CFM-ID

CFM-ID (Competitive Fragmentation Modeling for Metabolite Identification) ist ein Toolkit zur Vorhersage von Massenspektren, Identifizerung 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.[1] 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.[2] 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.[3] In der zugrundeliegende Datenbank wurde sowohl die Anzahl berechneter als auch experimentell ermittelter Spektren erhöht.[4]

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.