Lipid Visualization and Identification Through Collisional Cross Section Aided Correlation of MS Imaging and Ex Situ MS Data for MS-MS Identification

Význam tématu

Masová spektrometrie (MS) imaging se stala klíčovou metodou v lipidomice pro prostorovou vizualizaci lipidů v tkáňových řezech. Identifikace lipidů však často narazí na komplikace způsobené isobarickými a téměř isobarickými druhy. Začlenění oblasti kolizního průřezu (CCS) nabízí nový rozměr selektivity, který zvyšuje důvěru při přiřazování signálů z MSI k ex situ MS-MS datům.

Cíle a přehled studie / článku

Hlavním cílem je ukázat, jak lze CCS oblasti využít k propojení dat z MALDI MS imaging a extrahovaných lipidů analyzovaných ex situ MS-MS. Studie demonstruje zvýšenou jistotu identifikace lipidů díky porovnání hmotnostní přesnosti s iontovou mobilitou.

Použitá metodika a instrumentace

Pro akvizici MS imaging byla použita SYNAPT G2-Si HDMS s TriWave iontovým průvodcem a externím lock-massem pro zachování vysoké hmotnostní přesnosti.

• Kalibrace iontové mobilitní buňky: poly-alanin + 9-aminoakridin (9-AA) matrix.
• MS imaging: negativní ionový režim, m/z 50–1150, rozlišení 45 µm, High Definition Imaging Software v1.3.
• Ex situ extrakce lipidů: dva protokoly – 2:1 chloroform:ethanol a 4:1 ethanol:voda.
• Analýza extrahovaných lipidů: MALDI MS, výpočet CCS podle kalibračních konstant.

Hlavní výsledky a diskuse

Na základě hmotnostní přesnosti <±3 ppm bylo identifikováno 168 kandidátů. Porovnáním CCS oblastí mezi MSI a dvěma extrakčními datasetty (+/−0,5 %) bylo potvrzeno 50 společných signálů. MS-MS analýza 36 potenciálních glycerofosfolipidů odhalila 34 úspěšně identifikovaných druhů. Fragmentační vzory poskytly potvrzení druhu hlavičkové skupiny i délky acylových řetězců, ačkoli přesný sn1/sn2 orientace zůstala nejednoznačná.

Přínosy a praktické využití metody

• Zvýšená spolehlivost identifikace lipidů v MS imaging pomocí komplementární CCS informace.
• Možnost rozlišení isobarických látek, které nelze oddělit pouhým měřením přesné hmotnosti.
• Efektivnější workflow pro laboratoře provádějící lipidomické mapování a kvalifikaci lipidových biomarkerů.

Budoucí trendy a možnosti využití

• Integrace CCS databází a strojového učení pro automatizovanou identifikaci lipidů.
• Vývoj pokročilejších iontových mobilitních separátorů umožňujících lepší rozlišení kolizních průřezů.
• Aplikace metody v klinické metabolomice a farmaceutickém vývoji pro detailní mapování lipidových profilů.

Závěr

Začlenění CCS oblastí do korelace MS imaging a ex situ MS-MS výrazně posiluje jistotu při identifikaci lipidů. Metoda představuje robustní nástroj pro rozlišení isobarických a téměř isobarických druhů a zlepšuje kvalitu dat v lipidomice.

Reference

1. Towers M., Claude E. Lipid Visualization and Identification Through Collisional Cross Section Aided Correlation of MS Imaging and Ex Situ MS Data for MS-MS Identification. Waters Corporation, 2015.
2. Lipid Maps Database: www.lipidmaps.org.