Structures for lossless ion manipulation-based high-resolution ion mobility (HRIM) interfaced with mass spectrometry has emerged as a powerful tool for the separation and analysis of many isomeric systems. IM-derived collision cross section (CCS) is increasingly used as a molecular descriptor for structural analysis and feature annotation, but there are few studies on the calibration of CCS from HRIM measurements. Here, we examine the accuracy, reproducibility, and practical applicability of CCS calibration strategies for a broad range of lipid subclasses and develop a straightforward and generalizable framework for obtaining high-resolution CCS values. We explore the utility of using structurally similar custom calibrant sets as well as lipid subclass-specific empirically derived correction factors. While the lipid calibrant sets lowered overall bias of reference CCS values from ∼2–3% to ∼0.5%, application of the subclass-specific correction to values calibrated with a broadly available general calibrant set resulted in biases <0.4%. Using this method, we generated a high-resolution CCS database containing over 90 lipid values with HRIM. To test the applicability of this method to a broader class range typical of lipidomics experiments, a standard lipid mix was analyzed. The results highlight the importance of both class and arrival time range when correcting or scaling CCS values and provide guidance for implementation of the method for more general applications.

中文翻译：

---

基于 SLIM 的高分辨率离子淌度中脂质测量的碰撞截面校准策略

基于无损离子操作的高分辨率离子淌度 (HRIM) 与质谱连接的结构已成为分离和分析许多异构系统的有力工具。IM 衍生碰撞截面 (CCS) 越来越多地用作结构分析和特征注释的分子描述符，但很少有研究从 HRIM 测量中校准 CCS。在这里，我们检查了 CCS 校准策略对广泛的脂质亚类的准确性、可重复性和实际适用性，并开发了一个简单且可推广的框架来获得高分辨率 CCS 值。我们探索使用结构相似的自定义校准集以及特定于脂质亚类的经验衍生校正因子的效用。虽然脂质校准物组将参考 CCS 值的总体偏差从 ~2-3% 降低到 ~0.5%，但对使用广泛可用的通用校准物集校准的值应用子类特定校正导致偏差 <0.4%。使用这种方法，我们使用 HRIM 生成了一个高分辨率 CCS 数据库，其中包含超过 90 个脂质值。为了测试该方法对脂质组学实验典型的更广泛类别范围的适用性，分析了标准脂质混合物。结果强调了在校正或缩放 CCS 值时类别和到达时间范围的重要性，并为更一般应用的方法实施提供指导。将特定子类的校正应用于使用广泛可用的通用校准集校准的值导致偏差 <0.4%。使用这种方法，我们使用 HRIM 生成了一个高分辨率 CCS 数据库，其中包含超过 90 个脂质值。为了测试该方法对脂质组学实验典型的更广泛类别范围的适用性，分析了标准脂质混合物。结果强调了在校正或缩放 CCS 值时类别和到达时间范围的重要性，并为更一般应用的方法实施提供指导。将特定子类的校正应用于使用广泛可用的通用校准集校准的值导致偏差 <0.4%。使用这种方法，我们使用 HRIM 生成了一个高分辨率 CCS 数据库，其中包含超过 90 个脂质值。为了测试该方法对脂质组学实验典型的更广泛类别范围的适用性，分析了标准脂质混合物。结果强调了在校正或缩放 CCS 值时类别和到达时间范围的重要性，并为更一般应用的方法实施提供指导。