Feature-Detektion, Annotation und Alignment von Metabolomik LC/MS Daten

Abstract

Diese Arbeit beschäftigt sich mit den Schritten der Feature-Detektion, Annotation und Alignment bei der Verarbeitung von Metabolomik LC/MS Daten. Beschrieben wird ein neu entwickelter Algorithmus "centWave" zur Feature-Detektion von LC/MS-Daten. Der Algorithmus kombiniert eine dichteorientierte Methode zur Erkennung von potentiell interessanten Massensignalen mit der kontinuierliche Wavelet Transformation zur Detektion von chromatographischen Peaks. Die Leistungsfähigkeit des Algorithmus wird durch eine Evaluierung und Vergleich mit zwei anderen Feature-Detektions Algorithmen gezeigt. Es wird eine neu entwickelte, korrelationsbasierte Methode zur Gruppierung der von einer Substanz hervorgerufenen Features vorgestellt, verbunden mit der Annotation von Isotopomeren, Addukten und Fragmenten, worüber die Molekülmasse der Substanz bestimmt werden kann. Eine LC/MS-Messung von bekannten Substanzen wurde benutzt, um die Leistungsfähigkeit dieser Methode zu prüfen. Schliesslich wurde ein Verfahren entwickelt, um verschiedene Algorithmen für das Alignment von Metabolomik LC/MS-Daten zu vergleichen und deren Güte zu beurteilen. Mit den eigens dafür erstellten Referenzdatensätzen wurden Vergleiche zwischen vier verschiedenen Alignment-Algorithmen durchgeführt und bezüglich der eingeführten Maße Alignment-Recall und -Precision quantifiziert.