[논문 리뷰] Comprehensive Lipidomic Automation Workflow using Large Language Models

Connor Beveridge, Sanjay Iyer외 6명|PubMed|2024. 03. 22.

Metabolomics and Mass Spectrometry Studies인용 수 7

한 줄 요약

CLAW를 설명합니다. CLAW는 MRM 기반 파싱, 통계 분석, 그리고 대형 언어 모델을 활용한 AI 기반 사용자 인터페이스를 갖춘 자동화된 지질체학 워크플로우입니다.

ABSTRACT

Lipidomics generates large data that makes manual annotation and interpretation challenging. Lipid chemical and structural diversity with structural isomers further complicates annotation. Although, several commercial and open-source software for targeted lipid identification exists, it lacks automated method generation workflows and integration with statistical and bioinformatics tools. We have developed the Comprehensive Lipidomic Automated Workflow (CLAW) platform with integrated workflow for parsing, detailed statistical analysis and lipid annotations based on custom multiple reaction monitoring (MRM) precursor and product ion pair transitions. CLAW contains several modules including identification of carbon-carbon double bond position(s) in unsaturated lipids when combined with ozone electrospray ionization (OzESI)-MRM methodology. To demonstrate the utility of the automated workflow in CLAW, large-scale lipidomics data was collected with traditional and OzESI-MRM profiling on biological and non-biological samples. Specifically, a total of 1497 transitions organized into 10 MRM-based mass spectrometry methods were used to profile lipid droplets isolated from different brain regions of 18-24 month-old Alzheimer's disease mice and age-matched wild-type controls. Additionally, triacyclglycerols (TGs) profiles with carbon-carbon double bond specificity were generated from canola oil samples using OzESI-MRM profiling. We also developed an integrated language user interface with large language models using artificially intelligent (AI) agents that permits users to interact with the CLAW platform using a chatbot terminal to perform statistical and bioinformatic analyses. We envision CLAW pipeline to be used in high-throughput lipid structural identification tasks aiding users to generate automated lipidomics workflows ranging from data acquisition to AI agent-based bioinformatic analysis.

연구 동기 및 목표

• 지질체학 데이터에서 파싱, 통계 및 지질 주석 자동화를 위한 워크플로우를 개발한다.
• 다중 반응 모니터링 전이들을 하나의 응집된 CLAW 플랫폼으로 통합한다.
• OzESI-MRM을 통해 불포화 지질의 이중 결합 위치를 식별할 수 있게 한다.
• 통계적 및 생물정보학 분석을 위해 CLAW와 상호 작용하는 AI 기반 사용자 인터페이스를 제공한다.
• 생물학적 및 비생물학적 샘플로부터의 대규모 지질체학 데이터세트에 워크플로우를 시연한다.

제안 방법

• MRM 전이로부터 지질 종의 파싱 및 주석화를 위한 모듈이 포함된 CLAW 플랫폼을 만든다.
• 불포화 지질에서 C=C 위치를 식별하기 위해 OzESI-MRM 방법론을 도입한다.
• Alzheimer’s model vs controls인 마우스 뇌의 지질방울을 프로파일링하기 위해 1497 전이를 10개의 MRM 방법으로 구성해 사용한다.
• CLAW 워크플로우 내에서 통합된 통계 및 생물정보학 분석을 적용한다.
• 사용자가 챗봇 상호작용을 통해 분석을 주도할 수 있도록 AI 에이전트 기반 언어 UI를 개발한다.

실험 결과

연구 질문

• RQ1 CLAW가 대규모 MRM 기반 데이터세트에서 지질을 자동으로 파싱하고 주석화할 수 있는가?
• RQ2 CLAW 내에서 OzESI-MRM가 불포화 지질의 이중 결합 위치 식별에 얼마나 효과적으로 기여하는가?
• RQ3 생물학적 및 비생물학적 샘플에 대한 고처리량 지질체학에서 CLAW의 확장성은 어느 정도인가?
• RQ4 AI 에이전트 기반 인터페이스가 지질체학 워크플로우 내의 통계 및 생물정보학 분석을 더 간소화하게 할 수 있는가?

주요 결과

• CLAW는 노년의 Alzheimer’s 모델 마우스에서 뇌 지질체학에 대해 10 MRM 방법에 걸친 1497 전이를 처리합니다.
• OzESI-MRM는 불포화 지질에서 C=C 위치를 식별하여 구조적 특이성을 제공합니다.
• 카놀라유 TG 프로파일링은 CLAW 워크플로우에서 C–C 이중 결합 특이성이 달성될 수 있음을 보여줍니다.
• AI-에이전트 기반의 언어 UI가 CLAW와의 통계 및 생물정보학 분석 상호작용을 가능하게 합니다.
• 이 워크플로우는 데이터 수집에서 분석까지 고처리량 지질 구조 식별을 지원합니다.