Representatieve resultaten van de niet-gerichte analyse van VAMS-apparaten, uitgevoerd volgens de hierboven beschreven procedure, worden hier gepresenteerd.
De gegevens van de triplikaat-analyse van een gepoelde monster, bereid uit veneus bloed van 10 individuen en afgenomen met VAMS, werden geëvalueerd, en de kenmerken van de resulterende metabole vingerafdrukken worden weergegeven. De kwaliteit van de gegevens en de vastgelegde informatie van de VAMS-apparaten werden beoordeeld aan de hand van twee primaire criteria: het totale aantal gedetecteerde chemische kenmerken en de reproduceerbaarheid van de kenmerken (n = 3), uitgedrukt als het percentage relatieve standaarddeviatie (%RSD). Het totale aantal kenmerken werd gebruikt om de breedte van de extractie en de chemische dekking van het oplosmiddel te beoordelen, terwijl de %RSD werd gemonitord om de technische precisie en robuustheid van de methode te waarborgen; een lagere %RSD duidt op een zeer reproduceerbaar extractieproces dat analytische ruis minimaliseert.
Na extractie en verwerking van de ruwe gegevens werd een matrix van m/z-retentietijd (RT) kenmerken verkregen, samen met hun intensiteiten. Alleen kenmerken met een detecteerbaar signaal in twee van de drie replica's werden meegenomen, na passende voorbewerking- en blanco-filterstappen. Figuur 2A,B toont m/z-over-RT plots voor hetzelfde monster dat is geanalyseerd volgens de beschreven protocollen voor zowel LC-MS als GC-MS.
Het grote aantal kenmerken dat vroeg elueert tijdens de RPLC-run wordt toegeschreven aan sterk hydrofiele metabolieten die door het toegepaste protocol zijn geëxtraheerd, maar slecht worden vastgehouden op de reversed-phase kolom. Hoewel metabolieten die vroeg elueren identificatie-uitdagingen vormen, blijven nauwkeurige annotaties mogelijk door MS/MS-fragmentatiegegevens te gebruiken in combinatie met vergelijkingen met spectrale databases en interne referentiestandaarden. Bovendien wordt verwacht dat een aanzienlijk deel van deze hydrofiele fractie via GC-MS-analyse wordt vastgelegd. Uiteindelijk vertegenwoordigt dit een inherente beperking van het vakgebied, aangezien de enorme complexiteit van het metaboloom het gebruik van meerdere analytische platforms noodzakelijk maakt.
De multi-platform evaluatie van de methanol-extracten demonstreert duidelijk de sterk complementaire aard van de LC- en GC-analytische workflows, waarbij de prestatie-indicatoren binnen het verwachte bereik liggen voor een uitgebreid metabolomische profilering. Figuur 3A,B toont de totale hoeveelheid features en de RSD%-verdeling voor elk platform. Het LC-platform bood een uitgebreide chemische dekking met 4.169 opgeloste features, wat overeenkomt met het bekende vermogen om een breed scala aan polaire, semi-polaire en niet-vluchtige verbindingen vast te leggen. Tegelijkertijd vertoonde het GC-platform een kleinere subset van 187 features. Dit was te verwachten, aangezien GC alleen vluchtige verbindingen kan detecteren die vatbaar zijn voor derivatisering.
Wat betreft de reproduceerbaarheid is, zoals te zien is in de vioolplot, de algemene distributie en spreiding van de RSD%-waarden opmerkelijk vergelijkbaar tussen LC-MS en GC-MS. De gemiddelde %RSD was voor beide platforms typerend, rond de 29,7% voor LC (2.655 van de 4.169 hadden een %RSD lager dan 30%) en 32,3% voor GC (114 van de 187 hadden een %RSD lager dan 30%). Hoewel een klein aantal kenmerken aan beide zijden hogere RSD-waarden vertoonden, is deze variatie gebruikelijk en verwacht in ongerichte metabolomics. Deze hogere waarden behoren doorgaans tot metabolieten met een lage abundantie die dicht bij de detectielimiet van het instrument liggen. Over het algemeen bevestigen de nauwe distributieprofielen een bevredigende reproduceerbaarheid voor beide analytische opstellingen.
De chemische ruimte van metabolieten die met het protocol zijn vastgelegd, kan worden geanalyseerd aan de hand van de annotaties van de metabolieten. Diverse verbindingen werden gedetecteerd via LC-MS en GC-MS, wat werd verwacht gezien de inherente complementariteit van deze twee platforms. Een volledige lijst van metabolietannotaties voor VAMS-apparaten is opgenomen in Aanvullende Tabel 1 en Aanvullende Tabel 2. In totaal werden er met dit protocol via de twee technieken 97 metabolieten gedetecteerd en geannoteerd (niveau 1 en 2, zoals voorgesteld door Sumner et al. (2007)22), naast andere putatief gekarakteriseerde verbindingen van niveau 3. GC-annotaties werden verder bevestigd door de experimentele retentie-indexen – verkregen door vergelijking met FAMES – te vergelijken met getabelleerde waarden23. Figuur 4A,B toont de distributie van subklassen van de geannoteerde metabolieten voor beide methoden, terwijl Figuur 4C de overlap tussen de technieken laat zien, wat hun complementariteit benadrukt. Een paar belangrijke intermediaire metabolieten kunnen door beide technieken worden kruisgevalideerd, terwijl structureel unieke of platformspecifieke kenmerken hiaten in het centrale koolstofmetabolisme en secundaire metabole paden kunnen opvullen. Hoewel aminozuren en peptiden de belangrijkste chemische klassen zijn in beide analyses, overlappen slechts enkele metabolieten tussen de technieken. Veel metabolietklassen zijn instrument-specifiek, zoals acylcarnitines in LC-MS en hexoses in GC-MS.
Om de efficiëntie van methanol als extractiemiddel voor beide technieken aan te tonen, werden vergelijkende tests uitgevoerd op VAMS-monsters met behulp van verschillende oplosmiddelsystemen, gevolgd door LC-MS- en GC-MS-analyses. Drie verschillende oplosmiddelsystemen werden in drievoud vergeleken met methanol: puur acetonitril (ACN), een methanol-watermengsel (60:40, v/v) en een acetonitril-methanolmengsel (70:30, v/v). De selectie van deze oplosmiddelen en mengsels was gebaseerd op voorlopige experimenten uitgevoerd door onze groep, evenals eerder gepubliceerde literatuur13,14,24,25. De extractie-efficiëntie van elk systeem werd geëvalueerd aan de hand van drie belangrijke parameters: het totale aantal gedetecteerde kenmerken, de totale intensiteit van de kenmerken en de reproduceerbaarheid van de kenmerken, uitgedrukt als de relatieve standaarddeviatie (RSD, %).
Voor de LC-MS-workflow werd het hoogste aantal kenmerken gedetecteerd met MeOH-H2O (60:40, v/v), met een gemiddelde van 4.514 kenmerken over de triplicaten, nauw gevolgd door puur MeOH (4.169 kenmerken). Het ACN–MeOH (70:30, v/v) mengsel leverde een gemiddelde van 3.502 kenmerken op, terwijl puur ACN het laagste gemiddelde aantal kenmerken opleverde, namelijk 2.836. Een grafische weergave van deze aantallen kenmerken per replica is geïllustreerd in Figuur 5A.
Om de precisiekenmerken voor elke extractieconditie te onderzoeken, werden de feature-intensiteiten en RSD's (%) van triplikaat injecties geanalyseerd. Een vergelijking van de totale feature-abundantie en de gemiddelde %RSD per extractiemiddel voor LC-MS wordt weergegeven in Figuur 5A. De log2 signaalverdelingen waren vergelijkbaar voor alle extracten, waarbij MeOH-H2O 60:40 (v/v), ACN en MeOH iets hogere abundanties opleverden dan ACN-MeOH 70:30 (v/v). MeOH resulteerde in een lagere totale gemiddelde %RSD, wat aangeeft dat de extractie met dit oplosmiddel reproduceerbaarder was.
Een soortgelijke beoordeling van de efficiëntie van het extractiemiddel-syteem werd uitgevoerd in de GC-MS-gegevens. Opnieuw werden voor de evaluatie van het aantal features alleen die beschouwd waarbij een signaal werd gedetecteerd in ten minste twee van de drie replicates. Het oplosmiddel dat het hoogste aantal features opleverde, was ACN-MeOH 70:30 (v/v) (216 features), nauw gevolgd door MeOH (187 features). Een grafische illustratie van het aantal gedetecteerde features per extractie-oplosmiddel en BµS wordt getoond in Figuur 5B.
Wat betreft de totale overvloed van de gedetecteerde kenmerken bleek MeOH het meest efficiënt te zijn en een hogere overvloed op te leveren, zoals weergegeven in Figuur 5B. MeOH-H₂O 60:40 (v/v) was de op één na beste, gevolgd door ACN-MeOH 70:30 (v/v). ACN was het minst effectieve oplosmiddel. Wat betreft de %RSD van de kenmerken zorgde MeOH-H₂O 60:40 (v/v) voor de laagste RSD's voor VAMS (RSD = 38,57%), nauw gevolgd door ACN (42,65%), MeOH (44,14%) en ACN-MeOH 70:30 (v/v) (49,14%). Deze waarden zijn weergegeven in Figuur 5B.
Het bovenstaande komt goed overeen met eerder gepubliceerde literatuur. Couacault et al. (2026)19 rapporteerden een vergelijkbaar aantal kenmerken in de RP-LC-MS-analyse van DBS en VAMS met gebruik van een vergelijkbare samenstelling van het extractiemiddel (rehydratatie met 80 µL water, gevolgd door de toevoeging van 320 µL MeOH). Evenzo detecteerden Cala et al. (2017)11 een vergelijkbaar aantal kenmerken (153) via GC-MS-analyse van VAMS-tips. Hoewel de meeste bestaande studies de precisie van de analyses met deze apparaten niet hebben geëvalueerd, stemmen onze algemene bevindingen overeen met de verwachtingen voor een niet-gerichte analyse. Bovendien komen de LC-resultaten overeen met die gerapporteerd door Bossi et al. (2025)26 voor de HILIC-analyse van DBS- en qDBS-microstalen, waarbij de meeste gedetecteerde kenmerken RSD's < 30% hadden.
Over het geheel genomen tonen deze resultaten aan dat methanolgebaseerde extractie een robuuste balans biedt tussen het aantal kenmerken, de intensiteit en de precisie (gemiddelde RSD, %) voor zowel LC-MS- als GC-MS-analyse van VAMS-monsters. Daarom kan een enkel methanol-extractieprotocol de dubbele monstervoorbereiding stroomlijnen, de parallelle acquisitie van complementaire metabole profielen faciliteren en de informatieopbrengst maximaliseren.

Figuur 1: Protocolschema's die het volgende tonen: (A) monster-extractieprotocol, (B) LC-MS reconstitutie en (C) GC-MS/MS derivatisering. Gemaakt in BioRender. Marques, D. (2026) https://BioRender.com/dprdv18, https://biorender.com/xu2qh34, https://biorender.com/7ztz2qv. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 2: m/z- en rt-vergelijkingen van een representatief monster voor (A) LC-MS- en (B) GC-MS-analyse. Elke stip vertegenwoordigt een enkel signaal voordat deze wordt gegroepeerd in features. De kleuren representeren de intensiteit van het MS1-signaal voor een gegeven feature, waarbij de intensiteit toeneemt van blauw naar rood. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 3: Kenmerkdekking en reproduceerbaarheid over analytische platforms. (A) Kenmerkdekking: Totaal aantal unieke kenmerken gedetecteerd door LC (blauwgroen) en GC (oranje), met exacte aantallen genoteerd boven elke staaf. (B) Reproduceerbaarheid van kenmerken: Vioolplots die de distributiedichtheid van relatieve standaarddeviaties (RSD%) voor alle kenmerken tonen. Ingebedde boxplots geven de mediaan en interkwartielafstanden aan; individuele datapunten zijn weggelaten voor visuele helderheid. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 4: Histogrammen die het aantal verbindingen van de verschillende chemische klassen tonen die zijn gedetecteerd door (A) LC-MS en (B) GC-MS. (C) Overlap van metabolieten geannoteerd door niveaus 1 en 2 tussen platforms. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 5: Extractiemiddelresultaten uit de LC-MS (A) en GC-MS (B) analyse van VAMS-apparaten. De staafdiagrammen bovenaan de figuur vertegenwoordigen het aantal kenmerken dat is verkregen uit elk extractiemiddel dat op de VAMS-apparaten is toegepast per replicaat. De grafieken onderaan de figuur tonen de som van de intensiteiten en de gemiddelde RSD (%) voor elk extractiemiddel dat met het VAMS-apparaat is gebruikt. De cirkelgrootte vertegenwoordigt de totale somintensiteit van gedetecteerde kenmerken op een log2-schaal, wat de extractie-efficiëntie weerspiegelt. De kleurgradiënt geeft de analytische precisie aan, uitgedrukt als de relatieve standaarddeviatie (RSD), waarbij geel een hogere precisie vertegenwoordigt en rood duidt op een grotere variabiliteit. Klik hier om een grotere versie van deze figuur te bekijken.
Tabel 1: Tabel voor probleemoplossing. Overzicht van veelvoorkomende bemonsteringsproblemen, oorzaken en oplossingen bij bemonstering met VAMS-apparaten. Klik hier om dit bestand te downloaden.
Tabel 2: RP-eluenten en wasoplossingen. Overzicht van de mobiele fasen, seal-wash, purge-oplosmiddel en samenstellingen van het wasoplosmiddel die zijn gebruikt voor de chromatografische analyse. Klik hier om dit bestand te downloaden.
Aanvullend bestand 1: Aanvullende experimentele details. LC-MS- en GC-MS-parameters. Klik hier om dit bestand te downloaden.
Aanvullende tabel 1: LC-MS annotaties. Verbindingen geïdentificeerd met het huidige protocol op het LC-MS platform. Klik hier om dit bestand te downloaden.
Aanvullende tabel 2: GC-MS-annotaties. Verbindingen geïdentificeerd met het huidige protocol op het GC-MS-platform. Klik hier om dit bestand te downloaden.