TagFinder cho phân tích định lượng các thí nghiệm lập hồ sơ chất chuyển hóa dựa trên sắc ký khí-khối phổ (GC-MS)

Bioinformatics (Oxford, England) - Tập 24 Số 5 - Trang 732-737 - 2008
Alexander Luedemann1, Katrin Strassburg1, Alexander Erban1, Joachim Kopka1
1Department Prof. L. Willmitzer, Max Planck Institute of Molecular Plant Physiology, Am Muehlenberg 1, D-14476 Potsdam-Golm, Germany

Tóm tắt

Tóm tắt Động lực: Các thí nghiệm lập hồ sơ chất chuyển hóa dựa trên GC-MS điển hình có thể bao gồm hàng trăm tập tin sắc ký, mỗi tập tin chứa đến 1000 thẻ phổ khối (MSTs). MSTs là các dạng đặc trưng của khoảng 25–250 ion phân mảnh và các đồng vị tương ứng, được tạo ra sau sắc ký khí (GC) bằng ion hóa va đập điện tử (EI) của các phân tử hóa học đã được tách ra. Các ion phân mảnh này sau đó được phát hiện bởi khối phổ ký thời gian bay (TOF). MSTs của các thí nghiệm lập hồ sơ thường được báo cáo dưới dạng danh sách các ion, được đặc trưng bởi khối lượng, chỉ số lưu giữ sắc ký (RI) hoặc thời gian lưu giữ (RT) và độ dồi dào tùy ý. Hai tham số đầu tiên cho phép nhận dạng và tham số sau cho phép định lượng các hợp chất hóa học được đại diện. Nhiều công cụ phần mềm đã được báo cáo dành cho tiền xử lý, tức là giải quyết đường cong và phân tích tổ hợp, của các tập tin GC-(EI-TOF)-MS. Công cụ tiền xử lý tạo ra ma trận dữ liệu số chứa tất cả các MST đồng bộ và mẫu thí nghiệm. Tuy nhiên, quá trình này dễ gặp lỗi chủ yếu do (i) sự không chính xác trong việc đồng bộ RI hoặc RT của MSTs và (ii) sự phức tạp cao của các mẫu sinh học. Sự phức tạp này gây ra sự đồng lưu của hợp chất và do đó MSTs không chọn lọc, nghĩa là không tinh khiết. Việc lựa chọn và xác thực các ion phân mảnh tối ưu cho định lượng cụ thể và chọn lọc của hợp chất đồng lưu là điều bắt buộc. Hiện tại quá trình xác thực chủ yếu được thực hiện dưới sự giám sát của con người ở hầu hết các phòng thí nghiệm. Cho đến nay, chưa có công cụ phần mềm nào hỗ trợ đánh giá chất lượng không đích và độc lập của ma trận dữ liệu trước khi phân tích thống kê. TagFinder có thể lấp đầy khoảng cách này. Chiến lược: TagFinder giúp phân tích tất cả các ion phân mảnh được quan sát trong các thí nghiệm lập hồ sơ GC-(EI-TOF)-MS. Cách tiếp cận không mục tiêu cho phép khám phá các hợp chất mới và bất ngờ. Ngoài ra, độ phân giải đồng vị khối lượng được duy trì bởi xử lý của TagFinder. Tính năng này rất cần thiết cho các phân tích dòng chảy chuyển hóa và rất hữu ích, nhưng không bắt buộc cho việc lập hồ sơ chất chuyển hóa. Khi có thể, TagFinder ưu tiên các phương tiện chuẩn hóa hóa học, ví dụ, sử dụng hợp chất tham chiếu nội bộ cho việc hiệu chuẩn thời gian lưu hoặc chuẩn hóa định lượng. Ngoài ra, chuẩn hóa ngoại cũng được hỗ trợ cho việc nhận dạng và hiệu chuẩn hợp chất. Quy trình làm việc của TagFinder bao gồm, (i) nhập dữ liệu ion phân mảnh, cụ thể là khối lượng, thời gian và độ dồi dào tùy ý (cường độ), từ định dạng tệp chuyển đổi sắc ký hoặc từ danh sách đỉnh cung cấp bởi các phần mềm tiền xử lý sắc ký khác, (ii) ghi chú thông tin mẫu và phân nhóm mẫu vào các lớp, (iii) tính toán RI, (iv) phân nhóm các ion phân mảnh quan sát có khối lượng bằng nhau từ các sắc ký khác nhau vào các cửa sổ RI, (v) kết hợp các nhóm này, gọi là thẻ khối, thành các nhóm thời gian của các ion phân mảnh đồng lưu, (vi) thử nghiệm các nhóm thời gian cho thẻ khối có cường độ tương quan, (vii) tạo ma trận dữ liệu và (viii) trích xuất thẻ khối chọn lọc hỗ trợ bởi nhận dạng hợp chất. Nhờ đó, TagFinder hỗ trợ cả phân tích dấu vân tay không mục tiêu và lập hồ sơ chất chuyển hóa theo mục tiêu. Sẵn có: Các không gian làm việc mẫu của TagFinder và bộ dữ liệu thử nghiệm có sẵn theo yêu cầu từ tác giả liên hệ. TagFinder được cung cấp miễn phí cho mục đích học thuật từ http://www-en.mpimp-golm.mpg.de/03-research/researchGroups/01-dept1/Root_Metabolism/smp/TagFinder/index.html Liên hệ: [email protected] Thông tin bổ sung: Dữ liệu bổ sung có sẵn tại Bioinformatics trực tuyến và trong tải xuống TagFinder từ URL trên.

Từ khóa

#Lập hồ sơ chất chuyển hóa #Sắc ký khí-khối phổ #Phân tích không đích #Phân giải đồng vị #Chuẩn hóa hóa học #Phân tích dòng chảy chuyển hóa.

Tài liệu tham khảo

America, 2006, Alignment and statistical difference analysis of complex peptide data sets generated by multidimensional liquid chromatography mass spectrometry, Proteomics, 6, 641, 10.1002/pmic.200500034

Ausloos, 1999, The critical evaluation of a comprehensive mass spectral library, J. Am. Soc. Mass Spectrom, 10, 287, 10.1016/S1044-0305(98)00159-7

Baran, 2006, MathDAMP: a package for differential analysis of metabolite profiles, BMC Bioinformatics, 7, 530, 10.1186/1471-2105-7-530

Bino, 2004, Potential of metabolomics as a functional genomics tool, Trends Plant Sci, 9, 418, 10.1016/j.tplants.2004.07.004

Bino, 2005, The light-hyperresponsive high pigment-2 mutation of tomato: alterations in the fruit metabolome, New Phytol, 166, 427, 10.1111/j.1469-8137.2005.01362.x

Birkemeyer, 2005, Metabolome analysis: the potential of in vivo labeling with stable isotopes for metabolite profiling, Trends Biotechnol, 23, 28, 10.1016/j.tibtech.2004.12.001

Broeckling, 2006, MET-IDEA: Data extraction tool for mass spectrometry-based metabolomics, Anal. Chem, 78, 4334, 10.1021/ac0521596

Bunk, 2006, MetaQuant: a tool for the automatic quantification of GC/MS-based metabolome data, Bioinformatics, 22, 2962, 10.1093/bioinformatics/btl526

Castle, 2006, Metabolomics Standards Workshop and the development of international standards for reporting metabolomics experimental results, Briefings Bioinformatics, 7, 159, 10.1093/bib/bbl008

Dalluge, 2002, Optimization and characterization of comprehensive two-dimensional gas chromatography with time-of-flight mass spectrometric detection (GC × GC-TOF MS), J. Sep. Sci, 25, 201, 10.1002/1615-9314(20020301)25:4<201::AID-JSSC201>3.0.CO;2-B

Dalluge, 2002, Comprehensive two-dimensional gas chromatograpy with time-of-flight mass spectrometric detection applied to the determination of pesticides in food extracts, J. Chromatogr. A, 965, 207, 10.1016/S0021-9673(01)01324-3

De Souza, 2006, Progressive peak clustering in GC-MS metabolomic experiments applied to Leishmania parasites, Bioinformatics, 22, 1391, 10.1093/bioinformatics/btl085

De Vos, 2007, Untargeted large-scale plant metabolomics using liquid chromatography coupled to mass spectrometry, Nature Protocols, 2, 778, 10.1038/nprot.2007.95

Duran, 2003, Metabolomics spectral formatting, alignment and conversion tools (MSFACTs), Bioinformatics, 19, 2283, 10.1093/bioinformatics/btg315

Fiehn, 2005, Automatic annotation of metabolomic mass spectra by integrating experimental metadata, Proc. Lect. Notes Bioinformatics, 3615, 224

Fiehn, 2006, Establishing reporting standards for metabolomic and metabonomic studies: a call for participation, Omics- J. Intergrat. Biol, 10, 158, 10.1089/omi.2006.10.158

Fiehn, 2007, The metabolomics standards initiative (MSI), Metabolomics, 3, 175, 10.1007/s11306-007-0070-6

Halket, 1999, Deconvolution gas chromatography mass spectrometry of urinary organic acids – potential for pattern recognition and automated identification of metabolic disorders, Rapid Commun. Mass Spectrom, 13, 279, 10.1002/(SICI)1097-0231(19990228)13:4<279::AID-RCM478>3.0.CO;2-I

Halket, 2005, Chemical derivatization and mass spectral libraries in metabolic profiling by GC/MS and LC/MS/MS, J. Exp. Bot, 56, 219, 10.1093/jxb/eri069

Huege, 2007, GC-EI-TOF-MS analysis of in vivo carbon-partitioning into soluble metabolite pools of higher plants by monitoring isotope dilution after (13CO2)-labelling, Phytochemistry, 68, 2258, 10.1016/j.phytochem.2007.03.026

Jenkins, 2004, A proposed framework for the description of plant metabolomics experiments and their results, Nat. Biotechnol, 22, 1601, 10.1038/nbt1041

Jonsson, 2004, A strategy for identifying differences in large series of metabolomic samples analysed by GC/MS, Anal. Chem, 76, 1738, 10.1021/ac0352427

Jonsson, 2005, High-throughput data analysis for detecting and identifying differences between samples in GC/MS-based metabolomic analyses, Anal. Chem, 77, 5635, 10.1021/ac050601e

Jonsson, 2006, Predictive metabolite profiling applying hierarchical multivariate curve resolution to GC-MS data – a potential tool for multi-parametric diagnosis, J. Proteome Res, 5, 1407, 10.1021/pr0600071

Keurentjes, 2006, The genetics of plant metabolism, Nat. Genetics, 38, 842, 10.1038/ng1815

Kopka, 2004, Metabolite profiling in plant biology: platforms and destinations, Genome Biol, 5, 109, 10.1186/gb-2004-5-6-109

Kopka, 2005, GMD@CSBDB: The Golm metabolome database, Bioinformatics, 21, 1635, 10.1093/bioinformatics/bti236

Kopka, 2006, Current challenges and developments in GC-MS based metabolite profiling technology, J. Biotechnol, 124, 312, 10.1016/j.jbiotec.2005.12.012

Kopka, 2006, Gas chromatography mass spectrometry, Biotechnology in agriculture and forestry Vol. 57: Saito,K, Dixon,RA, Willmitzer,L (eds) Plant metabolomics., 3

Lindon, 2005, The Consortium for Metabonomic Toxicology (COMET): aims, activities and achievements, Pharmacogenomics, 6, 691, 10.2217/14622416.6.7.691

Nicholson, 1999, ‘Metabonomics’: understanding the metabolic responses of living systems to pathophysiological stimuli via multivariate statistical analysis of biological NMR spectroscopic data, Xenobiotica, 29, 1181, 10.1080/004982599238047

Nielsen, 2005, The next wave in metabolome analysis, Trends Biotechnol, 23, 544, 10.1016/j.tibtech.2005.08.005

Pool, 1996, Backfolding applied to differential gas chromatography/mass spectrometry as a mathematical enhancement of chromatographic Resolution, J. Mass Spectrom, 31, 509, 10.1002/(SICI)1096-9888(199605)31:5<509::AID-JMS323>3.0.CO;2-B

Pool, 1997, Automated extraction of pure mass spectra from gas chromatographic/mass spectrometric data, J. Mass Spectrom, 32, 438, 10.1002/(SICI)1096-9888(199704)32:4<438::AID-JMS499>3.0.CO;2-N

Pool, 1997, Automated processing of GC/MS data: quantification of the signals of individual components, J. Mass Spectrom, 32, 1253, 10.1002/(SICI)1096-9888(199711)32:11<1253::AID-JMS593>3.0.CO;2-T

Saeed, 2003, TM4: A free, open-source system for microarray data management and analysis, Biotechniques, 34, 374, 10.2144/03342mt01

Saeed, 2006, TM4 microarray software suite, Methods Enzymol, 411, 134, 10.1016/S0076-6879(06)11009-5

Schauer, 2005, GC-MS libraries for the rapid identification of metabolites in complex biological samples, FEBS Lett, 579, 1332, 10.1016/j.febslet.2005.01.029

Sinha, 2004, Algorithm for locating analytes of interest based on mass spectral similarity in GC x GC-TOF-MS data: analysis of metabolites in human infant urine, J. Chromatogr. A, 1058, 209, 10.1016/S0021-9673(04)01418-9

Smith, 2006, XCMS: Processing mass spectrometry data for metabolite profiling using Nonlinear peak alignment, matching, and identification, Anal. Chem, 78, 779, 10.1021/ac051437y

Spasić, 2006, MeMo: a hybrid SQL/XML approach to metabolomic data management for functional genomics, BMC Bioinformatics, 7, 281, 10.1186/1471-2105-7-281

Stein, 1999, An integrated method for spectrum extraction and compound identification from gas chromatography/mass spectrometry data, J. Am. Soc. Mass Spectrom, 10, 770, 10.1016/S1044-0305(99)00047-1

Stephanopoulos, 2004, Exploiting biological complexity for strain improvement through systems biology, Nat. Biotechnol, 22, 1261, 10.1038/nbt1016

Sumner, 2003, Plant metabolomics: large-scale phytochemistry in the functional genomics era, Phytochemistry, 62, 817, 10.1016/S0031-9422(02)00708-2

Sumner, 2007, Proposed minimum reporting standards for chemical analysis, Metabolomics, 3, 211, 10.1007/s11306-007-0082-2

Tikunov, 2005, A novel approach for non-targeted data analysis for metabolomics: large-scale profiling of tomato fruit volatiles, Plant. Physiol, 139, 1125, 10.1104/pp.105.068130

Trethewey, 1999, Metabolic profiling: a Rosetta stone for genomics?, Curr. Opin. Plant Biol, 2, 83, 10.1016/S1369-5266(99)80017-X

Van den Dool, 1963, A generalization of the retention index system including linear temperature programmed gas-liquid partition chromatography, J. Chromatogr, 11, 463, 10.1016/S0021-9673(01)80947-X

Vorst, 2005, A non-directed approach to the differential analysis of multiple LCMS derived metabolic profiles, Metabolomics, 1, 169, 10.1007/s11306-005-4432-7

Vreuls, 1999, Gas chromatography-time-of-flight mass spectrometry for sensitive determination of organic microcontaminants, J. Mircocolumn. Sep, 11, 663, 10.1002/(SICI)1520-667X(199911)11:9<663::AID-MCS4>3.0.CO;2-0

Wagner, 2003, Construction and application of a mass spectral and retention time index database generated from plant GC/EI-TOF-MS metabolite profiles, Phytochemistry, 62, 887, 10.1016/S0031-9422(02)00703-3