综述：开源液相色谱-质谱数据处理工具在RNA修饰分析中的应用

这篇综述系统阐述了液相色谱-质谱（LC-MS）技术在RNA修饰研究中的关键作用，重点介绍了开源数据处理工具（如OpenMS）相较于商业软件（如BioPharma Finder）在成本效益、参数定制化（如m6A、Ψ等修饰分析）和人工智能整合方面的优势，为表观转录组学和RNA药物开发提供创新解决方案。

　　

LC-MS技术：解码RNA修饰的“分子密码”

Abstract

RNA修饰作为生物调控和药物开发的核心要素，目前已在天然RNA中发现170余种化学修饰（如m⁶A、ac⁴C），并通过合成修饰（如m¹Ψ）推动mRNA疫苗发展。液相色谱-质谱（LC-MS）凭借高分辨率和灵敏度成为解析这些修饰的黄金标准，而开源工具正通过人工智能整合突破商业软件（如ProMass）的局限性。

Introduction

tRNA中高达25%的修饰率与mRNA的稀疏修饰形成鲜明对比。甲基转移酶METTL3和去甲基酶FTO动态调控m⁶A修饰，影响mRNA剪接和翻译效率——这一机制在癌症和神经疾病中频频失调。COVID-19疫苗中m⁵C和m¹Ψ的应用，印证了修饰优化对RNA药物的决定性作用。

LC-MS分析技术

高分辨Orbitrap和FT-ICR质谱能精准识别修饰位点，如hm⁵C的+16 Da质量偏移。色谱分离可消除缓冲盐干扰，而二级质谱产生的c/y型离子（如Ψ修饰的独特碎片）为定位修饰提供“分子指纹”。

开源工具的革新性突破

开源工具OpenMS支持C++/Python脚本定制，可针对新型修饰（如m³C）调整算法参数，而商业软件OligoQuest的封闭架构难以实现。机器学习模块能自动区分同分异构体（如m⁶A与m⁶Am），大幅提升注释效率。

Future Perspectives

循环离子淌度技术（cIMS）将解决RNA序列同源性难题，而深度学习模型有望预测修饰-表型关联。随着RNA药物市场规模扩大，开源工具将成为推动领域发展的“加速引擎”。

CRediT

通讯作者Pan Deng团队强调开源生态对表观转录组研究的赋能价值——这或许正是破解“RNA密码”的下一个关键密钥。