Grant application resource: Thermo Scientific Orbitrap ID-X Tribrid mass spectrometer for metabolomics, lipidomics and structural elucidation

Význam tématu

Moderní výzkum v oblasti metabolomiky a lipidomiky vyžaduje nástroje schopné vyřešit komplexní složení biologických vzorků s vysokou citlivostí, rozlišením a hmotnostní přesností. Identifikace a strukturální charakterizace tisíců nízkomolekulárních látek a lipidů v nevědomém režimu (untargeted) představuje zásadní výzvu pro dřívější generace hmotnostních spektrometrů. Orbitrap ID-X Tribrid MS přináší klíčové inovace v paralelní isolaci, rozkladu (MSn) a detekci látek, čímž umožňuje hlubší pokrytí metabolomu a lipidomu.

Cíle a přehled studie

Hlavním cílem dokumentu je odůvodnit přechod z dřívějších generací Orbitrap Q Exactive nebo Fusion Tribrid spektrometrů na Thermo Scientific™ Orbitrap™ ID-X™ Tribrid™ MS. Autoři představují novou platformu vhodnou pro:

• Rozšíření rozsahu detekce nízce zastoupených metabolitů v komplexních matricích.
• Automatizované přístupy k datově řízenému sběru vysokokvalitních MS2 a MSn spekter (AcquireX).
• Strukturální eliminaci izomerů a charakterizaci neznámých sloučenin.

Použitá metodika a instrumentace

Orbitrap ID-X Tribrid kombinuje:

• Kvadrupólový filtr pro selekci prekurzorů (m/z 50–2000).
• Ultra-high-field Orbitrap analyzátor s rozlišením až 500 000 FWHM (m/z 200) a hmotnostní přesností <1 ppm (interní kalibrace).
• Dvojitý lineární iontový past (ion trap) pro MSn až do úrovně MS10.
• EASY-IC zdroj pro kontinuální interní kalibraci.
• Inteligentní režimy datově závislého sběru (AcquireX) s iterativní exkluzí a inkluzí prekurzorů.
• Pokročilé scan filtry (cílená neutrální ztráta, produktové ionty, izotopové poměry) pro specifické třídy sloučenin (flavonoidy, lipidy).

Hlavní výsledky a diskuse

Sub-ppm hmotnostní přesnost byla potvrzena scan-to-scan i run-to-run na standardních vzorcích a referenčním materiálu NIST SRM 1950.
AcquireX workflow:

• Snížení fragmentace pozadí na necelé 1 % spekter.
• Dvojnásobný nárůst počtu shod s kvalitními MSn knihovnami (mzCloud) ve srovnání s tradiční DDA.

Strukturální rozlišení izomerů:

• Flavonoidy: závislý MSn sběr na neutrální ztrátě sacharidů umožnil odlišení Kaempferolu-3-O-β-rutinosidu a Luteolinu-7-rutinosidu.
• Lipidy: cílené MS3 po neutrální ztrátě mastné kyseliny + NH3 dovolilo jednoznačnou identifikaci izomerů triglyceridů (např. TG 14:0-16:0-18:1 vs. TG 16:0-16:0-16:1).

Přínosy a praktické využití metody

Orbitrap ID-X Tribrid MS umožňuje:

• Hluboké profilování komplexních biologických vzorků (plazma, tkáně, extrakty).
• Spolehlivou detekci nízce zastoupených metabolitů ve fluxomických experimentech.
• Rychlou a reprodukovatelnou identifikaci lipidových tříd v lipidomice.
• Automatizované metody pro tvorbu MSn referenčních knihoven.

Budoucí trendy a možnosti využití

Další rozvoj směřuje k:

• Integraci iontové mobility pro dodatečné rozlišení strukturálních izomerů.
• Využití umělé inteligence a machine learningu pro on-the-fly rozhodování o fragmentaci.
• Rozšíření spektrálních databází a automatizovanou anotaci neznámých látek.
• Multimodální integraci s genomikou, proteomikou a dalšími „omics“.

Závěr

Orbitrap ID-X Tribrid MS představuje nejvýkonnější řešení pro untargeted metabolomiku a lipidomiku díky kombinaci ultra-high-field Orbitrap analyzátoru, výkonného iontového pastu, inteligentních akvizičních režimů a rozsáhlé MSn kapacity. Upgrade na tuto platformu významně zvyšuje důvěryhodnost i hloubku chemické charakterizace v náročných biomedicínských i průmyslových aplikacích.

Reference

• 1. Promises and pitfalls of untargeted metabolomics, I. Gertsman, B.A. Barshop; J Inherit Metab Dis. 2018, 41:355.
• 2. The Journey from Features to Compound Identification in Metabolomics, G. Patti et al.; The Scientist, 2018, eBook #65354.
• 3. Evolution of Orbitrap Mass Spectrometry Instrumentation, S. Eliuk, A. Makarov; Annu. Rev. Anal. Chem. 2015, 8:61–80.
• 4. High-resolution compound identification in metabolomics: a review of current practices, D. Peake; Review paper #65356.
• 5. Systems-Level Annotation of a Metabolomics Data Set Reduces 25,000 Features to Fewer than 1,000 Unique Metabolites, N.G. Mahieu, G.J. Patti; Anal Chem. 2017, 89:10397–10406.
• 6. Evaluation of the high-field Orbitrap Fusion for compound annotation in metabolomics, P. Barbier Saint Hilaire et al.; Anal Chem. 2018, 90:3030–3035.
• 7. Improved Metabolome Coverage and Increased Confidence in Unknown Identification Through Novel Automated Acquisition Strategy, I. Ntai et al.; Poster #65286.
• 8. Flavonoid Annotation Using a Product Ion-Dependent MSn Data Acquisition Method, R. Kiyonami et al.; Poster #6530.
• 9. New method filters for improved MSn acquisition for small molecule and proteomics workflows, G. McAlister et al.; Poster #65259.