經典脂質組學增加保留時間算法實現精準定性

發布時間：2021-02-23 08:28 原文鏈接：經典脂質組學增加保留時間算法實現精準定性

假陽性峰多？

脂質數量不準確？

定性結果有疑點？
你了解的常規非靶脂質組檢測是怎樣的呢？會不會有以上情況發生。下面就讓我來告訴你這些問題如何解決吧~

01
經典脂質組

脂質組學（lipidomics）是對生物體、組織或細胞中的脂質以及與其相互作用的分子進行全面系統的分析、鑒定，了解脂質的結構和功能，進而揭示脂質代謝與細胞、器官乃至機體的生理、病理過程之間的關系的一門學科。目前脂質組學已經被廣泛運用于藥物研發、分子生理學、分子病理學、功能基因組學、營養學以及環境與健康等重要領域。

由于常規的脂質組學大多僅僅使用lipidmaps、lipidsearch等公共理論數據庫進行物質定性，而僅依賴脂質碎裂規則來定性不可避免的會帶來更高的假陽性，降低數據結果的可靠程度。

而保留時間作為化合物的特有屬性，可以作為一個多元的維度來輔助物質定性。特別是在GC領域已經有了非常廣泛的應用。

阿趣代謝作為代謝組學領域的優秀團隊對脂質組學物質鑒定帶來了重大升級，經過長期的研究和驗證，在脂質鑒定中增加保留時間這一維度，實現經典非靶脂質組的全新升級。大家一起來看看吧~

02
產品升級

與傳統采用多種質控體系來提高定性準確度的策略不同，升級后的經典脂質組主要是在原來的脂質組方法的基礎上，增加保留時間這一維度，降低錯誤率，脂質的定性結果更準確可靠。

我們針對多種樣本類型進行了驗證。結合創新型的保留時間預測算法，對不同樣本類型的脂質組數據重新進行定性。結果發現，各樣本類型重現率均能達標（70%以上），定性結果可靠。

同時，在增加了保留時間預測算法之后，常見幾大類的脂質的錯誤率均有所下降。其中，針對小鼠腦組織樣本類型，LPE、PC、PE、PS、SM和TAG的錯誤率均有一定的下降；而各樣本類型中PC的錯誤率能夠穩定得到降低。