基于LC-MSn的代谢物定性策略研究

Metabolites identification is a hotspot issue in metabolomics study. The main bottlenecks include time-consuming, incomplete information in metabolites database, and de novo identification is difficult. The project plans to establish a metabolites database based on identified metabolites of our previous studies and available metabolite standards in the standard operating procedure of LC-MSn. Based on the metabolite database, a metabolite identification method will be developed according metabolites retention time and fragmentation patterns intelligent searching. Furthermore, an integrated identification approach of FT MS, fragmentation trees and quantitative structure–retention relationships (QSRR) was investigated for de novo identification of completely unknown metabolites. The comprehensive metabolite identification strategy will be applied in insulin resistance metabolomics study to discover novel metabolite biomarkers. The major goals of our project are to increase the throughput and to identify more metabolites in complex biological samples, which can enhance the understanding of the metabolic characteristics, and provide strong technical support for the development of functional metabolomics.

代谢物定性作为代谢组学研究的瓶颈一直以来都是科研热点之一。基于LC-MSn的代谢组学技术在代谢物定性上存在通量低、数据库可参考信息少，代谢物从头定性困难等问题。本项目拟以研究团队多年代谢组学定性工作为基础，构建基于大量代谢物标样和已经定性代谢物的标准化LC-MSn数据库；发展基于数据库中代谢物保留规律和断裂规律的代谢物智能检索定性方法；全面总结数据库信息，构建碎片树、研究保留和化学结构之间关系，结合FT MS，发展基于高分辨精确质量、碎片树和保留时间预测结合的代谢物从头定性方法；应用发展的多层次、全面的代谢物定性策略，构建智能定性系统；并用于胰岛素抵抗代谢特征研究，以期发现胰岛素抵抗相关的新型代谢标志物。拟通过本项目的实施，为小分子代谢物规模化定性提供新策略，提高复杂生物样本代谢物定性的通量和数量，增进对代谢特征的了解，为功能代谢组学发展提供有力的技术支撑。

代谢物定性作为代谢组学研究的瓶颈一直以来都是科研热点之一。基于LC-MSn的代谢组学技术在代谢物定性上存在通量低、数据库可参考信息少，代谢物从头定性困难等问题。.本项目以团队多年代谢组学定性工作为基础，针对代谢组学研究面临的大规模代谢物定性问题，开展代谢组学分析平台方法研究，构建代谢物LC-MSn数据库；在数据库的基础上，开展代谢组学数据批量定性的方法研究，并发展用于自动定性的软件；将数据库和软件用于解决代谢组学研究中的实际定性问题，验证建立定性新策略的适用性。.通过四年研究，项目构建了标准化条件下的代谢物LC-MSn数据库,包含大于2000种代谢物；发展了脂质及代谢组拟靶向分析方法，提出了代谢组学数据峰匹配新方法。构建了基于自建LC-MS/MS数据库的代谢物批量鉴定的系统解决方案，并发展了自动化软件，可实现代谢组学数据的快速、批量定性。在此基础上，本项目提出了多个深度定性方案，包括建立基于样本导向的乙酰肉碱代谢物数据库，以及基于in silico的的代谢物数据库，总结代谢物碎片规律，结合定量结构-保留关系(QSRR)，可对大规模代谢组学数据进行快速鉴定。所构建的数据库和软件在大规模代谢组学研究得到应用，发现多组和糖尿病密切相关的差异代谢物，大大提高数据处理及定性的能力。本项目共发表文章8 篇，申请发明专利3 件。