Automated compound identification using product ion scanning with accurate mass measurement and compound database searching for non-targeted metabolomics

Význam tématu

Liquid chromatography coupled with mass spectrometry (LC-MS) hraje klíčovou roli v non-targeted metabolomice, neboť umožňuje citlivou detekci široké škály metabolitů. Účinná identifikace sloučenin přeměňuje syrová spektrální data na smysluplné chemické identity, což je zásadní pro pochopení biologických procesů a kvality složitých vzorků, jako je zelený čaj.

Cíle a přehled studie / článku

Autoři vyvinuli automatizovanou metodiku pro identifikaci sloučenin v neřízené metabolomice. Metoda kombinuje měření vysoké hmotnostní přesnosti MSn spektra s databázovým vyhledáváním a skórováním chemických vzorců a fragmentů za účelem zúžení seznamu kandidátů a urychlení analytického procesu.

Použitá metodika a instrumentace

Vzorek: extrakt sušených listů zeleného čaje.
Chromatografie: Shim-pack XR-ODS (2,0×50 mm, 2,2 µm), mobilní fáze voda + 0,1 % HCOOH (A) a methanol (B), gradient 2 %→98 % B (19 min), 0,4 mL/min, 40 °C.
Hmotnostní spektrometrie: LCMS-IT-TOF (Shimadzu) s ESI režimem (+/–), rozsah m/z 100–1000, CDL a desolvation při 200 °C.
Software: Formula Predictor pro odhad elementárních vzorců, vlastní API pro vyhledávání v databázi ChemSpider.
Datová analýza: PLS regresní model s výběrem proměnných pomocí VIP hodnot.

Hlavní výsledky a diskuse

Z 3742 detekovaných signálů bylo po filtraci izotopů a p-hodnot vybráno 462 pro PLS model. Model vykazoval vysokou přesnost (R2=0,9653, RMSEP=5,11, LV=4). Pro 20 nejvýznamnějších proměnných podle VIP hodnot proběhla automatická identifikace.
Příklad složky var_337: z 218 kandidátů bylo díky skórování vzorců a fragmentů zúženo na 6 shodných finálních struktur. Mezi identifikovanými látkami dominovaly estery katechinů a známé fenolické sloučeniny.

Přínosy a praktické využití metody

Automatizované workflow snižuje časovou náročnost manuálního přiřazování spekter, zvyšuje reprodukovatelnost a umožňuje rychlou prioritizaci kandidátů. Metodu lze využít při hodnocení kvality potravin, kontrole přidaných látek a nečistot či charakterizaci sekundárních metabolitů v biotechnologiích.

Budoucí trendy a možnosti využití

Očekává se rozšíření databází a zdokonalení algoritmů pro predikci fragmentací, integrace strojového učení pro pokročilé skórování a aplikace na environmentální vzorky, polymery a pesticidy mimo oblast potravinářství.

Závěr

Navržená metodika efektivně kombinuje vysokou hmotnostní přesnost MSn se skórováním vzorců a databázovým vyhledáváním, což vede k rychlé a spolehlivé identifikaci relevantních metabolitů. Přístup přináší významné zkrácení analýzy a využitelnost v širší škále analytických aplikací.

Reference

V původním textu nebyly uvedeny explicitní literární odkazy, proto nebyly další reference zahrnuty.