当前位置: X-MOL 学术Mass Spectrom. Rev. › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
Eight key rules for successful data-dependent acquisition in mass spectrometry-based metabolomics
Mass Spectrometry Reviews ( IF 6.6 ) Pub Date : 2021-06-18 , DOI: 10.1002/mas.21715
Emmanuel Defossez 1 , Julien Bourquin 2 , Stephan von Reuss 3, 4 , Sergio Rasmann 1 , Gaétan Glauser 4
Affiliation  

In recent years, metabolomics has emerged as a pivotal approach for the holistic analysis of metabolites in biological systems. The rapid progress in analytical equipment, coupled to the rise of powerful data processing tools, now provides unprecedented opportunities to deepen our understanding of the relationships between biochemical processes and physiological or phenotypic conditions in living organisms. However, to obtain unbiased data coverage of hundreds or thousands of metabolites remains a challenging task. Among the panel of available analytical methods, targeted and untargeted mass spectrometry approaches are among the most commonly used. While targeted metabolomics usually relies on multiple-reaction monitoring acquisition, untargeted metabolomics use either data-independent acquisition (DIA) or data-dependent acquisition (DDA) methods. Unlike DIA, DDA offers the possibility to get real, selective MS/MS spectra and thus to improve metabolite assignment when performing untargeted metabolomics. Yet, DDA settings are more complex to establish than DIA settings, and as a result, DDA is more prone to errors in method development and application. Here, we present a tutorial which provides guidelines on how to optimize the technical parameters essential for proper DDA experiments in metabolomics applications. This tutorial is organized as a series of rules describing the impact of the different parameters on data acquisition and data quality. It is primarily intended to metabolomics users and mass spectrometrists that wish to acquire both theoretical background and practical tips for developing effective DDA methods.

中文翻译:

在基于质谱的代谢组学中成功进行数据依赖采集的八个关键规则

近年来,代谢组学已成为生物系统中代谢物整体分析的关键方法。分析设备的快速进步,加上强大的数据处理工具的兴起,现在提供了前所未有的机会来加深我们对生物化学过程与生理或表型条件之间关系的理解。然而,要获得数百或数千种代谢物的无偏数据覆盖仍然是一项具有挑战性的任务。在可用的分析方法中,靶向和非靶向质谱方法是最常用的方法。虽然靶向代谢组学通常依赖于多反应监测采集,但非靶向代谢组学使用数据独立采集 (DIA) 或数据依赖采集 (DDA) 方法。与 DIA 不同,DDA 提供了获得真实、选择性 MS/MS 谱图的可能性,从而在执行非靶向代谢组学时改进代谢物分配。然而,DDA 设置比 DIA 设置更复杂,因此 DDA 在方法开发和应用中更容易出错。在这里,我们提供了一个教程,其中提供了有关如何优化代谢组学应用中正确 DDA 实验所必需的技术参数的指南。本教程由一系列规则组成,描述了不同参数对数据采集和数据质量的影响。它主要面向希望获得理论背景和实用技巧以开发有效的 DDA 方法的代谢组学用户和质谱仪。选择性 MS/MS 谱图,从而在进行非靶向代谢组学时改进代谢物分配。然而,DDA 设置比 DIA 设置更复杂,因此 DDA 在方法开发和应用中更容易出错。在这里,我们提供了一个教程,其中提供了有关如何优化代谢组学应用中正确 DDA 实验所必需的技术参数的指南。本教程由一系列规则组成,描述了不同参数对数据采集和数据质量的影响。它主要面向希望获得理论背景和实用技巧以开发有效的 DDA 方法的代谢组学用户和质谱仪。选择性 MS/MS 谱图,从而在进行非靶向代谢组学时改进代谢物分配。然而,DDA 设置比 DIA 设置更复杂,因此 DDA 在方法开发和应用中更容易出错。在这里,我们提供了一个教程,其中提供了有关如何优化代谢组学应用中正确 DDA 实验所必需的技术参数的指南。本教程由一系列规则组成,描述了不同参数对数据采集和数据质量的影响。它主要面向希望获得理论背景和实用技巧以开发有效的 DDA 方法的代谢组学用户和质谱仪。DDA 设置比 DIA 设置更复杂,因此 DDA 在方法开发和应用中更容易出错。在这里,我们提供了一个教程,其中提供了有关如何优化代谢组学应用中正确 DDA 实验所必需的技术参数的指南。本教程由一系列规则组成,描述了不同参数对数据采集和数据质量的影响。它主要面向希望获得理论背景和实用技巧以开发有效的 DDA 方法的代谢组学用户和质谱仪。DDA 设置比 DIA 设置更复杂,因此 DDA 在方法开发和应用中更容易出错。在这里,我们提供了一个教程,其中提供了有关如何优化代谢组学应用中正确 DDA 实验所必需的技术参数的指南。本教程由一系列规则组成,描述了不同参数对数据采集和数据质量的影响。它主要面向希望获得理论背景和实用技巧以开发有效的 DDA 方法的代谢组学用户和质谱仪。我们提供了一个教程,其中提供了有关如何优化代谢组学应用中正确 DDA 实验所必需的技术参数的指南。本教程由一系列规则组成,描述了不同参数对数据采集和数据质量的影响。它主要面向希望获得理论背景和实用技巧以开发有效的 DDA 方法的代谢组学用户和质谱仪。我们提供了一个教程,其中提供了有关如何优化代谢组学应用中正确 DDA 实验所必需的技术参数的指南。本教程由一系列规则组成,描述了不同参数对数据采集和数据质量的影响。它主要面向希望获得理论背景和实用技巧以开发有效的 DDA 方法的代谢组学用户和质谱仪。
更新日期:2021-06-18
down
wechat
bug