Increasing Confidence in Non-Targeted Metabolite Identification with Library Comparison and Simplified Unknown Analysis Workflow with Novel Software Solution

Význam tématu

Untargeted metabolomika umožňuje komplexní průzkum biologických vzorků bez předchozího zaměření na konkrétní sloučeniny. Získané informace o změnách metabolitů jsou zásadní pro pochopení biochemických procesů, biomarkerů a farmakokinetiky. Kombinace MS1 a MS/MS dat s výkonným softwarem zvyšuje důvěru v identifikaci a urychluje výzkum v oblastech biotechnologií, farmacie a klinické diagnostiky.

Cíle a přehled studie / článku

Cílem této studie bylo představit a demonstrovat nový software MassHunter Explorer 2.0 jako integrované řešení pro zpracování a identifikaci metabolitů v untargeted workflow. Autoři ukazují, jak lze spojit citlivé MS1 údaje s bohatou fragmentační informací z iterativní AutoMSMS analýzy do jednoho přehledného procesu.

Použitá metodika a instrumentace

• Instrumentace: Revident LC/Q-TOF se 1290 Infinity III LC, využití HILIC chromatografie pro separaci polárních metabolitů.
• Vzorky: Extrakce metabolitů z plazmy myší (20 µl) pomocí Captiva Lipid EMR desek, analýza vzorků 20 samců a 20 samic.
• Acquisice: Iterativní AutoMSMS na pooled QC s akumulujícím se exclusion listem a MS1 analýza všech vzorků se střídáním QC pro LOESS normalizaci.
• Software: MassHunter Explorer 2.0 pro celé workflow, přímý export výsledků do SIRIUS CSI:FingerID a NIST MS Search pro hloubkovou identifikaci neznámých sloučenin.

Hlavní výsledky a diskuse

• Z analýzy vzniklo 2705 negativních a 1996 pozitivních feature s MS/MS daty. Ve srovnání skupin se 2× fold změnou a p<0,05 bylo v negativním módu 17 identifikovaných metabolitů v databázi HILIC Metabolomics Database a 222 s METLIN skórem nad 70.
• Ze 73 feature s dostupným MS/MS bylo do SIRIUS exportováno 73 a získáno 58 přibližných struktur, z toho 2 s vysokou spolehlivostí (skóre >20).
• Software nabízí šest kroků zpracování: import a třídění dat, extrakci a zarovnání feature, normalizaci, filtrování, statistickou analýzu (PCA, HCA, volcano, ANOVA) a vlastní identifikaci výkonným porovnáním izotopického vzoru a fragmentačních spekter ve vestavěné knihovně.

Přínosy a praktické využití metody

• Kompletní analýza MS1 a MS/MS dat v jednom prostředí minimalizuje čas a riziko chyb při manuálním slučování výsledků.
• Automatizovaná pipeline umožňuje rychlou detekci a identifikaci klíčových metabolitů v biologických studiích a farmakologii.
• Možnost přímého připojení k externím identifikačním nástrojům SIRIUS a NIST rozšiřuje schopnost určovat neznámé sloučeniny.

Budoucí trendy a možnosti využití

• Integrace strojového učení pro pokročilou statistickou klasifikaci a predikci metabolitických vzorů.
• Rozšíření a zkvalitnění knihoven fragmentačních spekter pro vyšší pokrytí biochemických tříd.
• Cloudová řešení a škálovatelnost softwaru pro vysokopropustné laboratoře a multicentrické studie.
• Využití v oborech personalizované medicíny, environmentální metabolomiky a potravinářské analýzy.

Závěr

MassHunter Explorer 2.0 představuje robustní a uživatelsky přívětivé řešení pro zpracování untargeted metabolomických dat. Kombinací citlivé MS1 akvizice s iterativním AutoMSMS a integrovanou statistikou a identifikací software zrychluje workflow a zvyšuje spolehlivost výsledků.

Reference

• Yannell KE et al. An End-to-End Targeted Metabolomics Workflow. Agilent Application Note 5994-5628EN. 2023.
• Agilent ChemVista Library Manager. Agilent Technical Overview 5994-5924EN. 2023.