How Comprehensive is Your Analysis? Human Molecular Profiling Using High Resolution Time-of-Flight Mass Spectrometry
Aplikace | 2016 | LECOInstrumentace
Urinalýza je zásadní součástí laboratorní medicíny díky snadné odběratelnosti a nízkému obsahu rušivých bílkovin a lipidů. S rozvojem vysokorozlišovací hmotnostní spektrometrie (GC-HRT) se výrazně rozšiřují možnosti detekce a identifikace širokého spektra sloučenin v moči, což umožňuje přesnější monitorování užívání látek i detailní molekulární profilování.
Cílem předložené práce bylo demonstrovat výkonnost systému LECO Pegasus GC-HRT při analýze moči ve dvou režimech: sledování užívání látek (drug monitoring) a komplexní profilování metabolitů po derivatizaci. Studie ukazuje jak metodické postupy přípravy vzorku, tak parametry přístrojového nastavení a prezentuje výsledky získané z nativních i derivatizovaných vzorků.
V přípravě vzorků byly aplikovány dva přístupy:
Drug monitoring: V nativních vzorcích bylo detekováno více než 30 sloučenin včetně nikotinu, jeho metabolitů, sterolů a farmak. Průměrná hmotnostní přesnost dosahovala 0,52 ppm a spektrální podobnost přes 800/1000. Dále byly identifikovány volně prodejné léky a psychofarmaka s průměrnou odchylkou 0,54 ppm.
Komplexní profilování: Po derivatizaci bylo zaznamenáno přes 1300 signálů zahrnujících organické a hydroxykyseliny, aminokyseliny, sacharidy a mastné kyseliny. Reprezentativní skupina metabolitů (40 sloučenin) vykazovala průměrnou spektrální podobnost 851/1000. Doplněná CI-HRT data potvrdila molekulární ionty a addukty s přesností pod 1 ppm.
Vysoká rychlost akvizice, hmotařská přesnost a rozlišovací schopnost umožňují spolehlivou a rychlou identifikaci látek v toxikologii, metabolomice, farmaceutickém výzkumu i QA/QC. Metoda podporuje komplexní screening i cílenou analýzu farmak a endogenních metabolitů.
LECO Pegasus GC-HRT prokázal vysokou efektivitu při monitorování užívání látek i širokospektrální molekulární profilování moče. Kombinace EI a CI akvizice spolu s robustní přípravou vzorků umožňuje přesné identifikace a kvantifikace sloučenin s vysokou hmotnostní přesností a spolehlivostí.
1 Armstrong J.A. Kidney International 2007, 72, 384–397.
2 Schummer J., Spector T.I. HYLE 2007, 13, 3–41.
3 Wishart D.S. et al. PLOS ONE 2013, 8, e73076.
GC/MSD, GC/HRMS, GC/TOF
ZaměřeníForenzní analýza a toxikologie, Metabolomika, Klinická analýza
VýrobceAgilent Technologies, LECO
Souhrn
Význam tématu
Urinalýza je zásadní součástí laboratorní medicíny díky snadné odběratelnosti a nízkému obsahu rušivých bílkovin a lipidů. S rozvojem vysokorozlišovací hmotnostní spektrometrie (GC-HRT) se výrazně rozšiřují možnosti detekce a identifikace širokého spektra sloučenin v moči, což umožňuje přesnější monitorování užívání látek i detailní molekulární profilování.
Cíle a přehled studie
Cílem předložené práce bylo demonstrovat výkonnost systému LECO Pegasus GC-HRT při analýze moči ve dvou režimech: sledování užívání látek (drug monitoring) a komplexní profilování metabolitů po derivatizaci. Studie ukazuje jak metodické postupy přípravy vzorku, tak parametry přístrojového nastavení a prezentuje výsledky získané z nativních i derivatizovaných vzorků.
Použitá metodika
V přípravě vzorků byly aplikovány dva přístupy:
- Metoda 1 (drug monitoring): inkubace 1,5 mL moče s β-glukuronidázou při 56 °C, extrakce na Verify-CX kartáčcích, eluace 3 % NH₃/MeOH a přímá injekce.
- Metoda 2 (komplexní profilování): ošetření močových vzorků ureázou, koncentrování, dvoustupňová derivatizace (MEOX a MSTFA) a GC-HRT analýza.
Použitá instrumentace
- Gas chromatograf Agilent 7890 s autosamplerem 7693
- Kolony: VF-DA 12 m×0,20 mm×0,33 µm (drug monitoring), Rxi-5Sil MS 30 m×0,25 mm×0,25 µm (profilování)
- MS systém LECO Pegasus GC-HRT s rozlišením až 25 000 FWHM
- EI a CI (5 % NH₃ v CH₄), rozsah m/z do 800 (monitoring) resp. 1000 (profilování), rychlost 10 spekter/s
Hlavní výsledky a diskuse
Drug monitoring: V nativních vzorcích bylo detekováno více než 30 sloučenin včetně nikotinu, jeho metabolitů, sterolů a farmak. Průměrná hmotnostní přesnost dosahovala 0,52 ppm a spektrální podobnost přes 800/1000. Dále byly identifikovány volně prodejné léky a psychofarmaka s průměrnou odchylkou 0,54 ppm.
Komplexní profilování: Po derivatizaci bylo zaznamenáno přes 1300 signálů zahrnujících organické a hydroxykyseliny, aminokyseliny, sacharidy a mastné kyseliny. Reprezentativní skupina metabolitů (40 sloučenin) vykazovala průměrnou spektrální podobnost 851/1000. Doplněná CI-HRT data potvrdila molekulární ionty a addukty s přesností pod 1 ppm.
Přínosy a praktické využití metody
Vysoká rychlost akvizice, hmotařská přesnost a rozlišovací schopnost umožňují spolehlivou a rychlou identifikaci látek v toxikologii, metabolomice, farmaceutickém výzkumu i QA/QC. Metoda podporuje komplexní screening i cílenou analýzu farmak a endogenních metabolitů.
Budoucí trendy a možnosti využití
- Rozšíření databází spekter a automatizace dekonvoluce signálů
- Integrace s dalšími omickými technologiemi (LC-MS, NMR)
- Miniaturizace a automatizace přípravy vzorku pro klinickou praxi
- Využití AI pro pokročilou analýzu dat a predikci biomarkerů
Závěr
LECO Pegasus GC-HRT prokázal vysokou efektivitu při monitorování užívání látek i širokospektrální molekulární profilování moče. Kombinace EI a CI akvizice spolu s robustní přípravou vzorků umožňuje přesné identifikace a kvantifikace sloučenin s vysokou hmotnostní přesností a spolehlivostí.
Reference
1 Armstrong J.A. Kidney International 2007, 72, 384–397.
2 Schummer J., Spector T.I. HYLE 2007, 13, 3–41.
3 Wishart D.S. et al. PLOS ONE 2013, 8, e73076.
Obsah byl automaticky vytvořen z originálního PDF dokumentu pomocí AI a může obsahovat nepřesnosti.
Podobná PDF
Utilizing the Pegasus GC-HRT 4D for Improved Yeast ® Metabolite Characterization
2016|Agilent Technologies|Aplikace
® Utilizing the Pegasus GC-HRT 4D for Improved Yeast Metabolite Characterization 1. Introduction 1 Yeast has been used since ancient times for fermentation and production of wine. In modern times, the S. cerevisiae 2 strain is the preferred cell workhorse…
Klíčová slova
hrt, hrtsimilarity, similarityyeast, yeastformula, formuladelivering, deliveringaic, aicname, namescience, sciencemass, masslife, lifegcxgc, gcxgcright, rightautolysate, autolysateflight, flightchemical
Comprehensive and Confident Identification of Narcotics, Steroids and Pharmaceuticals in Urine
2014|LECO|Postery
Comprehensive and Confident Identification of Narcotics, Steroids and Pharmaceuticals in Urine David E. Alonso1, Petra Gerhards2, Charles Lyle1 and Joe Binkley1 | 1LECO Corporation, St. Joseph, MI; 2LECO European LSCA Centre, Moenchengladbach, Germany Introduction Experimental Monitoring of patients in hospitals…
Klíčová slova
aic, aichrt, hrtsimilarity, similarityformula, formulappm, ppmquetiapine, quetiapinedrugs, drugsamphetamine, amphetaminename, namecreatinine, creatininepeak, peakcotinine, cotinineethynylaniline, ethynylanilineions, ionsindices
Myth Busters: The Truth About Metabolomics and High Resolution Gas Chromatography Time-of-Flight Mass Spectrometry
2014|Agilent Technologies|Postery
Myth Busters: The Truth About Metabolomics and High Resolution Gas Chromatography Time-of-Flight Mass Spectrometry David E. Alonso, Joe Binkley, and Lorne Fell | LECO Corporation, St. Joseph, MI USA 363.17109 363.17119 -0.28 Phenylalanine 2TMS C15H27NO2Si 2 977 919 [M-C7H7]+ 218.10271…
Klíčová slova
hrt, hrttms, tmsmyths, mythsaic, aiccholesterol, cholesterolarachidonic, arachidonicppm, ppmexpected, expectedpegasus, pegasusdispels, dispelsvitamin, vitaminacid, acidcomprehensive, comprehensiveglucose, glucoseobserved
A Workflow for Comprehensive Analysis of Forensic Samples Using Electron and Chemical Ionization High Resolution Time-of-Flight Mass Spectrometry
2014|Agilent Technologies|Postery
A Workflow for Comprehensive Analysis of Forensic Samples Using Electron and Chemical Ionization High Resolution Time-of-Flight Mass Spectrometry David E. Alonso1, Joe Binkley1, and John Rorabeck2 | 1LECO Corporation, St. Joseph, MI; 2Berrien County Forensic Laboratory, Berrien Springs, MI Solvent…
Klíčová slova
hrt, hrttms, tmsaic, aicformula, formulappm, ppmexpected, expectedacid, acidcathine, cathinename, nameobserved, observedmagic, magicmushrooms, mushroomscathinone, cathinonekhat, khathash