Pinu FR, Goldansaz SA, Jaine J (2019) Metabolómica traslacional: desafíos actuales y oportunidades futuras. Metabolitos 9:108
Creek DJ, Dunn WB, Fiehn O et al (2014) Identificación de metabolitos: ¿está seguro? ¿Y cómo miden tus compañeros tu confianza? Metabolómica 10:350–353
Demarque DP, Dusi RG, de Sousa FDM, Grossi SM, Silvério MRS, Lopes NP, Espindola LS (2020) Enfoque de metabolómica basado en espectrometría de masas en el aislamiento de productos naturales bioactivos. Representante científico 10:1051
Alseekh S, Aharoni A, Brotman Y et al (2021) Metabolómica basada en espectrometría de masas: una guía para la anotación, cuantificación y mejores prácticas de informes. Métodos nacionales 18: 747–756
Schrimpe-Rutledge AC, Codreanu SG, Sherrod SD, McLean JA (2016) Estrategias metabolómicas no dirigidas: desafíos y direcciones emergentes. Espectro de masas J Am Soc 27: 1897–1905
Li Q, Brown JB, Huang H, Bickel PJ (2011) Medición de la reproducibilidad de experimentos de alto rendimiento. Ann Appl Stat 5: 1752–1779
Martens L, Chambers M, Sturm M et al (2011) mzML: un estándar comunitario para datos de espectrometría de masas. Mol Cell Proteómica 10 (R110): 000133
Google Académico
Castillo S, Gopalacharyulu P, Yetukuri L, Orešič M (2011) Algoritmos y herramientas para el preprocesamiento de datos de metabolómica de LC-MS. Sistema de laboratorio de inteligencia de Chemom 108: 23–32
Uthe H, van Dam NM, Hervé MR, Sorokina M, Peters K, Weinhold A (2021) Una guía práctica para implementar la metabolómica en la ecología vegetal y la investigación de la biodiversidad. En: Pétriacq P, Bouchereau A (eds) Adv. Bot. Res. Prensa académica, págs. 163–203
Niessen WMA (2017) MS–MS y MSn☆. En: Lindon JC, Tranter GE, Koppenaal DW (eds) Encycl Spectrosc Spectrom, 3ra ed. Prensa académica, Oxford, págs. 936–941
Sumner LW, Amberg A, Barrett D et al (2007) Estándares mínimos propuestos para informes de análisis químico. Metabolómica 3:211–221
Schymanski EL, Jeon J, Gulde R, Fenner K, Ruff M, Singer HP, Hollender J (2014) Identificación de moléculas pequeñas mediante espectrometría de masas de alta resolución: comunicación de confianza. Tecnología de ciencia ambiental 48: 2097–2098
Verhoeven A, Giera M, Mayboroda OA (2020) Gestores de flujo de trabajo científico en metabolómica: una descripción general. Analista 145:3801–3808
Dührkop K, Fleischauer M, Ludwig M, Aksenov AA, Melnik AV, Meusel M, Dorrestein PC, Rousu J, Böcker S (2019) SIRIUS 4: una herramienta rápida para convertir espectros de masas en tándem en información de estructura de metabolitos. Métodos nacionales 16: 299–302
Ruttkies C, Schymanski EL, Wolf S, Hollender J, Neumann S (2016) MetFrag relanzado: incorporación de estrategias más allá de la fragmentación in silico. J Cheminform 8:3
Graça G, Cai Y, Lau C-HE, Vorkas PA, Lewis MR, Want EJ, Herrington D, Ebbels TMD (2022) Anotación automática de datos metabolómicos de LC-MS de fragmentación de todos los iones no dirigidos con MetaboAnnotatoR. Anal Chem 94:3446–3455
Wang F, Liigand J, Tian S, Arndt D, Greiner R, Wishart DS (2021) CFM-ID 4.0: predicción espectral ESI-MS/MS más precisa e identificación de compuestos. Anal Chem 93 (34): 11692-11700
Mohimani H, Gurevich A, Shlemov A, Mikheenko A, Korobeynikov A, Cao L, Shcherbin E, Nothias LF, Dorrestein PC, Pevzner PA (2018) Desreplicación de metabolitos microbianos mediante la búsqueda en bases de datos de espectros de masas. Nat Comun 9:4035
Cao L, Guler M, Tagirdzhanov A, Lee YY, Gurevich A, Mohimani H (2021) MolDiscovery: aprendizaje de la fragmentación por espectrometría de masas de moléculas pequeñas. Nat Comun 12:3718
Depke T, Franke R, Brönstrup M (2019) CluMSID: un paquete R para el agrupamiento basado en similitud de espectros de masas en tándem para ayudar a la anotación de características en metabolómica. Bioinformática 35:3196–3198
Jonge NF de, Louwen JR, Chekmeneva E, Camuzeaux S, Vermeir FJ, Jansen RS, Huber F, Hooft JJJ van der (2022) MS2Query: búsqueda analógica basada en el espectro de masas MS2 fiable y escalable. bioRxiv. [Preprint.] Consultado el 2 de agosto de 2022 https://doi.org/10.1101/2022.07.22.501125https://doi.org/10.1101/2022.07.22.501125
Wilkinson MD, Dumontier M, IjJ A et al (2016) Principios rectores FAIR para la gestión y administración de datos científicos. Datos científicos 3:160018
Peters K, Bradbury J, Bergmann S et al (2019) PhenoMeNal: procesamiento y análisis de datos de metabolómica en la nube. GigaSci 8(2) https://doi.org/10.1093/gigascience/giy149
Giacomoni F, Le Corguillé G, Monsoor M et al (2015) Workflow4Metabolomics: una infraestructura de investigación colaborativa para la metabolómica computacional. Bioinformática 31: 1493–1495
Wang M, Carver JJ, Phelan VV et al (2016) Intercambio y conservación comunitaria de datos de espectrometría de masas con redes sociales moleculares de productos naturales globales. Nat Biotechnol 34: 828–837
Afgan E, Baker D, Batut B et al (2018) La plataforma Galaxy para análisis biomédicos accesibles, reproducibles y colaborativos: actualización de 2018. Ácidos nucleicos Res 46:W537–W544
Berthold MR, Cebron N, Dill F, Gabriel TR, Kötter T, Meinl T, Ohl P, Thiel K, Wiswedel B (2009) KNIME: el minero de información de Konstanz: versión 2.0 y posteriores. ACM SIGKDD Explorar Noticiasl 11:26–31
Shen X, Yan H, Wang C, Gao P, Johnson CH, Snyder MP (2022) TidyMass, un marco de análisis reproducible orientado a objetos para datos de LC-MS. Nat Comun 13:4365
Tsugawa H, Cajka T, Kind T, Ma Y, Higgins B, Ikeda K, Kanazawa M, VanderGheynst J, Fiehn O, Arita M (2015) MS-DIAL: desconvolución de MS/MS independiente de los datos para un análisis completo del metaboloma. Métodos naturales 12:523
Pluskal T, Castillo S, Villar-Briones A, Orešič M (2010) MZmine 2: marco modular para procesar, visualizar y analizar datos de perfil molecular basados en espectrometría de masas. BMC Bioinforme 11:395
Cohen-Boulakia S, Belhajjame K, Collin O et al (2017) Flujos de trabajo científicos para la reproducibilidad computacional en las ciencias de la vida: estado, desafíos y oportunidades. Future Gener Comput Syst 75: 284–298
Wratten L, Wilm A, Göke J (2021) Canalizaciones de análisis reproducibles, escalables y compartibles con administradores de flujo de trabajo de bioinformática. Métodos nacionales 18: 1161–1168
Schloss PD (2018) Identificación y superación de amenazas a la reproducibilidad, replicabilidad, robustez y generalización en la investigación de microbiomas. MBio 9(3):e00525-e618 https://doi.org/10.1128/mBio.00525-18
Herschel M, Diestelkämper R, Ben Lahmar H (2017) Una encuesta sobre procedencia: ¿Para qué? ¿Qué forma? ¿Lo de? VLDB J 26:881–906
Goble C, Cohen-Boulakia S, Soiland-Reyes S, Garijo D, Gil Y, Crusoe MR, Peters K, Schober D (2020) Flujos de trabajo computacionales FAIR. Información de datos 2:108–121
Zulfiqar M (2022) Flujo de trabajo de anotación de metabolomas. Consultado el 2 de septiembre de 2022. Disponible en: https://github.com/zmahnoor14/MAW
Zulfiqar M (2022) Imagen de Docker para el segmento R del flujo de trabajo de anotación de metabolomas (MAW-R). Consultado el 22 de septiembre de 2022. Disponible en: https://hub.docker.com/r/zmahnoor/maw-r
Zulfiqar M (2022) Imagen de Docker para el segmento de Python del flujo de trabajo de anotación de metabolomas (MAW-Py). Consultado el 22 de septiembre de 2022. Disponible en: https://hub.docker.com/r/zmahnoor/maw-py
Stahl DC, Swiderek KM, Davis MT, Lee TD (1996) Automatización controlada por datos de cromatografía líquida/análisis de espectrometría de masas en tándem de mezclas de péptidos. Espectro de masas J Am Soc 7: 532–540
Chambers MC, Maclean B, Burke R et al (2012) Un conjunto de herramientas multiplataforma para espectrometría de masas y proteómica. Nat Biotechnol 30:918–920
Nikitashina V, Stettin D, Pohnert G (2022) Adaptación metabólica de las diatomeas a la hipersalinidad. Fitoquímica 201:113267
Peters K, Balcke G, Kleinenkuhnen N, Treutler H, Neumann S (2021) Clasificación de compuestos in silico no dirigida: un nuevo método de metabolómica para evaluar la quimiodiversidad en briófitas. Int J Mol Sci 22:3251
Zenodo.org (2022) Archivos estándar mzML de una diatomea. En: Soporte MzML. Limas diatomeas. https://doi.org/10.5281/zenodo.7106205
Zenodo.org (2022) Espectros LCMS2 del conjunto de datos de briófitas para el flujo de trabajo de anotación del metaboloma (MAW). En: LCMS2 Spectra Bryophyt. Conjunto de datos. https://doi.org/10.5281/zenodo.7107096
Wishart DS, Tzur D, Knox C et al (2007) HMDB: la base de datos del metaboloma humano. Ácidos nucleicos Res 35:D521-526
Horai H, Arita M, Kanaya S et al (2010) MassBank: un depósito público para compartir datos espectrales de masas para las ciencias de la vida. Espectro de masas J 45: 703–714
Rainer J, Vicini A, Salzer L et al (2022) Un ecosistema modular y ampliable para la anotación de datos de metabolómica en R. Metabolites 12:173
Zenodo.org (2022) Bibliotecas espectrales para MAW. En: Descarga de base de datos MAW. https://doi.org/10.5281/zenodo.6528931
Shannon P, Markiel A, Ozier O, Baliga NS, Wang JT, Ramage D, Amin N, Schwikowski B, Ideker T (2003) Cytoscape: un entorno de software para modelos integrados de redes de interacción biomolecular. Genoma Res 13: 2498–2504
Sorokina M, Merseburger P, Rajan K, Yirik MA, Steinbeck C (2021) COCONUT en línea: colección de base de datos abierta de productos naturales. J Cheminform 13:2
Dührkop K, Nothias LF, Fleischauer M et al (2021) Clasificación sistemática de metabolitos desconocidos utilizando espectros de masas de fragmentación de alta resolución. Nat Biotechnol 39:462–471
Swain M. Introducción: documentación de PubChemPy 1.0.4. Consultado el 18 de noviembre de 2022. Disponible en: https://pubchempy.readthedocs.io/en/latest/
Landrum G (2016) RDKit: software de quimioinformática de código abierto. Disponible de: http://www.rdkit.org
Steinbeck C, Han Y, Kuhn S, Horlacher O, Luttmann E, Willighagen E (2003) The Chemistry Development Kit (CDK): una biblioteca Java de código abierto para quimio y bioinformática. J Chem Inf Comput Sci 43: 493–500
Willighagen EL, Mayfield JW, Alvarsson J et al (2017) The Chemistry Development Kit (CDK) v20: tipificación de átomos, representación, fórmulas moleculares y búsqueda de subestructuras. J Cheminform 9:33
Djoumbou Feunang Y, Eisner R, Knox C et al (2016) ClassyFire: clasificación química automatizada con una taxonomía computable integral. J Cheminform 8:61
Allard PM (2020) pybatchclassyfire. En: GitLab. Consultado el 22 de septiembre de 2022. Disponible en: https://gitlab.unige.ch/Pierre-Marie.Allard/pybatchclassyfire
Bechhofer S, De Roure D, Gamble M, Goble C, Buchan I (2010) Objetos de investigación: hacia el intercambio y la reutilización del conocimiento digital. Nat Precedido 1–1
Treutler H, Neumann S, Ulpinnis C (2021) MetFamily. Consultado el 22 de febrero de 2023. Disponible en: http://msbi.ipb-halle.de/MetFamily/
Kim S, Chen J, Cheng T et al (2021) PubChem en 2021: nuevo contenido de datos e interfaces web mejoradas. Ácidos nucleicos Res 49:D1388–D1395
Son NCT, Tan TQ, Lien DTM, Huong NTM, Tuyen PNK, Phung NKP, Phuong QND, Thu NTH (2020) Cinco compuestos fenólicos de Marchantia polimorfa L. y sus actividades antibacteriana, antioxidante y citotóxica in vitro. Vietnam J Chem 58: 810–814
da Silva RR, Dorrestein PC, Quinn RA (2015) Iluminando la materia oscura en metabolómica. Proc Natl Acad Sci 112: 12549–12550
Huber F, Verhoeven S, Meijer C et al (2020) matchms: procesamiento y evaluación de similitud de datos de espectrometría de masas. J Software de código abierto 5:2411
Kim S, Kato I, Zhang X (2022) Análisis comparativo de medidas de similitud binaria para la identificación de compuestos en metabolómica basada en espectrometría de masas. Metabolitos 12:694
Huber F, Ridder L, Verhoeven S, Spaaks JH, Diblen F, Rogers S, van der Hooft JJJ (2021) Spec2Vec: puntuación de similitud espectral de masas mejorada mediante el aprendizaje de relaciones estructurales. PLOS Cómputo Biol 17:e1008724
Stravs MA, Dührkop K, Böcker S, Zamboni N (2022) MSNovelist: generación de estructuras de novo a partir de espectros de masas. Métodos nacionales 19: 865–870
Koelmel JP, Li X, Stow SM et al (2020) Anotador de lípidos: hacia una anotación precisa en lipidómica de espectrometría de masas en tándem de alta resolución de cromatografía líquida no dirigida (LC-HRMS/MS) utilizando un software rápido y fácil de usar. Metabolitos 10:101
Atanasov AG, Zotchev SB, Dirsch VM, Supuran CT (2021) Productos naturales en el descubrimiento de fármacos: avances y oportunidades. Nat Rev Drug Discovery 20: 200–216
Niedermeyer THJ, Strohalm M (2012) mMass como herramienta de software para la anotación de espectros de masas en tándem de péptidos cíclicos. POR FAVOR UNO 7:e44913
Crusoe M, Abeln S, Iosup A et al (2021) Los métodos incluyeron: estandarizar la reutilización computacional y la portabilidad con el lenguaje de flujo de trabajo común. ACM común. 65(6):54-63https://doi.org/10.1145/3486897
Zulfiqar M (2022) R y Python Scripts para ejecutar conjuntos de datos de Workflow Benchmark de anotación de Metabolome. Consultado el 2 de septiembre de 2022. Disponible en: https://github.com/zmahnoor14/MAW-Benchmark
Relacionado:
Flujo de trabajo de KNIME para recuperar interacciones causales entre fármacos y proteínas, construir redes y realizar análisis de enriquecimiento topológico demostrado por un estudio de caso de DILI | Revista de quimioinformática
Convocatoria JASMS para artículos: Número de enfoque especial en espectrometría de masas de una sola célula – ACS Axial
