Przedstawiono tutaj reprezentatywne wyniki analizy nietargetowanej urządzeń VAMS, przeprowadzonej zgodnie z opisaną powyżej procedurą.
Przeanalizowano dane z analizy potrójnej próbki połączonej, przygotowanej z krwi żylnej 10 osób pobranej za pomocą VAMS, i przedstawiono charakterystykę uzyskanych odcisków metabolicznych. Jakość danych oraz informacje zarejestrowane przez urządzenia VAMS oceniono w oparciu o dwa główne kryteria: całkowitą liczbę wykrytych cech chemicznych oraz powtarzalność tych cech (n = 3), wyrażoną jako procentowe odchylenie względne (%RSD). Całkowitą liczbę cech wykorzystano do oceny zakresu ekstrakcji i stopnia 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 procesowaniu surowych danych uzyskano macierz cech m/z-czas retencji (RT) wraz z ich intensywnościami. Po odpowiednim wstępnym przetwarzaniu i etapach filtrowania tła (blank-filtering) uwzględniono tylko te cechy, w których sygnał był wykrywalny 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.
Duża liczba cech eluujących wcześnie podczas analizy RPLC wynika z obecności silnie hydrofilowych metabolitów wyekstrahowanych zgodnie z zastosowanym protokołem, które słabo wiążą się z kolumną w fazie odwróconej. Choć metabolity eluujące wcześnie stanowią wyzwanie w procesie identyfikacji, dokładne adnotacje są nadal możliwe dzięki wykorzystaniu danych fragmentacji MS/MS oraz porównaniom z bazami danych widm i wewnętrznymi wzorcami referencyjnymi. Ponadto oczekuje się, że znacząca część tej frakcji hydrofilowej zostanie uchwycona podczas analizy GC-MS. Ostatecznie stanowi to nieuniknione ograniczenie tej dziedziny, ponieważ ogromna złożoność metabolomu wymaga zastosowania wielu platform analitycznych.
Wieloplatformowa ocena ekstraktów metanolowych wyraźnie wykazuje wysoce komplementarny charakter analitycznych schematów pracy LC i GC, przy czym parametry 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 chemiczny, rozdzielając 4 169 cech, co jest zgodne z jej uznaną zdolnością do wychwytywania szerokiego spektrum związków polarnych, półpolarnych i nielotnych. Jednocześnie platforma GC wykazała mniejszy podzbiór cech, wynoszący 187. Było to spodziewane, ponieważ GC może wykrywać jedynie związki lotne poddające się derywatyzacji.
W odniesieniu do powtarzalności, jak pokazano na wykresie skrzypcowym, ogólny rozkład i rozrzut 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 (2655 z 4169 miało %RSD poniżej 30%) oraz 32,3% dla GC (114 z 187 miało %RSD poniżej 30%). Chociaż niewielka liczba cech wykazała 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 rzecz biorąc, wąskie profile rozkładu potwierdzają satysfakcjonującą powtarzalność dla obu konfiguracji analitycznych.
Przestrzeń chemiczna metabolitów uchwycona za pomocą protokołu może zostać przeanalizowana 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, z wykorzystaniem obu technik, wykryto i zidentyfikowano 97 metabolitów (poziom 1 i 2, zgodnie z propozycją Sumnera i wsp. (2007)22), oprócz innych związków o charakterze domniemanym na poziomie 3. Adnotacje GC zostały dodatkowo potwierdzone poprzez porównanie eksperymentalnych indeksów retencji – uzyskanych poprzez porównanie z FAMES – z wartościami tabelarycznymi23. Rycina 4A,B przedstawia rozkład podklas zidentyfikowanych metabolitów dla obu metod, natomiast Rycina 4C pokazuje nakładanie się obu technik, podkreślając ich komplementarność. Kilka kluczowych metabolitów pośrednich może zostać poddanych walidacji krzyżowej obiema technikami, podczas gdy cechy unikalne strukturalnie lub specyficzne dla danej platformy mogą wypełnić luki w centralnych szlakach metabolicznych węgla i szlakach metabolicznych wtórnych. Chociaż aminokwasy i peptydy stanowią główne klasy chemiczne w obu analizach, tylko nieliczne metabolity są wspólne dla obu technik. Wiele klas metabolitów jest specyficznych dla danego instrumentu, jak np. acylokarnityny w LC-MS i heksozy w GC-MS.
Aby wykazać efektywność metanolu jako rozpuszczalnika do ekstrakcji w obu technikach, przeprowadzono próby porównawcze na próbkach VAMS z użyciem różnych układów rozpuszczalników, a następnie wykonano analizy LC-MS i GC-MS. Trzy odrębne 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). Dobór tych rozpuszczalników i mieszanin oparto na wstępnych eksperymentach przeprowadzonych przez nasz zespół, a także na opublikowanej wcześniej literaturze13,14,24,25. Efektywność ekstrakcji każdego układu oceniano za pomocą trzech kluczowych parametrów: całkowitej liczby wykrytych cech, całkowitej intensywności cech oraz powtarzalności cech, wyrażonej jako względne odchylenie standardowe (RSD, %).
W przypadku procedury LC-MS największą liczbę cech wykryto przy użyciu MeOH-H2O (60:40, v/v), ze średnią 4 514 cech w trzech powtórzeniach, a tuż za nią uplasował się czysty 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 została przedstawiona na Rysunku 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 Rysunku 5A. Rozkłady sygnałów log2 były podobne dla wszystkich ekstraktów, przy czym MeOH-H2O 60:40 (v/v), ACN oraz MeOH wykazały nieco wyższe liczności niż ACN-MeOH 70:30 (v/v). MeOH wykazał niższy ogólny średni %RSD, co wskazuje, że ekstrakcja przy użyciu tego rozpuszczalnika była bardziej powtarzalna.
Podobna ocena wydajności układu rozpuszczalników do ekstrakcji została przeprowadzona na podstawie danych GC-MS. Ponownie, w celu oceny liczby cech, uwzględniono tylko te, 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 oraz BµS przedstawiona jest na Rysunku 5B.
W odniesieniu do całkowitej liczby wykrytych cech, MeOH okazał się najskuteczniejszy, dając najwyższą liczność, 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 zakresie %RSD cech, MeOH-H₂O 60:40 (v/v) zapewnił najniższe wartości RSD dla VAMS (RSD = 38,57%), a tuż za nim uplasowały się 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) w analizie 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 wynikami raportowanymi przez Bossi i wsp. (2025)26 dla analizy HILIC mikropróbek DBS i qDBS, w której większość wykrytych cech miała RSD < 30%.
Ogólnie wyniki te wykazują, że ekstrakcja oparta na metanolu zapewnia optymalną równowagę między liczbą zidentyfikowanych cech, intensywnością a precyzją (średnie RSD, %) w analizie 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. Utworzono w BioRender. Marques, D. (2026) https://BioRender.com/dprdv18, https://biorender.com/xu2qh34, https://biorender.com/7ztz2qv. Aby zobaczyć powiększoną wersję tej ryciny, kliknij tutaj.

Rycina 2: Porównanie m/z i rt dla reprezentatywnej próbki w analizie (A) LC-MS oraz (B) GC-MS. Każda kropka reprezentuje pojedynczy sygnał przed pogrupowaniem go w cechy (features). Kolory reprezentują intensywność sygnału MS1 dla danej cechy, przy czym intensywność wzrasta od koloru niebieskiego do czerwonego. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Rycina 3: Pokrycie cech i powtarzalność w różnych platformach analitycznych. (A) Pokrycie cech: Całkowita liczba unikalnych cech wykrytych przez LC (morski) i GC (pomarańczowy), z dokładną liczbą naniesioną nad każdym słupkiem. (B) Powtarzalność cech: Wykresy skrzypcowe pokazujące gęstość rozkładu względnych odchyleń standardowych (RSD%) dla wszystkich cech. Wbudowane wykresy pudełkowe wskazują medianę oraz rozstępy międzykwartylne; pojedyncze punkty danych pominięto dla przejrzystości wizualnej. Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.

Rysunek 4: Histogramy przedstawiające liczbę związków z różnych klas chemicznych wykrytych przez (A) LC-MS oraz (B) GC-MS. (C) Pokrycie metabolitów przypisanych do poziomów 1 i 2 pomiędzy platformami. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.

Rysunek 5: Wyniki zastosowania rozpuszczalników do ekstrakcji w analizie LC-MS (A) oraz GC-MS (B) urządzeń VAMS. Wykresy słupkowe w górnej części rysunku przedstawiają liczbę cech uzyskanych z każdego rozpuszczalnika do ekstrakcji zastosowanego w urządzeniach VAMS na jedną powtórkę. Wykresy w dolnej części rysunku pokazują sumę intensywności oraz średnie RSD (%) dla każdego rozpuszczalnika do ekstrakcji użytego z urządzeniem VAMS. Rozmiar okręgu reprezentuje całkowitą sumę intensywności wykrytych cech w skali log2, odzwierciedlając efektywność 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 przy użyciu 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 oraz rozpuszczalnika płuczącego wykorzystywanych w analizie chromatograficznej. Kliknij tutaj, aby pobrać ten plik.
Plik uzupełniający 1: Dodatkowe szczegóły eksperymentalne. Parametry LC-MS i GC-MS. Proszę kliknąć tutaj, aby pobrać ten plik.
Tabela uzupełniająca 1: Adnotacje LC-MS. Związki zidentyfikowane przy użyciu 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. Proszę kliknąć tutaj, aby pobrać ten plik.