非靶向筛查中数据处理算法的批判性综述：提高结果可比性的挑战与机遇

非靶向筛查（NTS）是一种用于检测和鉴定复杂样品中未知化合物的强有力环境及分析化学方法。高分辨质谱技术提升了NTS的能力，但也给数据分析带来了挑战，包括数据预处理、峰检测和特征提取。本综述深入探讨了NTS数据处理方法，重点关注质心化、提取离子色谱图（XIC）构建、色谱峰表征、对齐、组分化以及特征优先级排序。我们讨论了各种算法的优缺点、用户输入参数对结果的影响，以及自动化参数优化的必要性。我们探讨了不确定性和数据质量问题，强调了在数据处理工作流程中纳入置信区间和原始数据质量评估的重要性。此外，我们强调了跨研究可比性的需求，并提出了潜在的解决方案，例如利用标准化统计和开放获取数据交换平台。最后，我们为NTS数据处理算法及工作流程的开发者和使用者提出了未来展望和建议。通过应对这些挑战并把握所带来的机遇，NTS领域可以推动学科发展，提高结果的可靠性，并增强不同研究之间的数据可比性。