快速选和对自然产品发现的培养条件的优先考虑,使用液体微接表面采样探头
Jessie F Deng1, Jennifer L Kolwich1, Georgia Reed2
1Department of Chemistry, Queen's University, Kingston, Ontario, Canada, K7L 2S8.
Journal of the American Society for Mass Spectrometry
|September 26, 2025
概括
这项研究引入了一种更快,更便宜,更环保的自然产品发现方法. 液体微聚合表面采样探头 (LMJ-SSP) 和机器学习优先考虑真菌代谢物生产,节省时间和资源.
科学领域:
- 自然产品化学 自然产品化学
- 分析化学 分析化学
- 计算化学的计算化学
背景情况:
- 自然产品 (NP) 的发现至关重要,但受到低效,资源密集型工作流程的阻碍.
- 传统方法在大规模选项目中缺乏可持续性和效率.
研究的目的:
- 为了评估液体微聚合表面采样探头 (LMJ-SSP) 与部分最小平方区分分析 (PLS-DA) 相结合,用于初步的自然产品发现.
- 通过优先考虑最大限度地提高化学多样性的生长条件来简化NP发现管道.
主要方法:
- 环境质谱与机器学习 (PLS-DA) 进行了整合.
- 在13种不同的生长条件下,四种Penicillium真菌菌株在没有先前样本准备的情况下进行了现场分析.
- 使用LMJ-SSP进行快速,直接的样本分析.
主要成果:
- PLS-DA有效地优先考虑了增长条件,增强了代谢物多样性.
- 采用LMJ-SSP方法,采样时间减少了96%,成本降低了98%,溶剂消耗降低了98%.
- 这种方法在广泛的下游加工之前提供了对代谢物组成的见解.
结论:
- 与PLS-DA相结合的LMJ-SSP提供了自然产品发现的重大进步.
- 这种综合方法提高了效率,降低了成本,并促进了NP研究的可持续性.
- 使用LMJ-SSP的化学信息优先级简化了新生物活性化合物的发现管道.
更多相关视频
15:00Applications of the Single-probe: Mass Spectrometry Imaging and Single Cell Analysis under Ambient Conditions
Published on: June 14, 2016
11.2K
10:16Automated and High-throughput Microbial Monoclonal Cultivation and Picking Using the Single-cell Microliter-droplet Culture Omics System
Published on: March 14, 2025
1.3K
