应对脂肪酸工程的分析挑战：一种用于omega-3增强油籽中甘油三酯鉴定与定量的综合方法

《Analytica Chimica Acta》：Meeting the analytical challenges of fatty-acid engineering: a comprehensive method for triacylglycerol identification and quantitation in omega-3 enhanced oilseeds

　　

背景甘油三酯（TAG）混合物的结构解析与定量因脂肪酸-酰基链长、不饱和度及位置排列差异导致的广泛同分异构与同质异位多样性，仍是脂质组学中的主要挑战。对油籽进行基因工程改造以产生长链omega-3脂肪酸，进一步增加了这种复杂性，引入了众多新型且低丰度的TAG种类。需要一种能够广泛定量TAG多样性的综合方法。结果为应对这些分析需求，研究人员开发了一种稳健的工作流程，采用Q-Exactive Orbitrap平台，整合了非靶向数据依赖采集（DDA）与靶向平行反应监测（PRM），用于对经基因工程改造以合成EPA（20:5）和DHA（22:6）的转基因亚麻荠（Camelina sativa）中TAG进行准确鉴定与定量。结合DDA–PRM策略，辅以保留时间验证，成功分离了86%的TAG同质异位对，并实现了162种完全脂肪酸解析的TAG种类的可靠指认。这是迄今为止在植物油脂中报道的最高数量，包括含有非天然脂肪酸22:6、20:5、22:5、18:4和20:4的TAG，这些脂肪酸由工程化酶活性产生。通过响应因子方法实现定量准确性，该方法校正了电离效率差异，并以正交GC-FID分析进行验证。意义该方法提供了四个数量级的线性动态范围，超越了此前基于Q-TOF仪器的PRM脂质组学方法。用于响应因子计算和PRM调度的自定义脚本提高了通量和可扩展性。这一集成工作流程连接了发现驱动的脂质组学与高精度定量，为植物代谢工程、营养品质评估和食品真实性等应用中TAG分析提供了多功能且可靠的平台。

**论文解读**

**研究背景**
甘油三酯（TAG）是真核生物中最丰富的储存脂质，在植物种子中作为碳和能量储备，其营养价值由脂肪酸链长和不饱和度决定。随着对长链omega-3多不饱和脂肪酸（如二十碳五烯酸EPA和二十二碳六烯酸DHA）需求的增长，陆基生产成为热点。传统来源为鱼油，但高等植物无法合成EPA和DHA。为解决这一问题，研究人员开发了转基因亚麻荠（Camelina sativa）平台，通过引入异源基因重建omega-3脂肪酸生物合成途径，生产EPA和DHA。然而，TAG分析面临巨大挑战：脂肪酸种类增加导致大量同分异构体和同质异位体，传统方法难以实现全面鉴定与准确定量。现有方法如鸟枪脂质组学、LC-MS等存在分辨率不足、定量准确性差等问题。因此，需要一种综合方法，能够同时实现高覆盖度鉴定和高精度定量，以支持工程化油籽的代谢工程研究和品质评估。

**研究内容与结论**
研究人员开发了一种基于Q-Exactive Orbitrap平台的集成工作流程，结合非靶向数据依赖采集（DDA）与靶向平行反应监测（PRM），辅以保留时间验证和响应因子定量策略，对转基因Camelina种子提取物中的TAG进行了全面分析。该工作流程成功鉴定了162种完全脂肪酸解析的TAG种类，这是目前植物油脂中报道的最高数量，其中包括含有非天然脂肪酸22:6、20:5、22:5、18:4和20:4的TAG。方法实现了86%的TAG同质异位对的有效分离，其余14%对定量影响可忽略。定量通过响应因子法校正电离效率差异，以GC-FID作为正交验证，结果一致。该方法提供四个数量级的线性动态范围，优于此前基于Q-TOF的PRM脂质组学方法。通过自定义脚本进行响应因子计算和PRM调度，提高了通量和可扩展性。该研究发表在《Analytica Chimica Acta》。

**关键技术方法概述**
研究人员主要采用了以下关键技术方法：（1）非靶向脂质组学分析：使用DDA模式（Full MS/ddMS²）对Camelina种子总脂提取物进行初步筛选，生成TAG前体离子列表，并通过MS-DIAL和LipidSearch软件进行初步鉴定。（2）靶向PRM分析与确认：基于DDA列表建立PRM包含列表，在Q-Exactive Orbitrap上运行，利用Skyline软件处理数据，通过MS/MS碎片离子（中性丢失和游离脂肪酸片段）以及保留时间验证，确认162种TAG。（3）响应因子定量策略：构建单一脂肪酸TAG标准品（如TAG 16:0_16:0_16:0等）的校准曲线，计算各标准品的响应因子，再对混合脂肪酸TAG按组成脂肪酸的响应因子平均值计算最终响应因子，实现定量校正。（4）方法调度优化：通过自编脚本（GitHub提供）评估不同梯度下每个时间点前体离子数量，确保不超过仪器扫描速率限制，选择最佳梯度（Gradient 3）以提高分离选择性和数据质量。样本来源：Rothamsted Research种植的野生型（WT）及转基因Camelina品系（EPA8和DHA1）。

**研究结果**
**3.1. 脂质鉴定与靶向脂质组学列表创建**
通过DDA分析混合样品（WT、EPA8、DHA1），发现MS-DIAL和LipidSearch分别鉴定出249和405种TAG，但仅有138种（55.8%和34.3%）重叠。为减少同质异位干扰，合并后得到515种候选分子，需进一步验证。

**3.2. PRM方法确认TAG——非靶向方法**
采用PRM对515种候选分子进行靶向分析，要求所有对应脂肪酸中性丢失和游离脂肪酸片段的质量误差≤5 ppm（多不饱和长链脂肪酸例外，允许缺失1-2个片段）。通过PRM确认，最终保留162种可靠鉴定的TAG。

**3.3. 保留时间检查以确认TAG鉴定**
对162种TAG在三种不同梯度下分析，利用保留时间规律（相同碳数时，每增加一个双键保留时间减少；相同脂肪酸组成但双键分布不同时保留时间接近）辅助鉴定。对于出现多个峰的分子，通过与具有相同脂肪酸组成但不同双键数的分子比较保留时间，排除错误峰。最终，160个同质异位对中86%被成功分离，仅23个未分离，且这些未分离对共享的碎片离子较少，对定量影响可忽略。

**3.4. LC-MS/MS PRM方法调度**
为满足至少10个数据点/峰，最大循环时间2.5秒。在Q-Exactive Plus上（分辨率17,500，扫描速率约12 Hz），单次PRM循环可监测约30个前体离子。通过自编脚本评估不同梯度下2.0分钟保留时间窗口内的前体离子重叠数，确定Gradient 3（梯度3）具有最佳选择性和最低过载风险，用于最终方法。

**3.5. TAG定量分析：响应因子计算**
构建17种单一脂肪酸TAG标准品（如TAG 16:0_16:0_16:0等）的校准曲线，计算各标准品的响应因子（以TAG 18:1_18:1_18:1为1.0）。对于混合脂肪酸TAG，响应因子按组成脂肪酸的响应因子平均值计算。自编脚本自动生成所有TAG的响应因子。校准曲线线性范围覆盖0.1–250 μg/mL，LOD在0.033–0.33 μg/mL之间。

**3.6. 所开发LC-MS/MS PRM方法在转基因品系总脂提取物分析中的应用**
将方法应用于WT、EPA8和DHA1三个品系种子提取物。定量结果显示，EPA8和DHA1含有新型TAG（如含20:5、22:5、22:6）。与GC-FID验证结果对比，主要脂肪酸（如16:0、18:1、18:2、18:3、20:1、20:5、22:5、22:6）的LC-MS数据与GC-FID数据吻合良好，低丰度脂肪酸（如20:3、20:4、24:0）略有低估。总脂肪酸含量LC-MS略低于GC-FID，但总体相关性好，验证了响应因子定量法的可靠性。

**3.7. CAMNLINA WT、EPA8和DHA1品系TAG谱分析**
通过PLS-DA分析，数据集1（所有TAG）和数据集2（仅含常见脂肪酸的TAG）均显示三个品系间完全分离，说明转基因品系不仅新增了新型脂肪酸，也改变了常见脂肪酸的分布。VIP得分显示，无单一化合物主导分离，许多TAG共同贡献。在数据集2中，WT中常见脂肪酸TAG含量最高，EPA8居中，DHA1最低，其中18:3（亚麻酸）是重要前体，在WT中积累，在转基因品系中被消耗用于合成新型脂肪酸。热图显示，DHA1与WT和EPA8差异更大，EPA8虽产生新型脂肪酸但整体谱更接近WT。

**结论讨论**
该研究建立了一个稳健的脂质组学工作流程，整合DDA与PRM策略，结合保留时间验证和响应因子定量，实现了Camelina种子提取物中TAG的综合鉴定与定量。在含有新型脂肪酸（22:6、20:5、22:5、18:4、20:4）的复杂基质中，成功鉴定了162种TAG，为目前植物油脂中最高数量。方法有效分离了86%的同质异位对，其余14%对定量影响可忽略，并通过正交TLC-GC-FID验证。响应因子策略确保了定量准确性和可靠性，结果与GC-FID一致，且通量更高。工作流程展示了四个数量级的线性动态范围，比此前基于Q-TOF的PRM脂质组学方法更宽。Orbitrap平台扫描速度较慢的局限性通过精确调度得以缓解，所附开源脚本为未来PRM方法优化提供了通用资源。该工作为植物脂质组学提供了前所未有的结构分辨率和准确定量能力，可推广至其他油料作物和工程化脂质系统，为研究TAG在植物发育、生物技术和营养应用中的代谢与功能作用奠定了基础。