一种基于化学相似性的计算整合策略，通过超高效液相色谱-高分辨率质谱（UHPLC-HRMS）技术，揭示了小型生物活性肽的全面代谢特征，从而用于兴奋剂检测控制

《Analytical Chemistry》：A Computational Integration Strategy Driven by Chemical Similarity Uncovers Comprehensive Metabolic Profiles of Small Bioactive Peptides via UHPLC-HRMS for Doping Control

基于计算预测与非靶向数据挖掘的UHPLC-HRMS代谢组学研究揭示小分子肽TAK-448和TAK-683的13种代谢产物（含3种合成标准验证）及新型N末端生物转化途径，为反兴奋剂监测提供长效代谢物识别依据。

　　

目前对小分子生物活性肽代谢的了解仍然有限，这阻碍了有效的兴奋剂检测工作。主要挑战在于如何从受到生物基质干扰和背景噪声污染的大规模质谱数据集中区分出可疑特征。在这项研究中，我们提出了一种结合计算机预测和非靶向数据挖掘的方法，通过超高效液相色谱-高分辨率质谱（UHPLC-HRMS）技术实现更全面的代谢谱分析。该方法通过识别并应用肽类的化学相似性规则（如LC/MS行为和特定的生物转化过程）来挖掘未知代谢物。我们构建了一个半自动化的工作流程，利用计算软件和自定义脚本，对两种具有兴奋剂潜力的 kisspeptin 类似物（TAK-448 和 TAK-683）在人体肝微粒体中的代谢过程进行了研究。化学相似性规则的有效应用使研究人员能够从冗余的背景信号中提取出有价值的信息，最终鉴定出13种代谢物（其中3种通过合成标准物质得到了验证），并发现了这两种化合物的两种罕见生物转化途径（N端乙烯基化和N端羧基化）。值得注意的是，这两种生物转化途径为小分子肽的代谢机制提供了新的见解，这一发现在大鼠实验中得到了进一步验证，并且这两种代谢物被确定为监测兴奋剂滥用的潜在指标。进一步的药物活性评估表明，这些代谢物仍具有增强运动表现的效果，提示兴奋剂检测人员需要关注更多相关信息。本研究首次全面揭示了 TAK-448 和 TAK-683 的代谢特征，同时也为小分子肽类兴奋剂的研究提供了有效的工具。