整合数据依赖采集与数据非依赖采集方法，结合离子淌度谱-质谱及精简的数据分析流程实现全面的脂质组学分析

《Communications Chemistry》：Integrating data-dependent and data-independent acquisition methods for comprehensive lipidomic profiling using ion mobility spectrometry-mass spectrometry and a streamlined data analysis workflow

　　脂质组学为理解脂质在细胞过程中的作用提供了独特见解。在基于液相色谱串联质谱的脂质组学中，数据依赖采集（DDA）可提供更清晰的谱图，并支持更高的脂质鉴定置信度。数据非依赖采集（DIA）能够实现更全面的表征，但由于缺乏明确隔离的前体离子，MS/MS谱图的高度多路复用特性使得脂质鉴定变得复杂。在本研究中，我们提出了一种用于全面脂质组学分析的集成工作流，该工作流结合了DDA（无离子淌度分离）和DIA（带离子淌度分离），充分利用了两种采集方法的优势。为简化数据分析，我们开发了一个高度模块化的、基于Python的数据分析工作流LipidIMEA。我们将这一实验与数据分析相结合的工作流应用于分析乳腺癌患者来源的异种移植物的复杂脂质提取物，并评估了所得脂质注释的覆盖度、置信度和可重复性。