Uncovering More Biological Insights in Your Samples with Routine LC/Q-TOF Workflows for Metabolites and Lipids

Význam tématu

Untargeted metabolomika a lipidomika poskytují komplexní pohled na biologické systémy, ale často čelí výzvám jako absence standardizovaných metod, omezené knihovny MS/MS a retenčních časů či náročná extrakce a identifikace neznámých látek.

Cíle a přehled studie

Prezentovaný projekt demonstruje plně podporovaný, přenosný pracovní postup pro souběžnou extrakci a analýzu metabolitů i lipidů z jednoho vzorku myší plazmy pomocí LC/Q-TOF a specializovaného softwaru.

Použitá metodika a instrumentace

Extraktor: Metabolomics Bravo platforma s Captiva EMR-Lipid SPE desky umožňuje dvojí frakcionaci (metabolity vs. lipidy) z 20 µl plazmy.
Chromatografie:

• Infinity II Bio LC (Agilent) s HILIC-Z kolonkou 150 mm pro 23minutovou separaci metabolitů
• Zorbax C18 kolonka 100 mm pro 16minutovou separaci lipidů

Detekce:

• Revident LC/Q-TOF v módu m/z 60–1000, pozitivní/negativní ionizace pro metabolity, pozitivní režim pro lipidy
• Pooled QC pro kontrolu přesnosti hmotnostního měření a stabilitu signálu

Softwarová podpora:

• MassHunter Explorer pro rychlou extrakci rysů, normalizaci, statistiku a tiered ID s databázemi RT/MS/MS
• Lipid Annotator s LipidBlast teoretickou knihovnou
• MassHunter Qual 12.0 pro Auto MS/MS extrakci a aktualizaci RT v ChemVista (METLIN)
• SIRIUS CSI:FingerID pro identifikaci neznámých na základě MS/MS fragmentů a databázového vyhledávání

Hlavní výsledky a diskuse

Pooled QC ukázala dlouhodobou stabilitu hmotnostní přesnosti pod 1,27 ppm i po sedmidenním běhu bez mezi-kalibrace.
MassHunter Explorer nalezl přes 10 000 signifikantních rysů v každém datovém souboru během ~1 hodiny. Iterativní MS/MS workflow identifikoval 700+ lipidů a 500+ metabolitů na úrovni Tier 1.

Přínosy a praktické využití metody

Propojení extrakce metabolitů a lipidů šetří vzorek a minimalizuje variabilitu.
Standardizované protokoly a podporované LC metody zkracují dobu adaptace v laboratoři.
Integrované softwarové nástroje umožňují rychlou a spolehlivou identifikaci neznámých složek.

Budoucí trendy a možnosti využití

• Rozšíření knihoven MS/MS s podporou umělé inteligence pro predikci fragmentace
• Automatizace a cloudové platformy pro vysokopropustné omické studie
• Integrace multi-omics dat (proteomika, genomika, lipidomika) pro systémovou biologii
• Využití machine learningu pro prediktivní biomarkery a personalizovanou medicínu

Závěr

Navržený workflow spojuje efektivní extrakci, robustní LC/Q-TOF analýzu a moderní softwarové nástroje k rychlému nasazení v rutinních i výzkumných nepřímých omických studiích.

Reference

1. Van de Bittner GC a kol., Poster, Lorne Proteins, 2024
2. Yannell KE a kol., Agilent Application Note 5994-5628EN, 2023
3. Huynh K a kol., Agilent Application Note 5994-3747EN, 2021
4. Simmermaker C., Poster MP540, ASMS 2024
5. Dührkop K. a kol., Nat Methods 16, 2019