代謝組學是研究小分子代謝物的有用工具,能夠直接反映生命體終端和表型信息,在精準醫(yī)學和轉(zhuǎn)化醫(yī)學中發(fā)揮著重要作用。色譜-質(zhì)譜聯(lián)用技術(shù)具有靈敏度高、選擇性好、動態(tài)范圍寬、信息豐富等優(yōu)點,已成為代謝組學研究的主要技術(shù)平臺。代謝組學分析方法的創(chuàng)新與進展是代謝組學在各領(lǐng)域廣泛應(yīng)用的重要前提。該文綜述了近5年來基于液相色譜-質(zhì)譜聯(lián)用技術(shù)的代謝組學分析方法取得的成果,并對目前存在的問題及發(fā)展前景給予展望。綜述引用文獻81篇。 

【文章來源】：分析測試學報. 2020,39(01)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

基于GC-MS、LC-MS、CE-MS、NMR的代謝組學論文數(shù)量對比(A),以及基于LC-MS的代謝組學論文數(shù)目對比(B)

本課題組在二維及多維色譜方面開展了系統(tǒng)的研究�？紤]到對弱極性或中等極性化合物全二維液相色譜的分離方法相對成熟[19],Wang等[20]建立了針對極性化合物分離的HILIC×HILIC全二維系統(tǒng)。Yang等[21]建立了在線的Ag+LC×RPLC 全二維流路用于分析甘油三酯,第一維和第二維分別根據(jù)不飽和度與碳鏈長度實現(xiàn)分離。相比于一維方法,選擇性得到提高,但峰容量未顯著提升,原因在于兩維流速差距較大,存在稀釋效應(yīng)[22]。為解決這一問題,Wang等[23]發(fā)展了在線停留HILIC-RPLC系統(tǒng),一方面用稀釋液降低第一維出口溶劑的強度,另一方面引入捕集柱將第一維流出的餾分較好地保留在前端,通過第二維流動相反吹將餾分轉(zhuǎn)移至第二維,有效地降低了稀釋效應(yīng),實現(xiàn)了較低的進樣寬度。應(yīng)用于血漿的脂質(zhì)組學分析中,第一維實現(xiàn)了脂質(zhì)族分離,第二維根據(jù)脂肪鏈進行精細分離,該模式的峰容量高達415,與全二維分析取得的實際峰容量相接近。在線停留模式還應(yīng)用于3D LC的構(gòu)建,第一維的預分離將復雜樣品分為幾個不同餾分,經(jīng)停留接口對各餾分進行有序的全二維分析,有效改善了復雜樣品的分離效果[24]。針對傳統(tǒng)分離方法覆蓋范圍不廣的問題,Wang等[25]建立了基于柱切換的分析系統(tǒng),通過將極性不同的HILIC和RPLC色譜柱結(jié)合,將HILIC柱上非保留的疏水性代謝物洗脫并轉(zhuǎn)移至RPLC柱上分離,擴展了代謝物的覆蓋范圍,使單柱模式下死時間流出的代謝物得以保留,實現(xiàn)了極性和非極性代謝物的依次分析,也可以通過配置兩個檢測器實現(xiàn)同時分析[26]。應(yīng)用于大鼠尿液的代謝分析中,共檢測到5 686個極性代謝物離子和1 808個非極性代謝物離子,體現(xiàn)了方法在復雜樣品分離分析中的適用性[27]。為進一步提高代謝物覆蓋度,通過預柱分離,將代謝物在線切割為中等極性和弱極性兩個餾分,Wang等[28]分別進行代謝組學和脂質(zhì)組學分析,對血漿的全組分分析共鑒定出447種(ESI+)和289種(ESI-)代謝物和脂質(zhì),使一次分析同時獲得代謝組和脂質(zhì)組信息成為可能。將該流程稍加改進應(yīng)用于�；o酶A(Acyl-CoA)的分析(圖2),實現(xiàn)了一次進樣同時涵蓋短鏈、中鏈和長鏈的�；o酶A的分析[29]。多維色譜的應(yīng)用越來越廣泛,很多課題組開展了很好的工作。Liu等[30]建立的NP/RP 2D LC-MS方法實現(xiàn)了脂質(zhì)類物質(zhì)的同時檢測,應(yīng)用于良性、惡性乳腺腫瘤患者血漿的全脂質(zhì)分析,成功鑒定了512種脂質(zhì)。該課題組還將方法用于腔隙性腦梗[31]、結(jié)直腸癌[32]和動脈粥樣硬化[33]脂質(zhì)組學分析,證實了NP/RP 2D LC-MS實現(xiàn)脂質(zhì)類物質(zhì)全覆蓋的巨大潛力。HILIC和RPLC分離系統(tǒng)提供了兩種完全不同的保留機制和非常高的正交性,可以實現(xiàn)一次進樣同時分離檢測復雜樣品中的親水和疏水性化合物,提高峰容量和分離通量[8]。Ivanisevic等[34]將RPLC-ESI+和HILIC-ESI-模式結(jié)合構(gòu)建正交的二維體系,該方法可全面涵蓋中心碳代謝通路中的代謝物(如氨基酸、有機酸、磷酸化糖等)信息。Contrepois等[9]的研究表明將RPLC-MS和HILIC-MS方法結(jié)合,可使尿液和血漿代謝組擴增44%,比單獨使用RPLC-MS增加了108%的代謝物特征,大大提高了代謝組覆蓋率。

擬靶向方法的關(guān)鍵是獲取特征離子對,二級質(zhì)譜信息的全面獲取是MRM離子對覆蓋度的重要影響因素。基于信息依賴采集(IDA)模式采集二級質(zhì)譜信息,應(yīng)用本課題組自主開發(fā)的自動化獲取特征離子對軟件MRM-Ion Pair Finder,共檢測到854個代謝物離子對[60],具有很好的代謝物覆蓋率和可靠的生物標志物鑒定潛力。順序窗口采集所有理論碎片離子(SWATH)模式的二級質(zhì)譜信息采集能力優(yōu)于IDA,在正離子模式下,從血漿標準參考物質(zhì)(NIST SRM 1950)中獲得1 373個具有離子對的代謝物,與IDA相比,SWATH可以采集更多的離子對[61]。除此之外,對于有碎裂規(guī)律的化合物(如脂質(zhì)),可以根據(jù)保留時間和碎片與脂質(zhì)結(jié)構(gòu)的規(guī)則進行預測。Xuan等[62]建立了高覆蓋度的擬靶向脂質(zhì)組學分析方法,共涵蓋19個脂類、3 377個脂質(zhì)離子對,覆蓋7 000多種脂質(zhì)分子結(jié)構(gòu),與靶向脂質(zhì)組學方法相比,顯示出更高的脂質(zhì)覆蓋度,適合于大規(guī)模脂質(zhì)組學分析(圖3)。在上述基礎(chǔ)上,本課題組也建立了基于LC-MS擬靶向方法的多批次數(shù)據(jù)校正方法,保證了大規(guī)模、大批量代謝組學數(shù)據(jù)的穩(wěn)健可靠[63-64]。除了擬靶向分析方法,“廣泛靶向”和“全局優(yōu)化靶向(GOT)”等新型代謝組學技術(shù)也得到發(fā)展,為傳統(tǒng)的代謝組學分析提供了有價值的補充方法。Chen等[51]基于Q-Trap質(zhì)譜儀發(fā)展了“廣泛靶向”代謝組學技術(shù),通過自建的MS數(shù)據(jù)庫,采用MRM模式掃描,匹配物質(zhì)參數(shù)信息進行定性和定量。代謝物覆蓋的廣度取決于物種特異的MS庫覆蓋具有生物學功能代謝物的全面性,只有獲得生物樣本最全面的代謝物信息,才能具有廣泛的代謝物覆蓋能力。Gu等[65]建立了對血清代謝物具有廣泛覆蓋的GOT-MS方法,為了提高親水性代謝物的覆蓋度,采用選擇離子監(jiān)測(SIM)增強掃描(60～600 Da),選擇具有良好峰形且信噪比S/N> 3的離子作為母離子,在MRM模式下進行MS/MS碎片掃描,最終獲得針對595個母離子的1 890個MRM離子對。GOT-MS的關(guān)鍵是利用QQQ對母離子和子離子進行全局掃描,優(yōu)化和擴展了QQQ的檢測能力,實現(xiàn)了廣泛的代謝物覆蓋。以“擬靶向”、“廣泛靶向”和“全局優(yōu)化靶向”為代表的新一代代謝組學技術(shù),還將更深層次地結(jié)合非靶向的“廣泛性”和靶向的“精確性”,以期獲得更全面、更精準的生物樣品代謝譜信息。


本文編號：3570353