.png){kind=icon}
返回
Machine Learning-Based Retention Time Prediction Tool for Routine LC-MS Data Analysis
.png){kind=icon}
PRE
AI
DOI：10.1021/acs.jcim.5c00514.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确的保留时间（RT）预测模型可以显著提高广泛应用于化学合成中的液相色谱-质谱（LC-MS）数据分析。作为每年在Enamine进行的数十万次合成，大量实验数据已内部生成。本文介绍了基于GATv2Conv + DL图神经网络（NN）架构的RT预测模型开发，该模型使用内部数据训练，并进一步使用METLIN SMRT数据集进行评估。最终模型在120 s的LC-MS方法上实现了2.48 s的平均绝对误差（MAE）。我们还对RT预测误差进行了详细分析，并确定RT – 7.12 s和RT + 9.58 s之间的区间包含了超过95%的数据。开发的模型已成功集成到现有的内部LC-MS分析工具包中，增强了其预测和分析能力。此外，我们已发布了一个经过筛选的内部数据集子集，包含20,000个数据点，以支持社区基准测试和进一步研究。
Keyword:
retention time prediction
graph neural network
liquid chromatography–mass spectrometry
GATv2Conv
MAE evaluation
期刊
IF:
5.3
论文数:
9.2K
被引数:
4.0W
机构
引用论文
Toward Global Metabolomics Analysis with Hydrophilic Interaction Liquid Chromatography-Mass Spectrometry: Improved Metabolite Identification by Retention Time Prediction.png)
ANALYTICAL CHEMISTRY
OAAI
ANALYTICAL CHEMISTRYIF6.7
OAAI分享收藏Retention time prediction for chromatographic enantioseparation by quantile geometry-enhanced graph neural networkNATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Predicting retention time in hydrophilic interaction liquid chromatography mass spectrometry and its use for peak annotation in metabolomicsMETABOLOMICSOAAI
METABOLOMICSIF3.3
OAAI分享收藏XGBoostProceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningOAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏Insights into predicting small molecule retention times in liquid chromatography using deep learningOAAI
OAAI分享收藏
查看更多内容