Metabolomics: Intelligent data acquisition for untargeted metabolomics followed by high-throughput quantitative metabolomics utilizing high-resolution accurate mass measurements

Význam tématu

Studium metabolomů mléka je klíčové pro pochopení jeho složení, kvality a autenticity. Kombinace neřízené (untargeted) a řízené (targeted) metabolomiky umožňuje široké zmapování látek a současně kvantifikaci důležitých markerů pro odlišení živočišného a rostlinného původu mléka.

Cíle a přehled studie / článku

Hlavním cílem bylo vyvinout inteligentní workflow pro získávání dat v rámci neřízené LC-MS metabolomiky s rozsáhlým pokrytím metabolomu a následnou vysokokapacitní kvantifikací klíčových sloučenin. Studie se zaměřila na srovnání metabolických profilů kravského mléka různého složení a vybraných rostlinných alternativ (mandle, oves, kokos, sója).

Použitá metodika a instrumentace

Workflow kombinovalo:

• Neřízenou LC-MS metodiku s Thermo Scientific Vanquish Horizon UHPLC a Orbitrap Exploris 240 MS (polaritní přepínání ESI).
• Inteligentní data acquisition AcquireX pro zvýšení počtu fragmentovaných analytů a potlačení pozadí.
• Řízené 5minutové metody pro kvantifikaci aminokyselin v ESI(+) a organických kyselin v ESI(-).
• Kolonu Hypersil GOLD C18, gradientní eluční programy pro untargeted (0–15 min) a targeted (0–5 min) analýzu.
• Software Xcalibur, Compound Discoverer 3.3 pro identifikaci a TraceFinder 5.1 pro kvantifikaci s interní kalibrací.

Hlavní výsledky a diskuse

Analýza neřízenou metodou odhalila metabolické rozdíly mezi kravským a rostlinným mlékem. PCA analýza prokázala jasné oddělení vzorků podle typu a tuku.
Mezi významné markery kravského mléka patřily hippurová a orotová kyselina, pro sójové mléko byla charakteristická gluconová kyselina.
Řízená kvantifikace ukázala vysokou linearitu (R2 > 0,99) a nízkou variabilitu (CV ≤ 10 %) pro aminokyseliny i organické kyseliny. Detekční limity (LOD) se pohybovaly od 0,39 do 6,25 µM.

Přínosy a praktické využití metody

Propojením neřízené a cílené metabolomiky lze rychle objevit potenciální biomarkery a následně je robustně kvantifikovat. Přístup je vhodný pro kontrolu kvality mléčných výrobků, zajištění autenticity a detekci adulterací.

Budoucí trendy a možnosti využití

S rozvojem inteligentních akvizičních protokolů a zdokonalením výpočetní analýzy lze očekávat ještě širší pokrytí metabolomu i vyšší průchodnost vzorků. Integrace s dalšími omickými metodami a strojovým učením otevře nové možnosti v potravinové bezpečnosti a personalizované výživě.

Závěr

Popsaný integrovaný workflow pro neřízenou a řízenou LC-MS metabolomiku mléka demonstruje vysokou citlivost, spolehlivost a robustnost. Identifikovaní markery a ověřená kvantifikace poskytují účinný nástroj pro rozlišení mezi živočišným a rostlinným mlékem a kontrolu jejich kvality.

Reference

Amer B., Deshpande R.R., Hermanson D., Hühmer A., Bird S. Intelligent data acquisition for untargeted metabolomics followed by high-throughput quantitative metabolomics utilizing high-resolution accurate mass measurements. Thermo Fisher Scientific, San Jose, CA, 2019.