Using Parallel Accumulation Serial Fragmentation (PASEF) to speed up untargeted 4D lipidomics LC-MS/MS workflows

Význam tématu

Lipidomika se rychle rozvíjí jako důležitá metoda pro identifikaci a kvantifikaci lipidů v biologických vzorcích, přičemž lipidy hrají klíčovou roli v patofyziologii onkologických a neurologických onemocnění. Pro rozsáhlé klinické studie je však zásadní kombinace vysokého objemu vzorků a vynikající kvality dat ve zkráceném čase měření.

Cíle a přehled studie

Tato studie demonstruje využití akvizičního módu PASEF (Parallel Accumulation Serial Fragmentation) na systému timsTOF Pro ve čtyřrozměrné lipidomice. Autoři porovnali tři gradientní časy (20, 11 a 6 minut) a prokazují schopnost metody zachovat hloubku profilování i při zkrácení doby analýzy.

Použitá metodika a instrumentace

Vzorky: extrakce lipidů z referenčního plazmatu NIST SRM 1950 podle protokolu Shevchenka et al.
LC separace: Elute UHPLC se C18 kolonkou (100 × 2,1 mm, 1,9 μm), mobilní fáze ACN/H2O a iPrOH/ACN s 10 mM NH4Ac a 0,1 % FA, teplota 55–65 °C, průtok 0,4 ml/min.
MS akvizice: timsTOF Pro s modusem PASEF MS/MS, ESI+, scan 100–1500 m/z, 100 ms ramp time, interní kalibrace, 2 cykly PASEF.
Datová analýza: MetaboScape 5.0 s algoritmem T-ReX 4D, CCS predikce pomocí CCSPredict, identifikace aduktů a izotopů, porovnání se spektrem LipidBlast.

Hlavní výsledky a diskuse

Za 20min analýzy bylo detekováno 392 lipidů ve 286 třídách; zkrácení na 11 a 6 minut vedlo k 283 a 213 identifikovaným lipidům. PASEF umožnil separaci a fragmentaci 102 předkurzorů během 0,1 min, včetně koelujících isobarických fosfatidylcholinů a –ethanolaminů (PC 34:2e vs PE 36:2), oddělených ve fenoménu IMS s rozdílem CCS < 0,5 %. Krátké běhy při 6 minutách stále dovolily spolehlivě rozlišit vzorky se spike-in standardy pomocí PCA a t-testu.

Přínosy a praktické využití metody

• Výrazné navýšení produktivity analýz až čtyřnásobně při zachování kvality a reprodukovatelnosti lipidových dat.
• IMS-založená separace izobarů zajišťuje čisté MS/MS spektra a vysokou důvěryhodnost identifikací.
• Automaticky extrahované CCS hodnoty slouží ke zvyšování jistoty strukturních přiřazení.

Budoucí trendy a možnosti využití

Očekává se rozšíření užití PASEF-IMS v klinických lipidomických přístupech pro biomarkerové studie, integrace strojového učení pro zlepšení predikce CCS a automatické anotace, dále rozvoj knihoven a platformové automatizace pro vysokoprocesní nasazení.

Závěr

PASEF na systému timsTOF Pro představuje ideální řešení pro hloubkovou i vysoce rychlou lipidovou analýzu, umožňuje značné zkrácení doby měření a přináší nové možnosti ve 4D lipidomice tím, že kombinuje rychlost, přesnost a reprodukovatelnost.

Reference

• Röhrig F & Schulze A (2016) Nat Rev Cancer 16:732–749
• Vriens K et al. (2019) Nature 566:403–406
• Yang Q et al. (2018) Nat Rev Mol Cell Biol 19:654–672
• Meier F et al. (2015) J Proteome Res 14:5378–5387
• Shevchenko A et al. (2008) J Lipid Res 49:1137–1146
• LipidBlast (fiehnlab.ucdavis.edu)
• Bowden JA et al. (2017) J Lipid Res 58:2275–2288