Unraveling Differential Lipids in Aging Tissues Using a Novel Data Analysis Workflow

Význam tématu

Stárnutí mění metabolismus lipidů napříč tkáněmi a vede k metabolické inflexibilitě, která má významné dopady na funkci tuku a jater. Detailní, vysoce kvalitní lipidomické profily napříč parenchymatickými a tukovými tkáněmi jsou klíčové pro pochopení těchto adaptačních změn, identifikaci biomarkerů stáří a pro vývoj cílených intervencí. Integrace robustní chromatografie, vysokorozlišovací hmotnostní spektrometrie a pokročilých softwarových pracovních postupů urychluje přechod velkých nestrukturovaných dat do biologicky použitelných závěrů.

Cíle a přehled studie / článku

Cílem studie bylo charakterizovat věkem závislé změny lipidového složení tří tkání (bílá tuková tkáň WAT, hnědá tuková tkáň BAT a játra) pomocí nestrukturované LC/Q-TOF lipidomiky a nového workflow pro analýzu dat. Konkrétně autoři analyzovali 72 vzorků z různých věkových kohort a usilovali o maximální pokrytí lipidového spektra kombinací iterativního MS/MS na sloučených QC vzorcích a MS1 akvizicí jednotlivých vzorků. Dále byl představen praktický postup integrace nástrojů MS-DIAL, Lipid Annotator, ChemVista a Agilent MassHunter Explorer 2.0 pro rychlou identifikaci a vizualizaci věkem závislých změn.

Použitá metodika a instrumentace

Metodika vzorkování a přípravy:

• Tkáně byly homogenně odebrány (10–15 mg) a extrahovány modifikovaným methanol/MTBE/voda protokolem.
• Před homogenizací byl přidán interní standardní mix EquiSPLASH v methanolu; homogenizace pomocí BeadBug.
• Vzorky byly před LC-MS/MS resuspendovány v 9:1 methanol/chloroform.

Chromatografie a hmotnostní spektrometrie:

• Agilent 1290 Infinity III Bio LC (iron-free konfigurace pro lepší tvary piků u kovově citlivých analyzátů) s 16min reverzní fází na sloupci ZORBAX Eclipse Plus C18.
• Detekce: Revident LC/Q-TOF (laděn pro stabilní rozsah do m/z 1700 v obou ionizačních módech).
• Akvizice: MS1 pro jednotlivé vzorky; iterativní MS/MS (n = 6) na pooled QC ke zlepšení identifikace.

Data processing a workflow:

• Iterativní MS/MS soubory byly zpracovány v Lipid Annotator a MS-DIAL (verze 5.62) s ruční kurací výsledků v MS-DIAL před exportem.
• V MS-DIAL byla nastavena vlastnost instrumentu na „LC-ESI-QTOF“ a výsledky exportovány ve formátu SDF.
• SDF importováno do ChemVista Library Manager pro správu knihovny (retention time, přesná hmota, formule, InChiKey, SMILES) a export jako .CDB pro MassHunter Explorer 2.0.
• V MassHunter Explorer 2.0 byly importovány separátní projekty pro pozitivní a negativní ionizaci, prováděno vyhledávání peaků, statistická analýza a identifikace pomocí importovaných databází (MS-DIAL, Lipid Annotator, Plasma Lipid PCDL).

Použitá instrumentace

• Agilent 1290 Infinity III Bio LC (iron-free) s 16min gradientem; ZORBAX Eclipse Plus C18 sloupec.
• Revident LC/Q-TOF (Agilent) laděný do m/z 1700, vysoké rozlišení a věrnost isotopického signálu.
• BeadBug homogenizér pro preparaci tkání.
• Softwarové nástroje: MS-DIAL 5.62, Lipid Annotator, ChemVista Library Manager, MassHunter Explorer 2.0; možnost použití Plasma Lipid PCDL.

Hlavní výsledky a diskuse

Identifikace a pokrytí:

• Pomocí kombinace iterativního MS/MS a MS1 akvizice autoři dosáhli identifikace 743 unikátních lipidových druhů s vysokou věrohodností díky kvalitní MS/MS shodě a RT informaci.

Multivariační analýzy a vizualizace:

• PCA ukázalo jasné oddělení vzorků podle typu tkáně po normalizaci na hmotnost tkáně, což potvrzuje biologickou specifitu lipidomických profilů.
• Heatmapa založená na 645 lipidech (identifikovaných v pozitivním módu s MS/MS a retencí) demonstrovala třídově specifické změny lipidů.
• Volcano ploty umožnily rychlou selekci statisticky významných lipidů mezi věkovými skupinami.

Specifické nálezy:

• Byl detekován zvýšený podíl TG-estolidu v játrech starých (OLD) jedinců; tento signál byl podpořen robustní MS/MS shodou a zařazen jako vysoce důvěryhodná identifikace (příklad: TG 18:1_18:1_18:1;O(FA 16:0)).

Diskuse metodologických benefitů:

• Iterativní MS/MS na pooled QC výrazně rozšiřuje pokrytí identifikací bez nutnosti provádět DDA na každém jednotlivém vzorku.
• Propojení MS-DIAL → ChemVista → MassHunter Explorer umožňuje snadnou výměnu křivek, MS/MS spekter a retenčních časů mezi nástroji a vytváří opakovatelný end-to-end workflow.
• Vysoké rozlišení Revident Q-TOF a iron-free LC konfigurace zlepšují integritu signálu pro kovově citlivé třídy lipidů a zvyšují spolehlivost kvantitativních srovnání.

Přínosy a praktické využití metody

• Workflow nabízí efektivní cestu od surových dat k publikovatelným vizualizacím a statistickému vyhodnocení bez nutnosti přepínání mezi neslučitelnými softwarovými prostředími.
• Metoda vhodná pro studií stárnutí, farmakologické intervence, biomarkerové hledání a porovnávací mezi-tkáňové studie.
• Modulární databázová architektura (MS-DIAL/ ChemVista / PCDL) umožňuje flexibilní rozšíření knihoven pro specifické aplikace a zvyšuje opakovatelnost analýz v laboratorním provozu.

Budoucí trendy a možnosti využití

• Propojení lipidomiky s dalšími omickými daty (transkriptomika, proteomika, metabolomika) pro integrované modelování stárnutí a mechanismů metabolické dysfunkce.
• Automatizace kurace MS/MS spekter a využití strojového učení pro rychlejší a přesnější anotace neznámých lipidů a izomerů.
• Rozšíření knihoven o neobvyklé třídy lipidů (např. estolidy, oxidované lipidy) a použití ion mobility pro lepší rozlišení izomerů.
• Směry k cílené kvantifikaci vybraných biomarkerů a k aplikacím v klinickém testování či farmaceutickém vývoji.

Závěr

Prezentované workflow demonstruje, že kombinace vysoce kvalitní LC/Q-TOF akvizice, iterativního MS/MS a integrovaného softwarového zpracování (MS-DIAL, ChemVista, MassHunter Explorer) umožňuje široké a důvěryhodné mapování lipidového repertoáru napříč tkáněmi a věkovými skupinami. Tento přístup zrychluje transformaci komplexních lipidomických dat do biologicky relevantních závěrů a poskytuje platformu pro další výzkum stárnutí a vývoj biomarkerů.

Reference

1. Huynh, K., et al. A Comprehensive, Curated, High-Throughput Method for the Detailed Analysis of the Plasma Lipidome. Agilent Application Note 59943447EN, 2021.
2. Takeda, A., et al. Nature Communications, 2024.