ion and retention time. For example

ion and retention time. For example, an unknown metabolite with
a mass of 210.060 and a retention time of 3.00 min would be
named U0210060_0300. In GC–MS polar and non-polar analyses,
unknown compounds were annotated using a U-prefix, followed
by the relative retention index (RRi). In GC–MS polar analysis,
one unknown compound had the RRi prefixed with USA (unknown
sugar acid), where the compound class was known.
In Table S1, RRi values quoted in the Golm Metabolome
Database (GMD; http://gmd.mpimp-golm.mpg.de) are for analytes
that have been separated using an instrumental method designated
as VAR5, in which a series of n-alkanes (C10, C12, C15, C18,
C19, C20, C28, C32, C36) were used for calculation of RRi values. The
VAR5 method uses a 5% phenyl–95% dimethylpolysiloxane GC column
(Restek Rtx-5, Restek, Bellefonte, PA), similar to the DB-5MS
column (phenyl arylene, equivalent to 5%-phenyl-methylpolysiloxane)
used in our laboratories. These differences in the column
chemistries, and the use of a different range of alkane RRi markers
(C11, C13, C16, C20, C24, C30, C34, C38) in our analyses results in the
Golm RRi values being mostly slightly lower (range 26 to +7 units)
than those found with the DB-5MS column used in this study.
2.5. Statistical analyses
Two statistical approaches were applied to both LC–MS and
GC–MS data. In the first approach, principal component analysis
(PCA) was used to explore the largest sources of variation among
the samples, over all the metabolites. PCA can be carried out using
either the sample variance–covariance matrix or the sample
correlation matrix: the former focuses on the most abundant
metabolites, whereas the latter standardises each metabolite by
subtracting the mean and dividing by the standard deviation.
Both types of PCA were implemented here to see which was
the most informative. PCAs were performed separately on the
LC–MS, GC–MS polar and non-polar data.
The second approach involved an analysis of variance (ANOVA)
of each individual metabolite, to identify those with significant differences
among any of the eleven lines. The experimental unit was
the biological replicate provided by material from a single pot. In
addition to the factor of line, for LC–MS only the biological samples
were all processed in two separate runs to give technical replicates.
This design structure was accounted for in the ANOVA model, so
that the variation among lines was compared to the variation
among the biological replicates. Metabolites with p < 0.05 are
reported, along with an estimate of the false discovery rate
(FDR). This was obtained by modelling the p-values as a mixture
of a uniform and a gamma distribution (Allison et al., 2002), as
implemented in the GenStat procedure FDRMIXTURE. For the
metabolites where the overall ANOVA was significant, contrasts
were used for each of the GM lines to test whether it was signifi-
cantly different from the WT.
All statistical analyses were performed using GenStat for
Windows, 16th Edition (Payne, Murray, Harding, Baird, & Soutar,
2013).
3. Results and discussion
3.1. PCA: separation of GM and WT potato lines
3.1.1. LC–MS analysis
A total of 91 metabolite peaks were detected in the tuber samples
analysed. In a PCA based on the sample variance–covariance
matrix, the first principal component (PC1) explained 75.5% and
the second (PC2) explained 16.2% of the total variation. The loadings
for PC1 and PC2 are completely dominated by a-chaconine
and a-solanine. Fig. 2 shows that PC1 clearly separated the samples

ผลลัพธ์ (ไทย) 1:

ไอออนและการรักษาเวลา ตัวอย่างเช่น metabolite ไม่รู้จักด้วยมวลของ 210.060 และการเก็บข้อมูลเวลา 3.00 นาทีจะชื่อ U0210060_0300 ใน GC – MS ไม่มีขั้ว และเชิงขั้วการวิเคราะห์สารที่ไม่รู้จักถูกประกอบใช้เป็น U-คำนำหน้า ตามโดยดัชนีการเก็บข้อมูลแบบสัมพัทธ์ (RRi) ในการวิเคราะห์เชิงขั้ว GC – MSสารประกอบที่ไม่รู้จักที่หนึ่งมี RRi prefixed ด้วยสหรัฐอเมริกา (ที่ไม่รู้จักน้ำตาลกรด), ที่รู้จักกันว่าระดับสารในตาราง S1, RRi ค่าเงิน Golm Metabolomeมีฐานข้อมูล (GMD; http://gmd.mpimp-golm.mpg.de) analytesที่ได้รับการแยกออกโดยใช้วิธีการบรรเลงกำหนดเป็น VAR5 ซึ่งเป็นชุด n-alkanes (C10, C12, C15, C18C19, C20, C28, C32, C36) ถูกใช้สำหรับการคำนวณค่า RRi การVAR5 วิธีใช้คอลัมน์ dimethylpolysiloxane GC ฟีนิล – 95% 5%(Restek Rtx-5, Restek, Bellefonte, PA), คล้ายกับ DB-5MSคอลัมน์ (ฟีนิล arylene เทียบเท่ากับ 5%-ฟีนิล-methylpolysiloxane)ใช้ในห้องปฏิบัติการของเรา ความแตกต่างนี้ในคอลัมน์เคมี และใช้ในช่วงที่แตกต่างกันของเครื่องหมาย RRi อัลเคน(C11, C13, C16, C20, C24, C30, C34, C38) ในผลการวิเคราะห์ของเราในการลดค่า Golm RRi อยู่เล็กน้อยส่วนใหญ่ (หน่วยช่วง 26 ไป + 7)กว่าพบกับคอลัมน์ DB 5MS ที่ใช้ในการศึกษานี้2.5. สถิติวิเคราะห์ใช้ LC – MS ทั้งสองวิธีทางสถิติ และข้อมูล GC – MS ในวิธีการแรก การวิเคราะห์ส่วนประกอบหลัก(PCA) ใช้ในการสำรวจแหล่งที่ใหญ่ที่สุดของการเปลี่ยนแปลงระหว่างตัวอย่าง ผ่านสารทั้งหมด PCA สามารถดำเนินการได้โดยใช้เมทริกซ์ความแปรปรวนแปรปรวนตัวอย่างหรือตัวอย่างเมตริกซ์สหสัมพันธ์: อดีตเน้นความอุดมสาร ในขณะที่ standardises metabolite โดยแต่ละหลังหมายถึงลบ และหาร ด้วยส่วนเบี่ยงเบนมาตรฐานPCA ทั้งสองชนิดถูกนำมาใช้ที่นี่เพื่อดูที่ส่วนใหญ่ข้อมูลมาก ปอดำเนินการแยกต่างหากในการLC – MS, GC – MS ข้อมูลขั้ว และไม่มีขั้ววิธีสองเกี่ยวข้องกับการวิเคราะห์ความแปรปรวน (ANOVA)ของแต่ละบุคคล metabolite การระบุผู้ที่ มีความแตกต่างกันในหมู่ใด ๆ ของบรรทัดสิบเอ็ด หน่วยทดลองคือจำลองแบบชีวภาพโดยวัสดุจากหม้อเดียว ในจากตัวของบรรทัด สำหรับ LC – MS เท่านั้นตัวอย่างทางชีวภาพมีทั้งหมดสองแยกต่างหากทำให้เทคนิคการประมวลผลเหมือนกับโครงสร้างการออกแบบนี้ถูกลงบัญชีในแบบ ANOVA ดังนั้นว่า การเปลี่ยนแปลงในบรรทัดถูกเปรียบเทียบกับการเปลี่ยนแปลงระหว่างจำลองทางชีวภาพ สารกับ p < 0.05 ที่มีรายงาน พร้อมกับประมาณการอัตราการค้นหาที่เป็นเท็จ(FDR) นี้ได้รับ โดยแบบจำลองค่า p เป็นส่วนผสมเครื่องแบบและการแจกแจงแกมมา (แอลลิสัน et al. 2002), เป็นดำเนินการในขั้นตอน GenStat FDRMIXTURE สำหรับการสารไหนสำคัญ ANOVA โดยรวมแตกต่างใช้สำหรับแต่ละบรรทัด GM เพื่อทดสอบว่ามันเป็นการพลาดหรือแตกต่างจาก WTวิเคราะห์ทางสถิติทั้งหมดดำเนินการโดยใช้ GenStat สำหรับWindows ฉบับที่ 16 (Payne เมอร์เรย์ บรีฮาร์ดดิ้ง จัดอันดับ & Soutar2013)3. ผล และการอภิปราย3.1. PCA: แยกบรรทัดมันฝรั่งจีเอ็มและ WT3.1.1. LC – MS วิเคราะห์รวม 91 metabolite ยอดตรวจพบในตัวอย่างหัวนำมาวิเคราะห์ ใน PCA ที่อิงความแปรปรวนแปรปรวนตัวอย่างเมทริกซ์ อธิบายส่วนประกอบหลักแรก (PC1) 75.5% และที่สอง (PC2) อธิบาย 16.2% ของรูปแบบที่รวม ส่งผ่านน้ำหนักสำหรับ PC1 PC2 จะสมบูรณ์ครอบงำ โดยที่ chaconineและมี solanine รูปที่ 2 แสดงว่า PC1 ชัดเจนตัวอย่าง

ผลลัพธ์ (ไทย) 2:

ไอออนและการเก็บรักษาเวลา ตัวอย่างเช่นสารที่ไม่รู้จักกับ
มวลของ 210.060 และระยะเวลาเก็บกัก 3.00 นาทีจะได้รับการ
ตั้งชื่อ U0210060_0300 ใน GC-MS วิเคราะห์ขั้วโลกและไม่มีขั้ว
สารประกอบที่ไม่รู้จักถูกข้อเขียนใช้ U-คำนำหน้าตาม
โดยดัชนีการเก็บรักษาญาติ (RRI) ใน GC-MS วิเคราะห์ขั้วโลก
หนึ่งในสารที่ไม่รู้จักมี RRI นำหน้าด้วยสหรัฐอเมริกา (ไม่ทราบ
กรดน้ำตาล) ที่ระดับสารที่เป็นที่รู้จัก.
ในตาราง S1 ค่า RRI ยกมาใน Golm Metabolome
ฐานข้อมูล (GMD; http: // GMD mpimp-golm.mpg.de) มีการวิเคราะห์
ที่ได้รับการแยกออกจากกันโดยใช้วิธีการใช้เครื่องมือกำหนด
เป็น VAR5 ซึ่งในชุดของ n-แอลเคน (C10, C12, C15, C18 เป็น
C19, C20, C28, C32, C36) ถูกนำมาใช้ในการคำนวณค่า RRI
วิธี VAR5 ใช้ phenyl-95% คอลัมน์ dimethylpolysiloxane GC 5%
(Restek RTX-5 Restek, เบลลาฟอน, PA) คล้ายกับ DB-5MS
คอลัมน์ (phenyl arylene คิดเป็น 5% -phenyl-methylpolysiloxane)
ที่ใช้ในการของเรา ห้องปฏิบัติการ ความแตกต่างเหล่านี้ในคอลัมน์
เคมีและการใช้งานในช่วงที่แตกต่างกันของเคน RRI เครื่องหมาย
(C11, C13, C16, C20, C24, C30, C34, C38) ของเราผลการวิเคราะห์ใน
ค่า Golm RRI เป็นส่วนใหญ่ลดลงเล็กน้อย (ช่วง 26-7 หน่วย)
กว่าที่พบกับคอลัมน์ DB-5MS ใช้ในการศึกษาครั้งนี้.
2.5 สถิติวิเคราะห์
สองวิธีการทางสถิติที่ถูกนำไปใช้กับทั้ง LC-MS และ
ข้อมูล GC-MS ในแนวทางแรกการวิเคราะห์องค์ประกอบหลัก
(PCA) ถูกนำมาใช้ในการสำรวจแหล่งใหญ่ที่สุดของการเปลี่ยนแปลงในหมู่
กลุ่มตัวอย่างกว่าสารทั้งหมด PCA สามารถดำเนินการได้โดยใช้
อย่างใดอย่างหนึ่งตัวอย่างเมทริกซ์ความแปรปรวนความแปรปรวนหรือตัวอย่าง
สัมพันธ์เมทริกซ์: อดีตมุ่งเน้นไปที่อุดมสมบูรณ์ที่สุด
สารในขณะที่หลังจัดมาตรฐานแต่ละ metabolite โดย
. ลบค่าเฉลี่ยและหารด้วยค่าเบี่ยงเบนมาตรฐาน
ทั้งสองประเภท PCA เป็น การดำเนินการที่นี่เพื่อดูซึ่งเป็น
ส่วนใหญ่ให้ข้อมูล PCAS ได้ดำเนินการแยกบน
ข้อมูล LC-MS, GC-MS ขั้วโลกและไม่มีขั้ว.
แนวทางที่สองเกี่ยวข้องกับการวิเคราะห์ความแปรปรวน (ANOVA) ความ
ของแต่ละ metabolite ของแต่ละบุคคลที่จะระบุผู้ที่มีความแตกต่างอย่างมีนัยสำคัญ
ในหมู่ใด ๆ ของสิบเอ็ดสาย หน่วยทดลอง
ทำซ้ำทางชีวภาพให้โดยมีสาระสำคัญจากหม้อเดียว ใน
นอกเหนือไปจากปัจจัยของเส้นสำหรับ LC-MS เพียงตัวอย่างทางชีวภาพ
ที่ถูกประมวลผลทั้งหมดในทั้งสองวิ่งแยกต่างหากเพื่อให้ซ้ำทางเทคนิค.
การออกแบบโครงสร้างนี้ถูกคิดในรูปแบบ ANOVA เพื่อ
ว่าการเปลี่ยนแปลงในหมู่สายที่ถูกเมื่อเทียบกับการเปลี่ยนแปลง
ในหมู่ซ้ำทางชีวภาพ metabolites กับ p <0.05 มีการ
รายงานพร้อมกับประมาณการของอัตราการค้นพบปลอม
(FDR) นี้ได้มาจากการสร้างแบบจำลอง P-ค่าเป็นส่วนผสม
ของเครื่องแบบและแจกแจงแกมมา (แอลลิสัน et al., 2002) ในขณะที่
การดำเนินการในขั้นตอน FDRMIXTURE GenStat สำหรับ
สารที่รวมการวิเคราะห์ความแปรปรวนอย่างมีนัยสำคัญแตกต่าง
ถูกนำมาใช้สำหรับแต่ละสายจีเอ็มเพื่อทดสอบว่ามันเป็นนัยสำคัญ
อย่างมีความแตกต่างจาก WT.
วิเคราะห์ทางสถิติทั้งหมดถูกดำเนินการโดยใช้ GenStat สำหรับ
วินโดวส์ 16 Edition (เพนเมอร์เรนฮาร์ดิง บาร์ดและ Soutar,
2013).
3 ผลการค้นหาและการอภิปราย
3.1 PCA: แยกของจีเอ็มและ WT สายมันฝรั่ง
3.1.1 วิเคราะห์ LC-MS
รวม 91 ยอด metabolite ถูกตรวจพบในตัวอย่างหัว
วิเคราะห์ ใน PCA ซึ่งเป็นไปตามตัวอย่างแปรปรวนแปรปรวน
เมทริกซ์ซึ่งเป็นองค์ประกอบหลักแรก (PC1) อธิบาย 75.5% และ
ที่สอง (PC2) อธิบาย 16.2% ของการเปลี่ยนแปลงทั้งหมด แรง
สำหรับ PC1 และ PC2 มีความโดดเด่นอย่างสมบูรณ์โดย A-chaconine
และ-solanine มะเดื่อ. 2 แสดงให้เห็นว่า PC1 อย่างชัดเจนแยกออกจากกลุ่มตัวอย่าง

ผลลัพธ์ (ไทย) 3:

ไอออนและเวลาการเก็บรักษา ตัวอย่างเช่น การไม่รู้จักกับอุณหภูมิมวลของ 210.060 และเวลา 3.00 นาทีจะคงอยู่ชื่อ u0210060_0300 . ใน GC และนางสาวขั้วโลกและไม่มีขั้ววิเคราะห์ไม่รู้จักสารที่แสดงการใช้ u-prefix ตามโดยดัชนีการเก็บรักษาญาติ ( LCD ) นางสาวขั้วโลกใน GC –การวิเคราะห์หนึ่งไม่ทราบสารประกอบมี LCD - สหรัฐอเมริกา ( ไม่ทราบด้วยกรดน้ำตาล ) ซึ่งสารประกอบที่ชั้นรู้จักตาราง S1 , LCD ค่าอ้างอิงใน golm เมตาบ ลมฐานข้อมูล ( GMD ; http://gmd.mpimp-golm.mpg.de ) สำหรับสารที่ถูกแยกออกจากกันโดยใช้วิธีเขตบรรเลงเป็น var5 ซึ่งในชุดของ n-alkanes ( ล้าง c12 c15 c18 , , , ,c19 อย่างดี c28 c32 , , , , c36 ) ใช้สำหรับการคำนวณของ LCD ค่า ที่var5 วิธีใช้คอลัมน์ ) – 95% ปลงชนม์ GC 5% เป็น( restek rtx-5 restek bellefonte , , , PA ) คล้ายกับ db-5msคอลัมน์ ( ) arylene เทียบเท่ากับ 5 - ฟีนิล methylpolysiloxane )ที่ใช้ในห้องปฏิบัติการของเรา ความแตกต่างเหล่านี้ในคอลัมน์เคมี และใช้ช่วงที่แตกต่างกันของแอลเคน LCD เครื่องหมาย( C11 c13 c16 อย่างดี , , , , c34 C24 C30 , , , c38 ) ในผลลัพธ์ของการวิเคราะห์ของเราในgolm ค่า LCD เป็นส่วนใหญ่ลดลงเล็กน้อย ( ช่วง 26 + 7 หน่วย )กว่าที่เจอกับ db-5ms คอลัมน์ที่ใช้ในการศึกษาครั้งนี้2.5 การวิเคราะห์ทางสถิติ2 สถิติวิธีการประยุกต์ทั้ง LC MS และจำกัดGC - นางสาวข้อมูล ในวิธีแรก การวิเคราะห์องค์ประกอบหลัก( PCA ) ถูกใช้เพื่อสำรวจแหล่งที่ใหญ่ที่สุดของการเปลี่ยนแปลงระหว่างตัวอย่างมากกว่าสารทั้งหมด ระบบสามารถดำเนินการได้โดยใช้ให้ตัวอย่างและความแปรปรวนเมทริกซ์หรือตัวอย่างเมทริกซ์สหสัมพันธ์ : เน้นอดีตมากมายที่สุดสาร ในขณะที่หลัง standardises แต่ละระดับโดยการลบและการหารค่าส่วนเบี่ยงเบนมาตรฐานทั้งสองประเภทของ PCA ดำเนินมาหาซึ่งข้อมูล มากที่สุด pcas การแยกบนLC ( MS , MS มีขั้วและไม่มีขั้ว GC และข้อมูล .วิธีที่สองที่เกี่ยวข้องกับการวิเคราะห์ความแปรปรวน ( ANOVA )อาหารของแต่ละบุคคล ระบุผู้ที่มีความแตกต่างระหว่างใด ๆของ 11 เส้น หน่วยทดลองชีวภาพ สร้างโดยวัสดุจากหม้อเดียว ในนอกจากปัจจัยของบรรทัดสำหรับ LC MS เท่านั้น–ตัวอย่างชีวภาพทั้งหมดถูกประมวลผลสองแยก วิ่งให้แบบเทคนิคออกแบบโครงสร้างนี้ถูกคิดในรูปแบบการวิเคราะห์ ดังนั้นว่า รูปแบบของเส้น ก็เทียบกับรูปแบบระหว่างแบบชีวภาพ สาร p < 0.05 คือรายงาน , ตามการประมาณการของอัตราการค้นพบเท็จ( FDR ) นี้ได้โดยการสร้างหุ่นจำลอง p-values เป็นส่วนผสมของเครื่องแบบและการแจกแจงแกมมา ( อัลลิสัน et al . , 2002 ) เป็นดำเนินการใน genstat ขั้นตอน fdrmixture . สำหรับสารที่มีความแตกต่างอย่างมีนัยสำคัญทางสถิติโดยรวม ,เคยใช้ของ GM สายแต่ละเพื่อทดสอบว่ามันคือ signifi -แตกต่างจากน้ำหนักลดลงอย่างมีนัยสําคัญเมื่อสถิติที่ใช้ในการวิเคราะห์มีการปฏิบัติการใช้ genstat สำหรับWindows รุ่นที่ 16 ( เพน เมอเรย์ ฮาร์ดิง , Baird & ซูทาร์ , ,2013 )3 . ผลและการอภิปราย3.1 . PCA : การแยกและมันฝรั่งเส้นน้ำหนักกรัม3.1.1 . LC - นางสาวการวิเคราะห์ทั้งหมด 91 ยอดไลท์พบว่าหัวคนวิเคราะห์ ในระบบบนพื้นฐานของความแปรปรวนร่วมและตัวอย่างเมทริกซ์ , องค์ประกอบหลักแรก ( PC ) อธิบาย 75.5 ล้านบาทครั้งที่ 2 ( pc2 ) อธิบายได้ร้อยละ 16.2 ของความผันแปรทั้งหมด การกระทำสำหรับ PC และ pc2 สมบูรณ์ dominated โดย a-chaconineและ a-solanine . รูปที่ 2 แสดงให้เห็นอย่างชัดเจนว่า PC แยกอย่าง