使用UHPLC-ESI-QTOF-MS/MS进行的大规模血小板脂组学研究,通过数据独立的SWATH获取数据进行分批数据分析,并对分批特征进行对齐

科学领域:

• 生物化学 生物化学
• 分析化学 分析化学
• 临床研究 临床研究

背景情况:

• 通过数据独立获取 (DIA) 的UHPLC-MS/MS进行非向性脂管学对临床研究有价值.
• 大规模研究 (1000多个样本) 在数据处理方面面临挑战,原因是批量效应,如保留时间和质量转移.
• 有限的计算能力加剧了随着时间的推移处理大量数据集的困难.

研究的目的:

• 开发和验证一个批量数据处理策略,用于使用DIA的非向性脂组学.
• 在大型临床队列中改善脂质组覆盖和特征识别.
• 建立一个强大的工作流程来处理来自多个批次的广泛的脂管学数据.

主要方法:

• 实施了使用MS-DIAL进行自动化分析的批量数据处理策略.
• 使用基于前体m/z和保留时间相似性的跨批次特征对齐.
• 建立了一个参考峰值列表,用于从组合批次中提取有针对性的数据.

主要成果:

• 该工作流被验证在来自冠状动脉疾病 (CAD) 患者的血小板脂质提取物上.
• 应用于22个批次的1057名CAD患者的队列,显著增加脂质组覆盖率.
• 使用7-8批次观察到注释特征的最佳增长,改善了结构识别.

结论:

• 批量处理与批量间特征对齐对于大规模的非目标脂类组学是有效的.
• 这一策略提高了临床研究中的脂质组覆盖率和鉴定准确性.
• 该方法为管理和分析广泛的DIA-MS/MS数据集提供了强大的解决方案.