在非靶向代謝組學研究中，一個越來越清晰的共識是：
真正的挑戰(zhàn)，不在于“檢測不到”，而在于“認不出來”。
隨著高分辨質(zhì)譜的發(fā)展，我們可以輕松獲得海量代謝物信號。但在面對結構相似化合物時，僅依賴MS²(二級質(zhì)譜)信息往往難以實現(xiàn)高置信度鑒定。而理論上更具結構解析能力的MS?(多級質(zhì)譜)，卻長期受限于數(shù)據(jù)質(zhì)量與譜庫覆蓋，難以規(guī)模化應用。
那么，如何真正打通代謝物鑒定的“最后一公里”？
01
MS?：更豐富的信息，為什么沒被充分用起來？
MS?通過對同一前體離子進行多輪碎裂，構建“譜樹結構”，能夠逐層揭示分子結構信息。
圖 1. 線性離子阱中 MS? 碎片化實驗示意圖(左)及其對應的 MS?譜圖(右)。MS? 通常指的是 n ≥ 3 的情況。(點擊查看大圖)
相比MS²：
? 提供更深層結構信息
? 更有利于區(qū)分同分異構體
? 提升復雜體系解析能力
但現(xiàn)實中卻面臨：
• 分辨率不足：傳統(tǒng)MS?多依賴離子阱
• 譜庫稀缺：高分辨MS?數(shù)據(jù)積累有限
• 成本高昂：標準品逐一采集難以規(guī)?；?/span>
?? 結果是：
MS? “能力很強”，但“用不起來”
02
一個關鍵突破：讓已有數(shù)據(jù)“變清晰”
本研究提出了一種具應用價值的思路：
利用高分辨率MS²數(shù)據(jù)，對低分辨率MS?進行“計算升級”
圖 2. (a) 使用不同的碎片化方法和質(zhì)譜分析器組合，在 NIST20 中采集了三種類型的譜圖。(b) 鑒定了 NIST20 中每種類型譜圖所代表的獨特前體離子。27159 個前體離子同時出現(xiàn)在 LR-RES-MS? 和 HR-BEAM-MS² 譜圖中(虛線輪廓)。(c) 為了利用這些重疊數(shù)據(jù)，研究者提出了一種峰分辨率轉(zhuǎn)換方法，該方法將 LR-RES-MS? 譜圖的信息與同一前體離子的 HR-BEAM-MS² 譜圖的信息相結合，生成轉(zhuǎn)換后的 MS? 譜圖。(d) 在該方法中，利用 HR-BEAM-MS² 譜圖上的高分辨率 m/z 值，將 LR-RES-MS? 峰轉(zhuǎn)換為高分辨率峰。 (e)在本研究中，首先檢驗了該方法的基本假設，使用 NIST20 中已有 HR-RES-MS? 光譜的 1404 個前體離子子集驗證了該方法，然后將該方法應用于 27159 個符合轉(zhuǎn)換條件的前體離子子集。(點擊查看大圖)
其核心邏輯：
同一前體離子通常同時具備：
• 高分辨MS²數(shù)據(jù)(Orbitrap)
• 低分辨MS?數(shù)據(jù)(離子阱)
通過峰匹配：
• 用MS²中的高精度m/z
• 替換MS?中的低精度峰
?? 最終得到：
高分辨率MS?譜樹
03
為什么這件事，離不開Orbitrap平臺？
這項方法之所以成立，背后正是賽默飛平臺的核心優(yōu)勢：
? Orbitrap高分辨檢測
• ppm級質(zhì)量精度
• 高分辨率
?? 提供“看得準”的MS²數(shù)據(jù)
? 線性離子阱（LIT）多級碎裂
• 支持高效MS?
?? 提供“拆得細”的結構信息
? Tribrid架構協(xié)同
同時具備高分辨質(zhì)量分析器 Orbitrap 和線性離子阱質(zhì)量分析器(如Orbitrap Eclipse)
?? 實現(xiàn)：
“既能拆得細，又能看得清”
04
方法驗證：不僅可行，而且效果明顯
研究結果表明：
• >94% MS?信號強度可在MS²中找到對應峰
• 約97%信號成功完成高分辨轉(zhuǎn)換
• 轉(zhuǎn)換后譜圖與真實高分辨MS?：
• 相似度中位數(shù)達 0.99
?? 說明：
無需額外實驗，即可獲得接近真實高分辨MS?的數(shù)據(jù)質(zhì)量
05
譜庫能力躍升：從“稀缺”到“規(guī)?；?rdquo;
圖 3. (a) 各 LR-RES-MS? 譜圖樹中由 LR 轉(zhuǎn)換為 HR 的信號強度百分比分布。(b) 在 NIST20 中，高分辨率 MS? 光譜所代表的化合物和前體離子的計數(shù)，分別在轉(zhuǎn)換 LR-RES-MS? 峰分辨率之前(淺綠色區(qū)域)和之后(淺綠色區(qū)域加深綠色區(qū)域)進行統(tǒng)計。面積與計數(shù)成正比。(點擊查看大圖)
基于該方法：
• 化合物覆蓋數(shù)：1081 → 9637
• 前體離子數(shù)：2057 → 19386
??近10倍擴展
更重要的是：
? 不增加實驗成本
? 不依賴額外標準品
? 可直接基于已有數(shù)據(jù)實現(xiàn)
06
對代謝組學意味著什么？
01 鑒定更“準”
• 分子式候選減少約98%
• 從“多個可能”變?yōu)?ldquo;唯一答案”
02 數(shù)據(jù)更“值錢”
• 歷史數(shù)據(jù)可重新挖掘
• 實驗投資回報率顯著提升
03 MS?真正走向?qū)嵱?/strong>
• 從“小眾高級技術”
• 走向“常規(guī)鑒定工具”
07
構建完整解決方案：從采集到鑒定
(點擊查看大圖)
結合賽默飛整體平臺，可實現(xiàn)代謝組學完整閉環(huán)：
? 分離系統(tǒng)
Vanquish™ UHPLC / Neo nanoUHPLC
提升復雜樣品分離能力
? 質(zhì)譜平臺
Orbitrap Exploris™ / Eclipse™
提供高分辨MS² + MS?能力
? 數(shù)據(jù)與譜庫
mzCloud / Compound Discoverer
?? 實現(xiàn)：
從數(shù)據(jù)獲取 → 結構解析 → 高置信度鑒定
結 語
代謝組學正在從“測得更多”邁向“認得更準”。
MS?提供了更深層結構信息，而Orbitrap平臺提供了高質(zhì)量數(shù)據(jù)基礎。通過數(shù)據(jù)融合策略，這些信息被真正激活，實現(xiàn)從“數(shù)據(jù)可用”到“結果可信”的跨越。
當高分辨質(zhì)譜能力與數(shù)據(jù)智能融合，代謝物鑒定的“最后一公里”正在被重新定義。
未來，隨著高分辨MS?數(shù)據(jù)不斷積累與應用深化，我們有理由期待：
?? 更高置信度的代謝物鑒定
?? 更深入的生物學機制解析
?? 更廣泛的臨床與產(chǎn)業(yè)應用落地
參考文獻：
1.Lieng, B. Y.; Quaile, A. T.; Domingo-Almenara, X.; Röst, H. L.; Montenegro-Burke, J. R. Computational Expansion of High-Resolution-MSn Spectral Libraries. Analytical Chemistry, 2023, 95, 17284–17291.
10
重庆市|
三门县|
乐东|
禹城市|
哈密市|
象州县|
岑巩县|
麻阳|
张家川|
历史|
张家川|
平果县|
苏尼特左旗|
孟津县|
修文县|
怀宁县|
景洪市|
高碑店市|
元朗区|
九龙县|
尚义县|
金门县|
鹤峰县|
民乐县|
济源市|
灯塔市|
安达市|
华容县|
九台市|
务川|
秀山|
甘肃省|
玛多县|
武川县|
平罗县|
苍梧县|
宁乡县|
合山市|
乌审旗|
崇阳县|
和政县|
立即詢價
您提交后，專屬客服將第一時間為您服務