- 1次围观
摘要：糖鞘脂的质谱分辨需要先进的分离方法。糖脂差向异构体在结构上几乎完全相同，常规的多反应监测-高效液相色谱-电喷雾电离-串联质谱（MRM-LC-ESI-MS/MS）无法对其进行区分。采用场非对称（差分）离子迁移质谱（FAIMS/DMS）可以实现分离。MRM-LC-ESI-DMS-MS/MS方法开发中的一个主要瓶颈，在于需要手动优化化合物依赖性的分离电压（SV）和补偿电压（CoV）参数。为应对这一挑战，我们开发了智能差分离子迁移谱（iDMS）。iDMS是一种监督式深度神经网络，可基于由12种脂质（6对立体异构体）测得的信号强度构成的训练集，为用户请求的任一单糖基鞘脂评估并预测最佳离子迁移SV和CoV参数。我们最初以一系列Python脚本的形式推出iDMS。本文进一步提供了iDMS及其预处理输入数据组装模块（DMS数据提取工具包）的桌面应用程序。两套软件均可使用户快速部署经过验证的机器学习方案，以替代手动DMS优化。这些应用程序用户友好，无需任何技术运行环境即可操作，能够快速、简便地组装训练数据集，并返回用户在每个所查询SV下的实测、归一化和预测离子图谱，评估每种SV与CoV组合下的可分离性，并预测最佳分辨参数，从而加速用户对MRM-LC-ESI-DMS-MS/MS技术的部署。可用性与实现：桌面版iDMS和DMS数据提取工具包是面向macOS（Apple Silicon）的原生桌面应用程序，依据GNU v3.0许可证免费提供下载，下载地址为https://www.neurolipidomics.com/platforms.html。源代码可从GitHub和Zenodo获取，网址分别为https://github.com/Neurolipidomics/iDMS、https://zenodo.org/records/22214408、https://github.com/Neurolipidomics/DMSDataExtractionToolkit和https://zen…。基准测试指标见https://www.biorxiv.org/content/10.64898/2026.08.26.747394v1。
桌面版 iDMS：智能差分迁移谱（iDMS）的独立应用程序——一种用于预测场不对称差分离子迁移谱最佳分离电压和补偿电压的神经网络 | bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索该关键词
高级搜索
最新结果
桌面版 iDMS：智能差分迁移谱（iDMS）的独立应用程序——一种用于预测场不对称差分离子迁移谱最佳分离电压和补偿电压的神经网络
查看 ORCID 个人资料
Thao
Nguyen-Tran
，
查看 ORCID 个人资料
Emily
Hashimoto-Roth
，
Xun-Xun
Shi
，
查看 ORCID 个人资料
Michael G
Organ
，
查看 ORCID 个人资料
Theodore J.
Perkins
，
查看 ORCID 个人资料
Mathieu
Lavallee-Adam
，
查看 ORCID 个人资料
Steffany A.L.
Bennett
DOI：
https://doi.org/10.64898/2026.10.02.756329
Thao Nguyen-Tran
1
渥太华大学；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站中搜索该作者
Thao Nguyen-Tran 的 ORCID 记录
Emily Hashimoto-Roth
2
多伦多大学；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站中搜索该作者
Emily Hashimoto-Roth 的 ORCID 记录
Xun-Xun Shi
1
渥太华大学；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站中搜索该作者
Michael G Organ
1
渥太华大学；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站中搜索该作者
Michael G Organ 的 ORCID 记录
Theodore J. Perkins
3
渥太华医院研究所
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站中搜索该作者
Theodore J. Perkins 的 ORCID 记录
Mathieu Lavallee-Adam
1
渥太华大学；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站中搜索该作者
Mathieu Lavallee-Adam 的 ORCID 记录
Steffany A.L. Bennett
1
渥太华大学；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站中搜索该作者
Steffany A.L. Bennett 的 ORCID 记录
通讯作者：
sbennet{at}uottawa.ca
摘要
信息/历史
指标
补充材料
数据/代码
预览 PDF
摘要
总结：糖鞘脂的质谱分析需要先进的分离方法。糖脂差向异构体在结构上几乎完全相同，常规的多反应监测-高效液相色谱-电喷雾电离-串联质谱（MRM-LC-ESI-MS/MS）无法对其进行区分。采用场不对称（差分）离子迁移质谱（FAIMS/DMS）可以实现分离。MRM-LC-ESI-DMS-MS/MS 方法开发中的一个主要瓶颈，在于需要手动优化依赖于化合物的分离电压（SV）和补偿电压（CoV）参数。为应对这一挑战，我们开发了智能差分迁移谱（iDMS）。iDMS 是一种有监督深度神经网络，可基于包含12种脂质（6对立体异构体）的实测信号强度训练集，对用户所请求的任意单糖基糖鞘脂的最佳离子迁移 SV 和 CoV 参数进行评估与预测。我们最初以一系列 Python 脚本的形式推出了 iDMS。在此，我们发布 iDMS 及其预处理输入数据组装模块（DMS 数据提取工具包）的桌面应用程序。两套软件均使用户能够快速部署一种经过验证的机器学习方案，以替代手动 DMS 优化。这些应用程序操作简便，无需任何特定技术运行环境即可运行，能够快速、简单地组装训练数据集，并返回用户在每个所查询 SV 下的实测、归一化和预测离子谱图，评估每种 SV 与 CoV 组合下的可分离性，并预测最佳分辨率参数，从而加速用户对 MRM-LC-ESI-DMS-MS/MS 方法的部署。
可用性与实现：桌面版 iDMS 和 DMS 数据提取工具包是适用于 macOS（Apple Silicon）的原生桌面应用程序，可在 https://www.neurolipidomics.com/platforms.html 免费下载，并依据 GNU v3.0 许可证发布。源代码可从 GitHub 和 Zenodo 获取，网址分别为：https://github.com/Neurolipidomics/iDMS、https://zenodo.org/records/22214408、https://github.com/Neurolipidomics/DMSDataExtractionToolkit，以及 https://zenodo.org/records/22777403。基准测试指标见：https://www.biorxiv.org/content/10.64898/2026.08.26.747394v1。
利益冲突声明
作者声明不存在利益冲突。
脚注
https://www.neurolipidomics.com/platforms.html
资助信息声明
加拿大卫生研究院，
https://ror.org/01gavpb45，PJT 183604
加拿大自然科学与工程研究委员会，
https://ror.org/01h531d29，RGPIN-2019-06796，MLA
Silverstein 帕金森病 GBA 基金会
版权
本预印本的版权所有者为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。
本文依据 CC-BY-NC-ND 4.0 国际许可证公开发布。
返回顶部
上一篇
下一篇
发布于 2026 年 10 月 7 日。
下载 PDF
补充材料
数据/代码
电子邮件
感谢您有兴趣传播 bioRxiv 上的内容。
注意：要求提供您的电子邮件地址仅用于确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
发送至
*
请输入多个地址，每行一个，或使用逗号分隔。
您即将发送以下内容
桌面版 iDMS：智能差分迁移谱（iDMS）的独立应用程序——一种用于预测场不对称差分离子迁移谱最佳分离电压和补偿电压的神经网络
消息主题
（您的姓名）从 bioRxiv 向您转发了一个页面
消息正文
（您的姓名）认为您可能会对 bioRxiv 网站上的这篇文章感兴趣。
您的个人消息
验证码
此问题用于测试您是否为人类访问者，并防止自动垃圾邮件提交。
分享
桌面版 iDMS：智能差分迁移谱（iDMS）的独立应用程序——一种用于预测场不对称差分离子迁移谱最佳分离电压和补偿电压的神经网络
Thao
Nguyen-Tran
，
Emily
Hashimoto-Roth
，
Xun-Xun
Shi
，
Michael G
Organ
，
Theodore J.
Perkins
，
Mathieu
Lavallee-Adam
，
Steffany A.L.
Bennett
bioRxiv
2026.10.02.756329；
DOI：
https://doi.org/10.64898/2026.10.02.756329
分享本文：
复制
引用工具
桌面版 iDMS：智能差分迁移谱（iDMS）的独立应用程序——一种用于预测场不对称差分离子迁移谱最佳分离电压和补偿电压的神经网络
Thao
Nguyen-Tran
，
Emily
Hashimoto-Roth
，
Xun-Xun
Shi
，
Michael G
Organ
，
Theodore J.
Perkins
，
Mathieu
Lavallee-Adam
，
Steffany A.L.
Bennett
bioRxiv
2026.10.02.756329；
DOI：
https://doi.org/10.64898/2026.10.02.756329
引用管理器格式
BibTeX
Bookends
EasyBib
EndNote（带标签）
EndNote 8（XML）
Medlars
Mendeley
Papers
RefWorks Tagged
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google Plus One
主题领域
所有文章
动物行为与认知
（8093）
生物化学
（18912）
生物工程
（15071）
生物信息学
（44867）
生物物理学
（22789）
癌症生物学
（19922）
细胞生物学
（27132）
临床试验
（138）
发育生物学
（14064）
生态学
（21230）
流行病学
（2067）
进化生物学
（25633）
遗传学
（16265）
基因组学
（23664）
免疫学
（18846）
微生物学
（42855）
分子生物学
（18218）
神经科学
（94301）
古生物学
（708）
病理学
（3011）
药理学与毒理学
（5137）
生理学
（8197）
植物生物学
（16138）
科学传播与教育
（2105）
合成生物学
（4604）
系统生物学
（10317）
动物学
（2405）
关键词：差分离子迁移谱 · 神经网络 · 糖鞘脂 · 质谱分析 · 机器学习 · 方法优化
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.02.756329v1?rss=1