Rapid High-throughput Species Identificatie van Botanical Material gebruik van Direct Analysis in Real Time met hoge resolutie massaspectrometrie
2 oktober 2016
Een methode voor het soort identificatie van botanische materiaal door directe analyse in real time-hoge resolutie massaspectrometrie en multivariate statistische analyse wordt gepresenteerd.
Het algemene doel van dit experiment is om de soort van botanisch materiaal te identificeren met behulp van ambient ionisatie massaspectrometrie. In combinatie met multivariate statistische analyse. Deze methode kan helpen om belangrijke vragen in de chemie en biologie te beantwoorden, zoals bijvoorbeeld welke plantensoort je hebt op basis van zijn chemische vingerafdruk.
En je kunt ook informatie krijgen over de bioactieve moleculen die zich in het plantenweefsel bevinden. Het grote voordeel van deze techniek is dat er zeer weinig monstervoorbereiding nodig is voor de analyse en dat de gegevens binnen enkele minuten kunnen worden verkregen. Deze methode kan ook worden gebruikt om andere problemen in de chemie op te lossen.
Bijvoorbeeld het volgen van reactie-intermediaten en producten in organische synthese, het analyseren van complexe matrices van verschillende typen en het doen van headspace-analyse. Om het verse kratom-bladmateriaal voor te bereiden, gebruikt u een pons met een diameter van zes millimeter om uniforme stukjes kratom-bladmateriaal uit de M.speciosa-plant te maken. Herhaal dit proces vijf keer.
Om het kratom-poeder te extraheren, werkt u in een microcentrifugebuis van 1,5 milliliter en suspendeert u een kleine hoeveelheid kratom Bali-poeder in één milliliter van een gelijke hoeveelheid ethanol en water-oplosmiddel. Herhaal dit proces vijf keer. Soniceer de kratom Bali-poederextractmonsters in een ultrasoonbad gedurende 30 minuten bij kamertemperatuur.
Centrifugeer vervolgens de kratom Bali-poederextractmonsters gedurende twee minuten bij 750 keer G bij kamertemperatuur. Decanteer het oplosmiddel van resterend poeder voor verdere analyse. Om de datura-zaden voor te bereiden, snijd een D.stramonium-zaad in tweeën over het transversale vlak met behulp van een scheermesje.
Herhaal dit proces met vijf verschillende zaden. Nadat u de massaspectrometer of MS-parameters hebt ingesteld zoals beschreven in het tekstprotocol, drukt u op Start Run in de besturingssoftware van de massaspectrometer om het kratom-blad te analyseren. Plaats het kratom-bladplantmateriaal tussen de ionisatiebron en de inlaat van de massaspectrometer met behulp van pincetten totdat er een spectrum wordt verkregen.
Herhaal deze procedure vijf keer met afzonderlijke stukken plantmateriaal. Om het spectrum te kalibreren met polyethyleenglycol 600, afgekort als PEG, dompelt u het gesloten uiteinde van een smeltpuntcapillairbuis in de peg-standaard. Plaats de gecoate capillair tussen de ionisatiebron en de inlaat van de massaspectrometer.
Selecteer de Stop-knop om de analytische run te beëindigen. Druk op Start Run in de besturingssoftware van de massaspectrometer om het droge kratom-blad te analyseren. Plaats een kleine hoeveelheid droog bladmateriaal tussen de ionisatiebron en de inlaat van de massaspectrometer met behulp van pincetten totdat er een spectrum wordt verkregen.
Herhaal de acquisitie vijf keer door elk keer nieuw plantmateriaal te analyseren. Calibreer het spectrum met PEG zoals eerder en selecteer vervolgens de Stop-knop om de analytische run te beëindigen. Om het kratom-poeder te analyseren, drukt u op Start Run in de besturingssoftware van de massaspectrometer.
Dompel het gesloten uiteinde van een smeltpuntcapillair in het kratom-poeder. Plaats de gecoate capillair tussen de ionisatiebron en de inlaat van de massaspectrometer totdat er een spectrum wordt verkregen. Herhaal de analyse vijf keer met elk keer een nieuw capillair, gevolgd door PEG-kalibratie.
Om de kratom-extract te analyseren, dompelt u het uiteinde van een capillaire buis in het extract. Plaats de capillaire buis in de 12-monsterhouder op de lineaire rail van de massaspectrometer. Herhaal vijf keer met elk keer een ander extract.
Druk op Start Run in de besturingssoftware van de massaspectrometer. Selecteer met behulp van het bedieningspaneel de vooruitgaan-knop om de lineaire rail met een snelheid van één millimeter per seconde door de ionisestroom te laten bewegen om spectra te verzamelen. Calibreer het spectrum met PEG zoals eerder en druk op Stop om de analytische run te beëindigen.
Om de datura-zaden te analyseren, drukt u op Start Run in de besturingssoftware van de massaspectrometer. Plaats de helft van de datura-zaad tussen de ionisatiebron en de inlaat van de massaspectrometer met behulp van pincetten totdat er een spectrum wordt verzameld. Zorg ervoor dat de gesneden kant naar de ionisatiebron is gericht.
Herhaal deze procedure vijf keer door elke keer een nieuwe zaadhelft te analyseren. Voltooi de analyse met PEG-kalibratie en druk op Stop om de analytische run te beëindigen. Na het verwerken van gegevens zoals beschreven in het tekstprotocol, voert u de hoofdcomponentenanalyse uit door naar de Classify-sectie van de spectrale analysesoftware te navigeren onder het tabblad Instellingen en klassen voor gegevensverwerking te maken door Class Toevoegen te selecteren.
Importeer de tekstbestanden met gegevens door Bestand Toevoegen te selecteren. Wijs gegevensbestanden toe aan de juiste plantklasse door Tekstbestanden te selecteren en Klasse voor geselecteerde bestanden in te stellen. Selecteer functiemassa's voor discriminatie uit MS uit de trainingsset en stel de drempelpercentage in op 1%. Stel vervolgens een massatolerantie in op 10 en selecteer Vectoren bouwen uit gegevensbestanden.
Voer in de sectie Berekeningen hoofdcomponentenanalyse uit door het vakje aan te vinken voor 3D PCA-grafiek en selecteer Berekenen. Voer cross-validatie met één uitlaat uit door te valideren. Genereer vervolgens de heatmap van de gegevens door naar het tabblad Frequentieplot van de spectrale analysesoftware te navigeren en Heatmap te selecteren.
Selecteer Drempel bewaarde gegevens om de abundantiedrempel in te stellen op 1%. Exporteer de heatmap naar een spreadsheet door Heatmap opslaan naar Excel te selecteren. Sla in het spreadsheetprogramma de geëxporteerde heatmap op als tekstbestand. Importeer vervolgens de heatmap als tekstbestand in Cluster 3.0-software om de hiërarchische clusteringanalyse uit te voeren.
Controleer in het Hiërarchische tabblad van Cluster 3.0 onder Genen en Arrays de selectievakjes Cluster en Gewichten berekenen. Stel de drempel in op 0,1 en de exponent op een. Selecteer enkele koppelingsclustering voor analyse.
Bekijk ten slotte het gegenereerde cdt-gegevensbestand in Java tree view. Hier worden representatieve zachte ionisatie positieve ionenmodus spectra van kratom-producten getoond. Er werden verbindingen geïdentificeerd die eerder waren geïsoleerd
Overzicht
Deze studie presenteert een methode voor het identificeren van botanische soorten met behulp van directe analyse in real time-high resolution massaspectrometrie gecombineerd met multivariate statistische analyse. De techniek maakt snelle analyse mogelijk met minimale monstervoorbereiding, en biedt inzichten in de chemische samenstelling van plantaardig materiaal.
Belangrijkste studiecomponenten
Wetenschapsgebied
- Botanische identificatie
- Massaspectrometrie
- Statistische analyse
Achtergrond
- Soortidentificatie is cruciaal in de botanie en farmacologie.
- Traditionele methoden vereisen vaak uitgebreide monstervoorbereiding.
- Ambiente ionisatie massaspectrometrie biedt een snel alternatief.
- Begrip van plantaardige chemische profielen helpt bij het identificeren van bioactieve verbindingen.
Doel van de studie
- Om een methode te ontwikkelen voor snelle identificatie van plantensoorten.
- Om de chemische vingerafdrukken van botanisch materiaal te analyseren.
- Om het onderzoek naar bioactieve moleculen in planten te vergemakkelijken.
Gebruikte methoden
- Directe analyse in real time-high resolution massaspectrometrie.
- Multivariate statistische analyse voor gegevensinterpretatie.
- Monstervoorbereiding met minimale verwerking van plantaardig materiaal.
- Calibratie van massaspectrometrie resultaten met behulp van polyethyleenglycol.
Belangrijkste resultaten
- Succesvolle identificatie van kratom- en daturasoorten door middel van chemische analyse.
- Detectie van psychoactieve verbindingen zoals Mitragynin en 7-Hydroxy-mitragynine.
- Aangetoonde efficiëntie van de methode met snelle data-acquisitie.
- De techniek gevalideerd door middel van hoofdcomponentenanalyse en hiërarchische clustering.
Conclusies
- De methode biedt een snel en effectief middel voor de identificatie van botanische soorten.
- Het verbetert het begrip van plantenchemie en bioactieve verbindingen.
- Deze aanpak kan worden toegepast op verschillende problemen in de chemie en biologie.
Veelgestelde vragen
Executive Industry Relevance
Direct analysis in real time-high resolution mass spectrometry (DART-HRMS) enables rapid, high-throughput species identification of botanical materials, streamlining early-stage discovery and quality control workflows. By generating chemical fingerprints without extensive sample preparation, this approach enhances predictive confidence and supports portfolio triage in botanical and natural product R&D. The integration of multivariate statistical analysis further strengthens target validation and mechanistic de-risking for plant-derived bioactive compounds.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables rapid interrogation of plant species and varietal identity through chemical fingerprinting.
- Supports functional target validation by identifying bioactive molecular signatures in complex matrices.
- Facilitates mechanistic de-risking by distinguishing between closely related botanical sources.
- Improves predictive confidence for downstream bioactivity and safety assessments.
Screening & Assay Development
- Prepares validated botanical samples for high-throughput screening without extraction or derivatization.
- Delivers reproducible, quantitative mass spectral profiles suitable for assay standardization.
- Enables scalable, platform-ready workflows for compound evaluation and quality control.
- Supports reliable comparison of plant-derived materials across batches and sources.
Translational & Preclinical Research
- Aligns chemical profiling with translational biomarker discovery for plant-based therapeutics.
- Maintains continuity from species identification through preclinical validation of bioactive compounds.
- Reduces risk in advancing botanical leads by confirming species and varietal consistency.
- Provides mechanistic insights into the presence and abundance of pharmacologically relevant molecules.
Pipeline & Workflow Integration
DART-HRMS with multivariate analysis integrates at the interface of early discovery, screening, and preclinical research for botanical and natural product pipelines.
- Discovery Biology: Supports hypothesis testing and pathway clarification by rapidly identifying plant species and their chemical constituents.
- Screening: Delivers assay-ready, quantitative mass spectral data for reproducible compound evaluation.
- Analytics: Provides statistical outputs such as PCA plots and heat maps to compare species, varieties, and sample classes.
- Translational Research: Enables alignment of chemical fingerprints with translational biomarkers for preclinical advancement.
- Enterprise Reuse: Establishes a reusable, high-throughput capability for ongoing botanical material authentication and quality assurance.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in botanical R&D.
- Operational Value: Streamlines workflows with minimal sample preparation and rapid data acquisition.
- Strategic Value: Enables faster go/no-go decisions and reduces late-stage risk for plant-derived portfolios.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of botanical leads.
Implementation Considerations
- Requires expertise in mass spectrometry and multivariate statistical analysis.
- Needs access to high-resolution mass spectrometry instrumentation and spectral analysis software.
- Demands cross-team standardization of sample handling and data processing protocols.
- Adaptable to a range of botanical matrices but may require optimization for specific plant tissues.
- Dependent on robust statistical validation to ensure reproducibility and reliability of species identification.
