Przedstawiono tutaj reprezentatywne wyniki analizy nietargetowanej urządzeń VAMS, przeprowadzonej zgodnie z opisaną powyżej procedurą.
Oceniono dane z analizy potrójnej próbki zbiorczej przygotowanej z krwi żylnej 10 osób, pobranej za pomocą VAMS, i przedstawiono charakterystykę otrzymanych odcisków metabolicznych. Jakość danych oraz informacje pozyskane z urządzeń VAMS oceniono w oparciu o dwa główne kryteria: całkowitą liczbę wykrytych cech chemicznych oraz powtarzalność tych cech (n = 3), wyrażoną jako procentowe odchylenie standardowe (%RSD). Całkowitą liczbę cech wykorzystano do oceny zakresu ekstrakcji i pokrycia chemicznego rozpuszczalnika, natomiast monitorowano %RSD, aby zapewnić precyzję techniczną i odporność metody; niższa wartość %RSD wskazuje na wysoką powtarzalność procesu ekstrakcji, co minimalizuje szum analityczny.
Po ekstrakcji i przetwarzaniu surowych danych uzyskano macierz cech m/z-czas retencji (RT) wraz z ich intensywnościami. Po odpowiednim wstępnym przetwarzaniu i etapach filtrowania próbek ślepych uwzględniono jedynie cechy z wykrywalnym sygnałem w dwóch z trzech powtórzeń. Rysunek 2A,B przedstawia wykresy m/z w funkcji RT dla tej samej próbki analizowanej zgodnie z opisanymi protokołami dla LC-MS oraz GC-MS.
Wysoka liczba cech eluowanych wczesną fazą przebiegu RPLC wynika z obecności silnie hydrofilowych metabolitów, które zostały wyekstrahowane zgodnie z zastosowanym protokołem, lecz słabo zatrzymują się na kolumnie fazy odwróconej. Choć wcześnie eluowane metabolity stanowią wyzwanie w procesie identyfikacji, precyzyjne adnotacje są wciąż możliwe dzięki wykorzystaniu danych fragmentacji MS/MS oraz porównaniom z bazami danych widm i wewnętrznymi wzorcami referencyjnymi. Ponadto oczekuje się, że znaczna część tej frakcji hydrofilowej zostanie uchwycona podczas analizy GC-MS. W ostatecznym rozrachunku stanowi to immanentne ograniczenie tej dziedziny, gdyż ogromna złożoność metabolomu wymusza stosowanie wielu platform analitycznych.
Wieloplatformowa ocena ekstraktów metanolowych wyraźnie wykazuje wysoce komplementarny charakter analitycznych przepływów pracy LC i GC, a wskaźniki wydajności mieszczą się w zakresie oczekiwanym dla kompleksowego profilowania metabolomicznego. Rycina 3A,B przedstawia całkowitą liczbę cech oraz rozkład RSD% dla każdej platformy. Platforma LC zapewniła szeroki zakres pokrycia chemicznego, rozdzielając 4169 cech, co jest zgodne z jej uznaną zdolnością do wychwytywania szerokiego spektrum związków polarnych, półpolarnych i nielotnych. Równocześnie platforma GC wykazała mniejszy podzbiór cech, wynoszący 187. Było to oczekiwane, ponieważ GC może wykrywać jedynie związki lotne podatne na derywatyzację.
W odniesieniu do powtarzalności, jak pokazano na wykresie skrzypcowym, ogólny rozkład i rozpiętość wartości RSD% są niezwykle podobne dla LC-MS i GC-MS. Średnia wartość %RSD była typowa dla obu platform i wynosiła około 29,7% dla LC (2 655 z 4 169 miało %RSD poniżej 30%) oraz 32,3% dla GC (114 z 187 miało %RSD poniżej 30%). Chociaż niewielka liczba cech wykazywała wyższe wartości RSD w obu przypadkach, taka zmienność jest powszechna i oczekiwana w nietargetowanej metabolomice. Wyższe wartości te zazwyczaj dotyczą metabolitów o niskim stężeniu, które znajdują się blisko granicy wykrywalności instrumentu. Ogólnie, wąskie profile rozkładu potwierdzają satysfakcjonującą powtarzalność dla obu konfiguracji analitycznych.
Przestrzeń chemiczną metabolitów uchwyconych za pomocą tego protokołu można przeanalizować na podstawie adnotacji metabolitów. Zgodnie z oczekiwaniami, wynikającymi z naturalnej komplementarności obu platform, za pomocą LC-MS i GC-MS wykryto różne związki. Pełna lista adnotacji metabolitów dla urządzeń VAMS znajduje się w Tabeli uzupełniającej 1 oraz Tabeli uzupełniającej 2. Łącznie za pomocą tego protokołu i obu technik wykryto i zidentyfikowano 97 metabolitów (poziom 1 i 2, zgodnie z propozycją Sumnera i wsp. (2007)22), oprócz innych związków przypuszczalnie scharakteryzowanych na poziomie 3. Adnotacje GC zostały dodatkowo potwierdzone poprzez porównanie eksperymentalnych indeksów retencji – uzyskanych w porównaniu z FAMES – z wartościami tabelarycznymi23. Rycina 4A,B przedstawia rozkład podklas zidentyfikowanych metabolitów dla obu metod, natomiast Rycina 4C pokazuje nakładanie się obu technik, co podkreśla ich komplementarność. Kilka kluczowych metabolitów pośrednich może zostać zweryfikowanych krzyżowo obiema technikami, podczas gdy cechy strukturalnie unikalne lub specyficzne dla danej platformy mogą uzupełniać luki w głównych szlakach metabolicznych węgla i szlakach metabolizmu wtórnego. Choć aminokwasy i peptydy stanowią główne klasy chemiczne w obu analizach, tylko nieliczne metabolity są wspólne dla obu technik. Wiele klas metabolitów jest specyficznych dla konkretnego urządzenia, np. acylo karnityny w LC-MS i heksozy w GC-MS.
Aby zademonstrować wydajność metanolu jako rozpuszczalnika do ekstrakcji w obu technikach, przeprowadzono próby porównawcze na próbkach VAMS z wykorzystaniem różnych układów rozpuszczalników, a następnie wykonano analizy LC-MS i GC-MS. Trzy różne układy rozpuszczalników porównano z metanolem w trzech powtórzeniach: czystym acetonitrylem (ACN), mieszaniną metanol–woda (60:40, v/v) oraz mieszaniną acetonitryl–metanol (70:30, v/v). Wybór tych rozpuszczalników i mieszanin był podyktowany wstępnymi eksperymentami przeprowadzonymi przez nasz zespół, a także wcześniej opublikowaną literaturą13,14,24,25. Wydajność ekstrakcji każdego układu oceniono za pomocą trzech kluczowych parametrów: całkowitej liczby wykrytych cech, ogólnej intensywności cech oraz powtarzalności cech, wyrażonej jako względne odchylenie standardowe (RSD, %).
W przypadku analizy LC-MS największą liczbę cech wykryto przy użyciu MeOH-H2O (60:40, v/v), ze średnią 4 514 cech w trzech powtórzeniach, a następnie w czystym MeOH (4 169 cech). Mieszanina ACN–MeOH (70:30, v/v) dała średnio 3 502 cechy, natomiast czysty ACN przyniósł najniższą średnią liczbę cech, wynoszącą 2 836. Graficzna reprezentacja tych liczb cech dla każdego powtórzenia przedstawiona jest na Ryc. 5A.
Aby zbadać charakterystykę precyzji dla każdego warunku ekstrakcji, przeanalizowano intensywności cech oraz wartości %RSD z trzech powtórzeń wstrzykiwań. Porównanie całkowitej liczby cech oraz średniego %RSD dla każdego rozpuszczalnika do ekstrakcji w analizie LC-MS przedstawiono na Ryc. 5A. Rozkłady sygnałów log2 były podobne dla wszystkich ekstraktów, przy czym MeOH-H2O 60:40 (v/v), ACN i MeOH dawały nieco wyższą liczebność niż ACN-MeOH 70:30 (v/v). MeOH wykazała niższy ogólny średni %RSD, co wskazuje, że ekstrakcja przy użyciu tego rozpuszczalnika była bardziej powtarzalna.
Podobna ocena wydajności systemu rozpuszczalników do ekstrakcji została przeprowadzona na podstawie danych GC-MS. Ponownie, w celu oceny liczby cech, uwzględniono tylko te, w których sygnał wykryto w co najmniej dwóch z trzech powtórzeń. Rozpuszczalnikiem, który pozwolił na uzyskanie największej liczby cech, był ACN-MeOH 70:30 (v/v) (216 cech), a tuż za nim uplasował się MeOH (187 cech). Graficzna ilustracja liczby wykrytych cech w zależności od rozpuszczalnika do ekstrakcji i BµS przedstawiona jest na Rysunku 5B.
W odniesieniu do ogólnej obfitości wykrytych cech, MeOH okazał się najskuteczniejszy, dając najwyższą obfitość, co przedstawiono na Rysunku 5B. Drugim najlepszym rozpuszczalnikiem był MeOH-H₂O 60:40 (v/v), a następnie ACN-MeOH 70:30 (v/v). ACN był najmniej skutecznym rozpuszczalnikiem. W odniesieniu do %RSD cech, MeOH-H₂O 60:40 (v/v) zapewnił najniższe wartości RSD dla VAMS (RSD = 38,57%), a tuż za nim ACN (42,65%), MeOH (44,14%) oraz ACN-MeOH 70:30 (v/v) (49,14%). Wartości te przedstawiono na Rysunku 5B.
Powyższe wyniki są zgodne z wcześniej opublikowaną literaturą. Couacault i wsp. (2026)19 zgłosili porównywalną liczbę cech w analizie RP-LC-MS próbek DBS i VAMS, stosując podobny skład rozpuszczalnika do ekstrakcji (rehydratacja 80 µL wody, a następnie dodanie 320 µL MeOH). Podobnie Cala i wsp. (2017)11 wykryli porównywalną liczbę cech (153) podczas analizy GC-MS końcówek VAMS. Chociaż większość istniejących badań nie oceniała precyzji analiz z wykorzystaniem tych urządzeń, nasze ogólne wnioski są zgodne z oczekiwaniami dla analizy nietargetowanej. Co więcej, wyniki LC są zgodne z raportowanymi przez Bossi i wsp. (2025)26 dla analizy HILIC mikropróbek DBS i qDBS, w której większość wykrytych cech miała RSD < 30%.
Ogólnie rzecz biorąc, wyniki te wykazują, że ekstrakcja z użyciem metanolu zapewnia optymalną równowagę pomiędzy liczbą cech, intensywnością a precyzją (średnie RSD, %) dla analizy próbek VAMS zarówno metodą LC-MS, jak i GC-MS. W związku z tym pojedynczy protokół ekstrakcji metanolowej może usprawnić podwójne przygotowanie próbek, ułatwić równoległe pozyskiwanie komplementarnych profili metabolicznych i zmaksymalizować ilość uzyskanych informacji.

Rycina 1: Schematy protokołów przedstawiające (A) protokół ekstrakcji próbek, (B) rekonstytucję do LC-MS oraz (C) derywatyzację do GC-MS/MS. Utworzone w BioRender. Marques, D. (2026) https://BioRender.com/dprdv18, https://biorender.com/xu2qh34, https://biorender.com/7ztz2qv. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Rysunek 2: porównania m/z i rt dla reprezentatywnej próbki w analizie (A) LC-MS oraz (B) GC-MS. Każda kropka reprezentuje pojedynczy sygnał przed jego pogrupowaniem w cechy. Kolory reprezentują intensywność sygnału MS1 dla danej cechy, przy czym intensywność wzrasta od koloru niebieskiego do czerwonego. Proszę kliknąć tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Rycina 3: Pokrycie cech i powtarzalność w różnych platformach analitycznych. (A) Pokrycie cech: Całkowita liczba unikalnych cech wykrytych przez LC (turkusowy) i GC (pomarańczowy), z dokładnymi liczbami naniesionymi nad każdym słupkiem. (B) Powtarzalność cech: Wykresy skrzypcowe przedstawiające gęstość rozkładu względnych odchyleń standardowych (RSD%) dla wszystkich cech. Wbudowane wykresy pudełkowe wskazują medianę oraz rozstępy międzykwartylowe; poszczególne punkty danych pominięto dla przejrzystości wizualnej. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Rysunek 4: Histogramy przedstawiające liczbę związków z różnych klas chemicznych wykrytych za pomocą (A) LC-MS oraz (B) GC-MS. (C) Część wspólna metabolitów z adnotacją poziomu 1 i 2 pomiędzy platformami. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Rysunek 5: Wyniki zastosowania rozpuszczalników ekstrakcyjnych w analizie LC-MS (A) oraz GC-MS (B) urządzeń VAMS. Wykresy słupkowe w górnej części rysunku przedstawiają liczbę cech uzyskanych z każdego rozpuszczalnika ekstrakcyjnego zastosowanego w urządzeniach VAMS na powtórzenie. Wykresy w dolnej części rysunku pokazują sumę intensywności oraz średnie RSD (%) dla każdego rozpuszczalnika ekstrakcyjnego użytego w urządzeniu VAMS. Rozmiar okręgu reprezentuje całkowitą sumę intensywności wykrytych cech w skali log2, co odzwierciedla wydajność ekstrakcji. Gradient kolorów wskazuje precyzję analityczną, wyrażoną jako względne odchylenie standardowe (RSD), gdzie kolor żółty oznacza wyższą precyzję, a czerwony większą zmienność. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Tabela 1: Tabela rozwiązywania problemów. Przegląd typowych problemów z pobieraniem próbek, ich przyczyn oraz rozwiązań w przypadku pobierania próbek za pomocą urządzeń VAMS. Kliknij tutaj, aby pobrać ten plik.
Tabela 2: Eluenty RP i roztwory płuczące. Przegląd składów faz ruchomych, płynu do płukania uszczelnień, rozpuszczalnika do płukania układu i rozpuszczalnika do mycia stosowanych w analizie chromatograficznej. Kliknij tutaj, aby pobrać ten plik.
Plik uzupełniający 1: Dodatkowe szczegóły eksperymentalne. Parametry LC-MS i GC-MS. Kliknij tutaj, aby pobrać ten plik.
Tabela uzupełniająca 1: Adnotacje LC-MS. Związki zidentyfikowane za pomocą obecnego protokołu na platformie LC-MS. Kliknij tutaj, aby pobrać ten plik.
Tabela uzupełniająca 2: Adnotacje GC-MS. Związki zidentyfikowane za pomocą obecnego protokołu na platformie GC-MS. Kliknij tutaj, aby pobrać ten plik.