科迈恩与ChemPattern用户协和药物所在Anal. Chem. (IF 5.64)合作发表文章

　　近日，中国医学科学院/北京协和医学院药物研究所国家药物及代谢产物分析研究中心再帕尔·阿不力孜教授课题组与科迈恩（北京）科技有限公司合作，在Analytical Chemistry上发表了题为Targeted Data-Independent Acquisition and Mining Strategy for Trace Drug Metabolite Identification Using Liquid Chromatography Coupled with Tandem Mass Spectrometry的文章。本文通过所提出的目标非依赖性数据采集结合目标非依赖性信息挖掘（TDIA +TDIM）的高分辨率串联质谱数据分析策略，对抗癌药物紫杉醇的复杂代谢产物的质谱数据进行了实验研究，共鉴定发现10个紫杉醇代谢物，其中有6个为新化合物。

　　对于生物组织中的未知或低浓度的药物复杂代谢物的检测和鉴别是药物代谢物分析领域所面对的持续挑战，课题组一直致力于寻找一种高选择性和灵敏的方法的研究。近来，课题组开发并提出了基于 UHPLC-HRMS / MS数据的目标非依赖型数据采集和信息挖掘策略TDIAM （targeted data-independent acquisition and mining trategy）实现了药物代谢物的快速鉴别和追踪。其中TDIA用于复杂代谢物的检测，通过根据药物代谢的一般规律，预测可能代谢物质量范围并进行非数据依赖性质谱全扫描，从而同时获取分子离子和碎片离子的结构信息。

图1. TDIAM目标非依赖性数据采集与信息挖掘流程图
MF-MDFs：母离子及其裂解规律驱动的多重质量亏损过滤；BD：盲解卷积

　　接下来，采用基于ChemPattern软件定制开发了TDIM技术的软件实现，利用与母药结构相关的质谱数据特征，建立母离子及其裂解规律驱动的多重质量亏损过滤（MF-MDFs）方法，提取出目标质量亏损范围的可能代谢物的特征碎片离子，并结合盲解卷积法（blind deconvolution）对过滤后的质谱数据进行进一步提取，从而最终实现从复杂体系中快速发现未知低浓度代谢产物的目的。

　　结果表明，TDIA方法能有效地减少内源性组分的干扰，提高检测灵敏度和选择性。在此基础上，TDIM作为全新的非目标驱动的数据处理方法，能够从复杂数据中有效地筛选出代谢产物的分子离子峰和碎片离子信息，提取生成与对照品一致的HRMS/ MS谱图。

　　该分析策略实现更为全面和灵敏的，特别是在复杂基质中的低浓度水平代谢物的自动筛选和鉴别解决方案。该方法的提出为药物代谢分析、目标代谢组学及蛋白质组学研究提供了一种崭新的强大分析工具。

图2  MS全扫描数据通过不同处理方法得到的XIC图谱与目标代谢物质谱图（10.81 min）
A1，A2：原始数据；B1，B2：经MDF处理后的数据；C1，C2：经MF-MDF处理后的数据；
   D1，D2：经MF-MDF+BN处理后的数据；E：对照品二级质谱图