Search

Motivation Chromatographic peak picking is among the first steps in data processing workflows of raw LC-HRMS datasets in untargeted metabolomics applications. Its performance is crucial for the holistic detection of all metabolic features as well as their relative quantification for statistical analysis and metabolite identification. Random noise, non-baseline separated compounds and unspecific background signals complicate this task. Results A machine-learning-based approach entitled PeakBot was developed for detecting chromatographic peaks in LC-HRMS profile-mode data. It first detects all local signal maxima in a chromatogram, which are then extracted as super-sampled standardized areas (retention-time versus m/z). These are subsequently inspected by a custom-trained convolutional neural network that forms the basis of PeakBot’s architecture. The model reports if the respective local maximum is the apex of a chromatographic peak or not as well as its peak center and bounding box. In training and independent validation datasets used for development, PeakBot achieved a high performance with respect to discriminating between chromatographic peaks and background signals (accuracy of 0.99). For training the machine-learning model a minimum of 100 reference features are needed to learn their characteristics to achieve high-quality peak-picking results for detecting such chromatographic peaks in an untargeted fashion. PeakBot is implemented in python (3.8) and uses the TensorFlow (2.5.0) package for machine-learning related tasks. It has been tested on Linux and Windows OSs. Availability and implementation The package is available free of charge for non-commercial use (CC BY-NC-SA). It is available at https://github.com/christophuv/PeakBot. Supplementary information Supplementary data are available at Bioinformatics online.

zum Print Beitrag geht es hier https://ubdata.univie.ac.at/AC16285706

Ein elektrischer Sturm (rezidivierende VT-, oder VF - Episoden innerhalb eines kurzen Zeitraums) tritt in 50% - 70% bei Empfängern von implantierbaren Kardiovertern – Defibrillatoren auf. Die Ursachen dieses elektrophysiologischen Phänomens sind bisher nicht bekannt. In dieser Arbeit untersuchten wir das Auftreten, den Verlauf, therapeutische Möglichkeiten und die Prognose des elektrischen Sturmes. 415 konsekutive Patienten, die aufgrund eines überlebten plötzlichen Herztodes, der MADIT oder der MADIT II Kriterien einen ICD erhalten haben, wurden durchschnittlich für 893 ± 176 Tage begleitet. Der elektrische Sturm wurde als ventrikuläre Tachykardie oder ventrikuläres Flimmern definiert, bei der / dem die Notwendigkeit eines therapeutischen Einschreitens von mindestens drei Mal innerhalb von 24 Stunden gegeben war. 35 aller ICD Patienten (8.4%) entwickelten einen elektrischen Sturm. Gehäuft trat dieser bei Patienten mit Koronarer Herzkrankheit auf (12%). 195 Patienten (47%) erhielten einen oder mehrere adäquate Entladungen (Schockabgabe ± ATP). Bei den Patienten, bei denen eine Therapie notwendig wurde, lag der durchschnittliche Zeitpunkt dafür 238 ± 57 Tage nach der Implantation des ICD. Die 415 Patienten hatten eine durchschnittliche linksventrikuläre Ejektionsfraktion von 38 ± 15% (zwischen 12% minimale Ejektionsfraktion und 74% maximale Ejektionsfraktion). 18 der Patienten mit Koronarer Herzkrankheit (78%), die einen elektrischen Sturm erlitten haben, hatten eine linksventrikuläre Ejektionsfraktion, die kleiner als 30% war. Bei Patienten mit Koronarer Herzkrankheit und bei Patienten mit Herzinsuffizienz, die jeweils eine linksventrikulären Ejektionsfraktion kleiner 30% besaßen und einen Schrittmacher im VVI Modus implantiert hatten, trat ein elektrischen Sturm in 16 % der Fälle (17 von 107 Patienten) auf. Im Vergleich dazu entwickelten Herzinsuffizienz - Patienten, die einen biventrikulären Schrittmacher inklusive eines ICD implantiert hatten, einen elektrischer Sturm in nur 2% (p < 0.05). Der elektrische Sturm ist ein häufiges Ereignis bei Patienten, denen ein ICD implantiert wurde. Patienten mit Koronarer Herzkrankheit und einer linksventrikulären Ejektionsfraktion kleiner 30% sind am häufigsten davon betroffen (16%). Beta – Blocker, Amiodaron und die Behandlung einer kongestiven Herzkrankheit falls erforderlich, erscheinen als die erfolgsversprechensten Maßnahmen in der Therapie des elektrischen Sturmes. Patienten mit einer Herzinsuffizienz (EF < 30%) und einem kombinierten biventrikulären Herzschrittmacher / ICD - Gerät hatten signifikant weniger Episoden mit einem elektrischen Sturm (2%), als Patienten mit Herzinsuffizienz (EF < 30%) und einem konventionellen ICD – Gerät (16%)., Electrical storm, i.e. multiple episodes of ventricular tachycardia of fibrillation in a short period of time is reported to occur in 50 to 70% of recipients of implantable cardioverter/defibrillators (ICD´s). The reason for such conditions remain elusive. Here we investigated incidence, therapeutic options and prognosis of electrical storm. 415 consecutive patients who received and ICD because of survived sudden cardiac death or according to MADIT or MADIT II criteria were followed up for a mean of 893±176 days. Electrical storm was defined as ventricular tachycardia or fibrillation with the necessitiy of device interrogation ?3 times during 24h. 35 of all ICD patients (8.4%) developed electrical storm. Incidence was highest in patients with coronary artery disease (12%). 195 patients (47%) received one or more appropriate ICD therapie (ATP or shock delivery). In the patients with the necessity for therapy average time for onset of therapy was 238±57 days after implantation. In the 415 patients, mean left ventricular ejection fraction was 38±15% (range 12% to 74%). 18 of CAD patients (78%) with electrical storm had an EF