CN111402961A - 一种多物种gc-ms内源性代谢物数据库及其建立方法 - Google Patents
一种多物种gc-ms内源性代谢物数据库及其建立方法 Download PDFInfo
- Publication number
- CN111402961A CN111402961A CN202010401911.0A CN202010401911A CN111402961A CN 111402961 A CN111402961 A CN 111402961A CN 202010401911 A CN202010401911 A CN 202010401911A CN 111402961 A CN111402961 A CN 111402961A
- Authority
- CN
- China
- Prior art keywords
- species
- database
- name
- library
- group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000002207 metabolite Substances 0.000 title claims abstract description 42
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 24
- 239000000126 substance Substances 0.000 claims abstract description 68
- 238000001212 derivatisation Methods 0.000 claims abstract description 29
- 208000033962 Fontaine progeroid syndrome Diseases 0.000 claims abstract description 12
- 238000001819 mass spectrum Methods 0.000 claims abstract description 12
- 241001465754 Metazoa Species 0.000 claims abstract description 10
- 244000005700 microbiome Species 0.000 claims abstract description 9
- 239000000523 sample Substances 0.000 claims abstract description 7
- 241000894007 species Species 0.000 claims description 27
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 claims description 20
- 238000013519 translation Methods 0.000 claims description 14
- 125000003172 aldehyde group Chemical group 0.000 claims description 8
- 238000006146 oximation reaction Methods 0.000 claims description 8
- -1 trimethylsilyl ester Chemical class 0.000 claims description 8
- 125000000468 ketone group Chemical group 0.000 claims description 7
- UQEAIHBTYFGYIE-UHFFFAOYSA-N hexamethyldisiloxane Chemical compound C[Si](C)(C)O[Si](C)(C)C UQEAIHBTYFGYIE-UHFFFAOYSA-N 0.000 claims description 6
- 239000012496 blank sample Substances 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 125000000026 trimethylsilyl group Chemical group [H]C([H])([H])[Si]([*])(C([H])([H])[H])C([H])([H])[H] 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 125000002467 phosphate group Chemical group [H]OP(=O)(O[H])O[*] 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- FVCJARXRCUNQQS-UHFFFAOYSA-N trimethylsilyl dihydrogen phosphate Chemical group C[Si](C)(C)OP(O)(O)=O FVCJARXRCUNQQS-UHFFFAOYSA-N 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 2
- 241000196324 Embryophyta Species 0.000 abstract description 17
- 239000012472 biological sample Substances 0.000 abstract 1
- PQDJYEQOELDLCP-UHFFFAOYSA-N trimethylsilane Chemical compound C[SiH](C)C PQDJYEQOELDLCP-UHFFFAOYSA-N 0.000 description 14
- 238000001228 spectrum Methods 0.000 description 5
- 229910019142 PO4 Inorganic materials 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 4
- 229910007161 Si(CH3)3 Inorganic materials 0.000 description 3
- 150000001720 carbohydrates Chemical class 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 235000021317 phosphate Nutrition 0.000 description 3
- 238000004451 qualitative analysis Methods 0.000 description 3
- 238000002444 silanisation Methods 0.000 description 3
- WQZGKKKJIJFFOK-SVZMEOIVSA-N (+)-Galactose Chemical compound OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@H]1O WQZGKKKJIJFFOK-SVZMEOIVSA-N 0.000 description 2
- RGHNJXZEOKUKBD-SQOUGZDYSA-N D-gluconic acid Chemical compound OC[C@@H](O)[C@@H](O)[C@H](O)[C@@H](O)C(O)=O RGHNJXZEOKUKBD-SQOUGZDYSA-N 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 229930194542 Keto Natural products 0.000 description 2
- XCOBLONWWXQEBS-KPKJPENVSA-N N,O-bis(trimethylsilyl)trifluoroacetamide Chemical compound C[Si](C)(C)O\C(C(F)(F)F)=N\[Si](C)(C)C XCOBLONWWXQEBS-KPKJPENVSA-N 0.000 description 2
- 229910003849 O-Si Inorganic materials 0.000 description 2
- 229910003872 O—Si Inorganic materials 0.000 description 2
- CZMRCDWAGMRECN-UGDNZRGBSA-N Sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 description 2
- 229930006000 Sucrose Natural products 0.000 description 2
- 150000001412 amines Chemical class 0.000 description 2
- 150000001413 amino acids Chemical class 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 125000003178 carboxy group Chemical group [H]OC(*)=O 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- IJOOHPMOJXWVHK-UHFFFAOYSA-N chlorotrimethylsilane Chemical compound C[Si](C)(C)Cl IJOOHPMOJXWVHK-UHFFFAOYSA-N 0.000 description 2
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical group CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- XNXVOSBNFZWHBV-UHFFFAOYSA-N hydron;o-methylhydroxylamine;chloride Chemical compound Cl.CON XNXVOSBNFZWHBV-UHFFFAOYSA-N 0.000 description 2
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 2
- ZOAMBXDOGPRZLP-UHFFFAOYSA-N indole-3-acetamide Chemical compound C1=CC=C2C(CC(=O)N)=CNC2=C1 ZOAMBXDOGPRZLP-UHFFFAOYSA-N 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 150000003013 phosphoric acid derivatives Chemical class 0.000 description 2
- 150000003384 small molecules Chemical class 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000005720 sucrose Substances 0.000 description 2
- 150000005846 sugar alcohols Chemical class 0.000 description 2
- 241000219194 Arabidopsis Species 0.000 description 1
- 241000282994 Cervidae Species 0.000 description 1
- RGHNJXZEOKUKBD-UHFFFAOYSA-N D-gluconic acid Natural products OCC(O)C(O)C(O)C(O)C(O)=O RGHNJXZEOKUKBD-UHFFFAOYSA-N 0.000 description 1
- 241000588724 Escherichia coli Species 0.000 description 1
- JUJWROOIHBZHMG-UHFFFAOYSA-N Pyridine Chemical compound C1=CC=NC=C1 JUJWROOIHBZHMG-UHFFFAOYSA-N 0.000 description 1
- 241000700159 Rattus Species 0.000 description 1
- BLRPTPMANUNPDV-UHFFFAOYSA-N Silane Chemical group [SiH4] BLRPTPMANUNPDV-UHFFFAOYSA-N 0.000 description 1
- 229930182558 Sterol Natural products 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 150000007513 acids Chemical class 0.000 description 1
- 150000001298 alcohols Chemical class 0.000 description 1
- 150000001299 aldehydes Chemical class 0.000 description 1
- 125000000217 alkyl group Chemical group 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000035 biogenic effect Effects 0.000 description 1
- HVGFMUJLKBGRSF-UHFFFAOYSA-N bis(trimethylsilyl) hydrogen phosphate Chemical compound C[Si](C)(C)OP(O)(=O)O[Si](C)(C)C HVGFMUJLKBGRSF-UHFFFAOYSA-N 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 125000002915 carbonyl group Chemical group [*:2]C([*:1])=O 0.000 description 1
- 125000003636 chemical group Chemical group 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 229940109239 creatinine Drugs 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 230000032050 esterification Effects 0.000 description 1
- 238000005886 esterification reaction Methods 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 125000000457 gamma-lactone group Chemical group 0.000 description 1
- 239000000174 gluconic acid Substances 0.000 description 1
- 235000012208 gluconic acid Nutrition 0.000 description 1
- 150000002337 glycosamines Chemical class 0.000 description 1
- 238000006459 hydrosilylation reaction Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 150000002576 ketones Chemical class 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 150000007524 organic acids Chemical class 0.000 description 1
- 235000005985 organic acids Nutrition 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 150000003212 purines Chemical class 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 150000003432 sterols Chemical class 0.000 description 1
- 235000003702 sterols Nutrition 0.000 description 1
- 238000013513 substance screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
- G01N30/8651—Recording, data aquisition, archiving and storage
- G01N30/8655—Details of data formats
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Bioethics (AREA)
- Biophysics (AREA)
- Databases & Information Systems (AREA)
- Analytical Chemistry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种多物种GC‑MS内源性代谢物数据库的建立方法，包括：1)将多物种样本衍生化后的GCMS数据基于NIST库搜库，保留打分在700以上的物质作为筛选出的高分物质；2)提取步骤1)筛选出的高分物质的质谱信息，建立高分NIST库；3)将高分NIST库中带衍生化基团的名称翻译并替换成衍生化之前的名称，得到高分库；4)将高分库与扩增后的背景噪音库和扩增后的标准品数据库合并，得到多物种GC‑MS内源性代谢物数据库。本发明提供的数据库既可以满足植物、动物及微生物等多类型生物样本的检索需求，又能更加准确的定性到更多的代谢物。
Description
技术领域
本发明属于生物数据库领域，尤其涉及一种多物种GC-MS内源性代谢物数据库及其建立方法。
背景技术
GCMS技术作为目前在代谢组学研究中最常用的分析手段之一，通常用来分析一些挥发性强的小分子代谢物，对于一些像氨基酸、糖醇类、有机酸、生物胺及有机磷酸盐等分子量较小、极性较大的代谢物则需要通过衍生化(硅烷化或者酯化等)的方式降低其沸点、增加其热稳定性才能通过GCMS分析。而在GCMS分析过程中，最重要的一步则是对代谢物进行定性分析，定性的准确性和数量取决于数据库。
目前，GCMS常用的数据库有NIST库、Fiehn库等。NIST标准质谱数据库是由美国国家标准技术研究院(NIST)(National Institute of Standards and Technology)出版，现在，基于EI源的NIST库已经更新到NIST v17，搜库软件(NIST MS Search)的版本也更新到2.3。其中，主库mainlab中已经包含了267376种化合物的质谱图信息，因此NIST库是一个非常大的数据库，正因为如此，它包含的物质种类也很杂，既有外源性的物质，也有内源性的物质，而且经过衍生化后的物质通常搜库结果也是包含了衍生化基团的新物质，搜库时间也非常长，这导致了通过NIST库检索效率低，得到的物质还需要经过物质重命名才能得到衍生化前的物质名称。The Fiehn library(FiehnLib)数据库则是Oliver Fiehn教授的实验室开发的一种GCMS数据库，主要覆盖了多种类型的内源性小分子化学标准品的甲基化和硅烷化的EI质谱图，共计2200张图谱，几百种内源性代谢物。与NIST库相比，Fiehn库具有小而精的特点，而且定性到的物质名称已经是衍生化之前的名称，但是仍然具有一定的局限性，Fiehn库主要是基于动物源的样本扩展的，缺少其他如植物、微生物样本的代谢物图谱，因此不太适合植物或者微生物等其他样本的搜库定性分析。
因此，目前应用最为广泛的两大数据库NIST库和Fiehn库都存在一定的局限性，NIST库很大很杂，通过NIST库检索到的物质存在定性准确度不高，定性物质名称中均带衍生化基团，物质名称回溯较难，检索时间长等缺点，而Fiehn库虽然具有较NIST库相比准确度较高，物质名称已经是回溯后的名称等优势外，也存在一定的局限性，如主要是针对动物内源性物质，涉及到的物种类型较少，涵盖的物质也只有几百种。
发明内容
针对上述问题，本发明提供了一种多物种GC-MS内源性代谢物数据库及其建立方法，通过多种编程语言结合人工校正及标准品验证的多种方式发明了一种涵盖多物种、名称已回溯、涵盖的多种重要通路物质更多、检索快、定性更加准确的自建数据库，该数据库既可以满足植物、动物及微生物等多类型样本的检索需求，又能更加准确的定性到更多的代谢物。
为了实现上述目的，本发明采用的技术方案为：
一种多物种GC-MS内源性代谢物数据库的建立方法，包括：
1)将多物种样本衍生化后的GCMS数据基于NIST库搜库，保留打分在700以上的物质作为筛选出的高分物质；
2)提取步骤1)筛选出的高分物质的质谱信息，建立高分NIST库；
3)将高分NIST库中带衍生化基团的名称翻译并替换成衍生化之前的名称，得到高分库；
4)将高分库与扩增后的背景噪音库和扩增后的标准品数据库合并，得到多物种GC-MS内源性代谢物数据库。
优选地，步骤2)中，采用基于Python编写的筛选脚本匹配筛选出的高分物质并提取质谱信息。
优选地，步骤3)中带衍生化基团的名称及翻译的形式包括：
形式①：Name，n TMS(derivative)/n(trimethylsilyl)ether，其中Name为物质衍生化前的名称，n为表征衍生化基团个数的数字或者文字，TMS derivative/(trimethylsilyl)ether为衍生化基团，翻译时去掉“，n TMS derivative/(trimethylsilyl)ether”保留Name即为翻译后名称；
形式②：Name，n trimethylsilyl ether,(O)-methyloxime()，其中Name为物质衍生化前的名称，n为衍生化基团的个数，trimethylsilyl ether为衍生化基团三甲基硅烷酯，methyloxime()为发生肟化反应后的基团“-C(R)＝N-O-”，翻译时需先将发生肟化反应的结构还原成酮基或者醛基，再去掉TMS基团，最后再根据结构命名；
形式③：含“bis(trimethylsilyl)phosphate”基团的物质，翻译时在遵循形式②的命名规则上，去掉磷酸基团前面两个衍生化基团或者根据去掉衍生化基团后的结构命名；
形式④：不能直接翻译的名称，需借助NIST软件，先在库中搜到该物质的结构，再去掉TMS基团，最后通过结构命名。
优选地，步骤3)中采用基于R语言编写的名称替换脚本将翻译后的名称替换高分NIST库中原来带衍生化基团的名称。
优选地，步骤4)中，通过对不同时间段和不同样本间的Blank样品检索NIST库来收集常见的背景干扰物，扩增背景噪音库。
优选地，步骤4)中，采取标准品进行验证，将上述标准品衍生化后经过GCMS上机采集质谱信息，扩增标准品数据库。
优选地，步骤4)中，得到的多物种GC-MS内源性代谢物数据库包括针对来自不同类型样本的代谢物进行的物种源分类，物种源分为动物源、植物源及微生物源，HMDB ID、CAS号及KEGG号信息以及物质分类信息。
本发明还提供了通过上述建立方法建立的多物种GC-MS内源性代谢物数据库。
与现有技术相比，本发明的有益效果是：
本发明建立的Untarget database of GC-MS from Lumingbio(LUG数据库)中包含2082个能够采用GC-MS检测的内源性代谢物(如图3所示)，EI图谱共计6251个(如图4所示)，并且还在不断更新中，其质核比范围在85到650之间，覆盖了包括脂类、氨基酸、脂肪酸、胺类、醇类、糖类、氨基糖类、糖醇类、糖酸类、有机磷酸盐类、羟基酸类、芳香类、嘌呤类和甾醇类等多种类型的内源性小分子代谢物。
此外LUG数据库预先输入了背景质谱信号，通过数据库比对，即便不做空白样本也能扣除这些杂质信号。背景质谱信号的加入，不仅节省了前期实验过程中人力试剂的损耗，同时还进一步缩短了单个项目对机时的占用，提高了实验效率和仪器通量，同时由于扣除了背景信号，会使数据的分析更为准确。
LUG数据库中的代谢物同时具有多种基质(动物源、植物源及微生物等)物种源信息并通过300种标准品验证，使得LUG库满足不同样本基质高准确性的定性分析。另外本库完善了HMDB，KEGG，CAS识别号、物质分类等内容，代谢物信息更全面，方便后续进行代谢物功能研究，提高了基于GCMS非靶向代谢组学分析的效率。
附图说明
图1是本发明一种多物种GC-MS内源性代谢物数据库的建立方法的技术路线图。
图2是本发明形式④一示例在NIST MS Search上搜索到的结构示意图。
图3是本发明LUG数据库中部分代谢物的示意图。
图4是本发明LUG数据库中部分代谢物质谱碎片信息的示意图。
图5是本发明LUG数据库中部分背景干扰物质谱碎片信息的示意图。
图6是本发明部分标准品色谱图的示意图。
具体实施方式
为了更好的理解本发明，下面结合附图和实施例进一步阐明本发明的内容，但本发明不仅仅局限于下面的实施例。
实施例
结合图1所示，本发明建立多物种GC-MS内源性代谢物数据库的方法主要包括以下步骤：
(一)高分物质筛选
选择有代表性的植物、动物、微生物样本(主要是一些模式生物，如拟南芥、大鼠、大肠杆菌等动植物微生物样本)衍生化后的GCMS数据基于NIST库搜库，保留打分在700以上的物质，视为鉴定可靠的物质。
(二)高分NIST库建立
用Python编写筛选脚本(脚本见已登记的名为鹿明代谢组Untarget database ofGC-MS from Lumingbio系统的计算机软件著作，登记号：2020SR0001017)，快速的匹配保留的高分物质，并提取质谱信息，建立高分NIST库。
(三)名称翻译
对于物质名称的回溯过程即将带衍生化基团的名称转换成衍生化之前的名称，易于识别，在本申请中将此回溯过程定义为物质名称翻译，翻译的前提需要对衍生化过程有所了解。本申请中涉及到的样本实验前处理均采用硅烷化的衍生化方式，具体为两步衍生化：①肟化反应，该步骤主要是通过酮基和醛基与甲氧胺盐酸盐(吡啶)，此过程可以保护酮基和醛基，特别是对于糖类物质可以有效避免一些复杂反应的产生，因此对于含酮基和醛基的物质会先与甲氧胺盐盐酸反应生成基团“-C(R)＝N-O-”；②硅烷化反应，此反应主要是物质中的活性氢(如含羟基-OH、羧基-COOH、氨基-NH2、巯基-SH及磷酸基团-H2PO4等物质)被硅烷基取代的过程，本申请所用的衍生化试剂为BSTFA(含1％TMCS)，因此衍生化过程中的活性氢被三甲基硅烷(trimethylsilyl，TMS)取代，主要反应如下所示：
肟化反应：
R1-C＝O-R2+CH3-O-NH2·HCl→R1-C(R2)＝N-O-CH3
常见活性氢硅烷化反应：
R-C(＝O)-OH→R-C(＝O)-O-Si(CH3)3
R-OH→R-O-Si(CH3)3
R-SH→R-S-Si(CH3)3
R-NH2→R-N-[Si(CH3)3]2
R1-NH-R2→R1-N[Si(CH3)3]-R2
其中：R、R1及R2均表示由C、H、O、N等元素组成的官能团，如烷基、羧基、羟基、醛基、羰基等。
根据翻译的难易程度，可将翻译过程分为以下几个类别：
形式①：Name，n TMS(derivative)/n(trimethylsilyl)ether，其中Name为物质衍生化前的名称，n为表征衍生化基团个数的数字或者文字，TMS derivative/(trimethylsilyl)ether为衍生化基团，像类型①的物质可以直接去掉“，n TMSderivative/(trimethylsilyl)ether”保留Name即为翻译后名称，如3-Indolylacetamide，TMS derivative；Sucrose，8TMS derivative；D-(+)-Trehalose，octakis(trimethylsilyl)ether等，翻译后名称分别为3-Indolylacetamide、Sucrose、D-(+)-Trehalose；
形式②：Name，n trimethylsilyl ether，(O)-methyloxime()，(含：methyloxime、methyloxyme、methoxyimino)，其中Name为物质衍生化前的名称，n为衍生化基团的个数，trimethylsilyl ether为衍生化基团三甲基硅烷酯，methyloxime()为发生肟化反应后的基团“-C(R)＝N-O-”，这类形式主要出现在含酮基或者醛基的物质中，像糖类物质、酮类物质或者醛类物质，翻译过程需先将发生肟化反应的结构还原成酮基或者醛基，再去掉TMS基团，最后再根据结构命名，如D-Galactose,6-deoxy-2,3,4,5-tetrakis-O-(trimethylsilyl)-,O-methyloxime；D-(+)-Glucuronic acidγ-lactone,tris(trimethylsilyl)ether,methyloxime(syn)等，翻译后名称分别为D-Galactose、D-(+)-Glucuronic acidγ-lactone；
形式③：含“bis(trimethylsilyl)phosphate”基团的物质，含磷酸基团的物质通常会带两个衍生化基团，像这种类型的物质，通常在遵循形式②的命名规则上，去掉磷酸基团前面两个衍生化基团或者根据去掉衍生化基团后的结构命名即可，如Gluconic acid,2,3,4,5-tetrakis-O-(trimethylsilyl)-,trimethylsilyl ester,bis(trimethylsilyl)phosphate,D-；D-Altro-2-Heptulose,1,3,4,5,6-pentakis-O-(trimethylsilyl)-,O-methyloxime,7-[bis(trimethylsilyl)phosphate]等，翻译后命名分别为6-Phosphogluconic acid、D-Altro-2-Heptulose-7-phosphate；
形式④：第四种类型的名称比较难翻译，因为不能直接翻译，需借助NIST软件，先在库中搜到该物质的结构，再去掉TMS基团，最后通过结构命名，如1-Methyl-N,N-bis(trimethylsilyl)-4-[(trimethylsilyl)oxy]-1H-imidazol-2-amine，在NIST MS Search上搜索的结构如图2所示，去掉TMS基团后，可以发现翻译后名称为Creatinine。
(四)名称替换
用Python编写名称替换脚本(脚本见已登记的名为鹿明代谢组Untargetdatabase of GC-MS from Lumingbio系统的软件著作，登记号：2020SR0001017)，将翻译后的名称快速替换高分NIST库中原来带衍生化基团的名字，那么得到的高分库和Fiehn库一样，代谢物的名称为衍生化前的名称，将该库命名为High score library，简写为HS-lib。
(五)背景噪音库扩增
背景噪音主要来自柱流失、衍生化试剂、隔垫的碎屑及洗液瓶垫的碎屑，背景干扰物主要是一些带硅氧烷(siloxane)的物质。
扩增背景噪音库的主要目的在于，可以有效的提高鉴定的准确性。因为目前的搜库打分机制都是通过相似度打分高低来决定物质鉴定的准确度，通过增加背景噪音库可以有效的避免与代谢物相似的背景干扰物被鉴定为代谢物，避免假阳性物质从而提高了鉴定的准确性，另外，之前都是通过Blank(空白)样本扣除背景噪音，通过背景噪音库的扩增，可以起到背景噪音自动扣除的作用，不需要额外增加Blank样品，因此可以节省上机时间。
我们通过对不同时间段和不同样本间的Blank样品检索NIST库来收集常见的背景干扰物，目前通过Blank样本已经扩展了1217个常见的背景干扰物图谱，在数据库中将这些背景干扰物命名为TBS Compound(1-1217)，如图5的“计数”即显示数据库中含1217个TBScompound，并将背景噪音库命名为Background noise library，简写为BN-lib。
(六)基于标准品的GCMS数据库建立
HS-lib需通过标准品验证其定性准确性，但是由于标准品贵且不易获得，本申请采取部分已有的标准品进行局部验证。本申请共有标准品300种，标准品列表如表1所示，部分标准品色谱图如图6所示，将其衍生化(BSTFA(含1％TMCS))后经过GCMS上机采集质谱信息，建立了基于标准品的自建库，此过程一方面可以验证HS-lib的准确性，另外也扩展了之前HS-lib不包含的代谢物，将此标准品库命名为Standard library，简写为STD-lib。
表1.本发明采用的300种标准品列表
(七)自建库整合及信息完善
合并High score library、Standard library及Background noise library命名为LUG(Untarget database of GC-MS from Lumingbio)数据库。LUG库是经过动物、植物及微生物等不同基质样本扩展的，因此，我们对该库也做了精细的划分，对于来自于不同样本类型的代谢物做了物种源分类，物种源分为动物源、植物源及微生物源，如表2所示为数据库示例。这样针对不同基质的样本，可以有特异性的选择，可以有效的避免假阳性物质的产生。另外，LUG库根据后续分析所需要的信息，补充完善了LUG库中HMDB ID、CAS号及KEGG号等信息，并增加物质分类信息，由于数据库集成了这些信息，使得数据在定性完成后就具有HMDB ID、KEGG号等信息，大大地提高了后续功能分析的效率。
表2.本发明LUG库中部分内容列表
(八)数据库测试
为了对比LUG库与其他库的优劣，本申请分别准备植物、动物及微生物样本的数据，对这三类数据分别进行Fiehn库及LUG检索，对比两个数据库的定性能力，以鉴定到的物质在高相似度打分区代谢物的个数来表征数据库的定性能力，通过LUG库比Fiehn库鉴定个数增加的百分比来表示定性能力的提升率，见表3。
表3.不同基质的GCMS数据在不同数据库检索的结果列表
如表3所示，通过对不同基质的GCMS数据进行不同数据库检索比较发现：以相似度40％为阈值时，LUG比Fiehn库的定性能力提升了10％-20％，若以相似度70％为阈值时，LUG的定性能力提升了13％-56％。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
Claims (8)
1.一种多物种GC-MS内源性代谢物数据库的建立方法，包括：
1)将多物种样本衍生化后的GCMS数据基于NIST库搜库，保留打分在700以上的物质作为筛选出的高分物质；
2)提取步骤1)筛选出的高分物质的质谱信息，建立高分NIST库；
3)将高分NIST库中带衍生化基团的名称翻译并替换成衍生化之前的名称，得到高分库；
4)将高分库与扩增后的背景噪音库和扩增后的标准品数据库合并，得到多物种GC-MS内源性代谢物数据库。
2.根据权利要求1所述的一种多物种GC-MS内源性代谢物数据库的建立方法，其特征在于，步骤2)中，采用基于Python编写的筛选脚本匹配筛选出的高分物质并提取质谱信息。
3.根据权利要求1所述的一种多物种GC-MS内源性代谢物数据库的建立方法，其特征在于，步骤3)中带衍生化基团的名称及翻译的形式包括：
形式①：Name，n TMS(derivative)/n(trimethylsilyl)ether，其中Name为物质衍生化前的名称，n为表征衍生化基团个数的数字或者文字，TMS derivative/(trimethylsilyl)ether为衍生化基团，翻译时去掉“，n TMS derivative/(trimethylsilyl)ether”保留Name即为翻译后名称；
形式②：Name，n trimethylsilyl ether,(O)-methyloxime()，其中Name为物质衍生化前的名称，n为衍生化基团的个数，trimethylsilyl ether为衍生化基团三甲基硅烷酯，methyloxime()为发生肟化反应后的基团“-C(R)＝N-O-”，翻译时需先将发生肟化反应的结构还原成酮基或者醛基，再去掉TMS基团，最后再根据结构命名；
形式③：含“bis(trimethylsilyl)phosphate”基团的物质，翻译时在遵循形式②的命名规则上，去掉磷酸基团前面两个衍生化基团或者根据去掉衍生化基团后的结构命名；
形式④：不能直接翻译的名称，需借助NIST软件，先在库中搜到该物质的结构，再去掉TMS基团，最后通过结构命名。
4.根据权利要求1所述的一种多物种GC-MS内源性代谢物数据库的建立方法，其特征在于，步骤3)中采用基于R语言编写的名称替换脚本将翻译后的名称替换高分NIST库中原来带衍生化基团的名称。
5.根据权利要求1所述的一种多物种GC-MS内源性代谢物数据库的建立方法，其特征在于，步骤4)中，通过对不同时间段和不同样本间的Blank样品检索NIST库来收集常见的背景干扰物，扩增背景噪音库。
6.根据权利要求1所述的一种多物种GC-MS内源性代谢物数据库的建立方法，其特征在于，步骤4)中，采取标准品进行验证，将上述标准品衍生化后经过GCMS上机采集质谱信息，扩增标准品数据库。
7.根据权利要求1所述的一种多物种GC-MS内源性代谢物数据库的建立方法，其特征在于，步骤4)中，得到的多物种GC-MS内源性代谢物数据库包括针对来自不同类型样本的代谢物进行的物种源分类，物种源分为动物源、植物源及微生物源，HMDB ID、CAS号及KEGG号信息以及物质分类信息。
8.采用权利要求1-7任意一项所述的一种多物种GC-MS内源性代谢物数据库的建立方法建立的多物种GC-MS内源性代谢物数据库。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010129021 | 2020-02-28 | ||
| CN2020101290219 | 2020-02-28 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111402961A true CN111402961A (zh) | 2020-07-10 |
| CN111402961B CN111402961B (zh) | 2020-11-17 |
Family
ID=71414206
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010401911.0A Active CN111402961B (zh) | 2020-02-28 | 2020-05-13 | 一种多物种gc-ms内源性代谢物数据库及其建立方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111402961B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113643768A (zh) * | 2021-08-12 | 2021-11-12 | 上海鹿明生物科技有限公司 | 植物代谢物数据库的构建方法、装置、介质及终端 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102507829A (zh) * | 2011-11-17 | 2012-06-20 | 云南省烟草烟叶公司 | 一种烟草hplc指纹图谱数据库的建立方法及应用 |
| CN104237409A (zh) * | 2014-09-12 | 2014-12-24 | 徐州市食品药品检验所 | 一种食用油gc-ms指纹图谱的构建方法及其应用 |
| CN104502495A (zh) * | 2014-12-26 | 2015-04-08 | 天津大学 | 一种气相色谱质谱纯净谱图提取方法 |
| CN104698118A (zh) * | 2015-03-26 | 2015-06-10 | 江苏省质量安全工程研究院 | 基于gc-ms和pca法的饼干香精香料的鉴别方法 |
| CN105120852A (zh) * | 2013-02-14 | 2015-12-02 | 梅坦诺米克斯保健有限公司 | 评估生物样品质量的工具和方法 |
| CN105866299A (zh) * | 2016-03-31 | 2016-08-17 | 上海青鹿投资有限公司 | 基于gc-ms的植物非靶向代谢组学样品预处理方法 |
| CN106483217A (zh) * | 2016-09-30 | 2017-03-08 | 中国烟草总公司郑州烟草研究院 | 一种gc‑ms检测新鲜烟叶中初生代谢物和次生代谢物的方法 |
| CN106556661A (zh) * | 2015-09-30 | 2017-04-05 | 安捷伦科技有限公司 | 分析物衍生化和增强温和电离的方法 |
| CN106970161A (zh) * | 2017-03-04 | 2017-07-21 | 宁夏医科大学 | 一种gc‑ms非靶标方法快速筛查植物差异性代谢物的方法 |
| CN108062456A (zh) * | 2017-12-12 | 2018-05-22 | 湖南省检验检疫科学技术研究院 | 一种3t2m1ms数据库及其建立方法以及茶叶中香精成分的鉴定方法 |
| CN108287200A (zh) * | 2017-04-24 | 2018-07-17 | 麦特绘谱生物科技（上海）有限公司 | 质谱参照数据库的建立方法及基于其的物质分析方法 |
| CN109387585A (zh) * | 2018-10-23 | 2019-02-26 | 江汉大学 | 气相色谱、质谱联用技术检测线虫中脂肪酸含量的方法 |
| CN109799310A (zh) * | 2019-02-28 | 2019-05-24 | 云南中烟工业有限责任公司 | 一种基于pca椭圆面积和相似度的卷烟品质稳定性检测方法 |
| CN110473594A (zh) * | 2019-08-22 | 2019-11-19 | 广州微远基因科技有限公司 | 病原微生物基因组数据库及其建立方法 |
-
2020
- 2020-05-13 CN CN202010401911.0A patent/CN111402961B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102507829A (zh) * | 2011-11-17 | 2012-06-20 | 云南省烟草烟叶公司 | 一种烟草hplc指纹图谱数据库的建立方法及应用 |
| CN105120852A (zh) * | 2013-02-14 | 2015-12-02 | 梅坦诺米克斯保健有限公司 | 评估生物样品质量的工具和方法 |
| CN104237409A (zh) * | 2014-09-12 | 2014-12-24 | 徐州市食品药品检验所 | 一种食用油gc-ms指纹图谱的构建方法及其应用 |
| CN104502495A (zh) * | 2014-12-26 | 2015-04-08 | 天津大学 | 一种气相色谱质谱纯净谱图提取方法 |
| CN104698118A (zh) * | 2015-03-26 | 2015-06-10 | 江苏省质量安全工程研究院 | 基于gc-ms和pca法的饼干香精香料的鉴别方法 |
| CN106556661A (zh) * | 2015-09-30 | 2017-04-05 | 安捷伦科技有限公司 | 分析物衍生化和增强温和电离的方法 |
| CN105866299A (zh) * | 2016-03-31 | 2016-08-17 | 上海青鹿投资有限公司 | 基于gc-ms的植物非靶向代谢组学样品预处理方法 |
| CN106483217A (zh) * | 2016-09-30 | 2017-03-08 | 中国烟草总公司郑州烟草研究院 | 一种gc‑ms检测新鲜烟叶中初生代谢物和次生代谢物的方法 |
| CN106970161A (zh) * | 2017-03-04 | 2017-07-21 | 宁夏医科大学 | 一种gc‑ms非靶标方法快速筛查植物差异性代谢物的方法 |
| CN108287200A (zh) * | 2017-04-24 | 2018-07-17 | 麦特绘谱生物科技（上海）有限公司 | 质谱参照数据库的建立方法及基于其的物质分析方法 |
| CN108062456A (zh) * | 2017-12-12 | 2018-05-22 | 湖南省检验检疫科学技术研究院 | 一种3t2m1ms数据库及其建立方法以及茶叶中香精成分的鉴定方法 |
| CN109387585A (zh) * | 2018-10-23 | 2019-02-26 | 江汉大学 | 气相色谱、质谱联用技术检测线虫中脂肪酸含量的方法 |
| CN109799310A (zh) * | 2019-02-28 | 2019-05-24 | 云南中烟工业有限责任公司 | 一种基于pca椭圆面积和相似度的卷烟品质稳定性检测方法 |
| CN110473594A (zh) * | 2019-08-22 | 2019-11-19 | 广州微远基因科技有限公司 | 病原微生物基因组数据库及其建立方法 |
Non-Patent Citations (2)
| Title |
|---|
| MARIA VINAIXA ET AL: "Mass spectral databases for LC/MS- and GC/MS-based metabolomics: State of the field and future prospects", 《TRENDS IN ANALYTICAL CHEMISTRY》 * |
| 段鹤君 等: "应用GC/MS分析筛选家族多种生物样本中标志物", 《中国生化药物杂志》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113643768A (zh) * | 2021-08-12 | 2021-11-12 | 上海鹿明生物科技有限公司 | 植物代谢物数据库的构建方法、装置、介质及终端 |
| CN113643768B (zh) * | 2021-08-12 | 2023-12-15 | 上海鹿明生物科技有限公司 | 植物代谢物数据库的构建方法、装置、介质及终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111402961B (zh) | 2020-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pashynska et al. | Development of a gas chromatographic/ion trap mass spectrometric method for the determination of levoglucosan and saccharidic compounds in atmospheric aerosols. Application to urban aerosols | |
| Harborne | Phytochemical methods a guide to modern techniques of plant analysis | |
| Gao et al. | Characterization of polar organic components in fine aerosols in the southeastern United States: Identity, origin, and evolution | |
| Guigue et al. | Ultrahigh-resolution FT-ICR mass spectrometry for molecular characterisation of pressurised hot water-extractable organic matter in soils | |
| CN112666287B (zh) | 基于gcmsms高通量分析动物肠道菌群代谢物的方法及应用 | |
| Stott et al. | δ13C analysis of cholesterol preserved in archaeological bones and teeth | |
| Titaley et al. | Automating data analysis for two-dimensional gas chromatography/time-of-flight mass spectrometry non‐targeted analysis of comparative samples | |
| CN113203803A (zh) | 多元线性逐步回归鉴别白酒储存时间的方法 | |
| Luong et al. | Development and application of a comprehensive analytical workflow for the quantification of non-volatile low molecular weight lipids on archaeological stone tools | |
| CN111402961B (zh) | 一种多物种gc-ms内源性代谢物数据库及其建立方法 | |
| Verpoorte et al. | Trivialities in metabolomics: Artifacts in extraction and analysis | |
| Carriço et al. | Sorbent coatings for solid-phase microextraction targeted towards the analysis of death-related polar analytes coupled to comprehensive two-dimensional gas chromatography: Comparison of zwitterionic polymeric ionic liquids versus commercial coatings | |
| Poulain et al. | Particle‐phase uptake and chemistry of highly oxygenated organic molecules (HOMs) from α‐pinene OH oxidation | |
| Kapoore | Mass spectrometry based hyphenated techniques for microalgal and mammalian metabolomics. | |
| Quail et al. | The extraction and analysis of sterols from yeast | |
| Kim et al. | Measurement of 19‐nortestosterone and its esters in equine plasma by high‐performance liquid chromatography with tandem mass spectrometry | |
| Cvačka et al. | Computer‐assisted interpretation of atmospheric pressure chemical ionization mass spectra of triacylglycerols | |
| CN118366570A (zh) | 一种有机磷酸酯高分辨质谱数据库构建方法及系统 | |
| Clough et al. | Isotope dilution ICP-MS for speciation studies | |
| WO2020230704A1 (ja) | 解析装置および解析方法 | |
| CN115015450B (zh) | 一种微波衍生-拟靶标气相色谱-质谱分析土壤中代谢物的方法 | |
| Gronneberg et al. | Computer based search and retrieval system for rapid mass spectral screening of samples | |
| Yan et al. | Ultraviolet spectra determination and computational analysis of 44 E/Z steroid isomers in dried blood spot | |
| Ho et al. | Isotopic analog as the internal standard for quantitative determination: evaluation of mass spectra of commonly abused drugs and their deuterated analogs | |
| CN1588048A (zh) | 用磷脂脂肪酸谱图技术分析土壤微生物群落的多样性 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Hu Zhe Inventor after: Yin Xiaoling Inventor after: Shu Liebo Inventor after: Lu Jiawei Inventor after: Hu Xujun Inventor after: Peng Zhangxiao Inventor before: Hu Zhe Inventor before: Yin Xiaoling Inventor before: Peng Zhangxiao Inventor before: Lu Jiawei Inventor before: Hu Xujun Inventor before: Shu Liebo |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |