● 前言
2020年10月日本理化學研究所綜合醫學科學中心Hiroshi Tsugawa和Makoto Arita教授課題組在Nature Biotechnology發表的題爲“A lipidome atlas in MS-DIAL 4”的研究成果，開發了非靶向脂質組平臺MS-DIAL 4，提供了脂質組學一站式解決方案，有助於標準化脂質組學數據並加速脂質組學研究。
中文標題：MS-DIAL 4中的脂質組圖譜
研究對象：脂質組
發表期刊：Nature Biotechnology
影響因子：36.558
發表時間：2020年10月
運用生物技術：脂質組學技術
● 研究背景
脂質在生物學中起着重要作用，其可作爲細胞膜的關鍵成分、信號分子以及能量存儲分子和底物。它們的生物學功能主要由脂質結構的多樣性驅動。理論上可以基於對每個脂質亞類中分子的結構相似性，通過對脂質亞類碎裂關係的解釋來預測脂質的串聯質譜譜圖模式。儘管有各種脂質鑑定工具，但仍需要改進並系統的對脂質進行註釋和定量。
● 研究思路
圖1 | MS-DIAL 4開發概述
● 研究結果
1.開發 MS-DIAL 4 (Mass Spectrometry-Data Independent Analysis software version 4)
本文提供了一個非靶向的脂質組學平臺，該平臺在MS-DIAL 4（http://prime.psc.riken.jp/）中，並符合脂質組學標準計劃（Lipidomics Standards Initiative, LSI）的半定量定義和脂質結構的簡寫表示法。它制定了117個脂質亞類中脂質的質譜碎裂模式以及離子淌度二級譜，以提供具有保留時間（RT），CCS (collision cross-section)和其他質譜信息的脂質組圖譜。它代表了從導入原始質譜數據到導出通用輸出格式（mztab-M）的一體化解決方案。
作者在十個獨立的LC-MS平臺上進行的81項研究中，處理了1,056個脂質組學樣品。分析的樣品包括人血漿，19種小鼠組織，4種哺乳動物培養的細胞，9種藻類和3種植物，以增加各種生物所特有的脂質亞類的覆蓋率（取樣策略）（圖1）。MS-DIAL 4擴展了數據庫中脂質亞類的數量，覆蓋了MS-DIAL以前版本的兩倍。此外，MS-DIAL 4可以訪問以前版本中缺少的決策樹註釋。總體而言，作者從117個脂質亞類中分離出8,051個唯一性脂質（unique lipids），其中6,570個在分子物種水平上具有特徵，包括已確認的酰基鏈特異性片段。所有結果，包括MS-DIAL源代碼、質譜庫和半定量值，都可以在RIKEN PRIMe網站（http://prime.psc.riken.jp/）上進行管理。
2.MS-DIAL 4中定量、註釋和可擴展性評估
作者使用三個LC-MS研究集對MS-DIAL 4進行了驗證（驗證方法）（圖2）。首先，作者處理了在八個獨立平臺上使用不同的提取方法、內標和儀器（包括來自Waters，SCIEX，Thermo Fisher，Bruker和Agilent Technologies的儀器）獲得的美國國家標準技術研究院（NIST）人血漿脂質組學數據。從八個平臺的數據中總共註釋了961個唯一性脂質。該結果表明，即使使用相同的數據處理平臺、脂質提取程序和質譜機器也會對註釋產生實質性影響。與以前報道的數量一樣，人血漿脂質濃度範圍從100 nM到1μM（圖2a）。在血漿脂質種類中，有87％的COD (coefficient of dispersion)估計值<40％（圖2b），表明MS-DIAL 4自動化定量在反相LC-MS條件下提供了經過驗證的跨實驗室脂質組學數據。
其次，在相同的液相色譜條件下處理的來自45個研究的1,412個文件在分子種類水平上解析了108個亞類的4,303個脂質（圖2c）。調整保留時間預測模型後，對於外部驗證集提供了誤差小於1分鐘的95％置信區間（圖2d）。作者使用驗證集估算了錯誤發現率（FDR）（圖2e），發現即使沒有RT信息，FDR也保持在<5％。該軟件的註釋通過使用Bruker timsTOF Pro質譜的PASEF (parallel accumulation–serial fragmentation)數據進行了進一步評估（圖2f）。
值得注意的是，MS-DIAL 4是無供應商的代謝組學和脂質組學軟件，它支持液相色譜－離子淌度串聯質譜（LC-IM-MS / MS）（Agilent，Waters和Bruker）數據的所有數據處理程序。由於離子淌度質譜（IM-MS）有助於利用CCS信息表徵代謝物，而CCS信息與RT和m/z構成正交的理化性質（與質量或親脂性無關），因此離子淌度數據爲代謝組學和脂質組學提供更可靠的數據處理平臺。使用基於PASEF的脂質組學數據（包括來自16個生物學研究的288個文件），作者使用機器學習技術建立了一個全面的CCS脂質庫（圖2g）。MS-DIAL 4提供了最全面的資源，其中包含脂質亞類的質量碎片，以及以離子淌度爲中心的代謝組學和脂質組學研究的一站式解決方案（圖2i–l）。
最後，MS-DIAL 4包含一系列常見於哺乳動物的脂質。該集合包含112個普通脂類和6種特殊脂類，它們包含非常長鏈的多不飽和FAs16（VLC-PUFA）。層次聚類分析表明小鼠糞便、培養的細胞和小鼠腦組織脂質組明顯與其他組織分離，而人和小鼠血漿，小腸和大腸，骨骼肌和心肌以及代謝和免疫器官聚集。除了在大多數組織和細胞中檢測到並在其他軟件程序中表徵的常見脂質亞類外，該平臺還揭示了組織特異性脂質。例如，糞便中有許多獨特的脂質亞類，反映了微生物組特異性脂質。
圖2 | MS-DIAL 4中定量、註釋和可擴展性評估
● 相關討論
本文脂質組學平臺以較小的FDR（<2％）促進了脂質多樣性的發現，並將能夠表徵特定脂質的生理作用和表型調節機制。儘管僅通過基於MS的間接證據來表徵包括AHexCer和ADGGA在內的幾種脂質亞類，但該信息將有助於註釋未知脂質，其結構最終將通過認證標準進行確認。此外，MS-DIAL 4中提供了以前未知的脂質（例如ASM脂質亞類），當與其他組學數據和MS成像技術整合時，它們可能會揭示新的脂質通路。總體而言，MS-DIAL 4改進了標準化的脂質組學程序，從導入原始質譜數據到導出mztab-M格式，並遵循LSI分類、命名和半定量定義，有助於統一脂質組學跨實驗室的數據以加速脂質研究。
● 研究結論
本文介紹了MS-DIAL 4，這是一個具有保留時間、CCS和串聯質譜信息的全面脂質組圖譜。作者制定了涵蓋117個脂質亞類的脂質質譜碎片圖譜，幷包括離子淌度串聯質譜法。使用人類、鼠類、藻類和植物的生物樣品，通過MS-DIAL 4註釋和半定量了8051種脂質，估計的錯誤發現率爲1-2％。MS-DIAL 4有助於標準化脂質組學數據並發現脂質通路。
小鹿推薦
脂質組學作爲系統生物學研究中一門新興學科, 其通過對體液、組織或細胞的脂質組進行系統研究，揭示脂質在各種生命活動中的作用機制，識別代謝調控中關鍵的脂生物標誌物。儘管已有很多脂質方面的研究，但其相關技術手段還存在諸多挑戰。其中之一是脂質定性和定量分析的軟件還相對薄弱，特別是自動化分析軟件和脂質組數據庫還相對較少。本文開發的脂質組平臺MS-DIAL 4提供了脂質組學數據處理的一站式解決方案，有助於推進脂質組學的研究。
文末看點
上海鹿明生物科技有限公司，一直專注於生命科學和生命技術領域，是國內早期開展以蛋白組和代謝組爲基礎的多層組學整合實驗與分析團隊。同時推出了基於timsTOF Pro的4D-DIA+GC/LC-MS雙平臺代謝組學研究。
歡迎百度搜索鹿明生物——訪問鹿明生物官網——諮詢鹿明生物專業技術工程師
獲取原文
諮詢鹿明生物技術工程師
諮詢樣本準備
由中國醫藥生物技術協會藥物分析技術分會爲主辦單位舉辦的首屆“生物成像與空間多組學”主題學術研討會，2021年4月16日在北京舉行。研討會報名通道已開啓，歡迎各位老師報名參加哦~~
歡迎百度搜索鹿明生物——訪問鹿明生物官網——首頁生物成像與空間多組學點擊報名
參考文獻：
Tsugawa H , Ikeda K , Takahashi M , et al. A lipidome atlas in MS-DIAL 4[J]. Nature Biotechnology, 2020(Suppl.):1-5.
猜你還想看
◆第二輪通知 | 首屆“生物成像與空間多組學”主題學術研討會
◆【講座回放】揭露——4D-DIA聯合代謝組技術爲什麼正在快速影響醫學研究？
◆ Cancer Cell 重磅 | 迄今最大膠質母細胞瘤“地圖”，多達10種平臺的組學數據，爲挖掘新的潛在藥物治療靶點奠定基礎
◆敲警鐘，實驗室12大危險物質，需謹慎
◆蛋白質組學樣品寄樣要求，掌握這幾個知識點終生適
END
文章來源於鹿明生物