Iontová mobilita, LC/TOF, LC/HRMS, LC/MS, LC/MS/MS
ZaměřeníLipidomika
VýrobceBruker
Význam tématu
Matrix-assisted laser desorption/ionizace imaging umožňuje bezznačkové mapování lipidů v tkáni s vysokou prostorovou rozlišením a přispívá k pochopení morfologických změn spojených se nemocemi.
Cíle a přehled studie
Popis nového workflow pro automatickou anotaci a vizualizaci lipidů z MALDI Imaging dat získaných s přístrojem timsTOF fleX s využitím softwaru SCiLS Lab a MetaboScape.
Použitá instrumentace
- timsTOF fleX (Bruker) pro akvizici MALDI Imaging dat
- TM Sprayer pro nanášení matrixu
- SCiLS Lab (verze 2020a) pro vizualizaci a definici ROI
- MetaboScape 5.0 s algoritmem T-ReX 2 pro extrakci, de-isotoping a anotaci lipidů
Metodika
- Příprava čerstvě zmražených řezů mozkové tkáně na vodivých skleněných slidech
- Akvizice v pozitivním režimu v rozsahu m/z 300–1000, rozlišení pixelu 20 µm, frekvence laseru 10 kHz
- Průměrování signálů v blocích 5×5 pixelů, nastavení tolerance hmotnostní chyby 5 mDa a mSigma 250 pro isotopickou shodu
- Anotace proti databázím Lipid Maps a HMDB pomocí uživatelské listiny 42 755 sloučenin
Hlavní výsledky a diskuse
- Automatická anotace 47 unikátních lipidových funkcí, výběr 10 nejvyšších skóre AQ z MetaboScape
- Demonstrovaná distribuce PC(36:1) odpovídá literární referenci (Li et al., 2016, SciRep 6:37903), lokalizace v bílé hmotě mozku
- Workflow umožňuje rychlé získání anotovaných lipidových obrazů a jejich porovnání s existujícími daty
Přínosy a praktické využití metody
Metoda podporuje SpatialOMx studie, umožňuje objevování molekulárních markerů, zajišťuje bezznačkovou analýzu lipidů v kontextu tkáňové morfologie a zvyšuje produktivitu v oblasti biomedicínského výzkumu a QA/QC.
Budoucí trendy a možnosti využití
- Integrace dalších omických dat (proteomika, metabolomika)
- Rozšíření lipidových databází a využití strojového učení k vylepšení anotací
- Implementace 3D MALDI Imaging a multimodálních analýz tkáňových vzorků
Závěr
Navržené řešení spojuje vysokorychlostní MALDI Imaging s automatickou bioinformatickou analýzou, což významně zkracuje čas potřebný k identifikaci a vizualizaci lipidů v tkáňových řezech.
Reference
- Li et al. (2016) SciRep 6:37903
Obsah byl automaticky vytvořen z originálního PDF dokumentu pomocí AI a může obsahovat nepřesnosti.