Vendor-dependent mobile phase contaminants affect neutral lipid analysis in lipidomics protocols
Notice bibliographique
Résumé
Lipidomics is a well-established field, enabled by modern liquid chromatography mass spectrometry (LCMS) technology, rapidly generating large amounts of data. Lipid extracts derived from biological samples are complex and most spectral features in LCMS lipidomics datasets remain unidentified, colloquially termed lipidomics “dark matter”. In-depth analyses of triacylglycerol, diacylglycerol, and cholesterol ester species revealed the expected ammoniated and sodiated ions as well as 5 additional higher mass dark matter peaks. These additional peaks were of relatively high intensity and resulted from analyte adduction with alkylated amine contaminants from LCMS-grade methanol and isopropanol. Tandem MS (MS/MS) of adduct peaks yielded no lipid structural information, producing only an intense ion of the adducted contaminant. Analysis of bovine liver extract identified 33 neutral lipids with an additional 73 alkyl amine adducts. Removing alcohols in place for acetonitrile and methyl tert-butyl ether in the mobile phase resulted in a 60% decrease in neutral lipid annotations, but eliminated the formation of alkyl amine adducts. Analysis of LCMS-grade methanol and isopropanol from different vendors revealed alkyl amine adduct formation in one out of three different brands that were tested. Substituting solvents increased lipid annotations by 36.5% or 27.4%, depending on the vendor and resulted in >2.5-fold increases in peak area for neutral lipid species, dramatically affecting their quantification and detection. Using principal component analysis, the same bovine liver sample separated into vendor-based clusters. These findings demonstrate the importance of solvent selection and disclosure during lipidomics protocols and highlight the challenges when comparing data between experiments.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,010 |
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 source (Gemma direct ou Codex distillé), 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 ».