LCMS
Další informace
WebinářeO násKontaktujte násPodmínky užití
LabRulez s.r.o. Všechna práva vyhrazena. Obsah dostupný pod licencí CC BY-SA 4.0 Uveďte původ-Zachovejte licenci.

Increased Throughput and Confidence for Lipidomics Profiling Using Comprehensive HCD MS2 and CID MS2/MS3 on a Tribrid Orbitrap Mass Spectrometer

Aplikace | 2016 | Thermo Fisher ScientificInstrumentace
LC/HRMS, LC/MS, LC/MS/MS, LC/Orbitrap
Zaměření
Lipidomika
Výrobce
Thermo Fisher Scientific

Souhrn

Význam tématu


Charakterizace lipidů na molekulární úrovni je klíčová pro pochopení biologických procesů a vlivu lipidů v patofyziologii, jako jsou rakovina, kardiovaskulární choroby či metabolické syndromy. Trávení a skladování energií, buněčné signální dráhy a integrita biomembrán závisí na specifických lipidových molekulách. Nutnost komplexní, citlivé a vysoce průchodné metodiky, která během jediné LC/MS analýzy poskytne přesné určení třídy a struktury lipidů (včetně izomerů), je hnací silou současného vývoje v oblasti lipidomiky.

Cíle a přehled studie


Cílem aplikace bylo vyvinout workflow založené na vysokém rozlišení a přesné hmotnosti (HRAM) pomocí Tribrid Orbitrap Fusion Lumos mass spektrometru, které:
  • umožní provést jedno LC/MSn měření v pozitivním a negativním režimu
  • zajistí rychlou a citlivou detekci stovek až tisíců lipidových molekul
  • umožní kvantifikovat a identifikovat fosfolipidy, triacylglyceroly a jejich izomery
Kombinace HCD MS2 a podmíněného CID MS2/MS3 vzorkování umožňuje získat jak diagnostické fragmenty pro určení lipidových tříd, tak konkrétní informace o molekulárních složkách (řetězcích mastných kyselin).

Použitá instrumentace


Tribridní Orbitrap Fusion Lumos MS přístroj s architekturou Q-OT-qIT kombinuje:
  • high-field Orbitrap analyzátor (rozlišení >500 000 FWHM, rychlost až 20 Hz při 15 000 FWHM)
  • dual-pressure lineární iontový trap pro CID a HCD fragmentace
  • pokročilou kvadrupólovou technologii a iontový routing multipól pro paralelní manipulaci a fragmentaci
  • vysokokapacitní přenosovou trubici a elektrodynamický iontový trychtýř pro zvýšení přenosu iontů
Separace probíhala na Dionex UltiMate 3000 RSLC s kolonkou Accucore C18 (2,1×150 mm, 2,6 µm) při gradientu acetonitril/voda a IPA/acetonitril s 10 mM formiátu amonného a 0,1 % kyseliny formiové.

Použitá metodika


Vzorky tvořily:
  • standardní extrac ty z vajec (PC)
  • boviní srdeční lipidový extrakt
  • celkové lipidové extrakty ze tří potravinových talířů
Workflow zahrnuje:
  • střídavou akvizici pozitivního a negativního HCD MS2 v Top-speed režimu (1 s cykly)
  • podmíněné CID MS2 při detekci diagnostického produktu m/z 184,0733 (PC fragment)
  • podmíněné CID MS3 na tři nejintenzivnější HCD fragmenty s neutrálním úbytkem mastné kyseliny plus NH3 pro TG izomery
Data byly zpracovány v software LipidSearch 4.1 SP1 (prekurzorová tolerance 3 ppm, fragmenty 5 ppm, databázové třídy PC, TG, Cer, DG atd.).

Hlavní výsledky a diskuse


Porovnání cyklů 1 s vs. 2,4 s ukázalo, že Fusion Lumos dosahuje stejného počtu lipidových ID i při rychlém 1 s cyklu, což umožňuje střídat polaritu a současně zachovat dostatek datových bodů pro kvantifikaci.
Charakterizace PC:
  • HCD MS2 + podmíněný CID MS2 (po detekci m/z 184) v jednom běhu identifikovala 158 molekulárních PC
  • oddělené pozitivní/negativní HCD MS2 metody vyžadovaly dvojnásobný průběh a identifikovaly 166 PC
  • komplexní workflow (alternující polarita + CID MS2) zvýšilo počet kompletně charakterizovaných PC na 208
Charakterizace TG:
  • běžná HCD MS2 neposkytuje dostatek informací pro izomery
  • podmíněné CID MS3 na neutrální úbytek MK+NH3 umožnilo rozlišit koelutující isomery TG (např. 14:0_14:0_18:2)
Celkové nasazení komplexního workflow vedlo k ~793 lipidovým ID vs. 585 pomocí standardní HCD MS2.

Přínosy a praktické využití metody


Nové workflow:
  • uve z jednoho LC/MS běhu získá data obou polarit
  • zkracuje dobu analýzy na polovinu
  • zvyšuje důvěru v určení lipidových tříd a molekulárních složení
  • umožňuje analýzu biologických i potravinových vzorků s vysokou průchodností a přesností

Budoucí trendy a možnosti využití


Očekávané směry rozvoje:
  • rozšíření automatizace výběru MSn událostí pomocí umělé inteligence
  • propojení lipidomiky s dalšími omickými přístupy
  • vývoj rychlejších a citlivějších ionizačních zdrojů a fúzní instrumentace
  • využití hloubkové statistické analýzy a strojového učení pro lipidová biomarkerová zjištění

Závěr


Představený komplexní LC/MSn přístup na Tribridním Orbitrap Fusion Lumos MS přináší výrazné zvýšení průchodnosti, citlivosti a spolehlivosti lipidové profilace. Jednoanalytová akvizice obou iontových režimů s automatickou výzvou CID MSn fragmentů umožňuje detailní studium fosfolipidů a triacylglycerolů, včetně izomerů, a je aplikovatelná na biologické, potravinové i plantární vzorky.

Reference


1. Kiyonami R. et al. Increased Identification Coverage and Throughput for Complex Lipidomes. Thermo Fisher Scientific App. Note #607.
2. Matyash V. et al. Lipid Extraction by MTBE for High-throughput Lipidomics. J. Lipid Res. 2008, 49, 1137–1146.
3. Peake D.A. et al. Processing of a Complex Lipid Dataset for the NIST Inter-Laboratory Comparison Exercise. ASMS 2015.
4. Michalski A. et al. Mass Spectrometry Based Proteomics Using Q Exactive. MCP 2011.
5. Liebisch G. et al. Shorthand Notation for Lipid Structures Derived from MS. J. Lipid Res. 2013, 54(6):1523–1530.
6. Vaniya A., Fiehn O. Comprehensive Analysis of Food Metabolites and Natural Products Using Eight Metabolomics Platforms. Metabolomics Society 2015.
PDF verze ke stažení a čtení
 

Podobná PDF

Toggle
Rapid Phospholipid Characterization Using a Novel Intelligent Workflow on a Tribrid Orbitrap Mass Spectrometer
Poster Note 64451 Rapid Phospholipid Characterization Using a Novel Intelligent Workflow on a Tribrid Orbitrap Mass Spectrometer Rapid Characterization Using RapidPhospholipid Phospholipid Characterization UsingaaNovel NovelIntelligent IntelligentWo Wo 11, David A Peake11, Yasuto Yokoi22and Ken Miller11 Reiko Reiko A Peake, Yasuto…
Klíčová slova
hcd, hcdorbitrapfusion, orbitrapfusionhcdms, hcdmslipid, lipidlumos, lumosfusion, fusioncid, cidorbitrap, orbitrapfusionlumos, fusionlumosddmsot, ddmsotlipidprofiling, lipidprofilingmsdata, msdatacycle, cyclecidms, cidmsddms
IMSC: Identification of Phospholipid Species Implicated in Dementia by Untargeted LC/HRMS and Data Dependent MS/MS
Results: Fatty acids comprising the molecular phospholipid species were unambiguously identified. ne Proteome Discoverer software is a node-based workflow engine and study management 55 platform for analysis of mass spectrometry-based proteomics datasets. The latest released version 2.1 fully supports isotopically-labeled…
Klíčová slova
hcd, hcdspecies, speciescid, cidlipid, lipidyes, yeshco, hcoandand, andandphospholipids, phospholipidsdementia, dementiappm, ppmidentification, identificationlipids, lipidsfigure, figurepcpc, pcpclipidsearch
Software Utilizing Positive and Negative Ion MS2/MS3 HCD and CID Spectra for Improved MSn Lipid Identification
2 3 MS /MS Software Utilizing Positive and Negative Ion n MS HCD and CID Spectra for Improved Lipid Identification David A Peake1, Reiko Kiyonami1, Daniel Gachotte2, Gavin E Reid3, Yasuto Yokoi4, and Andreas Hühmer1 1Thermo Fisher Scientific, San Jose,…
Klíčová slova
lipid, lipidthreshold, thresholdartificial, artificialpool, pooladded, addedhcd, hcdnatural, naturalannotations, annotationscid, cidquan, quanfilter, filterlarvae, larvaemsn, msnannotation, annotationquantitation
General workflow for untargeted plasma lipidomics on Orbitrap mass spectrometers
Technical note | 002661 Metabolomics General workflow for untargeted plasma lipidomics on Orbitrap mass spectrometers Authors Introduction to lipidomics Rahul Deshpande, Ciara Myer, Susan Bird Lipids play a key role in cell, tissue, and organ physiology as key components of…
Klíčová slova
orbitrap, orbitrapmass, masstribrid, tribridspectrometer, spectrometerlipidomics, lipidomicsfragmentation, fragmentationlipid, lipidannotation, annotationexploris, explorisacquirex, acquirexworkflow, workflownegative, negativeexclusion, exclusionabundance, abundanceconfident
Další projekty
GCMS
ICPMS
Sledujte nás
Další informace
WebinářeO násKontaktujte násPodmínky užití
LabRulez s.r.o. Všechna práva vyhrazena. Obsah dostupný pod licencí CC BY-SA 4.0 Uveďte původ-Zachovejte licenci.