A Facile Database Search Engine for Metabolite Identification and Biomarker Discovery in Metabolomics

Význam tématu

Metabolomika hraje klíčovou roli při objevování biomarkerů pro diagnostiku, hodnocení kvality potravin či sledování biologických procesů.
Použití orthogonálních molekulárních deskriptorů jako je přesná hmotnost, retenční čas, kolizní průřez a fragmentační vzory zvyšuje spolehlivost identifikace metabolitů.
Software Progenesis QI usnadňuje tuto komplexní analýzu a zkracuje dobu potřebnou k získání důvěryhodných výsledků.

Cíle a přehled studie

Cílem studie bylo demonstrovat workflow Progenesis QI Informatics na příkladu vlivu rozdílných plnících podmínek (v atmosféře vzduchu vs. dusíku) na metabolomický profil italských vín.
Autoři prezentují kompletní postup od sběru vzorků přes LC/MS analýzu až po multimodální databázové vyhledávání a statistickou filtraci markerů.

Použitá metodika a instrumentace

Analýza proběhla na systému ACQUITY UPLC BEH HSS T3 (1,8 µm, 2,1×150 mm) s mobilní fází voda/methanol (obě s 0,1 % kyseliny mravenčí), průtokem 0,28 mL/min a gradientu od 100 % A do 100 % B.
Detekce byla realizována na hmotnostním spektrometru SYNAPT HDMS v režimu MSE s bifázovou indukcí kolizní energie, ionizací ESI v pozitivním i negativním režimu a skenováním v rozsahu m/z 50–1200.
Data byla zpracována a analyzována v Progenesis QI Informatics s nástrojem MetaScope, který umožňuje definovat toleranční limity pro přesnou hmotnost, retenční čas, kolizní průřez a fragmentační shodu.

Hlavní výsledky a diskuse

Po dekonvoluci izotopů a aduktů bylo detekováno více než 3000 unikátních sloučenin.
Filtr ANOVA p < 0,01 a fold change > 2 redukoval počet potenciálních markerů na méně než 200.
PCA analýza před i po redukci dat jasně oddělila vzorky vín podle úrovně kyslíku, což odráží významné metabolomické rozdíly.
Vyhledávání v HMDB přineslo řadu nejednoznačných určení, která se podařilo významně omezit použitím interních databází s orthogonálními deskriptory.
Příklad identifikace kvercetinu ukázal soulad přesné hmotnosti, retenčního času, izotopového vzoru a čtyř experimentálních fragmentů.

Přínosy a praktické využití metody

• Zjednodušení komplexních metabolomických workflow a zrychlení identifikace.
• Možnost kombinovat veřejné a interní databáze pro zvýšení spolehlivosti výsledků.
• Flexibilní nastavení tolerancí umožňuje optimalizaci pro různé typy vzorků (potraviny, biofluidy, přírodní produkty).
• Rychlé zpracování dat vhodné pro rutinní laboratorní a průmyslové aplikace.

Budoucí trendy a možnosti využití

• Integrace kolizního průřezu (CCS) a dalších experimentálních deskriptorů pro další snížení falešných pozitiv.
• Využití strojového učení pro automatizovanou anotaci a predikci struktur neznámých metabolitů.
• Rozšíření workflow na multi-omické studie (lipidomika, proteomika) v rámci jediné platformy.
• Vývoj cloudových a kolaborativních databází pro sdílení a aktualizaci nových autentických standardů.

Závěr

Progenesis QI Informatics prokázal vysokou efektivitu a robustnost při identifikaci metabolitů.
Uživatelé získávají kontrolu nad parametry databázového vyhledávání a mohou výrazně snížit počet falešných výsledků.
Přístup je vhodný pro aplikace metabolomiky v potravinářství, výživě, farmaceutickém výzkumu i klinické diagnostice.

Reference

1. Dunn WB, Erban A, Weber RJM, Creek DJ, et al. Mass appeal: metabolite identification in mass spectrometry-focused untargeted metabolomics. Metabolomics. 2013;9(1 Suppl):44-66. doi:10.1007/s11306-012-0434-4.
2. Shahaf N, Franceschi P, Arapitsas P, Rogachev I, Vrhovsek U, Wehrens R. Constructing a mass measurement error surface to improve automatic annotations in LC/MS based metabolomics. Rapid Commun Mass Spectrom. 2013;27(21):2425-31. doi:10.1002/rcm.6705.
3. Arapitsas P, Speri G, Angeli A, Perenzoni D, Mattivi F. The influence of storage on the chemical age of red wine. Metabolomics. 2014. doi:10.1007/s11306-014-0638-x.