代謝組學和脂質組學旨在分析生物樣品中廣泛存在的代謝物和脂質。近年來，離子淌度質譜(IMS)已被用于代謝組學和脂質組學分析，以促進復雜成分的分離和鑒定。

IMS是一種氣相電泳技術，能夠根據(jù)電荷、形狀和大小分離氣相中的離子。IMS分離發(fā)生在毫秒內，與以微秒掃描速度運行的現(xiàn)代質譜(MS)兼容。因此，獲取IMS數(shù)據(jù)所需時間不會影響基于傳統(tǒng)液相色譜質譜LC-MS的代謝組學和脂質組學實驗的總體運行時間。將IMS添加到傳統(tǒng)基于LC-MS的代謝組學和脂質組學工作流程中可增強峰容量、光譜清晰度和碎片特異性。此外，通過確定碰撞截面(CCS)值與離子形狀相關的參數(shù)，IMS可以提高代謝物識別的準確性。4D LC-IMS-QTof同時獲取每個分析物的m/z、保留時間、MS/MS譜圖和CCS值；使用Progenesis QI專用軟件解決方案處理和分析數(shù)據(jù)；最 后，使用METLIN MS/MS 2019(含CCS值和MS/MS譜圖)和LIPIDS 3200(含3200脂質的保留時間，CCS值和二級碎片)數(shù)據(jù)庫進行代謝物和脂質鑒定。

4D LC-IMS-QTof為代謝組學和脂質組學提供了這些主要優(yōu)勢

• 額外的電離后分離能力為生物樣品中復雜的代謝物分析提供了更高的峰容量、更清晰的質譜數(shù)據(jù)和更高的信噪比。

• CCS值的測量增加了代謝物識別的可信度，并為每個分析物提供第三個物理化學參數(shù)（除了質量和保留時間）。

• 淌度質譜與MS/MS實驗相結合，則分子的結構確認會更準確，從而提高代謝物鑒定的特異性。

本文中，我們描述了如何將行波離子遷移譜(TWIMS)集成到傳統(tǒng)基于LC-MS的代謝組學和脂質組學工作流程中。

試驗樣品

健康人血樣，在0.1 mL的血清樣品中，加入0.4 mL的溶劑(氯仿:甲醇=2:1)，渦旋1 min，13000xg、4 ℃的條件下，離心10 min，取上層甲醇相，放入進樣瓶中用于極性代謝物分析，取0.2 mL下層氯仿相，氮氣吹干后，復溶于100 μl溶劑(乙腈:異丙醇:水=2:2:1)，用于脂質代謝物分析。

實驗條件：UPLC-IMS-QTof

采用Waters ACQUITY UPLC I-Class SYNAPT XS超高效液相色譜串聯(lián)高清離子淌度質譜儀器。代謝物分析色譜柱為ACQUITY HSS T3, 1.8 μm, 2.1×100 mm, 采用正離子和負離子兩種模式進行數(shù)據(jù)采集。脂質分析色譜柱為ACQUITY Premier CSH C18，1.7 μm，2.1×100 mm，采用正離子和負離子兩種模式進行數(shù)據(jù)采集。

實驗結果：

用Waters QI軟件結合METLIN 2019 MS/MS和Lipids 3200數(shù)據(jù)庫對數(shù)據(jù)進行分析鑒定，不考慮CCS值搜庫，鑒定到的化合物 scores>40分的： 

• 代謝物正模式下鑒定到108個化合物，負模式下鑒定到57個化合物；

• 脂質正模式下鑒定到180個化合物，負模式下鑒定到23個化合物。 

啟用CCS值搜庫，并且設置CCS偏差小于5%，鑒定到的化合物 scores>40分的： 

• 代謝物正模式下鑒定到651個化合物，負模式下鑒定到737個化合物； 

• 脂質正模式下鑒定到561個化合物，負模式下鑒定到109個化合物。 

啟用CCS值搜庫，并且設置CCS偏差小于5%，鑒定到的化合物 scores>50分的： 

• 代謝物正模式下鑒定到174個化合物，負模式下鑒定到242個化合物; 

• 脂質正模式下鑒定到156個化合物，負模式下鑒定到32個化合物(如圖1和圖2所示)。

圖1. 正負離子模式下代謝物鑒定的化合物個數(shù)。

圖2. 正負離子模式下脂質鑒定的化合物個數(shù)。

結論：

結合CCS值搜METLIN 2019 MS/MS和Lipid 3200數(shù)據(jù)庫，鑒定到的得分大于40的代謝物和脂質化合物共2058個，是無CCS值鑒定到化合物的5.59倍；鑒定到的得分大于50的代謝物和脂質化合物604個，是無CCS值鑒定到化合物的1.64倍。說明將IMS添加傳統(tǒng)基于LC-MS的代謝組學和脂質組學工作流程中，可明顯增強峰容量、光譜清晰度和碎片特異性并提高代謝物識別的準確性。