技术简介
采用高分辨质谱与生物信息学方法，分析脂质组成、相对丰度及变化，支持脂质代谢机制和候选标志物研究。
脂质组研究难点
脂质头基、脂肪酰基链、sn 位点、碳碳双键位置及顺反构型均可能变化，产生大量同分异构体。不同结构层级所需的证据不同，常规质谱结果不能默认具有完整结构分辨能力。
解决方案
采用 Lipid4DAnalyzer 整合质荷比、保留时间、MS/MS 及可用的碰撞截面积 CCS 信息，辅助脂质鉴定与异构体区分。机器学习预测谱库扩展候选覆盖，结合碎裂规则降低冗余；部分脂质可达到脂肪酰基链位置层级，具体以证据充分程度为准。
细胞系与动物组织示例中检测到 1,000–1,800 种脂质分子，不能据此保证所有样本或所有异构体的覆盖。
技术路线
样本处理与脂质提取 → 反相色谱分离 → 高分辨质谱采集 → 多维信息匹配 → 规则过滤与去冗余 → 脂质分类和差异分析。
| 环节 | 方案 |
|---|---|
| 色谱 | 反相色谱分离非极性与弱极性化合物。 |
| 质谱 | 4D timsTOF Pro、TripleTOF 6600、ZenoTOF 7600；按方法选择。 |
| 谱库 | 所示方案谱库包含 33 类脂质、270,520 个候选脂类分子及 375,565 条预测 MS/MS 理论谱；谱库容量不等于单样本检出数。 |
平台优势
- 多维证据：结合 m/z、RT、MS/MS，以及适用方法下的 CCS。
- 覆盖扩展：使用机器学习预测 MS/MS、RT 与 CCS 信息。
- 降低冗余：数据库匹配与碎裂规则共同过滤候选。
- 分层结构解析：区分类别、分子种及有足够证据支持的精细结构层级。
数据展示
宣传单页列出不同生物基质获得约 1,000–2,000 种脂质结果的案例，包括人血浆、白血病细胞、小鼠脑及小鼠肝。图中正、负离子模式结果应分别解读，不直接相加为去重总数。
