Anal. Chem. | DaDIA：融合数据依赖和非数据依赖方法的高质量代谢组学数据采集模式

代谢组学是系统地研究参与生命活动的诸多小分子代谢物的研究领域。与其他组学相比，代谢组学研究的小分子代谢物是距离生命表型最近的化学物质。对生物体内所有代谢物进行分析，可以发现新的生物标记物，在代谢路径分析、疾病临床诊断和药物靶向治疗等领域有着举足轻重的作用。目前，液相色谱质谱联用技术（LC-MS）是代谢组学的主要研究手段。然而，质谱拥有多种数据采集模式，采用哪一种模式能最优化地提取样品中的代谢物信息一直以来是这个领域的热点议题。

近期，英属哥伦比亚大学（University of British Columbia）化学系还涛教授（点击查看介绍）课题组报道了一种新的数据采集模式（DaDIA），该模式融合了两种目前应用最广泛的数据采集方法，DDA和DIA，并且配套了处理相应数据的基于R的数据处理软件（DaDIA.R）。相关成果发表在国际化学权威杂志Analytical Chemistry 上。

在基于LC-MS技术的非靶向代谢组学中，普遍应用的质谱数据采集模式包括全扫描（Full-scan）、数据依赖型（DDA）和数据非依赖性模式（DIA）三种。其中全扫描模式不能自动获得二级质谱图（MS²），而DDA和DIA模式可以自动获取二级质谱图。二级质谱图对于代谢物分子的结构解析有着至关重要的作用，所以DDA和DIA相比于全扫描应用性更强。然而，DDA获取的二级质谱图虽然数量有限，但质量很高；而DIA获取的二级质谱图虽然质量有限，但数量很多。此外，DIA相较于DDA的灵敏度更高，能检测出更多的代谢物信号。还涛教授课题组提出了DaDIA这一新型的数据采集模式（图1）。在DaDIA的数据采集流程中，生物样品单独采用DIA模式采集，而质控（QC）采用DDA模式采集。用这个流程得到的数据相比于传统的DDA或DIA流程，可以获得更多的代谢物信息（features），更多更高质量的二级质谱图，并且能维持很高的定量精度（quantitative precision）。

图1. DaDIA的数据采集与数据处理流程

由于目前代谢组学领域还没有可以处理这种杂化的数据类型的软件，作者开发了配套对这种杂化的数据类型进行处理的工具DaDIA.R（图2）。首先，DIA 数据中的代谢物features优先被提取出来，然后QC的DDA数据中发现的独特features再填补进去，从而获得更全面的代谢物features。之后，DDA数据中的高质量二级质谱图会被分配给其对应的代谢物features，没有对应二级质谱图的features会通过去卷积方法（deconvolution）将DIA中的二级质谱图分配给这些features，用来进行更全面的代谢物结构分析和鉴定。

图2. DaDIA.R的数据采集与数据处理模型的机理

小结

还涛课题组首次提出了将DDA与DIA一起应用在非靶向的代谢组学样品分析中，从而得到更高质量的数据。通过对人尿液代谢组的分析，证明了DaDIA相比传统DDA和DIA模式有更高的代谢物features，更多更高质量的二级质谱图，以及很高的定量精度。在此基础上，DaDIA分析方法被应用于白血病人血浆代谢组研究中，相比于传统DDA，在没有接受化疗的病人与接受一个月化疗治疗的白血病人血浆中，有更多具有显著性差异的代谢物被鉴定出来。DaDIA的鉴定更多的显著差异代谢物的能力将有利于代谢通路分析和富集分析，为生物和医学领域的进步提供更有效的帮助。

英属哥伦比亚大学博士郭剑为第一作者，还涛教授为通讯作者。

原文（扫描或长按二维码，识别后直达原文页面，或点此查看原文）：

DaDIA: Hybridizing Data-Dependent and Data-Independent Acquisition Modes for Generating High-Quality Metabolomic Data

Jian Guo, Sam Shen, Shipei Xing, Tao Huan*

Anal. Chem., 2021, 93, 2669–2677, DOI: 10.1021/acs.analchem.0c05022

导师介绍

还涛

https://www.x-mol.com/groups/huan_tao