Published February 23, 2024
| Version v1
Publication
Open
Accurate Prediction of Ion Mobility Collision Cross-Section Using Ion's Polarizability and Molecular Mass with Limited Data
Creators
- 1. Mahidol University
- 2. Siriraj Hospital
- 3. National Center for Genetic Engineering and Biotechnology
- 4. Ramathibodi Hospital
- 5. National Nanotechnology Center
Description
The rotationally averaged collision cross-section (CCS) determined by ion mobility-mass spectrometry (IM-MS) facilitates the identification of various biomolecules. Although machine learning (ML) models have recently emerged as a highly accurate approach for predicting CCS values, they rely on large data sets from various instruments, calibrants, and setups, which can introduce additional errors. In this study, we identified and validated that ion's polarizability and mass-to-charge ratio (m/z) have the most significant predictive power for traveling-wave IM CCS values in relation to other physicochemical properties of ions. Constructed solely based on these two physicochemical properties, our CCS prediction approach demonstrated high accuracy (mean relative error of <3.0%) even when trained with limited data (15 CCS values). Given its ability to excel with limited data, our approach harbors immense potential for constructing a precisely predicted CCS database tailored to each distinct experimental setup. A Python script for CCS prediction using our approach is freely available at https://github.com/MSBSiriraj/SVR_CCSPrediction under the GNU General Public License (GPL) version 3.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
يسهل المقطع العرضي للاصطدام المتوسط الدوراني (CCS) الذي يحدده قياس الطيف الكتلي للتنقل الأيوني (IM - MS) تحديد الجزيئات الحيوية المختلفة. على الرغم من أن نماذج التعلم الآلي (ML) قد ظهرت مؤخرًا كنهج دقيق للغاية للتنبؤ بقيم احتجاز ثاني أكسيد الكربون وتخزينه، إلا أنها تعتمد على مجموعات كبيرة من البيانات من مختلف الأدوات والمعايرة والإعدادات، والتي يمكن أن تؤدي إلى أخطاء إضافية. في هذه الدراسة، حددنا وتحققنا من أن استقطاب الأيونات ونسبة الكتلة إلى الشحنة (m/z) لهما القوة التنبؤية الأكثر أهمية لقيم CCS IM للموجة المتنقلة فيما يتعلق بالخصائص الفيزيائية والكيميائية الأخرى للأيونات. بناءً على هاتين الخاصيتين الفيزيائيتين الكيميائيتين فقط، أظهر نهج التنبؤ باحتجاز ثاني أكسيد الكربون وتخزينه دقة عالية (متوسط الخطأ النسبي أقل من 3.0 ٪) حتى عند التدريب باستخدام بيانات محدودة (15 قيمة لاحتجاز ثاني أكسيد الكربون وتخزينه). نظرًا لقدرتها على التفوق ببيانات محدودة، فإن نهجنا ينطوي على إمكانات هائلة لبناء قاعدة بيانات CCS متوقعة بدقة مصممة خصيصًا لكل إعداد تجريبي متميز. يتوفر نص بايثون لتنبؤ CCS باستخدام نهجنا مجانًا على https://github.com/MSBSiriraj/SVR_CCSPrediction بموجب رخصة جنو العمومية العامة (GPL) الإصدار 3.Translated Description (French)
La section efficace de collision (CCS) moyennée en rotation déterminée par spectrométrie de masse et de mobilité ionique (IM-MS) facilite l'identification de diverses biomolécules. Bien que les modèles d'apprentissage automatique (ML) soient récemment apparus comme une approche très précise pour prédire les valeurs CCS, ils s'appuient sur de grands ensembles de données provenant de divers instruments, étalons et configurations, ce qui peut introduire des erreurs supplémentaires. Dans cette étude, nous avons identifié et validé que la polarisabilité et le rapport masse sur charge (m/z) des ions ont le pouvoir prédictif le plus important pour les valeurs de CCS IM à ondes progressives par rapport aux autres propriétés physico-chimiques des ions. Construite uniquement sur la base de ces deux propriétés physico-chimiques, notre approche de prédiction CCS a démontré une grande précision (erreur relative moyenne <3,0 %) même lorsqu'elle était entraînée avec des données limitées (15 valeurs CCS). Compte tenu de sa capacité à exceller avec des données limitées, notre approche recèle un immense potentiel pour la construction d'une base de données CCS prédite avec précision et adaptée à chaque configuration expérimentale distincte. Un script Python pour la prédiction CCS utilisant notre approche est disponible gratuitement sur https://github.com/MSBSiriraj/SVR_CCSPrediction sous la licence publique générale GNU (GPL) version 3.Translated Description (Spanish)
La sección transversal de colisión (CCS) promediada rotacionalmente determinada por espectrometría de masas de movilidad iónica (IM-MS) facilita la identificación de varias biomoléculas. Aunque los modelos de aprendizaje automático (ML) han surgido recientemente como un enfoque altamente preciso para predecir los valores de CCS, se basan en grandes conjuntos de datos de varios instrumentos, calibradores y configuraciones, lo que puede introducir errores adicionales. En este estudio, identificamos y validamos que la polarizabilidad y la relación masa-carga (m/z) de los iones tienen el poder predictivo más significativo para los valores de CCS IM de onda viajera en relación con otras propiedades fisicoquímicas de los iones. Construido únicamente en base a estas dos propiedades fisicoquímicas, nuestro enfoque de predicción de CCS demostró una alta precisión (error relativo medio de <3.0%) incluso cuando se entrenó con datos limitados (15 valores de CCS). Dada su capacidad para sobresalir con datos limitados, nuestro enfoque alberga un inmenso potencial para construir una base de datos de CCS predicha con precisión y adaptada a cada configuración experimental distinta. Un script de Python para la predicción CCS utilizando nuestro enfoque está disponible gratuitamente en https://github.com/MSBSiriraj/SVR_CCSPrediction bajo la Licencia Pública General de GNU (GPL) versión 3.Files
acs.jcim.3c01491.pdf
Files
(15.8 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:ef7e73da6adae05ec9f99043d4daeb2d
|
15.8 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- التنبؤ الدقيق بالمقطع العرضي للاصطدام بالحركة الأيونية باستخدام قابلية الاستقطاب والكتلة الجزيئية للأيون مع بيانات محدودة
- Translated title (French)
- Prévision précise de la section transversale de collision de mobilité ionique à l'aide de la polarisabilité et de la masse moléculaire des ions avec des données limitées
- Translated title (Spanish)
- Predicción precisa de la sección transversal de colisión de movilidad iónica utilizando la polarizabilidad y la masa molecular de Ion con datos limitados
Identifiers
- Other
- https://openalex.org/W4392095903
- DOI
- 10.1021/acs.jcim.3c01491
References
- https://openalex.org/W1910327630
- https://openalex.org/W1965038686
- https://openalex.org/W1991437941
- https://openalex.org/W1991598177
- https://openalex.org/W2002275027
- https://openalex.org/W2011309077
- https://openalex.org/W2028046413
- https://openalex.org/W2031534770
- https://openalex.org/W2076459491
- https://openalex.org/W2084256518
- https://openalex.org/W2091319486
- https://openalex.org/W2092344030
- https://openalex.org/W2128607364
- https://openalex.org/W2137631575
- https://openalex.org/W2230658567
- https://openalex.org/W2405527140
- https://openalex.org/W2433393132
- https://openalex.org/W2596100941
- https://openalex.org/W2610507782
- https://openalex.org/W2740977550
- https://openalex.org/W2762615159
- https://openalex.org/W2790354264
- https://openalex.org/W2792854094
- https://openalex.org/W2887436198
- https://openalex.org/W2891411483
- https://openalex.org/W2902734986
- https://openalex.org/W2911354688
- https://openalex.org/W2925495008
- https://openalex.org/W3005764815
- https://openalex.org/W3008673945
- https://openalex.org/W3021988445
- https://openalex.org/W3082061703
- https://openalex.org/W3086175898
- https://openalex.org/W3215872802
- https://openalex.org/W4206447491
- https://openalex.org/W4256254776
- https://openalex.org/W4295134132
- https://openalex.org/W4297154540
- https://openalex.org/W4301806080
- https://openalex.org/W4362636989
- https://openalex.org/W4389850345
- https://openalex.org/W658459357