GC/MS Metabolomics with Automated Sample Preparation and Measurement followed by AI- assisted Data Analysis and Discussion

Význam tématu

Analýza metabolitů v bylinných lécích pomocí GC-MS poskytuje detailní chemický profil účinných složek, který je klíčový pro standardizaci, kontrolu kvality a bezpečnost tradičních přípravků. Automatizace přípravy vzorků a využití umělé inteligence při zpracování dat snižují pracovní zátěž, zvyšují reprodukovatelnost a zkracují dobu od přípravy po výsledky.

Cíle a přehled studie / článku

Cílem studie bylo demonstrovat plně integrovaný workflow pro metabolomickou analýzu tří komerčně dostupných čínských bylinných prášků (n=5), který kombinuje:

• automatizovanou přípravu vzorku (SPL-M100),
• rychlou GC-MS analýzu více než 400 TMS derivátů (GCMS-TQ8040 NX, MRM režim, doba 23 min),
• AI-řízenou integraci špiček (Peakintelligence),
• statistickou a biologickou interpretaci dat (Multi-Omics Analysis Package, generativní AI Chatcata).

Použitá metodika a instrumentace

Vzorky byly připraveny na online SPE systému SPL-M100, který automaticky derivatizuje hydrofobní i hydrofilní metabolity v čase 15 minut na vzorek s překryvem přípravy a měření. GC-MS analýza probíhala v MR M režimu za podmínek: odstupňované zahřívání pece (100→330 °C), 30 µl injekce, helium jako nosný plyn, celkově 23 minut na běh. AI-algoritmus Peakintelligence zajišťuje přesnou integraci špiček a potlačení šumu. Pro statistickou analýzu a vizualizaci dat byly použity PCA, hierarchické shlukování, volcano plot a mapování metabolických drah v Multi-Omics Analysis Package a generativní AI Chatcata pro interpretaci výsledků.

Hlavní výsledky a diskuse

• Detekováno ~250 metabolitů v každé skupině bylinných prášků.
• SPL-M100 snížil dobu přípravy vzorku z 1,5 dne na 15 minut (redukováno o 144×).
• Workflow umožnilo overlap mezi přípravou a analýzou, což při 30 vzorcích ušetřilo 37 hodin (18 h vs. 55 h konvenčně).
• Peakintelligence zlepšila integraci špiček, eliminovala falešné signály a snížila manuální čas analýzy z 2,5 h na 1,75 h.
• Generativní AI Chatcata zrychlila interpretaci, navrhla biologicky relevantní hypotézy (např. metabolismus purinů u hypoxanthinu).

Přínosy a praktické využití metody

• Vyšší propustnost laboratoře a standardizace přípravy vzorků.
• Vylepšená přesnost kvantifikace i v přítomnosti složitých matric (cukry, polyfenoly).
• Snížení kontaminace a variability TMS derivátů díky konzistentní době mezi derivatizací a analýzou.
• Rychlá generace biologických závěrů s podporou AI šetří lidské zdroje.

Budoucí trendy a možnosti využití

Integrace pokročilých AI nástrojů do analytických workflow se bude dále rozšiřovat, včetně prediktivní analýzy a autonomních laboratorních systémů. Kombinace multi-omics dat (metabolomika, proteomika) a strojového učení otevře nové možnosti v personalizované medicíně, kontrole potravinové bezpečnosti a vývoji fytoterapeutik.

Závěr

Představený systém GCMS-TQ8040 NX s automatizovaným předzpracováním SPL-M100 a AI podporou významně urychluje komplexní analýzu metabolitů v bylinných přípravcích, zvyšuje reprodukovatelnost výsledků a zkracuje dobu od vzorku k interpretaci. Tento přístup představuje efektivní nástroj pro QA/QC, výzkum i vývoj nových farmaceutických a potravinářských produktů.

Reference

1. メタボローム分析用オンラインSPE-GCシステム SPL-M100 [Online SPE-GC System for Metabolome Analysis SPL-M100], AiSTI SCIENCE Co. Ltd, accessed Dec 5, 2023.
2. Time-saving data processing for pesticide residues with Peakintelligence™ for GCMS, Application News No. 01-00585-EN.