Development of an untargeted workflow for the identification of new lipids by mass spectrometry analysis
Résumé
etabolomics has become an invaluable tool for studying metabolism and biomarker discovery, playing a critical role in drug discovery. In metabolomics field, lipids hold a significant
place as they are involved in several diseases such as Alzheimer's and Parkinson's. Mass spectrometry is the most widely used technique for lipid detection and identification. There are
several methods for this purpose, which differ in separation and ion detection depending on
the instruments used. However, the performance of each method in lipids detection is not
well established. In this project, we aimed to develop a bioinformatics workflow using the
most effective open-source tools for untargeted data treatment, lipid detection, and annotation. Additionally, we aimed to compare those two MS methods. We used lipids extracted
from two biological cases: C1 and C2, to be analyzed using LC-Orbitrap (Thermo) and SFC-QTOF (Waters) spectrometry. From a bioinformatics perspective, we compared W4M and
MSDial for detection, and MSFinder in addition to Sirius and AI for annotation. The LC-Orbitrap
demonstrated higher performance compared to the Waters instrument. Similarly, MSDial detected more features than W4M especially at low-intensity and negative ionization mode. For
the annotation the work is still in progress to compare the performance’s tools used and we
will try to use AI for lipids prediction.
L'étude des métabolites, en particulier des lipides, joue un rôle crucial dans la fabrication des
médicaments, car ils sont impliqués dans de nombreuses maladies, notamment Alzheimer et
Parkinson. La spectrométrie de masse (MS) est largement utilisée pour étudier ces molécules. Une étude MS non ciblée peut être particulièrement efficace pour détecter les lipides
associés à une maladie spécifique. Dans ce projet, nous avons comparé deux méthodes de
détection et d'identification des lipides. Nous avons également développé un workflow
bioinformatique en utilisant des outils open-source performants pour le traitement des données, la détection des lipides et leur annotation. Nous avons analysé deux cas biologiques
(C1 et C2), en utilisant la spectrométrie LC-Orbitrap (Thermo) et SFC-Q-TOF (Waters). Pour la
détection, nous avons utilisé W4M et MSDial, et pour l'annotation, MSFinder et Sirius. L'instrument LC-Orbitrap a montré une performance supérieure à celui de Waters. De plus,
MSDial s'est avéré plus efficace pour détecter les caractéristiques de faible intensité, notamment en mode d'ionisation négative. L'annotation est en cours et nous envisageons d'utiliser
l'IA pour améliorer la prédiction des lipides
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|