Изображение на обложке

Целевое метаболомное профилирование плазмы крови методом ВЭЖХ–МС/МС: оптимизация пробоподготовки и автоматизация обработки данных

Sabina N. Baskhanova, Natal’ya E. Moskaleva, Kseniya M. Shestakova, Pavel A. Markin, Svetlana A. Apollonova

Аннотация


Мультитаргетный метаболомный анализ является эффективным инструментом для клинической диагностики, который позволяет одновременно профилировать широкий спектр метаболитов. Целью данной работы являлась разработка и валидация методики целевого метаболомного профилирования образцов плазмы крови методами ВЭЖХ-МС/МС и МС/МС. Оптимизированы условия подготовки пробы, дериватизации, а также параметры хромато-масс-спектрометрического детектирования. Валидацию методики осуществляли в соответствии с Рекомендациями по межгосударственной стандартизации РМГ 61-2010 и Руководством для проведения валидации биоаналитических методик ICH M10. Для повышения надежности обработки результатов мультитаргетного анализа было разработано приложение Metaboscan AI, которое автоматизирует обработку данных, включая интегрирование пиков, расчет концентраций и контроль качества анализа.  При проведении когортных исследований в рамках данного приложения можно также осуществлять сравнительный статистический анализ. Применение таких инструментов как множественная линейная регрессия позволяет учесть влияние биологических кофакторов (пол, возраст) на полученные результаты, что повышает интерпретируемость результатов.

Ключевые слова: метаболомный анализ, ВЭЖХ-МС/МС, валидация, суррогатная матрица


Полный текст:

PDF

Литература


REFERENCES

Alonso A., Marsal S., Julià A. [Analytical methods in untargeted metabolomics: state of the art in 2015]. Front. Bioeng. Biotechnol., 2015, vol. 3, article 23. doi: 10.3389/fbioe.2015.00023.

Gao Y., Chen Y., Yue X., He J., Zhang R., Xu J., Zhou Z., Wang Z., Zhang R., Abliz Z. [Development of simultaneous targeted metabolite quantification and untargeted metabolomics strategy using dual-column liquid chromatography coupled with tandem mass spectrometry]. Analytica Chimica Acta, 2018, vol. 1037, pp. 369-379. doi: 10.1016/j.aca.2018.08.042.

Roberts L. D., Souza A. L., Gerszten R. E., Clish C. B. Targeted Metabolomics. [Current Protocols in Molecular Biology]. Ausubel F. M., Brent R., Kingston R.E. (Eds.). New York, John Wiley & Sons Inc, 2012. pp. 30.2.1.-30.2.24. doi: 10.1002/0471142727.mb3002s98

Yuan M., Breitkopf S., Yang X, Asara J. [A positive/negative ion–switching, targeted mass spectrometry–based metabolomics platform for bodily fluids, cells, and fresh and fixed tissue]. Nat Protoc, 2012, vol.7, pp. 872-881. doi: 10.1038/nprot.2012.024.

Zhou J., Liu H., Liu Y., Liu J., Zhao X., Yin Y. [). Development and Evaluation of a Parallel Reaction Monitoring Strategy for Large-Scale Targeted Metabolomics Quantification]. Analytical Chemistry, 2016, vol. 88, no. 8, pp. 4478–4486. doi: 10.1021/acs.analchem.6b00355.

Sibal L., Agarwal S.C., Home P.D., Boger R.H. [The Role of Asymmetric Dimethylarginine (ADMA) in Endothelial Dysfunction and Cardiovascular Disease]. Curr. Cardiol. Rev., 2010, vol. 6, no. 2, pp. 82-90. doi: 10.2174/157340310791162659.

Jud P., Hafner F., Verheyen N., Meinitzer A., Gary T., Brodmann M., Seinost G., Hackl G. [Homoarginine/ADMA ratio and homoarginine/SDMA ratio as independent predictors of cardiovascular mortality and cardiovascular events in lower extremity arterial disease]. Sci Rep, 2018, vol. 8, article 14197. doi: 10.1038/s41598-018-32607-8.

Kozhevnikova M.V., Belenkov Y.N., Shestakova K.M., Ageev A.A., Markin P.A., Kakotkina A.V., Korobkova E.O., Moskaleva N.E., Kuznetsov I.V., Khabarova N.V., Kukharenko A.V., Appolonova S.A. [Metabolomic profiling in heart failure as a new tool for diagnosis and phenotyping]. Sci Rep, 2025, vol. 15, article 11849. doi: 10.1038/s41598-025-95553-2.

Andersen C.J. [Lipid Metabolism in Inflammation and Immune Function]. Nutrients, 2022, vol. 14, no. 7, article 1414. doi: 10.3390/nu14071414.

Zhang L., Zheng J., Johnson M., Mandal R., Cruz M., Martínez-Huélamo M., Andres-Lacueva C., Wishart D.S. [A Comprehensive LC-MS Metabolomics Assay for Quantitative Analysis of Serum and Plasma]. Metabolites, 2024, vol.14, no. 11, article 622. doi: 10.3390/metabo14110622.

Zheng J., Zhang L., Johnson M., Mandal R., Wishart D. [A Comprehensive Targeted Metabolomic Assay for Urine Analysis]. Analytical Chemistry, 2020, vol. 92, no. 15, pp. 10627-10634. doi: 10.1021/acs.analchem.0c01682.

Siskos A.P., Jain P., Römisch-Margl W., Bennett M., Achaintre D., Asad y., Marney L., Richardson L., Koulman A., Griffin J.L., Raynaud F., Scalbert A., Adamski J., Prehn C., Keun H. [Interlaboratory Reproducibility of a Targeted Metabolomics Platform for Analysis of Human Serum and Plasma]. Analytical Chemistry, 2017, vol. 89, no. 1, pp. 656-665. doi: 10.1021/acs.analchem.6b02930.

Weng W.C., Huang W.Y., Tang H.Y., Cheng M.L., Chen K.H. [The Differences of Serum Metabolites between Patients with Early-Stage Alzheimer’s Disease and Mild Cognitive Impairment]. Front. Neurol, 2019, vol. 10, article 1223. doi: 10.3389/fneur.2019.01223.

Tlili N., Bonnin C., Lazrag M., Weber M., Muhr L. [Separation of amino-acids by reversed phase chromatography: Development of a model mixture dedicated to the study of solvent gradient chromatography processes]. Sep. Sci. Technol, 2014, vol. 49, no. 14, pp. 2182–2192. doi: 10.1080/01496395.2014.926372.

Gökmen V., Serpen A., Mogol B.A. [Rapid determination of amino acids in foods by hydrophilic interaction liquid chromatography coupled to high-resolution mass spectrometry] Anal. Bioanal. Chem, 2012, vol. 403, no. 10, pp. 2915–2922. doi: 10.1007/s00216-012-5779-z.

RMG 61–2010 «State system for ensuring the uniformity of measure‐ ments. Accuracy, trueness and precision measures of the procedures for quantitative chemical analysis. Methods of evaluation». — Moscow: Standartinform, 2012. — 59 p.

ICH guideline M10 on bioanalytical method validation and study sample analysis. Available at: https://www.ema.europa.eu/en/documents/scientific-guideline/ich-guideline-m10-bioanalytical-method-validation-step-5_en.pdf (accessed 21 May 2024).

Moskaleva N., Moysa A., Novikova S., Tikhonova O., Zgoda V., Archakov A. [Spaceflight Effects on Cytochrome P450 Content in Mouse Liver]. PLoS One, 2015, vol. 10, no.11. doi: 10.1371/journal.pone.0142374.

Tremblay-Gravel M., Fortier A., Baron C., David C., Mehanna P., Ducharme A., Hussin J., Hu Q., Tardif J. C., Des Rosiers C., Dupuis J., Ruiz M. [Long-Chain Acylcarnitines and Monounsaturated Fatty Acids Discriminate Heart Failure Patients According to Pulmonary Hypertension Status]. Metabolites, 2021, vol.11, no. 4, article 196. doi: 10.3390/metabo11040196.

Ament Z., Kijpaisalratana N., Bhave V.M., Couch C.A. Guarniz A.-L. G., Patki A., Cushman M., Judd S.E., Irvin M.R., Kimberly W.T. [ Targeted Metabolomics in the REasons for Geographic and Racial Differences in Stroke (REGARDS) Study]. Sci Data, 2025, vol. 12, article 395. doi: 10.1038/s41597-025-04746-x.

Heinrikson R.L., Meridith S.C. [Amino acid analysis by reverse-phase high-performance liquid chromatography: Precolumn derivatization with phenylisothiocyanate]. Anal. Biochem, 1984, vol. 136, no. 1, pp. 65–74. doi: 10.1016/0003-2697(84)90307-5.

Jasbi P., Nikolich-Žugich J., Patterson J., Knox K.S., Jin Y., Weinstock G.M., Smith P., Twigg H.L., Gu H. [Targeted metabolomics reveals plasma biomarkers and metabolic alterations of the aging process in healthy young and older adults]. Geroscience, 2023, vol. 45, no. 6, pp.3131-3146. doi: 10.1007/s11357-023-00823-4.

Sakurai M., Motoike I.N., Hishinuma E., Aoki Y., Tadaka S., Kogure M., Orui M., Ishikuro M., Obara T., Nakaya N., Kumada K., Hozawa A., Kuriyama S., Yamamoto M., Koshiba S., Kinoshita K. [Identifying critical age and gender-based metabolomic shifts in a Japanese population of the Tohoku Medical Megabank cohort]. Sci Rep, 2024, vol. 14, article 15681. doi: 10.1038/s41598-024-66180-0.

McKinney W. [Pandas: A foundational library for data analysis in Python]. Python for High Performance and Scientific Computing, 2011, vol. 14, pp. 1-9.

Harris C.R., Millman K.J., van der Walt S.J., Gommers R., Virtanen P., Cournapeau D., Wieser E., Taylor J., Berg S., Smith N.J., Kern R., Picus M., Hoyer S., van Kerkwijk M.H., Brett M., Haldane A., Del Río J.F., Wiebe M., Peterson P., Gérard-Marchant P., Sheppard K., Reddy T., Weckesser W., Abbasi H., Gohlke C., Oliphant T.E. [Array programming with NumPy]. Nature, 2020, vol. 585, no. 7825, pp. 357-362.

Hunter J. D. [Matplotlib: A 2D graphics environment]. Computing in Science & Engineering, 2007, vol. 9, no. 3, pp. 90-95. doi:10.1109/MCSE.2007.55.

Waskom M. [Seaborn: statistical data visualization]. Journal of Open Source Software, 2021, vol. 6, no. 60, pp. 3021. doi:10.21105/joss.03021.

Virtanen P., Gommers R., Oliphant T. E., Haberland M., Reddy T., Cournapeau D., Burovski E., Peterson P., Weckesser W., Bright J., van der Walt S.J., Brett M., Wilson J., Millman K.J., Mayorov N., Nelson A.R.J., Jones E., Kern R., Kern E., Carey C.J., Polat I., Feng Y., Moore E.W., VanderPlas J., Laxalde D., Perktold J., Cimrman R., Henriksen I., Quintero E.A., Harris C.R., Archibald A.M., Ribeiro A. H., van Mulbregt P., SciPy 1.0 Contributors. [SciPy 1.0: Fundamental Algorithms for Scientific Computing in Python]. Nature Methods, 2020, vol. 17, no. 3, pp. 261-272. doi:10.1038/s41592-019-0686-2.

Sun K., Wang Z., Liu Q., Chen H., Li W., Cui W. [Data-driven multi-joint waveguide bending sensor based on time series neural network]. Optics express, 2022, vol. 31, no. 2, pp. 2359-2372. doi: 10.1364/oe.476889.

Django Software Foundation. Available at: https://www.djangoproject.com/. (accessed 18 March 2024)

Pedregosa F., Varoquaux G., Gramfort A., Michel V., Thirion B., Grisel O., Blondel M., Prettenhofer P., Weiss R., Dubourg V., Vanderplas J., Passos A., Cournapeau D., Brucher M., Perrot M., Duchesnay E. [Scikit-learn: Machine Learning in Python]. Journal of Machine Learning Research, 2011, vol. 12, pp. 2825-2830.

React. Available at: https://reactjs.org/ (accessed 19 March 2024)

PostgreSQL Global Development Group. Available at: https://www.postgresql.org/. (accessed 08 December 2023).




DOI: https://doi.org/10.15826/analitika.2025.29.3.006

Ссылки

  • На текущий момент ссылки отсутствуют.