KNIME管道气相分析的代谢组学的数据

说明发生代谢变化的病理条件可以帮助识别新的生物标志物,对治疗的反应和更好的预测对发病机制的理解[1]。气相色谱法结合质谱(gc - ms)是一个领先的分析技术利用deconvolute biofluids和组织代谢的状况。然而,大量的实验源于高通量研究以及复杂的步骤- ms测量数据预处理和分析的结果代表了一个瓶颈。事实上,一些程序需要使用完成的任务(即保留时间校正、峰值提取、代谢物反褶积,空格移除,正常化和最后但并非最不重要的统计分析),要求计算能力和资源并不总是出现在一个实验组。KNIME分析平台在这种情况下,[2]是用来开发管道加入气预处理R图书馆XCMS[3][4],内部Python脚本和KNIME功能由用户执行上述步骤甚至不熟悉编程。这里,管道被利用来获取一个矩阵的所有的色谱信号中发现源于患者的样本受炎性肠道疾病的影响。