Flexibility of HRIM-MS Analysis for Targeted Lipid Profiling: Choose Your Own Adventure!

Význam tématu

Lipidová analýza je klíčová pro pochopení biologických procesů i farmaceutické aplikace, avšak složitá směs izomerů často uniká tradičním LC-MS přístupům.
Vysokorozlišovací iontová mobilita (HRIM-MS) nabízí dodatečný rozměr separace, který dokáže odhalit strukturálně podobné lipidové izomery.

Cíle a přehled studie

Cílem studie bylo porovnat výkonnost dvou front-end přístupů k HRIM-MS analýze gangliosidů:

• Flow injection analysis (FIA-HRIM-MS) pro rychlou charakterizaci nejběžnějších lipidů.
• LC-HRIM-MS s HILIC gradientem pro hlubší profilování i stopových komponent.

Autoři rovněž stanovili kolizní průřezy (CCS) pro více než 40 gangliosidů napříč 12 tříd.

Použitá instrumentace

• Platforma HRIM MOBIETM (MOBILion Systems) s iontovou mobilitou vysokého rozlišení.
• QTOF hmotnostní analyzátor 6545XT (Agilent Technologies).
• Autosampler 1290 Infinity II (Agilent Technologies).

Metodika

• FIA-HRIM-MS: přímá injekce vzorku s dobou analýzy ≤ 2 min pro nejhojnější lipidy.
• LC-HRIM-MS: HILIC kolona Ascentis Si, 30 min gradient s mobilní fází voda/ACN s octovou kyselinou a amonné solí.
• Identické nastavení zdroje a parametrů mobilitní separace oběma průtoky.
• Výpočet CCS pomocí kalibrace třetím řádem z TuneMix standardu.

Hlavní výsledky a diskuse

• FIA-HRIM-MS rozlišil až 6 izomerů GD1 36:1, LC-HRIM-MS pak 4 izomery GT1 a 3 izomery GM1.
• LC-HRIM-MS zvýšilo detekci nízkoabundantních druhů přibližně 6násobně oproti FIA.
• Quantitativní stabilita byla vyšší v LC režimu (nižší %RSD pro plošné procento lipidů).
• Konformace gangliosidů byla mapována v rozsahu m/z versus CCS, %RSD CCS < 0,2 % pro všechny stanovené třídy.

Přínosy a praktické využití metody

• Rychlá zátěžová analýza nejhojnějších lipidů pomocí FIA-HRIM-MS.
• Hloubková charakterizace izomerů a stopových složek s LC-HRIM-MS.
• Možnost standardizovaného výpočtu CCS pro porovnávání dat mezi laboratořemi.

Budoucí trendy a možnosti využití

• Automatizace HRIM-MS workflow pro vysoko throughput lipidomiku.
• Rozšíření databází CCS o další lipidové třídy a modifikace.
• Integrace s datově intenzivními přístupy strojového učení pro neřízenou detekci nových izomerů.

Závěr

Studie prokázala, že kombinace HRIM-MS s FIA a LC nabízí flexibilní řešení pro cílené i neřízené profilování lipidů. FIA-HRIM-MS zajišťuje rychlost a reprodukovatelnost, zatímco LC-HRIM-MS odhaluje větší počet izomerů a stopové komponenty. Společně tyto přístupy posouvají hranice lipidomické analýzy směrem k detailní strukturální charakterizaci i robustní kvantitaci.