MSnLib: efficient generation of open multi-stage fragmentation mass spectral libraries

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61388963%3A_____%2F25%3A00639422" target="_blank" >RIV/61388963:_____/25:00639422 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61388971:_____/25:00639422 RIV/00216208:11310/25:10505937

Výsledek na webu

<a href="https://doi.org/10.1038/s41592-025-02813-0" target="_blank" >https://doi.org/10.1038/s41592-025-02813-0</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1038/s41592-025-02813-0" target="_blank" >10.1038/s41592-025-02813-0</a>

Jazyk výsledku

angličtina

Název v původním jazyce

MSnLib: efficient generation of open multi-stage fragmentation mass spectral libraries

Popis výsledku v původním jazyce

Untargeted high-resolution mass spectrometry is a key tool in clinical metabolomics, natural product discovery and exposomics, with compound identification remaining the major bottleneck. Currently, the standard workflow applies spectral library matching against tandem mass spectrometry (MS2) fragmentation data. Multi-stage fragmentation (MSn) yields more profound insights into substructures, enabling validation of fragmentation pathways, however, the community lacks open MSn reference data of diverse natural products and other chemicals. Here we describe MS(n)Lib, a machine learning-ready open resource of >2 million spectra in MSn trees of 30,008 unique small molecules, built with a high-throughput data acquisition and processing pipeline in the open-source software mzmine.

Název v anglickém jazyce

MSnLib: efficient generation of open multi-stage fragmentation mass spectral libraries

Popis výsledku anglicky

Untargeted high-resolution mass spectrometry is a key tool in clinical metabolomics, natural product discovery and exposomics, with compound identification remaining the major bottleneck. Currently, the standard workflow applies spectral library matching against tandem mass spectrometry (MS2) fragmentation data. Multi-stage fragmentation (MSn) yields more profound insights into substructures, enabling validation of fragmentation pathways, however, the community lacks open MSn reference data of diverse natural products and other chemicals. Here we describe MS(n)Lib, a machine learning-ready open resource of >2 million spectra in MSn trees of 30,008 unique small molecules, built with a high-throughput data acquisition and processing pipeline in the open-source software mzmine.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10609 - Biochemical research methods

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Nature Methods

ISSN

1548-7091

e-ISSN

1548-7105

Svazek periodika

22

Číslo periodika v rámci svazku

10

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

4

Strana od-do

2028-2031

Kód UT WoS článku

001572829600001

EID výsledku v databázi Scopus

2-s2.0-105016145780