Medizinische Universität Graz

Meine Abschlussarbeiten - Publikationen

Dissertation - Detailansicht

Gehe zu

Betreute Abschlussarbeiten

Sprachversion

Deutsch Englisch (Sprache des Volltextes)

Bibliografische Informationen

Titel

IPO: A Tool for automated Optimization of XCMS Parameters

Kurzfassung

Untargeted Metabolomics hat das Ziel möglichst alle molekularen Substanzen in einer biologischen Probe zu erfassen und somit einen Fingerabdruck der Probe zu generieren. Dadurch erhofft man sich Rückschlüsse auf Stoffwechselvorgänge ziehen zu können und in weiterer Folge die Einflüsse von Stoffwechselprodukten auf Krankheiten und umgekehrt auch die Auswirkungen von Krankheiten auf Stoffwechselprodukte feststellen zu können. Zur Erfassung dieser Stoffwechselprodukte oder Metaboliten kommen moderne, hochauflösende Massenspektrometer zum Einsatz. Massenspektrometrie gekoppelt mit Gas- oder Flüssigkeitschromatografie erzeugt eine große Menge dreidimensionaler Daten. Durch die enorme Menge an Daten ist eine manuelle Auswertung nicht durchführbar. Daher wurden Programme entwickelt, die automatisch Rauschen filtern, Signale in den Daten identifizieren, korrigieren und diese Signale zu aussagekräftigen metabolischen Features zusammenführen. Um auf die unterschiedlichsten Arten von Daten möglichst flexibel einstellbar sein zu können, verfügen diese Softwareprodukte über verschiedene Parameter. Dabei ist die richtige Wahl der Parametereinstellungen nicht trivial und hat großen Einfluss auf die Verlässlichkeit der produzierten Daten. Bisher wurden nur wenige und auch nur theoretische Ansätze zur automatischen Optimierung dieser Parametereinstellungen publiziert. Bisher wurde noch kein Programm entwickelt welches diese Optimierung automatisch vornimmt und die bestmöglichen Einstellungen liefert.
Diese Dissertation hatte daher zum Ziel eine Software zu implementieren welche automatisch eine Optimierung der Parametereinstellungen für beliebige Daten durchführt. Dabei sollten die Parameter der weit verbreiteten Open Source Software XCMS optimiert werden. In einem ersten Schritt wurde zur Optimierung der Parameter der Detektion von Signalen eine neue Zielgröße entwickelt. Diese basierte auf der Identifikation von Signalen die von natürlichen, stabilen Kohlenstoffisotopen stammen. Diese Signale, sowie die entsprechenden Signale ohne Kohlenstoffisotop, wurden als verlässlich definiert und führten zu Berechnung der Zielgröße. In einem nächsten Schritt wurde eine weitere Zielgröße definiert die sowohl die mittleren, relativen Retentionszeitverschiebungen aller metabolischen Features reduziert und gleichzeitig die Anzahl verlässlicher metabolischer Features steigert. Die verschiedenen Parametereinstellungen des Parameteroptimierungsverfahrens werden mit statistischer Versuchsplanung ausgewählt und mittels Response Surface Modellen evaluiert. Durch die effiziente Versuchsplanung und die Aufteilung des Optimierungsproblems in zwei Schritte wurde die Anzahl der notwendigen Experimente auf ein Minimum reduziert was die Dauer der Optimierung stark verkürzte.
Die entwickelte Software wurde an vier verschiedenen Datensätzen getestet welche aus unterschiedlichen Probenarten stammen und mit unterschiedlichen Geräten und Methoden gemessen wurden. Bei allen Datensätzen konnte eine signifikante Steigerung der Zielgrößen und somit der Verlässlichkeit der Daten beobachtet werden.
Die entwickelte Software wurde im Journal BMC Bioinformatics publiziert und ist unter www.github.com/glibiseller/IPO frei erhältlich.

Schlagwörter

Metabolomics; XCMS; LCMS; Massspectrometrie; Parameteroptimierung;

Anzahl Seiten

Publikationsjahr

2015

Volltext

Volltext downloaden