小柯机器人

西班牙罗维拉·依维尔基里大学Oscar Yanes团队开发出一种面向分子式的代谢组靶向方法。该研究于2021年11月1日在线发表于国际一流学术期刊《自然—方法学》。

研究人员提出了HERMES，一种以分子式为导向的无峰检测方法，它使用原始LC/MS1信息来优化MS2采集。用HERMES研究环境中的水、大肠杆菌和人类血浆提取物，研究人员实现了MS2扫描的生物特异性增加，与最先进的数据依赖采集（DDA）方法相比，导致质谱相似性评分和识别率提高。因此，HERMES提高了敏感性、选择性和代谢物的注释。HERMES是一个R软件包，并且有一个用户友好的图形界面用于数据分析和可视化。

据悉，全面的代谢组分析对生物医学、环境和生物技术研究至关重要。然而，目前基于MS1和MS2的非靶向代谢组学的采集和数据分析策略导致代谢物的低识别率。

附：英文原文

Title: HERMES: a molecular-formula-oriented method to target the metabolome

Author: Gin, Roger, Capellades, Jordi, Badia, Josep M., Vughs, Dennis, Schwaiger-Haber, Michaela, Alexandrov, Theodore, Vinaixa, Maria, Brunner, Andrea M., Patti, Gary J., Yanes, Oscar

Issue&Volume: 2021-11-01

Abstract: Comprehensive metabolome analyses are essential for biomedical, environmental, and biotechnological research. However, current MS1- and MS2-based acquisition and data analysis strategies in untargeted metabolomics result in low identification rates of metabolites. Here we present HERMES, a molecular-formula-oriented and peak-detection-free method that uses raw LC/MS1 information to optimize MS2 acquisition. Investigating environmental water, Escherichia coli, and human plasma extracts with HERMES, we achieved an increased biological specificity of MS2 scans, leading to improved mass spectral similarity scoring and identification rates when compared with a state-of-the-art data-dependent acquisition (DDA) approach. Thus, HERMES improves sensitivity, selectivity, and annotation of metabolites. HERMES is available as an R package with a user-friendly graphical interface for data analysis and visualization. HERMES is a molecular-formula-oriented and peak-detection-free method that uses LC/MS1 information to optimize MS2 acquisition for LC/MS-based metabolomic analysis.

DOI: 10.1038/s41592-021-01307-z

Source: https://www.nature.com/articles/s41592-021-01307-z

Nature Methods：《自然—方法学》，创刊于2004年。隶属于施普林格·自然出版集团，最新IF：47.99
官方网址：https://www.nature.com/nmeth/
投稿链接：https://mts-nmeth.nature.com/cgi-bin/main.plex