Creating Public MS/MS Libraries in NIST Format

Vytváření veřejných MS/MS knihoven ve formátu NIST — shrnutí

Význam tématu

Vytvoření a sdílení kvalitních uživatelských MS/MS knihoven ve formátu NIST je klíčové pro široké spektrum analytických oborů včetně metabolomiky, environmentální analýzy, farmacie a forenzní chemie. Standardizované knihovny zlepšují opakovatelnost vyhledávání, umožňují porovnání mezi laboratořemi a zvyšují přesnost identifikace sloučenin při hromadném zpracování dat. Veřejné zdroje jako MoNA a MS-DIAL poskytují rozsáhlé sady spekter, ale jejich objem a heterogenita vyžadují pečlivé zpracování před začleněním do NIST uživatelských knihoven.

Cíle a přehled dokumentu

Cílem předloženého materiálu je ukázat postupy a praktická doporučení pro převod veřejně dostupných LC-MS/MS knihoven do NIST formátu (NIST26), ilustrované na příkladu MoNA a MS-DIAL. Materiál popisuje problémy spojené s novou kombinací MoNA a Enveda-180, ukazuje pracovní postupy (Lib2NIST, úpravy SDF), testování výsledné knihovny a doporučené praktiky při správě velkých souborů spekter.

Použitá metodika

• Stahování zdrojových souborů: SDF exporty obsahující spektra a (pokud jsou k dispozici) chemické struktury.
• Konverze formátu: využití utility Lib2NIST pro převod z SDF (nebo MSP) do NIST formátu; doporučeno používat nejnovější verzi Lib2NIST kompatibilní s NIST26.
• Filtrování a čištění: v případě velmi velkých souborů (např. MoNA+Enveda) je doporučeno streamové zpracování (PowerShell/příkazové skripty) tak, aby operační systém nemanipuloval se soubory v paměti najednou.
• Řízení redundance: rozmyslet vytvoření oddělených uživatelských knihoven (např. MoNA-orbitrap, MS-DIAL-pos, MS-DIAL-neg) místo jednoho obrovského sloučeného souboru.
• Post-konverzní úpravy: po importu rebuild databáze struktur v NIST (Tools → Rebuild Structure Search Database) pro zajištění funkčního vyhledávání podle struktury.
• Testování: provést několik režimů vyhledávání (Identity MS/MS s prekurzorem, High-Res bez prekurzoru, EI Normal, MS/MS Hybrid, Structure Search) aby se ověřila funkčnost knihovny.

Použitá instrumentace a softwarové nástroje

• Instrumentace: zmíněny přístroje použité v různých veřejných sadách — Bruker (s .d proprietárním formátem), timsTOF Pro 2 (Enveda-180), Orbitrap (MoNA LC-MS/MS Orbitrap subset).
• Softwarové nástroje a pipeline: Lib2NIST (konverze do NIST formátu), ms_prepper (pooled deconvolution v Enveda workflow), SIRIUS (pomocná anotace fragmentů), PowerShell (streamové filtrování velkých SDF), NIST MS Search (MSSearch adresář, rebuild DB).

Hlavní výsledky a diskuse

• Rozsah veřejných knihoven: autor disponuje NIST-formáty pro MS-DIAL-pos, MS-DIAL-neg a MoNA LC-MS/MS s celkovým objemem >500 000 spekter a >150 000 struktur, avšak tyto sady nejsou pravidelně aktualizovány.
• Problém sloučení Enveda-180 s MoNA: Enveda-180 přidává ~1,16 milionu spekter z ~184 330 sloučenin, což dramaticky zvětší soubor (řád GB) a může negativně ovlivnit rychlost indexování a vyhledávání; navíc obsahuje převážně „drug-like“ syntetické struktury, které nemusí být relevantní ve všech aplikacích.
• Praktická omezení: velké SDF soubory (2–2.7 GB) nelze pohodlně otevírat v běžných Windows programech; doporučený přístup je streamové vyzobávání záznamů a vytvoření filtrů před konverzí (např. odstranění Enveda-180 položek).
• Konverzní komplikace: po převodu je nutné rebuildovat strukturovou databázi v NIST, jinak bude sice struktura vizualizována, ale fulltextové/strukturální vyhledávání nebude fungovat. Autor upozorňuje i na drobný „OK problém“, kdy uživatel musí potvrdit stovky dialogů — lze automatizovat skriptem.
• Praktický příklad: demonstrace konverze MoNA LC-MS/MS Orbitrap subsetu (~159,463 spekter) pomocí Lib2NIST, extrakce ze zip/SDF a umístění výsledné knihovny do C:/NIST26/MSSearch pro dostupnost v NIST softwaru.

Přínosy a praktické využití metody

• Standardizace: konverze do NIST formátu umožňuje využít robustní nástroje NIST MS Search, včetně strukturálního vyhledávání a integrovaných režimů porovnávání spekter.
• Flexibilita správy: vytváření samostatných menších knihoven (per ionizace, per instrument, per zdroj) zvyšuje uživatelskou kontrolu nad obsahem a zrychluje vyhledávání.
• Větší krytí: zahrnutí rozsáhlých veřejných souborů rozšiřuje chemický prostor dostupný pro identifikace, což je přínosné především při neznámé identifikaci ve farmaceutickém vývoji a rozsáhlých screeningových studiích.
• Udržitelnost: doporučené postupy pro filtrování a testování zkracují dobu ladění knihovny po konverzi a minimalizují chyby při vyhledávání.

Budoucí trendy a možnosti využití

• Modularita knihoven: rostoucí důraz na udržitelné, modulární sady (oddělené dle zdroje, instrumentu či třídy sloučenin) místo monolitických archivů.
• Integrovaná dekonvoluce a vyhledávání: nástroje kombinující dekonvoluci (např. ms_prepper) a integrované library searching umožní efektivní zpracování masivních sad (pooled experimenty).
• Automatizace konverze a validace: skriptovatelné workflow (PowerShell, Python) pro filtrování, převod Lib2NIST a automatické rebuildování databází sníží manuální zásahy a chybovost.
• Rozšíření metadat: u moderních experimentů (retention time, ion mobility / CCS, kolizní energie) bude důraz na uchování bohatých metadat v konverzních procesech pro lepší vyhledávání a scoring.
• Kontrola původu dat: vzhledem k rozdílům mezi experimentálními a in-silico knihovnami bude důležité metadata indikující měřené vs. predikované spektra, instrumentální podmínky a způsob vzorkování (např. pooled vs. jednotlivé injekce).

Závěr

Konverze veřejných LC-MS/MS knihoven do NIST formátu je proveditelná a přináší značné výhody, avšak vyžaduje uvážené řízení datového objemu, filtrování nerelevantních položek a následné rebuildování strukturální databáze pro plnou funkčnost. V praxi se osvědčuje vytvářet menší, cílené uživatelské knihovny a automatizovat konverzní a validační kroky, aby byla zachována rychlost vyhledávání a relevanci obsahových položek. Enveda-180 poskytuje hodnotný experimen­tální obsah, ale jeho integrace do uživatelské knihovny by měla být pečlivě zvážena podle cílové aplikace.

Reference

• MoNA LC-MS/MS dataset (autor a specifické subsety z webu MoNA).
• Enveda-180 dataset, MassIVE deposit (např. MSV000102122) — experimentální LC‑MS/MS data z timsTOF Pro 2.
• Lib2NIST utility — nástroj pro převod SDF/MSP do NIST formátu (doporučeno používat nejnovější verzi pro NIST26).
• MS-DIAL public LC-MS/MS exports (pos/neg), zdroj pro tvorbu NIST knihoven bez struktur.
• ms_prepper a SIRIUS — softwarové moduly používané v pipeline Enveda pro deconvolution a podpůrnou anotaci fragmentů.