Data d'alta al repositori: 2023-02-10
Resum: Disease diagnosis and personalized medicine based on metabolomics using changes in metabolite concentrations, are attracting the attention of more and more researchers. Nevertheless, compound identification remains a problem in most metabolomics studies based on mass spectrometry (MS), as the percentage of known MS molecular spectra is very low. We have proposed different methodologies to obtain the best prediction of the tandem mass spectra of molecules, comparing different types of neural networks. Also, we have obtained a very good prediction ability, achieving better results than the best in silico tool for the prediction of MS/MS spectra up to date. El diagnòstic de malalties i la medicina personalitzada basada en la metabolòmica mitjançant canvis en les concentracions de metabòlits, estan atraient l'atenció de cada vegada més investigadors. No obstant això, la identificació de compostos segueix sent un problema en la majoria d'estudis de metabolòmics basats en l'espectrometria de masses (MS), ja que el percentatge d'espectres moleculars d'MS coneguts és molt baix. Hem proposat diferents metodologies per obtenir la millor predicció de l'espectre de massa tàndem de les molècules, comparant diferents tipus de xarxes neuronals. A més, hem obtingut una molt bona capacitat de predicció, aconseguint millors resultats que la millor eina de silico per a la predicció d'espectres MS/MS actualitzats.
Matèria: Metabolòmica
Idioma: en
Codirector del treball: Guimerà Manrique, Roger
Àrees temàtiques: Enginyeria química Chemical engineering Ingeniería química
Departament: Enginyeria Química
Estudiant: Pérez Ribera, María Isabel
Curs acadèmic: 2021-2022
Títol en diferents idiomes: Predicció computacional d'espectres de masses moleculars en tàndem per mitjà d'algoritmes d'aprenentatge profund Computational prediction of molecular tandem mass spectra using deep learning algorithms Predicción computacional de espectros de masas moleculares en tándem mediante algoritmos de aprendizaje profundo
Data de la defensa del treball: 2022-06-30
Drets d'accés: info:eu-repo/semantics/openAccess
Paraules clau: xarxes neuronals, metabolòmica, espectrometria de masses neural networks, metabolomics, mass spectrometry redes neuronales, metabolómica, espectrometría de masas
Confidencialitat: No
Títol en la llengua original: Computational prediction of molecular tandem mass spectra using deep learning algorithms
Director del projecte: Sales Pardo, Marta
Ensenyament(s): Enginyeria Biomèdica
Entitat: Universitat Rovira i Virgili (URV)
Repositori URV