CFM-ID

CFM-ID (Competitive Fragmentation Modeling for Metabolite Identification) ist ein Toolkit zur Vorhersage von Massenspektren, Identifizierung von Metaboliten sowie zur Generierung von Fragmenten und Annotation von Peaks in der Tandem-Massenspektrometrie. Die Arbeitsgruppe der University of Alberta bietet die Algorithmen über einen Webservice an. Mit Version 3.0 wurde die Vorhersage verbessert und ein regelbasiertes Modul hinzugefügt, dass Spektren von Lipiden besser vorhersagen kann sowie der Quelltext teilweise veröffentlicht. In Version 4 wurde erneut die Vorhersagequalität verbessert in dem unter anderem Ringöffnungen anders modelliert werden. Die handgeschriebenen Regeln umfassen nun Acylcarnitine, Acylcholine, Flavonole, Flavone, Flavanone und Flavonoidglykoside. In der zugrundeliegende Datenbank wurde sowohl die Anzahl berechneter als auch experimentell ermittelter Spektren erhöht.

Einzelnachweise

  1. ↑ Felicity Allen, Allison Pon, Michael Wilson, Russ Greiner, David Wishart: CFM-ID: a web server for annotation, spectrum prediction and metabolite identification from tandem mass spectra. In: Nucleic Acids Research. Band 42, W1, 1. Juli 2014, S. W94–W99, doi:10.1093/nar/gku436, PMID 24895432, PMC 4086103 (freier Volltext).
  2. ↑ Yannick Djoumbou-Feunang, Allison Pon, Naama Karu, Jiamin Zheng, Carin Li, David Arndt, Maheswor Gautam, Felicity Allen, David S. Wishart: CFM-ID 3.0: Significantly Improved ESI-MS/MS Prediction and Compound Identification. In: Metabolites. Band 9, Nr. 4, 13. April 2019, S. 72, doi:10.3390/metabo9040072.
  3. ↑ Fei Wang, Jaanus Liigand, Siyang Tian, David Arndt, Russell Greiner, David S. Wishart: CFM-ID 4.0: More Accurate ESI-MS/MS Spectral Prediction and Compound Identification. In: Analytical Chemistry. Band 93, Nr. 34, 31. August 2021, S. 11692–11700, doi:10.1021/acs.analchem.1c01465, PMID 34403256, PMC 9064193 (freier Volltext).
  4. ↑ Fei Wang, Dana Allen, Siyang Tian, Eponine Oler, Vasuk Gautam, Russell Greiner, Thomas O Metz, David S Wishart: CFM-ID 4.0 – a web server for accurate MS-based metabolite identification. In: Nucleic Acids Research. Band 50, W1, 5. Juli 2022, S. W165–W174, doi:10.1093/nar/gkac383.