4D-脂质组学数据处理新方法
由于脂质中大量双键位置异构的存在,导致脂质的组成结构复杂,对脂质的准确鉴定存在着一定的困难。基于质谱的脂质组学中脂质的鉴定通常依赖于MS/MS谱图中头基和侧链的特征片段来判断结构。MS/MS谱图的质量影响着结构解析的深度,相应的鉴定结果根据解析深度的不同可分为分子式水平,链组成水平等。依据MS/MS谱库可对脂质化合物进行快速广泛的鉴定,但鉴定的结果可能出现过度标注的风险。为了避免这种情况并简化脂质鉴定的流程,通过使用选定的碎片化规则简化了脂质特征的自动识别。结果可通过Kendrick质量亏损图进行进一步的确证。
使用预发行版本的MetaboScape® 2021对原始数据进行峰提取,T-ReX® 4D算法自动提取所有指定的加合物和中性损失峰并进行合并,在峰对齐中考虑精确质量、同位素峰、保留时间、MS/MS谱图和CCS值的对齐。为了增加对脂质鉴定的准确度,将正负离子的数据合并后进行鉴定。
使用MetaboScape®中基于脂质碎裂规则的新注释工具Rule-Based Lipid Annotation对脂质化合物进行鉴定。脂质注释算法使用[M+H]+、[M+Na]+、[M+NH4]+、[M-H2O+H]+、[M-H]-、[M+HCOO]-和[M+CH3COO]-离子,对四个主要类别(甘油脂、甘油磷脂、鞘脂和甾醇脂)中24个亚类的脂质进行鉴定。
图1:PASEF LC-MS / MS单次进样高MS / MS覆盖率(红色菱形表示母离子)
图2 :脑提取物中脂质类别的分布(气泡的大小代表CCS值的大小)
图6 :CS - m/z图
进一步体现了淌度的应用,脂质根据其双键数不同呈现斜向趋势线
Rule-Based Lipid Annotation可对4个大类,24个亚类的脂质进行稳定可靠的注释
带有淌度的PASEF LC-MS/MS数据可通过单次进样获得全面的MS/MS覆盖,从而使脂质注释具有更高的置信度
Kendrick质量亏损图的引入简化了脂质类别的验证和对未注释候选物的搜索
所获取的CCS值可以和预测值或公共数据库进行高精度匹配
呈现的4D-LipidomicsTM工作流程可对来自不同来源的脂质提取物进行深度分析
参考文献
http://fiehnlab.ucdavis.edu/projects/LipidBlast
Kendrick, E., Analytical Chemistry 35.13 (1963): 2146-2154.
Korf, A, et al. Rapid Commun Mass Spectrom. 2018; 32: 981‐ 991
Matyash V., et al. J Lipid Research, 2008, 49(5):1137-46
Vasilopoulou, C.G. et al., Nat Commun 11, 331 (2020).
▼▼点击“阅读原文”,下载应用海报