Open source-software behandler hurtigt spektrale data, identificerer og kvantificerer lipidarter nøjagtigt

Lipider spiller en nøglerolle i mange stofskiftesygdomme, herunder hypertension, diabetes, og slagtilfælde. Så det er vigtigt at have en komplet profil af kroppens lipider - dens "lipidom".

Lipidomiske undersøgelser er ofte baseret på væskekromatografi kombineret med tandem massespektrometri (LC-MS/MS). Men forskere har svært ved at behandle data hurtigt nok, og de er ude af stand til sikkert at identificere og nøjagtigt kvantificere de påviste lipidarter.

Forkerte identifikationer kan resultere i vildledende biologiske fortolkninger. Alligevel er eksisterende værktøjer ikke designet til storvolumen verifikation af identifikationer og skal verificeres manuelt for at sikre nøjagtighed. Da forskere i stigende grad ønsker større lipidomiske undersøgelser, analytikere har brug for forbedret software til at identificere lipider.

Et nyligt papir af hovedforfatter Jennifer E. Kyle og otte medforfattere ved Pacific Northwest National Laboratory (PNNL) introducerer en open source lipididentifikationssoftware, Lipidkvantificering og -identifikation (LIQUID). Scoringen kan trænes, søgedatabasen kan tilpasses, og flere bevislinjer vises, giver mulighed for sikker identifikation. LIQUID gør også enkelt- og globale søgninger tilgængelige, samt fragment-mønstersøgninger. Alt dette gør det muligt for forskere at spore lignende og gentagne mønstre af MS/MS-spektre.

Sammenlignet med anden frit tilgængelig software, der almindeligvis bruges til at identificere lipider og andre små molekyler, LIQUID har en hurtig behandlingstid, der kan generere et højere antal validerede lipididentifikationer hurtigere. Dens referencedatabase omfatter mere end 21, 200 unikke lipidmål på tværs af seks lipidkategorier, 24 klasser, og 63 underklasser.

LIQUID er i stand til sikkert at identificere flere lipidarter med en hurtigere kombineret behandlings- og valideringstid end nogen anden software inden for sit felt.

Hvad er det næste?

Udviklere af LIQUID vil øge referencebiblioteket til at inkludere lipider, der kan være unikke for bestemte sygdomstilstande eller for organismer fra udvalgte miljønicher. Dette betyder, at forskere vil være i stand til at karakterisere en mere mangfoldig række af prøver og derfor øge forståelsen af ​​biologiske og miljømæssige systemer af interesse.