An intelligent data acquisition workflow for untargeted metabolomics to achieve deep metabolome coverage and confident compound annotation

Význam tématu

Untargeted metabolomika se snaží detailně charakterizovat metabolity v potravinách, což je klíčové pro kontrolu kvality, autentizaci a sledování podvodů v mléčném průmyslu. Metoda zajišťuje široké spektrum detekce a spolehlivou identifikaci na principu vysokého rozlišení a přesnosti hmotnostních spekter.

Cíle a přehled studie

Cílem bylo vytvořit inteligentní akviziční workflow využívající Deep Scan AcquireX na Orbitrap Exploris™ 240, které maximalizuje pokrytí metabolomu a zvyšuje důvěru v anotaci sloučenin. Studie zahrnuje srovnání různých typů mléka (bovinní a rostlinné) a přípravu QC vzorků pro zajištění robustnosti dat.

Použitá metodika a instrumentace

• Extrakce metabolitů modifikovanou Folch metodou s chloroformem, methanolem a vodou.
• Chromatografie: Vanquish™ Horizon UHPLC, kolona Hypersil GOLD™ C18 (2.1×150 mm, 1.9 μm), gradientní rozpouštědla s 0.1% formiové kyseliny.
• Detekce: Orbitrap Exploris™ 240 s ESI(+/–) v rozsahu m/z 70–800, rozlišení 120 000, polarity switching.
• Akviziční režim: Deep Scan AcquireX s iterativním vytvářením inkluzní a exkluzní databáze iontů.
• Software: Xcalibur™ pro sběr dat, Compound Discoverer™ 3.3 pro zpracování, diferencální analýzu a anotaci.

Hlavní výsledky a diskuse

Analýza ukázala, že rostlinná mléka obsahují obecně vyšší hladiny aminokyselin (fenylalanin, isoleucin, leucin, valin, alanin, prolin), zatímco kravské mléko vykazuje zvýřený obsah organických kyselin (maleinová, jantarová, glukonová, orotová ad.). Workflow významně zvýšil podíl fragmentovaných metabolitů při zachování nízké fragmentace nežádoucích iontů a umožnil lepší dynamické rozlišení vzorků. PCA analýzy jasně rozlišily vzorky dle typu a původu mléka.

Přínosy a praktické využití metody

• Detailní profilace metabolitů pro monitorování kvality a autentizace mléčných výrobků.
• Schopnost rozlišit mezi bovinními a různými rostlinnými druhy mléka i mezi organickými a konvenčními vzorky.
• Základ pro následné vysokopropustné cílené screeningové studie vybraných biomarkerů.

Budoucí trendy a možnosti využití

Metodu lze rozšířit na další potravinářské matice a integrovat pokročilé ionizační techniky či umělou inteligenci pro automatizovanou anotaci. Dále se nabízí zvýšená automatizace přípravy vzorků a cílené multiplexní analýzy vybraných metabolitů pro vysokou propustnost.

Závěr

Předložený end-to-end workflow pro netargetovanou metabolomiku poskytuje robustní nástroj pro hluboké pokrytí metabolomu mléka a spolehlivou identifikaci sloučenin, což přispívá k posílení potravinové bezpečnosti a ochraně spotřebitelů.

Reference

Nejsou uvedeny žádné externí literatury.