umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Validated and predictive processing of gas chromatography-mass spectra screening studies, diagnostics and metabolite pattern verification
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Kemiska institutionen.
Umeå universitet, Medicinska fakulteten, Institutionen för folkhälsa och klinisk medicin, Medicin.
Umeå universitet, Medicinska fakulteten, Institutionen för kirurgisk och perioperativ vetenskap, Idrottsmedicin.
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Kemiska institutionen.
Visa övriga samt affilieringar
2012 (Engelska)Ingår i: Metabolites, ISSN 2218-1989, E-ISSN 2218-1989, Vol. 2, nr 4, s. 796-817Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

The suggested approach makes it feasible to screen large metabolomics data, sample sets with retained data quality or to retrieve significant metabolic information from small sample sets that can be verified over multiple studies. Hierarchical multivariate curve resolution (H-MCR), followed by orthogonal partial least squares discriminant analysis (OPLS-DA) was used for processing and classification of gas chromatography/time of flight mass spectrometry (GC/TOFMS) data characterizing human serum samples collected in a study of strenuous physical exercise. The efficiency of predictive H-MCR processing of representative sample subsets, selected by chemometric approaches, for generating high quality data was proven. Extensive model validation by means of cross-validation and external predictions verified the robustness of the extracted metabolite patterns in the data. Comparisons of extracted metabolite patterns between models emphasized the reliability of the methodology in a biological information context. Furthermore, the high predictive power in longitudinal data provided proof for the potential use in clinical diagnosis. Finally, the predictive metabolite pattern was interpreted physiologically, highlighting the biological relevance of the diagnostic pattern.

Ort, förlag, år, upplaga, sidor
M D P I AG , 2012. Vol. 2, nr 4, s. 796-817
Nyckelord [en]
metabolomics, chemometrics, information, large data, GC/MS, curve resolution, diagnosis
Nationell ämneskategori
Biokemi och molekylärbiologi
Identifikatorer
URN: urn:nbn:se:umu:diva-62181DOI: 10.3390/metabo2040796OAI: oai:DiVA.org:umu-62181DiVA, id: diva2:575544
Tillgänglig från: 2012-12-10 Skapad: 2012-12-10 Senast uppdaterad: 2018-06-08Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltext

Personposter BETA

Thysell, ElinChorell, ElinSvensson, MichaelJonsson, PärAntti, Henrik

Sök vidare i DiVA

Av författaren/redaktören
Thysell, ElinChorell, ElinSvensson, MichaelJonsson, PärAntti, Henrik
Av organisationen
Kemiska institutionenMedicinIdrottsmedicin
I samma tidskrift
Metabolites
Biokemi och molekylärbiologi

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 138 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf