COMPARISON AND EVALUATION OF CCS VALUES OBTAINED VIA DIRECT INFUSION IM-MS AND LC-IM-MS FOR THE CHARACTERIZATION OF RAT URINE METABOLITES

Význam tématu

Ion mobility (IMS) se stává klíčovým nástrojem v metabolomice díky schopnosti oddělit ionty podle kolizního průřezu (CCS). To zlepšuje detekci a identifikaci metabolitů v komplexních vzorcích, jako je moč potkana, a redukuje překrývání signálů při analýze. Výsledkem je přesnější charakterizace biomolekul za využití přímé infuze i LC separace.

Cíle a přehled studie / článku

Cílem bylo srovnat a vyhodnotit hodnoty CCS získané přímou infuzí IM-MS (DI-IM-MS) a metodou LC-IM-MS v kontextu metabolitů v moči potkana. Studie zahrnovala vytvoření CCS a MS/MS knihoven standardů, ověření přesnosti měření a aplikaci na biologické vzorky.

Použitá metodika a instrumentace

• IM-MS: Waters Synapt G2-Si, ESI (pozitivní/negativní režim), kalibrace s MajorMix (power fit).
• DI-IM-MS: přímá infuze roztoků 10 ng/µl při toku 50 µl/min (ACN/H₂O s FA nebo NH₃).
• LC-IM-DIA-MS: Acquity I-Class UPLC, kolona HSS T3 (1×50 mm, 1,8 µm), gradient 2,5 min, data independent analysis.
• Informatika: MassLynx pro akvizici, UNIFI a Skyline pro vytváření knihoven, SIMCA-P+ pro multivariační analýzy, XGBoost pro predikci TWCCSN2.

Hlavní výsledky a diskuse

• Měření TWCCSN2 u standardů vykazovala vysokou preciznost inter-/intra-laboratoří (CV <2 %).
• Srovnání DI-IM-MS a LC-IM-MS ukázalo, že 90 % CCS hodnot získaných LC-IM-MS se lišilo méně než ±1 %; 97 % bylo v rámci ±2 %.
• Korelace mezi naměřenými CCS a předpověďmi pomocí XGBoost a dalších modelů byla dobrá, avšak drobné odchylky souvisely s rozdíly v trénovacích datech.
• V analýze moči potkana metodou LC-IM-MS bylo identifikováno 65 metabolitů kombinací retenčního času, TWCCSN2 a MS/MS.

Přínosy a praktické využití metody

Metoda doplňuje konvenční LC-MS o další rozměr separace na základě tvaru a velikosti iontů, což zvyšuje spolehlivost identifikace metabolitů a snižuje falešně pozitivní nálezy ve složitých biologických maticích. Umožňuje rychlé nasazení jak v laboratorních workflow, tak ve farmaceutickém a klinickém prostředí.

Budoucí trendy a možnosti využití

• Integrace strojového učení pro přesnější predikci CCS u neznámých sloučenin.
• Rozšíření databází CCS a MS/MS standardů pro pokrytí širšího spektra metabolitů.
• Využití IMS v real-time monitoringu bioprocesů a spektroskopických senzorů.
• Vývoj robustních softwarových nástrojů pro automatizovanou analýzu IM-MS dat.

Závěr

Studie prokázala vysokou reprodukovatelnost CCS hodnot mezi různými přístroji a metodami (DI-IM-MS vs. LC-IM-MS). Doplnění IMS do analytického workflow významně zlepšuje identifikaci a kvantifikaci metabolitů v náročných vzorcích, což podporuje jeho širší aplikaci v metabolomice.

Reference

1. Paglia G., Williams J.P., Menikarachchi L., Thompson J.W., Tyldesley-Worster R., Halldórsson S., Rolfsson O., Moseley A., Grant D., Langridge J., Palsson B.O., Astarita G. Ion mobility derived collision cross sections to support metabolomics applications. Anal. Chem. 86 (2014) 3985–3993.
2. Chen T., Guestrin C. XGBoost. Proc. 22nd ACM SIGKDD Int. Conf. Knowl. Discov. Data Min. (2016) doi:10.1145/2939672.2939785.
3. Picache J.A., Rose B.S., Balinski A., Leaptrot K.L., Sherrod S.D., May J.C., McLean J.A. Collision cross section compendium to annotate and predict multi-omic compound identities. Chem. Sci. 10 (2019) 983–993.
4. Zhou Z., Shen X., Tu J., Zhu Z.J. Large-scale prediction of collision cross-section values for metabolites in ion mobility-mass spectrometry. Anal. Chem. 88 (2016) 11084–11091.