Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Naturalne odkrywanie produktu z diagnostycznym filtrowaniem fragmentacji LC-MS/MS: zastosowanie do analizy mikrocystyny

8.2K wyświetleń

⸱

DOI:

10.3791/59712

⸱

31 maja 2019

 ,  ,  ,  , 
1Department of Chemistry, Carleton University Ottawa, 2London Research and Development Center, Agriculture and Agri-Food Canada

W tym artykule

Podsumowanie

Diagnostyczne filtrowanie fragmentacji, zaimplementowane w MZmine, to eleganckie, post-akwizycyjne podejście do przesiewania zbiorów danych LC-MS/MS dla całych klas zarówno znanych, jak i nieznanych produktów naturalnych. To narzędzie przeszukuje widma MS/MS pod kątem jonów produktowych i/lub strat neutralnych, które analityk zdefiniował jako diagnostyczne dla całej klasy związków.

Streszczenie

Produkty naturalne są często biosyntetyzowane jako mieszaniny strukturalnie podobnych związków, a nie jako pojedynczy związek. Ze względu na ich wspólne cechy strukturalne, wiele związków z tej samej klasy ulega podobnej fragmentacji MS/MS i ma kilka identycznych jonów produktowych i/lub strat obojętnych. Celem diagnostycznego filtrowania fragmentacyjnego (DFF) jest skuteczne wykrycie wszystkich związków danej klasy w ekstrakcie złożonym poprzez badanie przesiewowe niedocelowych zestawów danych LC-MS/MS pod kątem widm MS/MS, które zawierają jony produktowe specyficzne dla klasy i/lub straty neutralne. Metoda ta opiera się na module DFF zaimplementowanym w ramach platformy MZmine o otwartym kodzie źródłowym, który wymaga analizy ekstraktów próbek poprzez akwizycję zależną od danych na spektrometrze mas o wysokiej rozdzielczości, takim jak kwadrupolowy Orbitrap lub kwadrupolowe analizatory masy czasu przelotu. Głównym ograniczeniem tego podejścia jest to, że analityk musi najpierw określić, które jony produktowe i/lub straty neutralne są specyficzne dla docelowej klasy produktów naturalnych. DFF pozwala na późniejsze odkrycie wszystkich powiązanych produktów naturalnych w złożonej próbce, w tym nowych związków. W tej pracy wykazujemy skuteczność DFF poprzez badanie przesiewowe ekstraktów z Microcystis aeruginosa, wybitnego szkodliwego zakwitu glonów powodującego sinice, pod kątem produkcji mikrocystyny.

Wprowadzenie

Tandemowa spektrometria mas (MS/MS) jest powszechnie stosowaną metodą spektrometrii mas, która polega na izolowaniu jonu prekursorowego i wywoływaniu fragmentacji poprzez zastosowanie energii aktywacji, takiej jak dysocjacja wywołana zderzeniem (CID)1. Sposób, w jaki jon się fragmentuje, jest ściśle związany z jego strukturą molekularną. Produkty naturalne są często biosyntetyzowane jako mieszaniny strukturalnie podobnych związków, a nie jako pojedyncza unikalna substancja chemiczna2. W związku z tym strukturalnie pokrewne związki, które są częścią tej samej klasy biosyntezy, często mają kluczowe cechy fragmentacji MS/MS, w tym wspólne jony produktowe i/lub straty obojętne. Możliwość badania przesiewowego złożonych próbek pod kątem związków, które zawierają jony produktowe specyficzne dla danej klasy i/lub ubytki neutralne, jest potężną strategią wykrywania całych klas związków, potencjalnie prowadzącą do odkrycia nowych produktów naturalnych3,4,5,6. Przez dziesięciolecia metody spektrometrii mas, takie jak skanowanie strat obojętnych i skanowanie jonów prekursorowych wykonywane na instrumentach o niskiej rozdzielczości, pozwalały na wykrywanie jonów o tej samej utracie neutralnej lub jonów produktowych. Jednak konkretne jony lub przejścia musiały zostać zdefiniowane przed przeprowadzeniem eksperymentów. Ponieważ spektrometry masowe o wysokiej rozdzielczości stają się coraz bardziej popularne w laboratoriach badawczych, złożone próbki są obecnie powszechnie badane przy użyciu nieukierunkowanych, zależnych od danych metod akwizycji (DDA). W przeciwieństwie do tradycyjnego skanowania utraty neutralności i jonów prekursorowych, związki pokrewne strukturalnie można zidentyfikować za pomocą analizy po akwizycji7. W tej pracy demonstrujemy opracowaną przez nas strategię określaną jako filtrowanie fragmentacji diagnostycznej (DFF)5,6, proste i przyjazne dla użytkownika podejście do wykrywania całych klas związków w złożonych matrycach. Ten moduł DFF został zaimplementowany na platformie open source MZmine 2 i jest dostępny po pobraniu MZmine 2.38 lub nowszych wersji. DFF umożliwia użytkownikom efektywne badanie zestawów danych DDA pod kątem widm MS/MS, które zawierają jony produktowe i/lub straty neutralne, które są diagnostyczne dla całych klas związków. Ograniczeniem DFF jest to, że charakterystyczne jony produktowe i/lub straty obojętne dla danej klasy związków muszą być określone przez analityka.

Na przykład, każda z ponad 60 różnych zidentyfikowanych mykotoksyn fumonizyny8,9 posiadają trikarbaliliczny łańcuch boczny, który generuje m/z 157.0142 (C6H5O5-) jon po rozdrobnieniu [M-H]- ion4. W związku z tym wszystkie przypuszczalne fumonizyny w próbce można wykryć za pomocą DFF, przesiewając wszystkie widma MS/MS w zestawie danych DDA, które zawierają wyraźny jon produktowy m / z 157.0142. Podobnie, związki siarczanowe można wykryć, przeprowadzając badania przesiewowe zestawów danych DDA dla widm MS/MS, które zawierają neutralną stratę diagnostyczną 79,9574 Da (SO3)3. Podejście to zostało również z powodzeniem zastosowane do wykrywania nowych cyklicznych peptydów5 oraz produktów naturalnych, które zawierają reszty tryptofanu lub fenyloalaniny6.

Aby zademonstrować skuteczność DFF i łatwość jego użycia w ramach platformy MZmine10, zastosowaliśmy to podejście do analizy mikrocystyn (MCs); klasy ponad 240 strukturalnie powiązanych toksyn wytwarzanych przez słodkowodne cyjanobakterie11,12,13.

Najczęściej zgłaszanymi cyjanotoksynami są MCs, a najczęściej badany jest kongener MC-LR (leucyna [L]/arginina [R]) (Rysunek 1). MC to monocykliczne nierybosomalne heptapeptydy, biosyntetyzowane przez wiele rodzajów sinic, w tym Microcystis, Anabaena, Nostoc i Planktothrix12,13. MC składają się z pięciu wspólnych reszt i dwóch zmiennych pozycji zajmowanych przez L-aminokwasy. Prawie wszystkie MC posiadają charakterystyczną resztę β kwasu 3-amino-9-metoksy-2,6,8-trimetylo-10-fenylodeka-4,6-dienowego (Adda) na pozycji 511. Ścieżki fragmentacji MS/MS MC są dobrze opisane14,15; reszta Adda jest odpowiedzialna za wyraźny jon produktowy MS/MS, m/z 135.0803+ (C9H11O+), a także inne jony produktowe, w tym m/z 163.1114+ (C11H15O+) (Rysunek 2). Nieukierunkowane zestawy danych DDA ekstraktów komórkowych Microcystis aeruginosa można przebadać pod kątem wszystkich obecnych mikrocystyn przy użyciu tych jonów diagnostycznych, pod warunkiem, że mikrocystyny mają resztę Adda.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

1. Przygotowanie zestawów danych z chromatografii cieczowej (LC)-MS/MS bez celu

UWAGA: DFF można wykonać przy użyciu dowolnego spektrometru masowego o wysokiej rozdzielczości i metody analitycznej zoptymalizowanej dla docelowej klasy analitów. Zoptymalizowane przez MC warunki LC-MS/MS na spektrometrze mas Orbitrap są wymienione w Tabeli Materiałów.

  1. Pobieranie MZmine 2 (http://mzmine.github.io/)
    UWAGA: Przykładowe CPCC300.raw danych można znaleźć na stronie https://drive.google.com/open?id=1HHbLdvxCMycSasyNXPRqIe5pkaSqQoS0.
    1. W menu rozwijanym Metody danych nieprzetworzonych wybierz opcję Import danych nieprzetworzonych.
    2. Wybierz pliki danych, które mają być analizowane. Można importować jeden lub wiele plików.
  2. (Opcjonalnie) Jeśli format danych dostawcy nie jest obsługiwany przez MZmine, użyj Proteowizard16, aby wygenerować centroidalne pliki danych .mzml.
    1. Wybierz filtr Pobieranie szczytowe, aby zastosować algorytm centroidingu dostarczony przez dostawcę.

2. Diagnostyczne filtrowanie fragmentacji importowanych plików DDA

  1. Za pomocą kursora wybierz i podświetl plik(i) danych w kolumnie Pliki danych surowych na głównym ekranie MZmine.
  2. W menu rozwijanym Wizualizacja wybierz opcję Filtrowanie fragmentacji diagnostycznej.
  3. W wyświetlonym oknie dialogowym DFF (Rysunek 3) wprowadź następujące opcje:
    1. Czas retencji – użyj automatycznego zakresu lub zdefiniuj zakres czasów retencji w minutach, w których docelowa klasa analitów będzie eluować.
    2. Prekursor m/z - użyj automatycznego zakresu lub zdefiniuj zakres m/z docelowej klasy analitów, w tym możliwość dla wielu naładowanych związków, jeśli jest to właściwe.
    3. tolerancja m/z – Wprowadź osiągalną dokładność masy MS/MS MSinstrumentu; 0,01 m/z lub 3,0 ppm jest odpowiednie dla platformy Orbitrap. Jeśli badane będą tylko jony produktu diagnostycznego, wprowadź wartość 0,0 w opcji Diagnostyczna wartość utraty neutralności (Da). I odwrotnie, jeśli badane będą tylko straty neutralne diagnostycznie, wprowadź wartość 0,0 do opcji Diagnostyczne jony produktu (m/z).
    4. Diagnostyczne jony produktu (m/z) – Wprowadź specyficzne dla klasy jony produktu m/z. Oddziel wiele jonów produktu przecinkiem.
      UWAGA: Wprowadzenie wielu jonów produktu spowoduje wizualizację widm zawierających wszystkie wymienione jony produktowe.
    5. Diagnostyczna wartość utraty neutralnego przewodu (Da) – Wprowadź specyficzne dla klasy straty neutralne. Oddziel wielokrotne straty neutralne przecinkiem.
      UWAGA: Wprowadzenie wielu strat neutralnych spowoduje wizualizację widm, które zawierają wszystkie wymienione straty neutralne. Wprowadzenie zarówno jonów diagnostycznych produktu, jak i strat neutralnych pozwoli na wizualizację widm spełniających wszystkie kryteria.
    6. Minimalna intensywność jonów diagnostycznych (% piku podstawowego) – Jako % piku bazowego widm MS/MS określ minimalną intensywność jonów produktu diagnostycznego i/lub strat obojętnych, które należy uwzględnić.
    7. Plik wyjściowy Peaklist — wybierz ścieżkę i nazwę pliku, aby wyświetlić wyniki.
    8. Kliknij przycisk OK, aby rozpocząć analizę DFF. Wykres DFF pojawi się po pomyślnym wykonaniu powyższych kroków
      UWAGA: Zostaną wygenerowane dwa .csv pliki danych. {Plik wyjściowy listy szczytów}.csv zawiera prekursor m/z, numery skanów i czasy przechowywania skanów. Można to wykorzystać w istniejących modułach MZmine, w tym w metodach danych surowych > wykrywaniu pików > wykrywaniu pików w celu wygenerowania wyekstrahowanych chromatogramów jonowych prekursorów, które spełniały zdefiniowane kryteria DFF. {Plik wyjściowy Peaklist}_data.csv zawiera prekursor m/z, jon produktu m/z i czasy retencji, aby umożliwić generowanie wykresów DFF poza MZmine.

3. Przykładowe zastosowanie DFF do analizy mikrocystyny

  1. Przygotowanie próbki
    1. Wysterylizuj 250 ml kolb Erlenmeyera zawierających 30 ml sterylnego podłoża MA 17 lub innego podłoża do wzrostu sinic (BG-11) wyposażonych w korek piankowy.
    2. Zaszczepić wysterylizowane pożywki wzrostowe kulturą sinic do około 5 × 105 komórek mL-1 w warunkach aseptycznych. Monitoruj gęstość komórek za pomocą hemocytometru. W tym przykładzie szczep M. aeruginosa CPCC300 fotoautotroficznie w temperaturze 27 °C, oświetlony chłodnym białym światłem fluorescencyjnym (30 μE m-2 s-1) w reżimie 12 godzin światła: 12 godzin ciemności. Obracaj komórki raz dziennie.
    3. Oddzielić komórki od pożywki hodowlanej po 26 dniach przez filtrację próżniową przy użyciu bibuły filtracyjnej z mikrofibry szklanej GF/C o średnicy 47 mm.
    4. Dodaj 3 ml 80% metanolu (aq) do pobranych komórek w 14 ml probówki.
    5. Wirować, a następnie sonikować probówkę (probówki) zawierającą komórki sinic przez 30 s każda. Przechowywać probówkę (probówki) w temperaturze -20 °C przez 1 godzinę. Umieść probówkę z powrotem w temperaturze pokojowej i pozwól próbce (próbkom) rozmrozić się przez 15 minut.
    6. Powtórz krok 3.1.5 jeszcze dwa razy, aby skutecznie zmodyfikować komórki.
    7. Przefiltruj powstały ekstrakt(y) z komórek sinic przez filtr(y) strzykawkowy (filtry) PTFE 0,22 μm.
    8. Suchy ekstrakt(-y) za pomocą parownika w temperaturze 30 °C przy użyciu delikatnego strumienia azotu gazowego. Przechowywać ekstrakt w suchym miejscu w temperaturze -20 °C do czasu analizy LC-MS/MS.
    9. Przed analizą rozpuścić wysuszoną pozostałość w 500 μl 90% metanolu (aq) i wirować przez 30 s w bursztynowej fiolce HPLC.
  2. Analiza ekstraktu z sinic przy użyciu metody akwizycji DDA na spektrometrze mas o wysokiej rozdzielczości.
    UWAGA: Zoptymalizowane warunki LC-MS dla analizy MC użyte tutaj są wymienione w Tabeli materiałów.
  3. Przygotuj plik(i) danych DDA i zaimportuj je do MZmine, wykonując kroki 1.1 i 1.2.
  4. Wybierz pliki danych i uruchom moduły DFF, wykonując kroki 2.1-2.2.
  5. W przypadku analizy MC użyj następujących ustawień w module DFF (Rysunek 3).
    1. Czas retencji – Wprowadź zakres od 2.00 do 6.00 min.
    2. Prekursor m/z – Zakres wejściowy m/z od 430,00 do 1200,00.
    3. Tolerancja m/z – Zastosuj tolerancję m/z 0,01 m/z lub 3,0 ppm.
    4. Jony produktu diagnostycznego (m/z) – Wejście m/z 135.0803, 163.1114 jako jony produktu diagnostycznego
    5. Wartość strat neutralności diagnostycznej (Da) - Wejście 0.0 w celu zdefiniowania, że nie są używane żadne straty neutralne diagnostycznie.
    6. Minimalna intensywność jonów diagnostycznych (% piku podstawowego) – Użyj 15.00 jako minimalnego progu intensywności
    7. Plik wyjściowy Peaklist — umożliwia zdefiniowanie pliku wyjściowego jako putative_MCs.csv.
  6. Kliknij przycisk OK, aby rozpocząć analizę DFF. Wykres DFF (Rysunek 4) pojawi się po pomyślnym wykonaniu powyższych kroków

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Wykres DFF wygenerowany po analizie M. aeruginosa CPCC300 pokazano na Rycina 4. The x-osią tego wykresu jest m/z jonów prekursorowych, które spełniły określone kryteria DFF, podczas gdy yOś - pokazuje m/z wszystkich jonów produktowych w widmach MS/MS dla MC. W tej analizie kryteria detekcji MC obejmowały jony prekursorowe w obrębie m/z zakres 440–1200, czasy retencji od 2,00 do 6,00 min. Co najważniejsze, ...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

DFF to prosta i szybka strategia wykrywania całych klas związków, szczególnie istotna dla odkrywania związków produktów naturalnych. Najważniejszym aspektem DFF jest określenie konkretnych kryteriów fragmentacji MS/MS dla docelowej klasy związków. W tym reprezentatywnym przykładzie DFF użyto do wykrycia wszystkich pozostałości Adda zawierających MC obecnych w ekstrakcie komórkowym M. aeruginosa. Chociaż zdecydowana większość MC zawiera resztę Adda, znane są inne pozostałości w tej pozycji, w szczególności waria...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy nie mają nic do ujawnienia

Podziękowania

Autorzy dziękują Heather Roshon (Canadian Phycological Culture Centre, University of Waterloo za dostarczenie badanej kultury sinic oraz Sawsan Abusharkh (Carleton University) za pomoc techniczną.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Cyanobacteria
Microcystis aeruginosaCPCC300KANADYJSKIE CENTRUM KULTUR FILOLOGICZNYCHhttps://uwaterloo.ca/canadian-phycological-culture-centre/
Software
Proteowizard (oprogramowanie)oprogramowanieOprogramowanie http://proteowizard.sourceforge.net/
Mzmine 2http://mzmine.github.io/
LC-MS
Q-Exactive OrbitrapWyposażony wźródło jonizacji HESI
1290 UHPLCAgilentWyposażony w pompę binarną, autosampler, komorę kolumny
C18Kolumna Agilent959757-902Eclipse Plus C18 RRHD (2,1 &razy; 100 mm, 1,8 μ m)
< mocny>Rozpuszczalniki< / mocny>
Optima LC-MS klasa MetanolFisherA456-4
OptimaLC-MS klasa acetonitryluFisherA955-4
OptimaLC-MS klasa FisherW6-4
LC-MS klasa Kwas mrówkowyFisherA11710X1-AMP
Vortex-Genie 2Scientific IndustriesSI-0236
Wirówka Sorvall Micro 21Thermo Scientific75-772-436
Inne
Bursztynowe fiolki HPLC 2 ml/nakrętkiAgilent5182-0716/5182-0717
0,2-μ m Filtry strzykawkowe z PTFEPall Corp.4521
Filtry z mikrowłókna szklanego Whatman 47mm GF/ASigma-AldrichWHA1820047
Media
MA media (pH 8,6) (ilość / L)Watanabe, MF & Oishi, S. Wpływ czynników środowiskowych na toksyczność cyjanobakterii (Microcystis aeruginosa) w warunkach hodowli. Mikrobiologia stosowana i środowiskowa. 49 (5), 1342-1344 (1985).
Ca(NO3)· 4H2O, 50 mgSigma-AldrichC2786
KNO3, 100 mgSigma-AldrichP8291
NaNO3, 50 mgSigma-AldrichS5022
Na2SO4, 40 mgSigma-AldrichS5640
MgCl2· 6H20, 50 mgSigma-AldrichM2393
Glicerofosforan sodu, 100 mgSigma-AldrichG9422
H3BO3, 20 mgSigma-AldrichB6768
Bicine, 500 mgroztwór metalu Sigma-AldrichRES1151B-B7
P(IV), 5 ml
Doprowadzić następujące ilości do 1 l za pomocą ddH2O
NaEDTA· 2HOSigma-AldrichE6635
FeCl3 · 6H2OSigma-Aldrich236489
MnCl2· 4H2OBaker2540
ZnCl2Sigma-AldrichZ0152
CoCl2· 6H2OSigma-AldrichC8661
Na2MoO4· 2H2OBaker3764
Cyjanobakterie BG-11 50X Roztwór słodkowodnySigma-AldrichC3061-500mL
CPCC300

Bibliografia

  1. Mayer, P. M., Poon, C. The mechanisms of collisional activation of ions in mass spectrometry. Mass Spectrometry Reviews. 28 (4), 608-639 (2009).
  2. Fisch, K. M. Biosynthesis of natural products by microbial iterative hybrid PKS–NRPS. RSC Advances. 3 (40), 18228-18247 (2013).
  3. Kelman, M. J., et al. Identification of six new Alternaria sulfoconjugated metabolites by high-resolution neutral loss filtering. Rapid Communications in Mass Spectrometry. 29 (19), 1805-1810 (2015).
  4. Renaud, J. B., Kelman, M. J., Qi, T. F., Seifert, K. A., Sumarah, M. W. Product ion filtering with rapid polarity switching for the detection of all fumonisins and AAL-toxins. Rapid Communications in Mass Spectrometry. 29 (22), 2131-2139 (2015).
  5. Renaud, J. B., Kelman, M. J., McMullin, D. R., Yeung, K. K. -C., Sumarah, M. W. Application of C8 liquid chromatography-tandem mass spectrometry for the analysis of enniatins and bassianolides. Journal of Chromatography A. 1508, 65-72 (2017).
  6. Walsh, J. P., et al. Diagnostic Fragmentation Filtering for the Discovery of New Chaetoglobosins and Cytochalasins. Rapid Communications in Mass Spectrometry. , (2018).
  7. Wang, M., et al. Sharing and community curation of mass spectrometry data with Global Natural Products Social Molecular Networking. Nature biotechnology. 34 (8), 828(2016).
  8. Bartók, T., Szécsi, Á, Szekeres, A., Mesterházy, Á, Bartók, M. Detection of new fumonisin mycotoxins and fumonisin-like compounds by reversed-phase high-performance liquid chromatography/electrospray ionization ion trap mass spectrometry. Rapid Communications in Mass Spectrometry: An International Journal Devoted to the Rapid Dissemination of Up-to-the-Minute Research in Mass Spectrometry. 20 (16), 2447-2462 (2006).
  9. Bartók, T., et al. Detection and characterization of twenty-eight isomers of fumonisin B1 (FB1) mycotoxin in a solid rice culture infected with Fusarium verticillioides by reversed-phase high-performance liquid chromatography/electrospray ionization time-of-flight and ion trap mass spectrometry. Rapid Communications in Mass Spectrometry. 24 (1), 35-42 (2010).
  10. Pluskal, T., Castillo, S., Villar-Briones, A., Orešič, M. MZmine 2: modular framework for processing, visualizing, and analyzing mass spectrometry-based molecular profile data. BMC bioinformatics. 11 (1), 395(2010).
  11. Spoof, L., Catherine, A. Appendix 3: tables of microcystins and nodularins. Handbook of cyanobacterial monitoring and cyanotoxin analysis. , 526-537 (2016).
  12. Pick, F. R. Blooming algae: a Canadian perspective on the rise of toxic cyanobacteria. Canadian Journal of Fisheries and Aquatic Sciences. 73 (7), 1149-1158 (2016).
  13. Carmichael, W. W., Boyer, G. L. Health impacts from cyanobacteria harmful algae blooms: Implications for the North American Great Lakes. Harmful algae. 54, 194-212 (2016).
  14. Mayumi, T., et al. Structural characterization of microcystins by LC/MS/MS under ion trap conditions. The Journal of antibiotics. 59 (11), 710(2006).
  15. Frias, H. V., et al. Use of electrospray tandem mass spectrometry for identification of microcystins during a cyanobacterial bloom event. Biochemical and biophysical research communications. 344 (3), 741-746 (2006).
  16. Kessner, D., Chambers, M., Burke, R., Agus, D., Mallick, P. ProteoWizard: open source software for rapid proteomics tools development. Bioinformatics. 24 (21), 2534-2536 (2008).
  17. Watanabe, M. F., Oishi, S. Effects of environmental factors on toxicity of a cyanobacterium (Microcystis aeruginosa) under culture conditions. Applied and Environmental microbiology. 49 (5), 1342-1344 (1985).
  18. Hollingdale, C., et al. Feasibility study on production of a matrix reference material for cyanobacterial toxins. Analytical and bioanalytical chemistry. 407 (18), 5353-5363 (2015).
  19. Yuan, M., Namikoshi, M., Otsuki, A., Sivonen, K. Effect of amino acid side-chain on fragmentation of cyclic peptide ions: differences of electrospray ionization/collision-induced decomposition mass spectra of toxic heptapeptide microcystins containing ADMAdda instead of Adda. European Mass Spectrometry. 4 (4), 287-298 (1998).
  20. Schymanski, E., et al. Identifying small molecules via high resolution mass spectrometry: communicating confidence. Environmental science & technology. 48 (4), 2097(2014).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Tagi

Oprogramowanie MZmineakwizycja zale na od danychwysokorozdzielcza spektrometria masjony produktowestraty neutralneMicrocystis aeruginosa
Naturalne odkrywanie produktu z diagnostycznym filtrowaniem fragmentacji LC-MS/MS: zastosowanie do analizy mikrocystyny
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki Korzystania

Zasady

Copyright © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.