeinflussen, untersucht. Um dies zu erlauben, wurde eine Methode entwickelt die solche Multimere über spezifische Isoto-pensignaturen erkennbar macht. Nach Anwendung dieser Methode in mehreren Experi-menten wurden die gewonnen Resultate dazu verwendet eine Sammlung an Frag-mentspektren anzulegen und öffentlich zu machen.
Abstract (eng)
Non-targeted metabolomics aims at the comprehensive analysis of chemically diverse small molecules in the context of biological systems. Dealing with this vast complexity sparked the development of high-end analytical instrumentation and sophisticated data analysis pipelines. However, many challenges to the validation of these workflows remain.
Within the first part of this thesis, an R-based software package allowing to judge the per-formance of major data analysis steps was developed. The package, named mzRAPP, ena-bles the generation and validation of benchmarks from user-supplied information and uti-lizes them for the reliability assessment of feature extraction workflows.
The second part was focused on applying mzRAPP to demonstrate that many of the current approaches to ensure high-quality feature extraction results were indeed insufficient. Moreover, the extent to which a lack of validation can affect data analysis results was illus-trated.
In the third section, the scale at which multimeric species originating from the analysis af-fects metabolomics results was investigated. For this purpose a method allowing the intro-duction of isotopic signatures specific for multimeric species formed after sample extraction was developed and applied in different experiments. Further, knowledge gained in the per-formed studies is utilized to generate a mass spectral library to allow the metabolomics community to directly benefit from the performed experiments.
Keywords (deu)
Ungezielte AnalytikMassenspektrometrieFlüssigchromatographieMetabolismusSignalprozessierungValidierungChemometrics
Keywords (eng)
Metabolomicsmass spectrometryliquid chromatographymetabolismsignal processingvalidationchemometrics
Subject (deu)
Subject (deu)
Subject (deu)
Subject (deu)
Subject (deu)
Type (deu)
Persistent identifier
Number of pages
103
Association (deu)
License
- Citable links
- Other links
- Managed by
- Details
- Usage statistics-
- Metadata
- Export formats