The ultimate toolset for transforming small-molecule MS data into meaningful insights

Význam tématu

Analýza malých molekul pomocí vysoce přesné hmotnostní spektrometrie (HRAM MS) generuje rozsáhlá a komplexní data, jejichž interpretace je klíčová pro metabolomiku, farmakokinetiku, environmentální analýzy, forenziku a další aplikace. Efektivní softwarové nástroje umožňují zjednodušit zpracování, odstranění šumu a redundance, přesnou anotaci neznámých složek a přenos výsledků do biologického či procesního kontextu — to zvyšuje schopnost laboratoří získat smysluplné a reprodukovatelné výsledky z nepřehledných datových souborů.

Cíle a přehled studie / článku

Dokument představuje Thermo Scientific Compound Discoverer jako kompletní softwarové řešení pro zpracování untargeted HRAM malomolekulárních dat. Hlavní cíle jsou ukázat, jak software zjednodušuje nastavení analýz, snižuje množství irelevantních dat, zvyšuje pokrytí MS/MS informací u nízkointenzitních komponent a nabízí nástroje pro anotaci, vizualizaci a biologickou interpretaci výsledků.

Použitá metodika a instrumentace

Popisované řešení kombinuje softwarové moduly a inteligentní akviziční strategie s HRAM Orbitrap hmotnostními spektrometry. Klíčové komponenty a nástroje:

• Software: Thermo Scientific Compound Discoverer (moduly: Study Manager, Workflow Editor & Processing Engine, Results Analysis, Annotation & Biological Interpretation).
• Inteligentní akvizice: AcquireX Deep Scan mód pro Orbitrap ID-X Tribrid MS, který dynamicky generuje inkluzní/exkluzní seznamy pro iterativní sběr MSn dat.
• Spektrální a databázové zdroje: mzCloud, mzVault, možnosti importu NIST MSP knihoven, přístup k ChemSpider a dalším strukturálním databázím (KEGG, BioCyc).
• Doplňkové nástroje: TraceFinder pro export cílených kvantitativních metod, FISh scoring (Mass Frontier) a algoritmus mzLogic pro podobnostní vyhledávání fragmentací.

Metodika zahrnuje předpřipravené workflow šablony pro různé aplikace (metabolomika, stabilní izotopové značení, drug metabolism, environmentální analýzy apod.), možnost tvorby vlastních uzlů ve Workflow Editoru, a Study Wizard pro jednoduché nastavení studie (import vzorků, volba workflow, definice typů vzorků a proměnných).

Hlavní výsledky a diskuse

• Data reduction: Software výrazně redukuje komplexitu dat z desítek až stovek milionů surových signálů na řádově stovky tisíc detekovaných feature až na tisíce složek, což zlepšuje zpracovatelnost a kvalitu výsledků.
• AcquireX efekt: Iterativní inkluzní/exkluzní strategie zabraňuje opakovanému sběru MS/MS na pozadí a redundantních adduktech, čímž zvyšuje množství kvalitních MS/MS spekter pro nízkointenzitní analyty. V ukázce zvýšil AcquireX počet detekovaných metabolitů (příklad Amprenavir: z 8 na 21 známých metabolitů).
• Anotace neznámých: Kombinace výpočtu elementárních vzorců z HRAM dat, vyhledávání v chemických databázích, mzCloud spektrálních shod, FISh in-silico fragmentačního skórování a mzLogic podobnostního vyhledávání umožňuje generovat dobře ohodnocené kandidáty i pro sloučeniny chybějící v knihovnách.
• Vizualizace a interaktivita: Results Analysis nabízí interaktivní tabulky, překryvy chromatogramů a spekter, barevné značky kvality identifikace (zjednodušeně: vysoká důvěra / nejednoznačné / problémové) a propojení se surovými daty pro ověření.
• Molecular Networks View: Konstelace založené na MS/MS podobnosti a běžných transformacích (např. ztráta vody, acetylace) umožňují vizuálně sledovat vztahy mezi identifikovanými a neoidentifikovanými komponentami a využít tyto vztahy k dedukci struktur či biotransformací.
• Pathway mapping a stable isotope labeling: Přímé mapování identifikovaných složek na KEGG, BioCyc a editovatelné Metabolika diagramy, včetně podpory pro untargeted sledování izotopologů a vizualizace distribuce isotopologů a míry inkorporace na cestách.

Přínosy a praktické využití metody

• Rychlejší a cílenější sběr MS/MS dat pro nízkokoncentrované komponenty bez nutnosti zpracovávat obrovské množství irelevantních spekter.
• Zlepšení kvality anotací díky kombinaci experimentálních spekter, in-silico fragmentace a podobnostních algoritmů.
• Zjednodušené workflowy a templaty umožňují rychle nasadit analýzy v různých oblastech (metabolomika, toxikologie, environmentální screening, forenzika, vývoj léčiv).
• Integrace s kvantitativními nástroji (export do TraceFinder) umožňuje snadný přechod od untargeted objevování k cílenému kvantitativnímu ověření.
• Vizualizační nástroje a pathway mapping usnadňují interpretaci výsledků v biologickém nebo procesním kontextu, což je klíčové pro rozhodování ve výzkumu i v provozní praxi.

Budoucí trendy a možnosti využití

• Prohlubování integrace akvizičních strategií (jako AcquireX) s adaptivními algoritmy strojového učení pro ještě efektivnější výběr precursorů a optimalizaci sběru MSn dat.
• Rozšíření a automatizace podobnostních vyhledávání a in-silico fragmentačních modelů pro robustnější identifikaci dosud nezdokumentovaných látek v širších chemických prostorech.
• Větší provázání výsledků s multi-omics daty (proteomika, transkriptomika) a s klinickými/metadatovými zdroji pro komplexnější biologickou interpretaci.
• Vývoj uživatelsky přívětivých konfiguračních rozhraní a cloudových řešení pro škálovatelné zpracování i v laboratořích s omezenými IT zdroji.
• Zlepšení podpory pro kvantitativní tok z untargeted objevů do regulačně schválených kvantitativních metod.

Závěr

Compound Discoverer představuje komplexní softwarovou sadu, která kombinuje zpracování HRAM dat, inteligentní akviziční strategie, bohaté nástroje pro anotaci a silné vizualizační a interpretační funkce. Umožňuje zásadní snížení komplexity dat, zvýšení pokrytí MS/MS informací pro nízkokoncentrované analyty a usnadňuje přechod od objevování ke kvantifikaci a biologické interpretaci. Pro laboratoře zabývající se malými molekulami přináší zrychlení pracovních postupů, lepší kvalitu výsledků a širší možnosti integrace s jinými analytickými nástroji a databázemi.

Reference

1. Thermo Fisher Scientific. SMALL-MOLECULE MASS SPECTROMETRY – Compound Discoverer Software, Smart Note SN65628-EN, 2020.