Рекомендации по применению и сравнительной оценке вычислительных методов аннотирования метаболитов

Введение: Нетаргетная метаболомика на основе масс-спектрометрии позволяет получать полные профили сложных биологических образцов. Однако в среднем удаётся аннотировать лишь 10% молекул. Низкая доля аннотированных соединений затрудняет биохимическую интерпретацию результатов и эффективное сопоставление исследований метаболомики. Кроме того, структурная идентификация de novo по данным масс-спектрометрии остаётся сложной и трудоёмкой. В последнее время быстро развивается вычислительная метаболомика: новые методы позволяют аннотировать метаболиты надёжно и в больших масштабах. Показано, что молекулярные сети и вычислительные методы аннотирования на основе машинного обучения существенно помогают охарактеризовать метаболиты в различных областях, включая клиническую метаболомику и поиск природных соединений.

Цель обзора: Мы освещаем последние достижения в рабочих процессах вычислительного аннотирования метаболитов, уделяя особое внимание оценке методов и их сравнению. Несмотря на значительный прогресс и многообещающие результаты, несогласованность подходов к сравнительной оценке затрудняет выбор наиболее подходящего и перспективного метода для конкретного исследования. Мы обобщаем стратегии оценки, используемые для разных методов, и предлагаем рекомендации по сравнительной оценке и сопоставлению новых инструментов.

Основные научные положения обзора: В обзоре рассмотрены последние достижения в рабочих процессах аннотирования метаболитов на основе библиотек масс-спектров и методов машинного обучения. Мы обсуждаем масштабное сопоставление с библиотеками и поиск аналогов, активное развитие показателей сходства масс-спектров и влияние молекулярных сетей на эту область. Также освещены возможности и сложности рабочих процессов аннотирования метаболитов с применением машинного обучения. В целом последние разработки в области вычислительной метаболомики уже начали коренным образом менять рабочие процессы метаболомических исследований. Мы рассчитываем, что совместными усилиями научное сообщество сможет устранить неопределённость в оценке эффективности методов и преодолеть узкие места аннотирования.