A Study of Ion Statistics and Optimized Data Treatment for HRIM-MS and LC-HRIM-MS Data

Význam tématu

Vysokorozlišovací iontová mobilita (HRIM) ve spojení s kapalinovou chromatografií a hmotnostní spektrometrií rozšiřuje analytické možnosti pro rozlišení izomerů a zajišťuje vyšší analytickou kapacitu v krátkých časových škálách.

Cíle a přehled studie / článku

Tato studie se zaměřuje na optimalizaci datového zpracování pro SLIM-based HRIM-MS a LC-HRIM-MS systémy s cílem zlepšit citlivost, rozlišovací schopnost a výkon pro cílené i necílené analýzy.

Použitá metodika a instrumentace

Pro experimenty byl použit integrovaný systém:

• SLIM-based HRIM zařízení (MOBILion Systems) s dlouhými hadovitými dráhami
• 6545 LC/Q-TOF hmotnostní spektrometr (Agilent Technologies)
• Kapalinová chromatografie: Agilent 1290 Infinity II, HILIC kolona RX-Sil (3,0×100 mm, 1,8 µm)
• Proudová injekce a standardy: Agilent Tune Mix a lipidové standardy Avanti Polar Lipids

Hlavní výsledky a diskuse

• Sčítání sousedních TOF transiént (drift bin summing) a vyhlazování (drift bin moving average) zvyšuje citlivost, ale při vyšších úrovních zpracování snižuje rozlišovací schopnost až o 44 % pro 1 bin.
• Preprocessing kombinací D5d3 (5-bin summing a 3-bin smooth) poskytuje optimální kompromis mezi citlivostí a rozlišením.
• Zlepšení tvaru vrcholu je jasně patrné při součtech malého počtu IM rámců (1–14) a pro nízkointenzní lipidy.
• V nástrojích Skyline a Agilent IM-MS Browser preprocessing umožňuje extrahovat cílené signály i při nízkých statistikách iontů.
• Necílené vyhledávání rysů vykazuje u preprocessingových úrovní (D3, D5, D5d3) vyšší detekční úroveň i při omezeném počtu IM rámců a delších frame length (až 1700 ms).

Přínosy a praktické využití metody

Optimalizované zpracování dat výrazně zlepšuje citlivost a spolehlivost jak cílených, tak necílených analýz lipidů a dalších biomolekul, což je přínosné pro omické studie, QA/QC postupy a průmyslovou analytiku.

Budoucí trendy a možnosti využití

• Další rozvoj algoritmů pro real-time preprocessing a strojové učení.
• Aplikace HRIM-MS metodiky v klinické diagnostice a proteomice.
• Integrace do online monitorovacích systémů pro rychlé rozhodování v průmyslu.

Závěr

Studie prokázala, že vhodná kombinace drift bin summingu a vyhlazování významně zlepšuje výkon SLIM-based HRIM-MS a LC-HRIM-MS systémů při zachování vysoké rozlišovací schopnosti a citlivosti.

Reference

1. J. C. May et al. Resolving Power and Collision Cross Section Measurement Accuracy of a Prototype High-Resolution Ion Mobility Platform Incorporating Structures for Lossless Ion Manipulation. Journal of the American Society for Mass Spectrometry, 2021, 32(4):1126–1137.
2. A. Bilbao et al. A Preprocessing Tool for Enhanced Ion Mobility-Mass Spectrometry-Based Omics Workflows. Journal of Proteome Research, 2021.