Delivering confidence for small molecule identification

Význam tématu

Identifikace malých molekul hraje klíčovou roli v metabolomice, forenzní toxikologii, při stanovení reziduí pesticidů a veterinárních léčiv nebo v klinických a farmaceutických aplikacích. Vysoká citlivost a selektivita LC-HRAM-MSn metod se stává nedílnou součástí spolehlivých workflow pro potvrzení přítomnosti a struktury analytů v komplexních matricích.

Cíle a přehled studie / článku

Cílem bílého papíru je představit online knihovnu msCloud a doprovodný software mzVault a Compound Discoverer jako integrované řešení pro zvýšení důvěry při identifikaci neznámých či cílených malých molekul. Text popisuje rozsah, kvalitu a možnosti použití knihoven a nástrojů v rutině i výzkumu.

Použitá metodika a instrumentace

Pro akvizici spektroskopických dat a tvorbu knihovny byly využity:

• Thermo Scientific Orbitrap™ HRAM spektrometry (MSn, přesná hmotnost)
• CID a HCD fragmentační techniky v iontovém pastovém a trojitém kvadrupólu režimu
• Dynamic optimization pro iontovou past
• Software Thermo Scientific Mass Frontier™ pro manuální a automatizovanou kuraci
• Online knihovna mzCloud™, lokální knihovna mzVault™
• Datová zpracování a neznámé vyhledávání v Compound Discoverer™ a TraceFinder™

Hlavní výsledky a diskuse

Autoři uvádějí, že:

• mzCloud obsahuje přes 2,7 milionu vysoce kvalitních MSn spekter pokrývajících širokou chemickou škálu (8 234 sloučenin, 12 413 spektrálních stromů).
• Spektra jsou podrobně kalibrována, filtrována od šumu, průměrována a manuálně anotována pro přesnost fragmentačních dat.
• Víceúrovňové spektrální stromy (MS1–MSn, mnohé až MS4–MS8) zvýrazňují flexibilitu při volbě optimální kolizní energie.
• Program mzLogic využívá strukturovou podobnost k podpoře putativní identifikace i u neexistujících standardů.
• Lokální knihovna mzVault umožňuje offline práci, sdílení a vytváření proprietárních knihoven.

Přínosy a praktické využití metody

Implementace mzCloud/mzVault/Compound Discoverer přináší:

• Vyšší jistotu při potvrzení analytů bez nutnosti fyzických standardů.
• Rychlejší vývoj metod díky interaktivním „breakdown curve“ pro optimalizaci kolizních energií.
• Zrychlené workflow pro cílené i nekójené analýzy v metabolomice, toxikologii, QC/QA i průmyslové analytice.
• Možnost tvorby a správy vlastních knihoven pro unikátní aplikace a sdílení znalostí v týmu.

Budoucí trendy a možnosti využití

Očekává se další rozšiřování knihoven o nové chemické třídy (designer drugs, přírodní toxiny, perfluorované uhlovodíky atd.) a prohloubení metadat. Integrace s AI/ML přístupy pro přediktivní fragmentaci, automatizovanou kuraci i rozsáhlé data-miningové analýzy nabídne pokročilejší nástroje pro neznámou identifikaci. Zvýšená dostupnost a sdílení spektrálních dat napomůže vytváření komunitních databází s konzistentní kvalitou.

Závěr

Spojování online knihovny mzCloud, lokálního nástroje mzVault a pokročilého software Compound Discoverer představuje komplexní a škálovatelné řešení pro spolehlivou identifikaci malých molekul. Systematická kurace, rozsáhlá chemická pokrytí a možnost tvorby vlastních knihoven poskytují laboratořím vysokou důvěru v analytické výsledky a flexibilitu pro různé aplikace.

Reference

Nejsou uvedeny specifické literární odkazy v původním textu, bílý papír odkazuje na webové zdroje producenta (mzcloud.org, Thermo Fisher Scientific apod.).