eMetaboHUB

Workflow4Metabolomics  est un portail collaboratif dédié au traitement, à l’analyse et à l’annotation des données métabolomiques.

L’Institut Français de Bioinformatique (IFB) et l’infrastructure MetaboHUB ont développé des pipelines complets de LC / MS, GC / MS et de RMN en utilisant le cadre de Galaxy pour l'analyse des données, y compris le prétraitement, la normalisation, le contrôle de la qualité, l'analyse statistique (univariée, multivariée PLS / OPLS) et les étapes d'annotation.

La base de données MetaboHUB PeakForest fournit des services de stockage et d'annotation pour les profils métaboliques des matrices biologiques et de référence. Grâce à son portail Web, PeakForest est consacré à l'annotation à haut débit et à l'identification de novo des métabolites. Elle repose sur la vaste gamme de méthodes complémentaires en utilisant l’UPLC- (API) HRMS, le GC-QToF et la RMN. Cette base de données est disponible dans les plateformes de MetaboHUB pour effectuer des analyses métabolomique non ciblées sur les biofluides (par exemple, le plasma humain et l'urine), des échantillons de tissus (par exemple, le fruit de la tomate) et des extraits cellulaires (par exemple, E. coli et S. cerevisiae).

Le logiciel libre NMRProcFlow fournit un ensemble complet d'outils pour le traitement et la visualisation des données 1D RMN, le tout au sein d'une interface interactive basée sur une visualisation des spectres.

BioStatFlow facilite l'accès à des outils statistiques pour les biologistes qui ne sont pas des spécialistes. Il a été conçu pour exécuter des analyses statistiques séquentiellement, à savoir une chaîne linéaire de l'analyse statistique, que l'on appelle Workflow pour les données «omiques».

Met4J est une bibliothèque Java open source dédiée à l'analyse structurelle des réseaux métaboliques. Elle s'accompagne également d'une boîte à outils en ligne de commande permettant de réaliser diverses analyses utiles à la recherche dans le domaine du métabolisme. Cette boîte à outils est aussi accessible à travers une interface graphique sur galaxy (https://met4j.usegalaxy.fr/).

 

MetExplore 

MetExplore est un serveur web en libre accès qui fournit des outils interactifs pour l’analyse et la visualisation des réseaux métaboliques. La plateforme propose :

• Une collection de réseaux métaboliques à l’échelle du génome, ainsi que la possibilité d’importer des réseaux métaboliques personnalisés à partir de fichiers SBML.
• Un outil d’identification des métabolites qui associe les métabolites identifiés expérimentalement aux réseaux métaboliques à l’aide des identifiants ChEBI.
• Une analyse de surreprésentation des voies métaboliques permettant d’identifier les voies métaboliques significativement enrichies à partir des ensembles de données de métabolites associés.
• L'extraction de sous-réseaux spécifiques à un contexte, permettant aux utilisateurs de générer des sous-réseaux biologiquement significatifs à partir de leurs données expérimentales.
• La visualisation et l'édition interactives des réseaux, permettant aux utilisateurs d'explorer, de personnaliser et de partager des représentations graphiques des réseaux métaboliques.
• Une API programmatique donnant accès aux structures de données et aux méthodes analytiques de MetExplore depuis des environnements de programmation externes, facilitant ainsi l’intégration dans des workflows bioinformatiques.

En combinant l’intégration des données, l’analyse statistique et la visualisation interactive au sein d’une seule et même plateforme, MetExplore permet aux chercheurs d’interpréter efficacement les données de métabolomique dans le contexte des réseaux métaboliques à l’échelle du génome.

The MS-CleanR package provides functions for feature filtering and annotation of LC-MS data.

See the publication and tutorials (pdf files included in the master branch) for more information.

Needs MS-DIAL (v4.00 or higher) and MS-FINDER (3.30 or higher): http://prime.psc.riken.jp/compms/index.html

MS-CleanR use as input MS-DIAL peak list processed in data dependent analysis (DDA) or data independent analysis (DIA) using either positive ionization mode (PI) or negative ionization mode (NI) or both. First, MS-CleanR apply generic filters encompassing blank injection signal subtraction, background ions drift removal, unusual mass defect filtering, relative standard deviation threshold (RSD) based on sample class and relative mass defect (RMD) window filtering. All these options are tunable by the user. The second step involves a feature clustering method based on MS-DIAL peak character estimation algorithm followed by parental signal extraction using multi-level optimization of modularity algorithm. Optionally, MS-CleanR can merge PI and NI mode during this step. Then, all selected features are exported to MS-FINDER program for in silico-based annotation using hydrogen rearrangement rules (HRR) scoring system. At this step, multiple databases can be queried and each annotation results will be handled by MS-CleanR. The final step will merge annotation results to the filtered peak list by prioritizing database annotation depending on user choice. Optionally, all results can be exported as .msp file for mass spectral similarity networking purpose.