开源工具QuantyFey：集成漂移校正的靶向LC-MS定量分析新方法

LC-MS(MS)定量分析中信号强度漂移是长期存在的技术难题，尤其当缺乏内标(IS)时更为突出。为解决商业软件仅支持IS校正的局限性，研究团队开发了开源工具QuantyFey，集成QC校正、自定义分段和加权分段等四种漂移校正策略。通过猪血浆中氨基酸和生物胺的靶向LC-MS/MS数据集验证，证明QC校正与IS校正效果相当，加权分段法表现优异。该工具为复杂实验场景下的数据质量保障提供了灵活解决方案。

　　

在生命科学和临床研究中，液相色谱-质谱联用(LC-MS)技术凭借高灵敏度成为代谢组学和药物分析的黄金标准。然而这项技术长期面临一个"隐形杀手"——信号强度漂移，特别是在长时间分析序列或缺乏内标(IS)的情况下，会导致定量结果失真。虽然商业软件普遍提供IS校正功能，但对更复杂的质量控制(QC)样本校正、定量分段等策略支持不足，这严重制约了在资源有限或复杂实验设计中的数据质量保障能力。

来自奥地利BOKU大学的Markus Aigensberger团队在《Analytica Chimica Acta》发表的研究，带来了破局利器QuantyFey。这款开源工具创新性地整合了四种漂移校正策略：IS校正、基于QC的漂移校正、自定义分段和加权分段法。研究人员用包含氨基酸、氨基酸相关代谢物和生物胺的猪血浆LC-MS/MS数据集进行验证，该数据集在分析过程中表现出明显的信号漂移。通过将校准标准品作为QC样本代理，系统比较了不同校正策略的效果。

关键技术方法包括：1）建立猪血浆中25种化合物的靶向LC-MS/MS分析方法；2）开发基于R/Shiny的交互式平台，实现自动和手动回归模型优化；3）采用Spearman相关性评估注射顺序对浓度的影响；4）通过Bland-Altman分析和Passing-Bablok回归比较不同校正策略的一致性。

研究结果部分：

背景与方法：QuantyFey采用模块化设计，包含数据上传、配置设置、化合物定量和结果输出四大功能模块。其创新性体现在加权分段算法——通过动态调整校准曲线权重，在相邻校准块间实现线性过渡，有效解决非线性漂移问题。

实验验证：在猪血浆分析中，IS校正使色氨酸的R²从0.856提升至0.996；QC校正同样显著改善线性度。模拟实验证实，使用校准标准品与QC样本进行loess校正效果相当，而加权分段法略逊但仍是可行替代方案。

策略比较：QC校正与加权分段法的一致性最高（Pearson r>0.9），约80%样本浓度差异在±20%内。IS校正因能同时补偿基质效应，所得浓度值普遍低约50%，凸显其全面优势。Spearman检验显示所有方法均能有效减弱（但非完全消除）信号漂移。

讨论与结论：该研究揭示了化合物特异性行为对校正策略选择的关键影响。例如4-羟基脯氨酸和蛋氨酸亚砜因与对应IS（脯氨酸和蛋氨酸）漂移趋势不同，导致IS校正后仍存在残余漂移。QuantyFey的价值在于：1）填补商业软件在非IS校正策略的空白；2）通过交互式可视化实现"所见即所得"的模型优化；3）为生物标志物研究等多分析物场景提供灵活解决方案。研究强调，没有放之四海皆准的校正方法，必须结合化合物特性和数据质量进行个性化选择，这也正是QuantyFey设计理念的精髓所在。