基于时间相关性的DIA脂质组学嵌合MS/MS光谱解卷积算法

《Bioinformatics》:Improving Lipid Identification and Quantification: Chromatogram Deconvolution for LC-MS/MS Workflows

【字体: 大 中 小 】 时间:2026年09月20日 来源:Bioinformatics 5.5

编辑推荐:

   摘要 动机脂质组学依赖于基于质谱的工作流程来鉴定和定量复杂的脂质物种。由于脂质的模块化结构,包括头基、骨架和脂肪酸酰链,不同的前体离子常常会产生同质量或相同的碎片离子。这一问题在数据非依赖采集(DIA)中尤为严重,

  

摘要

动机

脂质组学依赖于基于质谱的工作流程来鉴定和定量复杂的脂质物种。由于脂质的模块化结构,包括头基、骨架和脂肪酸酰链,不同的前体离子常常会产生同质量或相同的碎片离子。这一问题在数据非依赖采集(DIA)中尤为严重,因为宽隔离窗口(例如25 Da)允许具有不同质荷比的共洗脱前体离子生成高度嵌合的MS/MS光谱。因此,来源于多种前体离子的碎片,包括同量异构体、同分异构体和脂质类别特异性离子,会被合并到一个MS/MS光谱中。当前的脂质鉴定策略通常以不受控的方式处理此类嵌合光谱,将其分配给一个或多个候选脂质,从而增加了假阳性鉴定。

结果

在此,我们提出了一种算法,利用嵌合MS/MS光谱和色谱图与其相关前体色谱轮廓之间的时间相关性,来解卷积嵌合MS/MS光谱和色谱图,且不依赖于洗脱峰形。利用模拟和真实实验脂质组学数据,我们证明该方法能显著提高脂质碎片的分配准确性,减少假阳性鉴定,并实现更可靠的碎片水平定量,从而推动更稳健的下游统计分析和生物学解释。

可用性与实现

软件库源代码:GitLab(Apache 2.0许可证):https://gitlab.com/computational-multiomics/mixture-model-deconvolution;数据:Zenodo(Apache 2.0许可证):https://doi.org/10.5281/zenodo.21218594。

补充信息

补充数据可在Bioinformatics在线获取。

相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号