復雜生物樣本中代謝物的準確鑒定一直是困擾非靶向代謝組學發(fā)展的最大瓶頸。目前，代謝物的準確鑒定主要依賴于標準物質(zhì)的二級碎片譜圖（MS/MS），其鑒定范圍嚴重受限于標準譜圖的數(shù)目。離子淌度質(zhì)譜（Ion Mobility-Mass Spectrometry）可以獲得代表化合物尺寸大小的碰撞截面積數(shù)據(jù)、區(qū)分電荷異構(gòu)體和同分異構(gòu)體，進而提供超越傳統(tǒng)質(zhì)譜平臺的多維結(jié)構(gòu)鑒定信息，可極大提升對復雜生物樣品代謝組的有效鑒定。

 

       近期，中國科學院上海有機化學研究所生物與化學交叉研究中心的朱正江研究員課題組在 Nature  Communication上發(fā)表的題為 Ion Mobility Collision Cross-Section Atlas for Known and Unknown Metabolite Annotation in Untargeted Metabolomics 的文章。

 

       作者基于離子淌度質(zhì)譜，開發(fā)了目前最大、最全面的高精度小分子碰撞截面積數(shù)據(jù)庫平臺 AllCCS，并結(jié)合多維代謝物鑒定方法，極大地提升了已知與未知代謝物注釋的準確度，開創(chuàng)了非靶向代謝組學全面鑒定新策略。

 

       基于離子淌度質(zhì)譜的代謝組學技術(shù)能夠全面表征生命體內(nèi)已知和未知的代謝物。我們通過發(fā)展了大規(guī)模、標準化的碰撞截面積數(shù)據(jù)庫平臺 AllCCS，為基于離子淌度質(zhì)譜的應(yīng)用研究提供基礎(chǔ)支持。基于該平臺，我們發(fā)展了結(jié)合高精度 CCS 值的多維代謝物鑒定技術(shù)，大大提高了代謝物鑒定的可靠性，并有助于發(fā)現(xiàn)新的未知代謝物，為復雜代謝組的研究提供更全面、準確的分析。

 

       AllCCS 平臺建立：

       最大、最全面的碰撞截面積數(shù)據(jù)庫

 

       首先，利用 Agilent 6560 離子淌度 Q-TOF 液質(zhì)聯(lián)用系統(tǒng)等不同儀器平臺獲取了 2193 個化合物共 5119 個實驗 CCS 值

       通過五步標準化最終保留了 3539 個 CCS 值，相比于其它 CCS 庫，標準化操作可有效消除不同實驗室、不同儀器導致的差異

       發(fā)展新一代機器學習碰撞截面積預(yù)測算法，基于標準化后的實驗 CCS 值，實現(xiàn)對大于 160 萬個小分子化合物近 1200 萬個 CCS 值的預(yù)測；化合物覆蓋了 7 大主流數(shù)據(jù)庫 KEGG、HMDB、LMSD、MINE、DrugBank、DSSTox 和 UNPD，最終建立了迄今最大、最全面的 CCS 數(shù)據(jù)庫

 

       AllCCS 預(yù)測性能評估： 

       高準確度與寬適用性

 

       創(chuàng)新地發(fā)展了特征結(jié)構(gòu)相似性得分（RSS），對 AllCCS 碰撞截面積預(yù)測誤差實現(xiàn)客觀評估。通過兩個獨立的外部驗證集的驗證和評估，發(fā)現(xiàn)實驗值和預(yù)測值之間高度一致，預(yù)測誤差低至 2% 以內(nèi)，并且無論對內(nèi)源性代謝物還是外源性化合物（如藥物、天然產(chǎn)物、環(huán)境污染物等），AllCCS 均可實現(xiàn)準確預(yù)測。

       AllCCS 多維鑒定：

       提升已知代謝物的注釋

 

       目前非靶向代謝組學代謝物鑒定的最大挑戰(zhàn)是大數(shù)據(jù)庫檢索的冗余和假陽性。利用建立的 AllCCS 庫，發(fā)現(xiàn)引入CCS 值后，可將代謝物庫檢索的匹配候選化合物過濾掉約 75%，結(jié)合“m/z+MS/MS+CCS”多維鑒定策略，可進一步提升準確結(jié)構(gòu)鑒定的排名。

 

       AllCCS 開創(chuàng)未知代謝物注釋新方法

 

       未知代謝物相對已知代謝物的鑒定更加挑戰(zhàn)，沒有標準的譜庫可以參照。本研究巧妙的基于 KEGG 中已知代謝物結(jié)合生物體內(nèi) 178 個代表性的生化轉(zhuǎn)化反應(yīng)及 117 種代謝酶進行計算機模擬酶反應(yīng)，從而構(gòu)建了新的大于 10 萬種未知代謝物的化學結(jié)構(gòu)；并進一步利用AllCCS及其它MS/MS工具進行多維質(zhì)譜信息的預(yù)測，通過“m/z+MS/MS+CCS”多維匹配和打分來提升代謝物鑒定的準確性。AllCCS 對未知代謝物的鑒定策略極大的提升了代謝物的鑒定范圍，并有助于新代謝物的發(fā)現(xiàn)，可以實現(xiàn)對更多代謝通路及通路活動的探究。

 

       本研究建立的迄今最大規(guī)模的 AllCCS 數(shù)據(jù)庫及多維鑒定策略，為非靶向代謝組學已知和未知代謝物的全面、準確鑒定提供了突破性解決方案，將極大提升基于離子淌度質(zhì)譜的代謝組學深入洞察生物過程的機制研究。