LipidSearch 5.2: Improved Software for Parallel Processing of Large Datasets from LC-MS High Resolution Mass Spectrometry Based Lipidomics Workflows

Význam tématu

Analýza lipidomiky pomocí LC-HRMS/MS generuje velké objemy dat (tisíce MS a MS2 spekter na vzorek). Rychlá a spolehlivá softwarová zpracování jsou proto kritická pro studie s mnoha vzorky (kohortní studie, záložní QC sady, multi-lab testování). Zlepšení výkonu softwaru umožňuje zkrátit čas zpracování, snížit hardwarové nároky pro reálné laboratory workflows a zpřístupnit komplexní analýzy pro více uživatelů a větší datasetů.

Cíle a přehled studie / článku

Autoři popisují vývoj a testování nové verze LipidSearch (verze 5.2 a následné buildy až 5.2.2.1), zaměřené na paralelní zpracování velkých LC-HRMS/MS datasetů a zlepšení správy paměti. Cíle byly: zvýšit rychlost vyhledávání a alignace lipidů v rozsáhlých souborech, snížit riziko přetížení paměti a umožnit škálovatelnou práci s daty v řádu desítek až stovek GB. Testování proběhlo na reálných datasetech (FB1 mouse liver, DIO mouse plasma, SRM1950 QC, NIST 1–3, P250) a na třech pracovních stanicích s odlišnou konfigurací CPU, RAM a NVMe disků; součástí beta testování bylo 12 zákazníků z 8 laboratoří.

Použitá metodika a instrumentace

Metodika:

• Kompletní přepis softwaru začal ve verzích 5.0–5.1 a ve verzi 5.2 byl implementován paralelní workflow pro tři hlavní bloky: (1) extrakce špiček a dekonvoluce MS2 (rozdělení časové osy do regionů a paralelní zpracování), (2) identifikace lipidů – paralelní vyhledávání kandidátů podle m/z skupin pro dekonvolvované MS2 spektra, (3) alignace mezi vzorky – paralelní výpočty korekce retenčního času, normalizace, skupinování a statistiky pro jednotlivé lipidové třídy.
• Řízení paměti a cache: realtime monitorování paralelních procesů, řízené alokace paměti a vykazování mezipaměti pro minimalizaci častých alokací a přetížení RAM.
• Workflow akvizice: porovnání klasického LC-ddMS2 přístupu a strategie AcquireX/LC-HRMS MS2 (pools/pooled MS2), která redukuje redundantní MS2 záznamy a významně zmenšuje režii při vyhledávání.

Instrumentace (uvedena v originálním textu a použita pro testy):

• Orbitrap Exploris 240
• Q Exactive (včetně HF)
• Fusion Lumos
• Kapalinová chromatografie s kolonami: Ascentis C18, Acclaim/Accucore/Prototype C30 (různé délky a částice)
• Testovací pracovní stanice: HP Z840 (2× E5-2667, 128 GB RAM, SATA SSD), HP Z8 G4 (2× Gold 6148, 384 GB RAM, NVMe 990-PRO), Lenovo (i9-12900, 128 GB RAM, NVMe XG8)

Hlavní výsledky a diskuse

Výkon a škálovatelnost:

• Verze 5.2 a následné bugfix buildy přinesly výrazné zrychlení ve vyhledávání i v alignaci oproti verzím 5.1.6 a 5.1.8. Autoři uvádějí průměrné zkrácení času zpracování přibližně 5×, v některých případech až 7× nebo více v závislosti na datasetu a hardware.
• Největší dataset P250 (145 GB) vykázal významné zrychlení alignace při dostatečné RAM (minimálně 128 GB, nejlepší výsledky na 384 GB a NVMe SSD). Celkové časy zpracování se v testech pohybovaly od řádů desítek minut pro malé soubory až po desítky hodin pro největší soubory; průměrné zkrácení činilo ~5×.
• Paralelní rozdělení časové osy a paralelní identifikace podle m/z skupin zkracuje dobu CPU-bound a I/O-bound operací. Realtime caching minimalizuje časté alokace a přetížení paměti při paralelním běhu.
• AcquireX režim výrazně snižuje redundantní MS2 spektra a byl identifikován jako klíčová optimalizace — přibližně 5× redukce režie oproti standardnímu ddMS2 workflow, což se přímo promítá do zkrácení doby vyhledávání.
• Výběr hardwaru má velký vliv: vysoká frekvence jader (4–5 GHz) a rychlé NVMe disky zlepšují výkon zpracování; doporučené minimum je 128 GB RAM, ale pro velmi velké datasetu je lepší 256–384 GB.

Přínosy a praktické využití metody

Hlavní přínosy:

• Umožnění analýzy rozsáhlých kolekcí vzorků (desítky až stovky souborů) v prakticky použitelné době, což je kritické pro kohortní studie a rutinní laboratoře.
• Snižuje potřebu opakovaného spouštění zpracování a riziko selhání alignace při desítkách až stovkách souborů.
• Optimalizace hardwarového nasazení — jasná doporučení pro RAM, NVMe a CPU, která pomohou laboratořím dimensionovat pracovní stanice.
• Integrace s AcquireX podporuje efektivnější sběr dat a redukci redundantních spekter v datech MS2.

Budoucí trendy a možnosti využití

Možné směry dalšího vývoje a využití:

• Dalsí paralelizace a distribuované zpracování: škálování na více uzlů nebo využití cloudových instancí s rychlým NVMe pro rozsáhlé projekty.
• GPU-akcelerace pro dekonvoluci a porovnávání spekter, případně využití speciálních instrukcí CPU pro rychlejší numerické operace.
• Optimalizace I/O vrstvy a standardizované binární formáty pro rychlejší čtení/zápis velkých LC-MS datasetů.
• Integrace strojového učení pro prioritizaci MS2 spekter a automatické zlepšení anotací lipidů.
• Rozšíření podpory workflows (DIA, AcquireX hybridní režimy) a lepší interoperabilita s LIMS/ELN systémy pro vysokopropustné laboratoře.

Závěr

LipidSearch 5.2 (a následné buildy 5.2.2.1) ukázal významné zlepšení výkonu při zpracování velkých LC-HRMS/MS lipidomických datasetů díky paralelizaci klíčových kroků (extrakce, identifikace, alignace), lepší správě paměti a mezipaměti a optimalizovanému workflow (AcquireX). Praktické důsledky jsou zřejmé: rychlejší analýzy, menší hardwarové překážky pro zpracování velkých souborů a lepší škálovatelnost pro kohortní a mezi-laboratorní studie. Doporučení zahrnují minimálně 128 GB RAM, NVMe SSD (4 TB) a vysokofrekvenční vícejádrové CPU pro optimální výkon.

Reference

• Peake DA, Kitahashi Y, Masaki N, Yokoi Y. LipidSearch 5.2: Improved Software for Parallel Processing of Large Datasets from LC-MS High Resolution Mass Spectrometry Based Lipidomics Workflows. Peake Performance LLC & Mitsui Knowledge Industry Co.; (přepis a souhrn interní studie a beta testů uvedených autorů).