分享一篇发表在Analytical Chemistry上的文章De Novo Cleaning of Chimeric MS/MS Spectra for LC-MS/MS-Based Metabolomics，通讯作者是来自不列颠哥伦比亚大学的Tao Huan，其团队主要专注于代谢组学相关研究。
在代谢组学研究中，基于串联质谱(MS/MS)的方法对样品中化合物的分析至关重要，除了可以将母离子m/z和MS/MS信息对照已知化合物谱图数据库外，目前研究者还开发出了通过计算机预测化合物碎裂特征的方法，或通过未注释化合物的MS/MS谱图与已知化合物进行相似性比对以推测其结构。在基于MS/MS的代谢组学研究中，谱图的洁净度至关重要。液质串联实验中往往存在基质干扰或共流出化合物的污染，导致较低分辨率的质量过滤器无法区分目标母离子和相似质量的污染物，且与蛋白质组样品不同，小分子化合物的碎片离子并不像肽段有明确的氨基酸质量和可预测的碎片化模式，因此此类嵌合MS/MS谱图(Chimeric MS/MS Spectra)对代谢组学分析的影响更为显著。基于上述问题，在本文中，作者开发了一种能够从头(de novo)识别嵌合片段的生信平台DNMS2Purifier，用于数据依赖性采集模式(DDA)模式下的LC-MS分析。其基本原理是在多个代谢组学样品分析中，具有相同代谢特征的MS/MS谱应该在样品间有相似的片段化模式，而污染物形成的嵌合谱图离子则会降低谱图之间的相似性。为了便于从MS/MS谱中去除干扰的污染离子，作者首先设置了一系列掺有不同体积标准品代谢物的尿液样品，与谱库进行比对，手动鉴别出了400个真片段和125个假片段，他们对这些片段特征进行总结，以便于构建机器学习模型以自动处理和清洁嵌合MS/MS谱。作者归纳出真假片段的差异性主要表现在如下方面。首先，不同组别的谱图中，污染离子的强度与母离子强度不成比例，即样本之间信号比率变化较大；其次假片段在不同样品间可能存在随机的保留时间偏移，因此其出现率明显低于真片段。因此，作者选用了强度、相对强度RSD和出现率三个因素用于构建预测模型。在模型样品和真实的血清代谢组学样本中，DNMS2Purifier清洁均可有效改善MS/MS谱图质量，提高样品中MS/MS谱与数据库的匹配效率。总的来说，本文开发了一种名为DNMS2Purifer的数据清洁工具，可以有效地解决代谢组学研究中嵌合MS/MS谱图的问题，有助于提高小分子化合物鉴定效果，促进未知代谢物的发现。
本文作者：FTY
责任编辑：TZY
文章链接：https://pubs.acs.org/doi/10.1021/acs.analchem.3c00736
原文引用：DOI: 10.1021/acs.analchem.3c00736
目前评论：