Масс-спектрометрия низкого разрешения в метаболическом профилировании биологических образцов. Совершенствование метода

Введение. Внедрение метаболомных подходов в практику токсикологических исследований, а также расширение методических возможностей лаборатории по определению низкомолекулярных, метаболических биомаркеров эффекта позволяет более эффективно проводить обнаружение и идентификацию новых биомаркеров. Цель работы — разработка методических подходов к метаболическому профилированию биологических образцов методом ГХ-МС низкого разрешения.

Материал и методы. Для метаболического профилирования образцов плазмы крови и мочи использовали газовые хроматомасс-спектрометры Shimadzu QP2010plus или Agilent 5975C. Для обработки результатов применяли оптимизированные базы аналитических характеристик эндогенных соединений и систему AMDIS, для идентификации обнаруженных соединений использовали NIST/EPA/NIH 2020. Статистическую обработку осуществляли с помощью «STATISTICA».

Результаты. Разработана двухстадийная процедура подготовки образцов плазмы крови и мочи для анализа методом ГХ-МС, подобрана смесь внутренних стандартов, определен перечень соединений — эндогенных метаболитов, оценены метрологические характеристики их определения. База данных масс-спектров ионизации электронами и газохроматографических индексов удерживания компонентов метаболического профиля плазмы крови крыс была зарегистрирована (Свидетельство о регистрации базы данных 2021622005 от 23.09.2021).

Ограничения исследования. Перечень аналитов, пригодных для определения методом газовой хроматографии, ограничен летучими и условно летучими соединениями.

Заключение. Использование оптимизированной базы данных метаболитов образца, подготовленного к анализу по стандартизированной процедуре, позволяет отфильтровать аналиты с низкой воспроизводимостью. Небольшие (до 100) базы хроматоспектральных данных позволяют повысить надежность идентификации, исключить влияние дрейфа времен удерживания, и в результате повысить статистическую мощность всего эксперимента, без увеличения количества лабораторных животных.

1. Гончаров Н.В., Уколов А.И., Орлова Т.И., Мигаловская Е.Д., Войтенко Н.Г. Метаболомика: на пути интеграции биохимии, аналитической химии, информатики. Успехи соврем. биол. 2015; 135(1): 3-17

2. Kusmierz J., DeGeorge J.D., Sweeney D., May C., Rapoport S.I. Quantitative analysis of polyols in human plasma and cerebrospinal fluid. J. Chromatogr. 1989; 497: 39-48.

3. Michell R.H. Inositol and its derivatives: their evolution and functions. Adv. Enzyme Regul. 2011; 51(1): 84-90.

4. Garcia-Bunuel L., Garcia-Bunuel V.M. Cerebrospinal fluid levels of free myo-inositol in some neurological disorders. Neurology. 1965 Apr; 15: 348-50. https://doi.org/10.1212/wnl.15.4.348

5. Clement R. Diabetes Mellitus and Obesity. in B. Brodoff, S. Bleicher (Editors). Baltimore: Williams and Wilkins. 1982; 117.

6. Smith S.L., Novotny M., Karmen A. Elevation of certain polyols in the cerebrospinal fluid of patients with multiple sclerosis. J. Chromatogr. 1984; 336: 351-5.

7. Heimark D., McAllister J., Larner J. Decreased myo-inositol to chiro-inositol (M/C) ratios and increased M/C epimerase activity in PCOS theca cells demonstrate increased insulin sensitivity compared to controls. Endocr. J. 2014; 61(2): 111-7.

8. Jung T.S., Hahm J.R., Kim J.J., Jung J.H., Kang M.Y., Moon S.W. et al. Determination of Urinary Myo-/Chiro-Inositol Ratios from Korean Diabetes Patients. Yonsei Med. J. 2005; 46(4): 532-8.

9. Halket J.M., Waterman D., Przyborowska A.M., Patel R.K.P., Fraser P.D., Bramley P.M. Chemical derivatization and mass spectral libraries in metabolic profiling by GC/MS and LC/MS/MS. J. Exp. Bot. 2005; 56: 219-43.

10. A J., Trygg J., Gullberg J., Johansson A.I., Jonsson P., Antti H. et al. Extraction and GC/MS analysis of the human blood plasma metabolome. Anal. Chem. 2005; 77: 8086-94.

11. Blaise B.J. Data-Driven Sample Size Determination for Metabolic Phenotyping Studies. Anal. Chem. 2013; 85: 8943-50.

12. Eng J. Sample size estimation: how many individuals should be studied? Radiology. 2003; 227(2): 309-13.

13. Dell R.B., Holleran S., Ramakrishnan R. Sample Size Determination. Inst. Lab. Anim. Res. J. 2002; 43: 207-13.

14. Vinaixa M., Samino S., Saez I., Duran J., Guinovart J.J., Yanes O. A Guideline to Univariate Statistical Analysis for LC/MS-Based Untargeted Metabolomics-Derived Data. Metabolites. 2012; 2: 775-95.

15. Hendriks M.M.W.B., Eeuwijk F.A. van, Jellema R.H., Westerhuis J.A., Reijmers T.H., Hoefsloot H.C.J. et al. Data-processing strategies for metabolomics studies. Trends Anal. Chem. 2011; 30: 1685-98.

16. Зенкевич И.Г., Уколов А.И., Кушакова А.С., Густылева Л.К. Возможности идентификации изомерных алкиларенов с использованием аддитивных схем оценки газохроматографических индексов удерживания. Журнал аналитической химии. 2011; 66(12): 1282-9.

17. Зенкевич И.Г., Уколов А.И. Кодирование особенностей структуры органических соединений для оценки хроматографических индексов удерживания с использованием аддитивных схем. Журнал структурной химии. 2010; 51(4): 671-81.

18. Уколов А.И., Кессених Е.Д., Радилов А.С., Гончаров Н.В. Токсикометаболомика: поиск маркеров хронического воздействия низких концентраций алифатических углеводородов. Журнал эволюционной биохимии и физиологии. 2017; 53(1): 24-32.

19. Уколов А.И., Шачнева М.Д., Радилов А.С. Идентификация биомаркеров экспозиции и эффекта 1,4-дихлоргексафторбутена-2. Токсикологический вестник. 2019; 4(157): 23-31.

20. Уколов А.И., Радилов А.С. Методология определения биомаркёров органических соединений с использованием хроматомасс-спектрометрии. Медицина экстремальных ситуаций. 2018; 20(3): 439-50.