编辑推荐：
代谢表型研究中，混合质控样本（PQC）制备受样本量等限制。本研究评估替代质控样本（sQC）在靶向脂质组学中监测分析变异等性能。发现两者重复性高，PQC 预处理保留脂质略多，sQC 可作合适替代，支持跨实验室数据协调。
在代谢表型研究的舞台上，数据质量的把控始终是研究者们关注的焦点。利用液相色谱 - 质谱（LC-MS）技术进行代谢表型分析时，精准捕捉小分子的生物变异是解开疾病奥秘的关键。然而，在这个过程中，分析变异如同不速之客，可能源于仪器校准偏差、流动相性能下降等多个环节，严重影响数据的可靠性。为了监测这些变异，混合质控样本（Pooled Quality Control, PQC）作为 “黄金标准” 被广泛应用，它由所有研究样本等份混合而成，被认为能可靠反映样本基质和代谢物组成。但在大规模队列研究或样本量较少的情况下，制备 PQC 面临着诸多挑战，如样本冻融循环次数限制、资源消耗大等，此时，外部来源的基质匹配替代质控样本（Surrogate QC, sQC）成为潜在解决方案。不过，sQC 能否在数据质量评估中胜任，其对数据预处理和下游分析的影响尚不明确。
为了填补这一知识空白，来自相关研究机构的科研团队开展了一项具有重要意义的研究，该研究成果发表在《Analytica Chimica Acta》上。研究人员以 Microbiome Understanding in Maternity Study（MUMS）队列的 701 份血浆样本为基础，同时纳入 80 份 PQC 和 80 份 sQC 样本，运用靶向超高效液相色谱 - 串联质谱（UHPLC-MS/MS）脂质组学检测方法，针对 1162 种脂质进行分析，旨在比较 sQC 与 PQC 在质控监测和数据预处理中的表现，并评估其对下游统计分析的影响。
研究采用的主要关键技术方法包括：运用靶向 UHPLC-MS/MS 脂质组学检测方法对样本中的脂质进行分析，在数据采集过程中全程注入 QC 样本，数据预处理分别采用基于 PQC 和 sQC 的策略，同时选取 381 份研究样本子集用于下游统计分析差异的评估。
总体 QC 性能
通过主成分分析（PCA）发现，PQC 和 sQC 样本在整个分析运行过程中均表现出较低的分析变异，其相对标准偏差（RSD）中值分别为 10.7% 和 10.3%，远低于研究样本所展现出的生物变异（RSD 中值 58.1%）。在得分图中，PQC 和 sQC 样本形成紧密的簇群，且主成分 PC1、PC2 和 PC3 得分与进样顺序之间无明显漂移，充分证明了两种质控方法均具有较高的分析重复性。
PQC 与 sQC 的组成差异
尽管 PQC 和 sQC 均能有效监测分析变异，但两者的组成存在差异。在数据预处理阶段，使用 PQC 时保留的脂质种类比 sQC 略多，不足 4%。这一结果表明，PQC 在反映特定研究样本的脂质组成方面具有一定优势，但 sQC 在脂质保留方面的差距并不显著。
下游数据分析差异
单变量分析显示，基于 PQC 的预处理能够识别出更多具有统计学意义的脂质，这可能与 PQC 更贴近研究样本的组成有关。然而，在多元模型性能方面，基于 sQC 预处理数据训练的正交偏最小二乘判别分析（OPLS-DA）模型与基于 PQC 预处理数据的模型表现相近，说明 sQC 在维持数据整体判别能力方面并不逊色于 PQC。
研究结论与讨论
本研究首次对靶向脂质组学实验中基质匹配 sQC 替代 PQC 的性能进行了全面评估。结果表明，虽然 PQC 在预处理流程中能够保留略多的脂质种类，但在评估 OPLS-DA 模型时，使用 sQC 预处理数据并未损失预测能力。这充分说明 sQC 在靶向脂质组学工作流程中具有适用性，可作为 PQC 的合适替代方案。
sQC 的商业可获得性使其能够作为实验室内和实验室间的长期参考样本，这对于跨研究和跨实验室的数据协调具有重要意义。它不仅能够帮助研究人员跟踪工作流程随时间的稳定性，还能在技术变异不可避免的情况下，促进不同队列、LC-MS 仪器和方法变更后的数据整合。然而，研究也指出了使用 sQC 时需要考虑的局限性，例如在生物标志物强度较低或在 sQC 所代表的对照人群生物体液中不可检测的队列研究设计阶段，需特别谨慎。此外，除非使用如美国国家标准与技术研究院（NIST）标准参考物质 SRM 1950 等标准参考物质，否则不同供应商和供体来源的 sQC 样本可能存在差异。
这项研究为代谢表型研究中质控策略的选择提供了重要参考，在 PQC 制备面临实际困难时，sQC 为研究人员提供了一种可靠的替代选择，有助于推动代谢组学研究在更大规模和更广泛范围内的开展，为揭示疾病与代谢之间的关联开辟了新的路径。
