[論文レビュー] Automating LC-MS/MS mass chromatogram quantification. Wavelet transform based peak detection and automated estimation of peak boundaries and signal-to-noise ratio using signal processing methods

Florian Rupprecht, Sören Enge+4 more|arXiv (Cornell University)|Jan 1, 2021

Metabolomics and Mass Spectrometry Studies参考文献 22被引用数 13

ひとこと要約

本論文では、LC-MS/MSクロマトグラムにおける自動ピーク検出、境界推定、およびSNR（信号対雑音比）の計算のためのウェーブレット変換に基づくアルゴリズムを提示する。連続ウェーブレット変換とデジタル信号処理を適用することで、熟練した人間による手動定量と高い相関を示し、非検出結果を低減し、髄髄（hair）試料中の6種類のステロイドホルモンの信頼性が高く、客観的かつ再現可能な定量を可能にする。

ABSTRACT

While there are many different methods for peak detection, no automatic methods for marking peak boundaries to calculate area under the curve (AUC) and signal-to-noise ratio (SNR) estimation exist. An algorithm for the automation of liquid chromatography tandem mass spectrometry (LC-MS/MS) mass chromatogram quantification was developed and validated. Continuous wavelet transformation and other digital signal processing methods were used in a multi-step procedure to calculate concentrations of six different analytes. To evaluate the performance of the algorithm, the results of the manual quantification of 446 hair samples with 6 different steroid hormones by two experts were compared to the algorithm results. The proposed approach of automating mass chromatogram quantification is reliable and valid. The algorithm returns less nondetectables than human raters. Based on signal to noise ratio, human non-detectables could be correctly classified with a diagnostic performance of AUC = 0.95. The algorithm presented here allows fast, automated, reliable, and valid computational peak detection and quantification in LC- MS/MS.

研究の動機と目的

• ピーク境界のマークイングおよびSNR推定における手動介入を排除するオープンソースで自動化されたLC-MS/MSピーク定量手法の開発を目的とする。
• 時間のかかる手動ピーク統合をアルゴリズム処理に置き換えることで、LC-MS/MSデータ解析における生産性と客観性を向上させることを目的とする。
• 6種類のステロイドホルモンの髄髄試料分析において、熟練した人間のレーティングと比較してアルゴリズムの性能を検証することを目的とする。
• アルゴリズムの信頼性、一貫性、妥当性が、手動熟練者による定量と比較して、分析物濃度の測定においてどのように評価されるかを目的とする。
• 非検出結果の分類において、SNRおよびピーク面積（AUC）の診断的性能を評価することを目的とする。

提案手法

• アルゴリズムは、時間的強度データの分析を通じて、連続ウェーブレット変換（CWT）を用いてLC-MS/MSクロマトグラム内のピーク特徴を検出する。
• ガウス平滑化、ハイパスフィルタリング、2階微分近似、およびCWTを含む複数段階の信号処理パイプラインにより、クロマトグラフィック信号をバックグラウンド、ピーク、ノイズ成分に分解する。
• ピーク境界は、熟練者レーティングの行動を模倣する部分凸包法を用いて推定され、AUC計算の精度が向上する。
• 信号対雑音比（SNR）はピーク高さとバックグラウンドノイズに基づき計算され、低強度または非検出信号の自動検出が可能になる。
• 保持時間のずれやドリフトに対応するため、バックグラウンドを線形トレンドとしてモデル化し、リファレンス標準物質を用いてキャリブレーションを実施する。
• 潜在変数モデリング（状態・特性理論）を用いて、分散を信頼性、特異性、一貫性の成分に分解し、手法比較に用いる。

Figure 1 : Generic model for chromatographic peaks. The actual LC–MS/MS sensor data ( $y(t)$ ) is combined background and drift ( $B(t)$ ), peak distribution ( $P(t)$ ) and noise ( $N(t)$ ). Note that this Figure does not include peak skew or nearby peaks. Peak range is the time interval between the

実験結果

リサーチクエスチョン

• RQ1 自動化されたアルゴリズムは、熟練した人間による手動定量と強く相関する分析物濃度を生成するか？
• RQ2 人間レーティングと比較して、非検出結果の数を減らすことができるか、かつ正確性を維持できるか？
• RQ3 信号対雑音比（SNR）およびピークAUCは、非検出結果の分類に高い診断的性能で効果的か？
• RQ4 複数の分析物にわたり、アルゴリズムの信頼性および一貫性は、熟練した人間レーティングと比較してどの程度か？
• RQ5 潜在変数モデリングによって検証されたように、アルゴリズムは人間レーティングと同一の生物学的構造（ホルモン濃度）を測定していると認められるか？

主な発見

• アルゴリズムは熟練した人間による手動定量と強く相関し、分析物ごとに信頼性値が0.776～0.986の範囲で示された。
• アルゴリズムは人間レーティングよりも顕著に非検出結果の数を減らし、低濃度信号検出における感度の向上を示した。
• 信号対雑音比（SNR）およびピークAUCは非検出結果の分類に非常に効果的であり、診断的性能でAUCが0.95に達した。
• 潜在変数モデリングにより、アルゴリズムが人間レーティングと同一の構造（ホルモン濃度）を測定していることが確認され、高い一貫性と信頼性を示した。
• コルチゾール、コルチゾン、DHEAについては良好な適合度（RMSEA ≤ 0.059、SRMR ≤ 0.019）を示したが、テストステロンおよびプロゲステロンについては、メソッド固有およびレプリカ関連の残差共分散のため適合度が悪かった。
• アルゴリズムの一貫性（0.801～0.869）および信頼性（0.959～0.986）は、人間レーティングと同等またはそれ以上であり、特にコルチゾールおよびDHEAにおいて顕著であった。

Figure 2 : Chromatogram time series transformations. The LC–MS/MS chromatographic time series $Y(t)$ is smoothed using a gaussian kernel. High-pass filtered data is obtained by differentiating smoothed and original time series. The second derivative of the smoothed data is approximated and the conti