Lipid Insight Unblocked: Combining Nontargeted LC/MS Chemometrics With Automated Lipid Annotation

Význam tématu

Nezamýšlená (nontargeted) lipidomika rychle roste v základním i aplikovaném výzkumu, klinické analýze a průmyslové kontrole kvality. Spolehlivé, rozsáhlé a přitom uživatelsky přístupné softwarové workflow jsou klíčové pro převod velkých LC/MS dat do biologicky a analyticky smysluplných lipidových anotací. Kombinace chemometrie, automatické anotace lipidů a interaktivní vizualizace umožňuje efektivní odhalování změn v lipidomice vzorků, jako je degradace lipidů při tepelné úpravě, a podporuje korektní ruční ověření kritických nálezů.

Cíle a přehled studie / článku

Studie prezentuje integrované workflow, které kombinuje MassHunter Explorer pro extrakci funkcí a statistiku, LipidMatch pro hromadnou automatizovanou lipidovou anotaci a Mass Profiler Professional (MPP) pro pokročilé chemometrické vizualizace. Cílem bylo ukázat praktickou výměnu dat mezi nástroji a dosáhnout hlubokého pokrytí lipidů v porovnání kontrolních a tepelně exponovaných porcine (prasečí) mozkových lipidových extraktů, přičemž byly dosaženy více než 800 anotací lipidů a možnost důkladného přezkumu výsledků.

Použitá metodika

Popis experimentu:

• Vzorky: komerčně dostupný porcine brain lipid extract, doplněný standardy Avanti Splash II Lipidomix.
• Design: 3 replikáty zahřáté na 99 °C po dobu 2 hodin vs. 3 nezpracované kontrolní replikáty.
• Příprava: vysušení pod N2, resuspendace v 1:1:0.1 butanol:methanol:10 mM ammonium acetate.
• Chromatografie: optimalizovaná 20min reverzní fázová metoda; sloupec Agilent Altura ZORBAX Eclipse Plus C18; mobilní fáze obsahovala 10 mM ammonium acetate místo původního ammonium formate.
• Akvizice: pozitivní i negativní ionizační režimy; MS1-only a Auto MS/MS (Iterative) režimy pro získání řízených fragmentačních dat.

Datová analýza a postup zpracování:

• MassHunter Explorer 2.0: extrakce funkcí, normalizace, filtrování, statistické testy (např. vulkanový plot pro detekci změn způsobených tepelnou úpravou) a export kompletního projektu do jediného .pfa souboru.
• LipidMatch Suite 5.73: import .pfa a hromadná anotace založená na knihovnách fragmentací a in silico pravidlech (knihovna přes ~500 000 lipidů; uváděné falešně pozitivní sazby <5 %). Filtrace podle skóre a interaktivní vizualizace v LipidMatch Visualizer pro curation.
• Mass Profiler Professional (MPP) 15.1: volitelně použité pro pokročilé chemometrické analýzy a matice/boxplot vizualizace abundancí lipidů mezi skupinami.
• Výměna formátů: .pfa export z Exploreru → import do LipidMatch; vybrané anotace exportovány přes PCDL Manager do .cdb pro mapování zpět v Exploreru.

Použitá instrumentace

• LC: Agilent 1290 Infinity III Bio LC (Agilent Technologies).
• Kolona: Agilent Altura ZORBAX Eclipse Plus C18 (pro 20min RP separaci).
• MS: Revident LC/Q-TOF (spojený s 1290 LC) pro vysokorozlišné MS a MS/MS akvizice.
• Softwarové nástroje: MassHunter Explorer 2.0, LipidMatch Suite 5.73 (LipidMatch Visualizer), Mass Profiler Professional 15.1; PCDL Manager pro tvorbu .cdb.

Hlavní výsledky a diskuse

Výsledky z workflow ukázaly hluboké pokrytí lipidome v porcine brain extraktu:

• LipidMatch anotoval 827 lipidů v pozitivním a 256 v negativním ionizačním režimu při zvolené prahové hodnotě skóre, celkem tedy >800 anotací.
• Využití chemometrické analýzy v Exploreru (vulkanový plot, normalizace, filtry) umožnilo identifikovat funkce, které významně mění abundanci po tepelném ošetření.
• LipidMatch Visualizer a Kendrick mass defect analýza umožnily potvrzení homologních řad lipidů (třídy PS a další) i bez dostupného MS/MS tím, že odhalily konzistentní vzory podle počtu uhlíků a stupně nenasycení. Filtrace na neutral loss odpovídající PS hlavě umožnila cílené vyhledávání fosfatidylserinů.
• Mapování anotací zpět do Exploreru umožnilo sledovat chování jednotlivých identifikací v rámci statistických testů (např. koenzym Q10 byl detekován jako významně snížený po tepelné úpravě; u Q10 došlo ke spektrální shodě v knihovně, zatímco u většiny lipidů šlo o in silico anotace).
• MPP vizualizace zdůraznila, že triacylglyceroly (TG) obecně klesly po zahřátí a že TG obsahující polyenové mastné kyseliny (PUFA) byly náchylnější k degradaci než nasycené či méně nenasycené formy.

Celkově workflow umožnilo automatickou vysokokapacitní anotaci s následnou interaktivní kurací, čímž se zvyšuje důvěra v výsledné lipidové profily.

Přínosy a praktické využití metody

• Zvýšená efektivita: integrace .pfa výměny z Exploreru do LipidMatch zrychluje anotaci a minimalizuje manuální kroky.
• Široké pokrytí lipidů: kombinace in silico pravidel a spektrálních knihoven umožňuje identifikovat stovky lipidů z komplexního biologického extraktu.
• Flexibilita ověření: vizualizační nástroje (Kendrick MDP, NL filtry, per-class inspekce) umožňují selektivní ruční kontrolu a korekci automatických anotací.
• Analytické využití: workflow je vhodné pro studií stability lipidů, srovnávací lipidomiku, biomarker discovery a metodický vývoj v laboratorní rutinní praxi.

Budoucí trendy a možnosti využití

• Zlepšování knihoven: rozšiřování spektrálních databází a vylepšení in silico fragmentačních pravidel povede k vyšší přesnosti a snížení falešných pozitiv.
• Standardizace a kvantifikace: integrace interních standardů a robustních kvantifikačních postupů rozšíří využití do regulované analýzy a klinických aplikací.
• Automatizace a AI: strojové učení pro scoring anotací, automatickou kuraci a předpověď biologického významu může zrychlit interpretaci velkých datasetů.
• Multimodální data: kombinace lipidomiky s proteomikou/metabolomikou a ortogonálními technikami (ion-mobility, izotopové zátěže) poskytne hlubší biologický kontext.
• Vylepšené měření FDR: metodiky pro přesné kvantifikování chybových mír v anotacích lipidů jsou důležité pro spolehlivé nasazení v diagnostice a regulaci.

Závěr

Prezentovaný workflow ukazuje praktickou a efektivní cestu, jak zpracovat nontargeted LC/MS lipidomické data od extrakce funkcí přes automatizovanou anotaci až po pokročilé vizualizace a kuraci. Propojení MassHunter Explorer, LipidMatch a MPP poskytuje vysoké pokrytí lipidů a nástroje pro ověření anotací, což je klíčové pro interpretaci změn v komplexních vzorcích, například degradaci lipidů po tepelném ošetření. Takové integrované přístupy posilují spolehlivost lipidomiky pro výzkum i aplikační nasazení.

Reference

1. Hyunh K, et al. LC/MS dMRM Method Refinement Expands Targeted Lipidomics Studies from Plasma to Cells and Tissues. Agilent Application Note 5994-8365EN, 2026.
2. Koelmel JP, et al. LipidMatch: an automated workflow for rule-based lipid identification using untargeted high-resolution tandem mass spectrometry data. BMC Bioinformatics. 2017 Jul 10;18(1):331. doi:10.1186/s12859-017-1744-3.