LC/MS, LC/MS/MS, LC/QQQ
ZaměřeníLipidomika
VýrobceAgilent Technologies
Význam tématu
Targetovaná lipidomika je klíčová pro přesné měření složitých lipidových profilů v biologických vzorcích. Umožňuje detekci a kvantifikaci stovek lipidových druhů s vysokou reprodukovatelností, což je nezbytné pro studií metabolických poruch, farmakologických zásahů či rozsáhlých klinických kohort.
Cíle a přehled studie / článku
Cílem studie bylo ověřit přenositelnost a mezilaboratorní přesnost již existujícího LC/TQ metodického postupu pro analýzu plazmatických lipidů. Metoda byla testována na čtyřech nezávislých pracovištích pomocí dvoudenního interlaboratorního hodnocení, přičemž se sledovala variabilita retenčních časů, plošných integrálů a celková biologická konzistence dat.
Použitá instrumentace
- Kapalinová chromatografie Agilent 1290 Infinity II LC
- Kolonová soustava Agilent ZORBAX Eclipse Plus C18 (100 × 2.1 mm, 1.8 µm)
- Spektrometrie hmotností Agilent 6495 Triple Quadrupole LC/MS
- Software Agilent MassHunter Acquisition a MassHunter Quantitative Analysis
- Software Agilent Mass Profiler Professional pro multivariantní analýzu
Použitá metodika
- Monofázní extrakce lipidů z 0,1 µl plazmy butanol-metanolovou směsí s interními standardy SPLASH II LIPIDOMIX
- Rychlá 16minutová chromatografie v obrácené fázi s dMRM režimem pro 44 tříd lipidů a celkem až 763 lipidů
- Curation MRM přechodů podpořená ortogonálními experimenty pro potvrzení izobarických a isomerických sloučenin
- Retenční časové referencování a automatizovaná kalibrace RT oken
Hlavní výsledky a diskuse
Mezilaboratorní studie prokázala velmi nízké intradení hodnoty RSD retenčních časů (<0,25 %) a plošných integrálů (<10 % pro většinu lipidů). Minimální posuny RT mezi pracovišti podtrhují přenositelnost metody. PCA analýza ukázala konzistentní rozdělení referenčního NIST-SRM 1950 a biologicky odlišného vzorku BIO, což potvrzuje schopnost metody odlišit skutečné biologické variace od technické variability. Jediný významnější odchylka se objevila na pracovišti 4 ve druhém dnu, způsobená nedostatečnou aplikací QC po restartu systému.
Přínosy a praktické využití metody
- Vysoká propustnost a hloubka lipidového pokrytí pro velké klinické kohorty
- Vynikající přenositelnost metody mezi různými laboratořemi
- Robustní chromatografická separace izobarických a isomerických lipidů
- Užitečnost v translaci metabolomických studií napříč výzkumem i průmyslovou QA/QC praxí
Budoucí trendy a možnosti využití
Očekává se další automatizace postupů RT kalibrace a hodnocení kvality během akvizice, rozšíření knihoven MRM přechodů pro nové lipidové druhy a integrace umělé inteligence pro rychlejší interpretaci dat. Metoda má potenciál pro rozsáhlé populační studie, farmakometabolomiku a personalizovanou medicínu.
Závěr
Prokázaná metoda cílené lipidomiky na bázi LC/TQ nabízí vysokou přesnost a reprodukovatelnost napříč laboratořemi. Klíčovými faktory úspěchu jsou pečlivá kurace přechodů, robustní chromatografie a důsledné aplikace QC postupů. Metoda je dobře přenositelná a vhodná pro rozsáhlé biologické a klinické studie.
Reference
- A Comprehensive, Curated, High-Throughput Method for the Detailed Analysis of the Plasma Lipidome. Agilent Technologies Application Note 5994-3747EN, 2021.
- Lipidomics Analysis with Lipid Annotator and Mass Profiler Professional. Agilent Technologies Technical Overview 5994-1111EN, 2020.
- Lipid Profiling Workflow Demonstrates Disrupted Lipogenesis Induced with Drug Treatment in Leukemia Cells. Agilent Technologies Application Note 5994-1356EN, 2020.
- Huynh K. et al. High-Throughput Plasma Lipidomics: Detailed Mapping of the Associations with Cardiometabolic Risk Factors. Cell Chem. Biol. 2019, 26(1), 71–84.e4.
- Quehenberger O. et al. Lipidomics Reveals a Remarkable Diversity of Lipids in Human Plasma. J. Lipid Res. 2010, 51(11), 3299–3305.
- Bowden J. A. et al. Harmonizing Lipidomics: NIST Interlaboratory Comparison Exercise for SRM 1950-Metabolites in Frozen Human Plasma. J. Lipid Res. 2017, 58(12), 2275–2288.
Obsah byl automaticky vytvořen z originálního PDF dokumentu pomocí AI a může obsahovat nepřesnosti.