Targeted Data Mining and Annotation of Untargeted High-Resolution Lipidomics Data

Význam tématu

Masově spektrometrická lipidomika představuje klíčovou metodu pro detailní profilování lipidů v biologických vzorcích. Přesná identifikace lipidů je nezbytná pro odhalení jejich role v metabolických drahách, diagnostice onemocnění a vývoji terapeutik. Zvýšení spolehlivosti a důvěryhodnosti anotací lipidů je klíčové pro správnou interpretaci komplexních dat z nestandardizovaných přístupů.

Cíle a přehled studie / článku

Cílem aplikace je představit workflow pro identifikaci lipidů z nenamářených dat získaných na vysokorozlišovacím LC/Q-TOF a iontově-mobilitním LC/Q-TOF. Práce popisuje vytvoření vysoce kurátorské osobní databáze PCDL se zahrnutím retenčních časů, fragmentačních spekter a hodnot CCS a její využití v automatizované anotaci lipidů.

Použitá metodika a instrumentace

Workflow zahrnuje:

• Extrahování lipidů z plazmy pomocí butanol:methanol (1:1) s amonnou solí a interními standardy, s následným centrifugováním a uchováním při –80 °C.
• Chromatografii: Reverzní fáze na sloupci ZORBAX RRHD Eclipse Plus C18 (2,1 × 100 mm, 1,8 µm), teplota 45 °C, gradient 15–100 % fáze B v průběhu 12 minut, tok 0,4 mL/min.
• Mass spectrometry: Agilent Revident LC/Q-TOF s ESI zdrojem pro MS/MS auto metodu a Agilent 6560 iontová mobilita LC/Q-TOF pro měření kolizních průřezů (CCS). Sběr spekter v rozmezí m/z 50–3 000, cyklus 1 s, multiplexní iontové pulzování.
• Software pro analýzu: Agilent MassHunter ID Browser pro tvorbu PCDL, Agilent Mass Profiler pro extrakci funkcí a Agilent Mass Profiler Professional pro statistické vyhodnocení a vizualizaci (lith matrix, Kendrickovy diagramy).

Hlavní výsledky a diskuse

Byla sestavena PCDL obsahující 763 referenčních lipidů se souřadnicemi RT, přesným m/z, MS/MS spektry a hodnotami CCS. Retenční časy vykázaly RSD < 0,2 % napříč laboratořemi, což dokládá vysokou reprodukovatelnost. Anotace lipidů pomocí kombinace čtyř ortogonálních parametrů ( RT, m/z, MS/MS, CCS) umožnila spolehlivou identifikaci 677 lipidních druhů ze 44 tříd v 10 µL plazmy během 13–16 minut analýzy.

Vizualizační nástroje jako lipidová matice, graf hmotnost versus retenční čas i Kendrickův hmotnostní defekt usnadnily odhalení homologních řad a možných chybějících anotací.

Přínosy a praktické využití metody

Metoda nabízí robustní a škálovatelný postup pro lipidomické studie v biologii, klinickém výzkumu, QA/QC i průmyslové analýze. Vysoce důvěryhodné anotace umožňují spolehlivou detekci biomarkerů, sledování metabolických změn a integraci výsledků do multi-omics přístupů.

Budoucí trendy a možnosti využití

Další rozvoj směřuje k rozšíření PCDL o nové lipidní izomery, automatizaci kurátorských procesů s využitím strojového učení, aplikaci superkritické fluidní chromatografie a integraci výsledků lipidomiky s proteomickými a metabolomickými daty pro komplexní biologický pohled.

Závěr

Popsaný workflow demonstruje úspěšné vytvoření a aplikaci vysoce kurátorské lipidomické databáze pro automatizovanou anotaci nestandardizovaných dat. Kombinace přesných ortogonálních parametrů významně zvyšuje důvěryhodnost identifikací lipidů a otvírá cestu k širšímu nasazení v biomedicínském výzkumu a průmyslové analytice.

Reference

1. Huynh K.; Sartain M.; et al. A Comprehensive, Curated, High-Throughput Method for the Detailed Analysis of the Plasma Lipidome. Agilent Technologies Application Note, 5994-3747EN, 2021.
2. Mohsin S.; et al. Creation of a High-Confidence Lipidomics Personal Compound Database Library for Targeted Data Mining and Annotation of Untargeted High-Resolution Lipidomics Data. Agilent Technologies Technical Overview, 5994-7627EN, 2024.
3. Huynh K.; Barlow C. K.; Jayawardana K. S.; Weir J. M.; et al. High-Throughput Plasma Lipidomics: Detailed Mapping of the Associations with Cardiometabolic Risk Factors. Cell Chemical Biology 26(1):71–84, 2019.
4. Sartain M.; et al. An Interlaboratory Evaluation of a Targeted Lipidomics Method in Plasma. Agilent Technologies Application Note, 5994-6830EN, 2024.
5. Korf A.; Vosse C.; Schmid R.; Helmer P. O.; Jeck V.; Hayen H. Three-Dimensional Kendrick Mass Plots as a Tool for Graphical Lipid Identification. Rapid Communications in Mass Spectrometry 32(12):981–991, 2018.