Targeting Modified Lipids during Routine Lipidomics Analysis using HILIC and C30 Reverse Phase Liquid Chromatography coupled to Mass Spectrometry
Notice bibliographique
Résumé
Lipids are important biomolecules in all biological systems and serve numerous essential cellular functions. The global analysis of complex lipids is very challenging due to the extreme diversity in lipid structures. Variation in linkages and positions of fatty acyl chain(s) on the lipid backbone, functional group modification, occurrence of the molecular species as isomers or isobars are among some of the greatest challenges to resolve in lipidomics. In this work, we describe a routine analytical approach combining two liquid chromatography platforms: hydrophilic interaction (HILIC) and C30 reversed-phase chromatography (C30RP) coupled to high resolution mass spectrometry (HRMS) as complementary high throughput platforms to analyze complex lipid mixtures. Vascular plants (kale leaves and corn roots), rat brain and soil microbes were used as proxies to evaluate the efficiency of the enhanced approach to resolve traditional, as well as, modified lipids during routine lipidomics analysis. We report for the first time, the observation of a modified class of acylphosphatidylglycerol (acylPG) in corn roots by HILIC, and further resolution of the isomers using C30RP chromatography. We also used this approach to demonstrate the presence of high levels of N-monomethyl phosphatidylethanolamine (MMPE) in soil microbes, as well as to determine the regioisomers of lysophospholipids in kale leaves. Additionally, neutral lipids were demonstrated using C30RP chromatography in positive ion mode to resolve triacylglycerol isomers in rat brain. The work presented here demonstrates how the enhanced approach can more routinely permit novel biomarker discovery, or lipid metabolism in a wide range of biological samples.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».