Summary
Tanı parçalanma, MZmine uygulanan filtreleme, bilinen ve bilinmeyen doğal ürünlerin tüm sınıflar için LC-MS/MS veri kümeleri ekrana zarif, post-edinme yaklaşımdır. Bu araç, analistin bileşiklerin tüm sınıfı için teşhis olarak tanımladığı ürün iyonlarına ve/veya nötr kayıplara yönelik MS/MS spektrumlarını arar.
Abstract
Doğal ürünler genellikle tek bir bileşik yerine, yapısal olarak benzer bileşiklerin karışımları olarak biyosentezlenmiş. Ortak yapısal özellikleri nedeniyle, aynı sınıf içinde birçok bileşikler benzer MS/MS parçalanma geçmesi ve birkaç özdeş ürün iyonları ve/veya nötr kayıplar var. Tanılama parçalanma filtreleme (DFF) amacı, belirli bir sınıfın tüm bileşiklerini, sınıf özel ürün iyonlarını ve/veya nötr kayıpları içeren MS/MS spektrumları için hedeflenen olmayan LC-MS/MS veri kümelerini taramadan karmaşık bir ekstrakte verimli bir şekilde algılayabilmelerdir. Bu yöntem, açık kaynak MZmine platformu içinde uygulanan bir DFF modülüne dayanmaktadır, örnek ekstreler, dört ayaklı Orbitrap veya dört ayaklı zaman-uçuş kütlesi gibi yüksek çözünürlüklü kütle spektrometresi üzerinde veriye bağımlı edinimi tarafından analiz edilmelidir Analizörleri. Bu yaklaşımın ana sınırlaması, analist ilk olarak hangi ürün iyonlarını ve/veya nötr kayıpların hedeflenen doğal ürünlerin sınıfı için spesifik olduğunu tanımlamalıdır. DFF yeni bileşikler de dahil olmak üzere karmaşık bir örnek içinde tüm ilgili doğal ürünlerin sonraki keşfi için izin verir. Bu çalışma, biz Microcystis aeruginosa, mikrocystins üretimi için siyanobacteria neden belirgin bir zararlı alg çiçek ekstraktlarının taramaları ile dff etkinliğini göstermektedir.
Introduction
Tandem kütle spektrometresi (MS/MS), çatışmaya bağlı ayrışma (CID)1gibi aktivasyon enerjisinin uygulanması yoluyla bir öncülü iyon yalıtmasını ve parçalanma yapılmasını içeren yaygın olarak kullanılan bir kitle spektrometresi yöntemidir. Bir iyon parçalarının moleküler yapısına yakından bağlı olduğu şekilde. Doğal ürünler genellikle tek bir benzersiz kimyasal olarak yerine yapısal benzer bileşiklerin karışımları olarak biyosentezlenmiş2. Aynı biyosentetik sınıfın parçası olan yapısal olarak ilgili bileşikler genellikle paylaşılan ürün iyonları ve/veya nötr kayıplar dahil olmak üzere anahtar MS/MS parçalanma özelliklerini paylaşır. Sınıf özel ürün iyonlarına ve/veya nötr kayıplara sahip bileşikler için karmaşık örnekleri ekran yeteneği, potansiyel olarak yeni doğal ürünlerin keşfi için önde gelen bileşiklerin tüm sınıflarını algılamak için güçlü bir stratejidir3, 4 , 5 , 6. on yıllardır, tarafsız kayıp taraması ve düşük çözünürlüklü enstrümanlara yapılan habercisi iyon taraması gibi kütle spektrometresi yöntemleri, aynı nötr kayıp veya ürün iyonlarına sahip iyonların algılanmasına izin verdi. Ancak, deneyleri gerçekleştirmeden önce tanımlanması gereken belirli iyonlar veya geçişler. Yüksek çözünürlüklü kütle spektrometre araştırma laboratuvarlarında daha popüler hale gelmiştir gibi, karmaşık örnekler artık genellikle hedeflenen olmayan, veriye bağımlı edinme (DDA) yöntemleri kullanılarak ekranlaştırılmış. Geleneksel nötr kayıp ve öncü iyon taramasının aksine, yapısal olarak ilgili bileşikler Post-Acquisition Analizi7ile tespit edilebilir. Bu çalışmanın içinde, karmaşık matrisler içindeki bileşiklerin tüm sınıflarını algılamak için teşhis parçalanma filtreleme (dff)5,6, bir düz ileri ve Kullanıcı dostu bir yaklaşım geliştirdiğimiz bir strateji gösteriyoruz. Bu DFF modülü açık kaynak, MZmine 2 platformu ve MZmine 2,38 veya daha yeni bültenleri indirerek kullanılabilir içine uygulandı. DFF kullanıcıların verimli ürün iyon (lar) ve/veya nötr kaybı (ler) içeren MS/MS Spectra için DDA veri kümeleri ekran sağlar bileşiklerin tüm sınıfları için teşhis. DFF bir sınırlama karakteristik ürün iyonları ve/veya bileşik bir sınıf için nötr kayıplar analist tarafından tanımlanmalıdır.
Örneğin, her biri daha fazla 60 farklı fumonisin Mikotoksinler tanımlanan 8/8bir tricarballylic yan zincir sahip, bir m/z üretir 157,0142 (C6H5O5-) ürün iyon üzerine [M-H]- Ion4' ün parçalanma. Bu nedenle, bir örnekte tüm sözde fumonisinlerden belirgin m/z 157,0142 ürün iyon içeren bir DDA veri kümesi içinde tüm MS/MS Spectra taramasında dff kullanılarak tespit edilebilir. Benzer şekilde, sülflu bileşikler 79,9574 da (SO3)3tanı nötr kaybı içeren MS/MS Spectra için DDA veri kümeleri tarama tarafından tespit edilebilir. Bu yaklaşım, yeni döngüsel peptidler tespit etmek için de başarıyla uygulanmıştır5 ve triptofan veya Fenilalanin kalıntıları içeren doğal ürünler6.
DFF ve MZmine platformu10içinde kullanım kolaylığı etkinliğini göstermek için, biz microcystins (MCS) analizine bu yaklaşımı uyguladıysanız; tatlı su siyanobacteria11,12,13tarafından üretilen üzerinde 240 yapısal olarak ilgili toksinler bir sınıf.
En sık bildirilen cyanotoksinler MCS, MC-LR ile (leucine [L]/argine [R]) türdeş sıkça okudu (Şekil 1). MCS, mikrocystis, anabaena, nostis ve planktothrix12,13gibi multipl siyanobacteria cins ile biyosentezlenmiş monokikrik olmayan ribozomal heptapeptidler. MCs beş ortak kalıntıları ve L-amino asitler tarafından işgal iki değişken pozisyonları oluşur. Neredeyse tüm MCs bir karakteristik β-amino asit 3-amino-9-metoksi-2, 6, 8-trimetil-10-fenildeca-4, 6-dienoik asit (adda) pozisyonunda kalıntı 511. MCS MS/MS parçalanma yolları iyi açıklanan14,15; Adda kalıntı, önemli MS/MS ürün iyon, m/z 135,0803+ (c9H11O+) ve m/z 163,1114+ (c11h 15 gibi diğer ürün iyonlarından sorumludur. O+) (Şekil 2). Microcystis aeruginosa hücresel özler hedef olmayan DDA veri kümeleri, bu tanı iyonlarının kullanıldığı tüm mikrocystinler için ekranlı olabilir, Microcystins bir adda kalıntı var verilen.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. hedeflenen olmayan sıvı kromatografi (LC)-MS/MS veri kümeleri hazırlanması
Not: DFF, bir hedef sınıf analitiği için optimize edilmiş herhangi bir yüksek çözünürlüklü kütle spektrometresi ve analitik yöntem kullanılarak gerçekleştirilebilir. Orbitrap kütle spektrometresi üzerinde MC optimize LC-MS/MS koşulları malzeme tablosundalistelenmiştir.
-
MZmine 2 indirme (http://mzmine.github.io/)
Not: örnek veri CPCC300. RAW https://drive.google.com/open?id=1HHbLdvxCMycSasyNXPRqIe5pkaSqQoS0 adresinde bulabilirsiniz.- Ham veri yöntemleri açılır menüsünden ham veri alma seçeneğini seçin.
- Analiz edilecek veri dosyalarını seçin. Tek veya birden çok dosya içe aktarılabilir.
- Isteğe bağlı Satıcı veri formatı MZmine tarafından desteklenmiyorsa, Centro,. mzml veri dosyalarını oluşturmak için Proteowizard16 kullanın.
- Satıcı tarafından sağlanan centroiding algoritmasını uygulamak için en yüksek malzeme çekme filtresini seçin.
2. alınan DDA dosyalarının tanılama parçalanma filtreleme
- İmleci kullanarak, ana MZmine ekranının RAW veri dosyaları sütunundaki veri dosyalarını seçin ve vurgulayın.
- Görselleştirme açılır menüsünün altında Tanılama parçalanma filtreleme seçeneğini belirleyin.
- Görünen DFF iletişim kutusunda (Şekil 3), aşağıdaki seçenekleri girin:
- Bekletme süresi – Otomatik aralığı kullanın veya hedeflenen analitik sınıf elute zaman dakika olarak bekletme süreleri aralığını tanımlayın.
- Precursor m/z -kullanım Auto Range veya uygun olduğunda birden fazla şarj edilmiş bileşikler için olasılığı da dahil olmak üzere analitlerin hedeflenen sınıfının m/z aralığını tanımlayın.
- m/z tolerans – Msınstrument 'un ulaşılabilen MS/MS kütle doğruluğunu girin; 0,01 m/z veya 3,0 ppm bir Orbitrap platformu için uygundur. Yalnızca tanılama ürün iyonlarının incelenecek, giriş 0,0 Tanılama nötr kaybı değeri (da) seçeneğine girin. Tersine, sadece teşhis nötr kayıplar incelenecek ise, giriş 0,0 Tanılama ürün iyonlarına (m/z) seçeneğine girin.
-
Tanılama ürün iyonlarının (m/z) – sınıfına özel ürün iyon (lar) m/z. Birden fazla ürün iyonu virgülle ayırın.
Not: birden fazla ürün iyonlarının Içeri konulmaları, listelenen tüm ürün iyonlarının bulunduğu spektrumları görselleştirecektir. -
Tanılama nötr kaybı değeri (da) – sınıfın spesifik nötr kaybını (es) girin. Birden fazla nötr kayıpları virgülle ayırın.
Not: birden fazla nötr kayıpların Içeri konulmak tüm listelenen nötr kayıplar içeren spektrumları görselleştirecektir. Hem diagnostik ürün iyonlarının hem de nötraller kayıplarının içine girmeden tüm kriterleri karşılayan spektrumları görselleştirecektir. - Minimum tanı iyon yoğunluğu (% baz tepe) – MS/MS spektrumlarının baz zirvesinde% olarak, teşhis edilen ürün iyonları ve/veya nötr kayıplar için asgari yoğunluğun tanımlanması.
- Peaklist çıktı dosyası – sonuçları çıktısını almak için bir yol ve dosya adı seçin.
- DFF analizini başlatmak için Tamam düğmesini tıklatın. Yukarıdaki adımları başarıyla tamamladıktan sonra bir DFF grafiği görünecektir
Not: Iki. csv veri dosyaları oluşturulur. {Peaklist çıktı dosyası}. csv , taramaların öncüsü m/z, tarama numaraları ve saklama sürelerini içerir. Bu ham veri yöntemleri de dahil olmak üzere mevcut MZmine modüllerinde kullanılabilir > tepe algılama > hedeflenen tepe algılama tanımlanan dff kriterleri bir araya geldi öncülerin çıkarılan iyon kromatogramları oluşturmak için. {Peaklist çıkış dosyası} _data. csv , m/z, ürün iyon m/z ve mzmine dışında dff araziler nesil izin saklama süreleri içerir.
3. microcystin analizi için DFF örnek kullanımı
-
Numune hazırlama
- Sterilizasyon 250 mL Erlenmeyer 30 mL steril MA medya17 veya diğer siyanobacteria büyüme medya (BG-11) içeren flsorların köpük stoper ile donatılmıştır.
- Aseptik koşullarda yaklaşık 5 × 105 hücre ml-1 için bir siyanobacteria kültürü ile sterilize büyüme medya inoculate. Bir hemokytometer ile monitör hücre yoğunluğu. Bu örnekte, 27 °C ' de M. aeruginosa strain CPCC300 photoautotrofiically büyütün, soğuk beyaz floresan ışık ile aydınlatılır (30 μe M-2 s-1) 12 h ışık kullanarak: 12 saat karanlık rejim. Hücreleri günde bir kez girdap.
- 47 mm çapında GF/C cam mikrofiber filtre kağıtları kullanılarak vakum filtrasyon ile 26 gün sonra kültür ortamından hücreleri ayırın.
- 14 mL test tüpünde hasat edilen hücrelere 3 mL 80% metanol (aq) ekleyin.
- Vortex ve daha sonra 30 s için siyanobacteria hücreleri içeren test tüpü (ler) sonikat. Test tüpünü (s)-20 °C ' de 1 h için saklayın. test tüpü oda sıcaklığına dönün ve numunenin (s) 15 dakika boyunca çözülmesine izin verin.
- Hücrelerin etkili bir şekilde Lyse için iki ek kez 3.1.5 adım yineleyin.
- Elde edilen siyanobacteria hücre ekstresini 0,22 μm PTFE şırınga filtresi (ler) ile filtreleyin.
- Hafif bir azot gazı akışı kullanarak 30 °C sıcaklıkta bir evaporatör ile Kuru özü (ler). Özü-20 °C ' de LC-MS/MS analizine kadar kuru saklayın.
- Analiz öncesinde kehribar HPLC şişede 30 sn 500 μL,% 90 metanol (aq) ve Vortex ile kurutulmuş kalıntıyı yeniden oluşturur.
- Yüksek çözünürlüklü kütle spektrometresi üzerinde DDA edinme yöntemini kullanarak siyanobacteria ekstresi analiz edin.
Not: burada kullanılan MC analizi için en iyileştirilmiş LC-MS koşulları malzeme tablosundalistelenir. - Hazırlamak DDA DataFile (s) ve MZmine içine ithalat adımları 1,1 ve 1,2 aşağıdaki.
- Meta dosyaları seçin ve 2.1-2.2 adımlarını izleyerek DFF modüllerini başlatın.
- MC analizi için, DFF modülü içinde aşağıdaki ayarları kullanın (Şekil 3).
- Bekletme süresi – 2,00 aralığında giriş 6,00 dk.
- Precursor m/z – giriş m/z aralığı 430,00 için 1200,00.
- m/z tolerans – 0,01 m/z veya 3,0 ppm m/z toleransı uygulayın.
- Tanılama ürün iyonlarının (m/z) – giriş m/z 135,0803, 163,1114 tanı ürün iyonları olarak
- Tanılama nötr kaybı değeri (da) – giriş 0,0 tanılama nötr kayıpların kullanıldığını tanımlamak için.
- Minimum tanı iyon yoğunluğu (% baz tepe) – kullanım 15,00 asgari yoğunluk eşik olarak
- Peaklist çıktı dosyası – çıktı dosyasını putative_MCs. csvolarak tanımlayın.
- DFF analizini başlatmak için Tamam düğmesini tıklatın. Yukarıdaki adımları başarıyla tamamladıktan sonra bir DFF grafiği (Şekil 4) görünecektir
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
M. aeruginosa CPCC300 analizinin ardından oluşturulan dff Arsa Şekil 4' te gösterilir. Bu grafinin xekseni, yekseni MCS MS/MS spektrumunda bulunan tüm ürün iyonlarının m/z 'yi gösterirken, tanımlanan dff ölçütlerini karşılayan öncü iyonlarının m/z 'dir. Bu analiz için, MC algılama kriterleri, 440-1200 m/z aralığı içinde habercisi iyonlarının dahil, 2.00 – 6.00 dk arasında saklama süreleri. En önemlisi, bu MS/MS Spectra tanımlanan% 15 basepeak yoğunluk eşik üzerinde m/z 135,0803 ve 163,1114 (± 3 ppm) hem içerir. Bu koşullarda LC-MS/MS DDA analizinde toplam 4116 MS/MS spektrumları elde edilmiştir. Bu, 26 Spectra M. aeruginosa CPCC300 özü tespit edildi dff kriterleri memnun. Ancak, birden fazla MS/MS spektrumları, özellikle daha yüksek yoğunluklu iyonların aynı bileşik üzerinde elde edilebilir. Bu ekstre, sadece 18 benzersiz habercisi m/z bulundu. En küçük iyon (m/z 497,2746, [m + 2H]2 +), DFF tarafından da algılanan [m + H]+ habercisi m/z 993,5389 ' in iki kat şarj edilmiş tamamlayıcı haldir. Bu M. aeruginosa strain18üzerinde önceden yayınlanmış çalışmalar dayanarak, algılanan büyük MCS güvenle mc-LR ve [D-ASP3] mc-LR olarak atanabilir. Kalan Putatif MCS kitle spektrumları araştıran iki olduğunu açıkladı 13C izotopları diğer algılanan MCS (m/z 993,5389, 1025,5343) ve başka bir yaklaştırmak ve Mc m/z 993,5389. 12 kalan sözde MCS, dört bilinen MCS kitlelerine karşılık gelen, ve sekiz daha önce bildirilmemiş bileşikler (ek dosya. Tablo S1).
Resim 1: mc-LR kimyasal yapısı. Adda kalıntı bilinen MCs büyük bir oranda yaygındır ve m/z 135,0803 ve 163,1114 tanı ürün iyonlarının üretir. 5 pozisyonunda dimetil-adda ve asetildemetil-adda kalıntı içeren diğer MC türevleri bilinmektedir ve aynı ürün iyonlarını üretmez. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız.
Şekil 2: mc-LR MS/MS spektrumları. MS/MS spektrumunda, m/z 135,0803 ' de bilinen ürün iyon gösteren bir orbitrap kütle spektrometresi elde edilen adda kalıntı türetilmiştir. M/z 163,1114 ek bir ürün Iyon da adda kalıntı türetilmiştir ve dff analizinin seçicilik artar. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız.
Şekil 3: MZmine içinde DFF diyalog kutusu. Hedeflenen bileşikler için teşhis edilen ürün iyonları ve/veya nötr kayıplar girilmiş durumdadır. Analiz seçiciliği artırmak için saklama süresi ve habercisi iyon filtreleri kullanılabilir. Minimum teşhis iyon yoğunluğu, spektrumların DFF kriterlerini karşılamaları için elde edilmesi gereken tanı ürün iyonlarının ve nötr kayıpların eşik yoğunluğunu ifade eder. Bu değerin düşürülmesi yanlış pozitif isabetler neden olabilir. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız.
Şekil 4: M. aeruginosa hücresel ekstresimc analizi için dff arsa. M. aeruginosa CPCC300 özü dff analizi, 18 benzersiz M/z değerleri içeren tanımlanan dff kriterlerini karşılayan 26 Spectra bulundu. Çizim sağ tıklayarak Kullanıcı etki alanı ve/veya Aralık eksenleri "uzaklaştırmak" sağlar. M/z 497,2746 ' de iki kat şarj edilmiş habercisi iyon tespit edildi ve [m + H]+ 993,5389 ' de bilinmeyen bir MC 'ye denk gelmiştir. Gerinim CPCC300 tarafından üretilen bilinen iki MCs, [D-ASP3] mc-LR ve Mc-LR 18' dir. Toplam olarak, sekiz sözde MCS m/z bilinen MCS karşılık vermedi, dört MCS birden Atropinin m/z denk ve üç izotoplar/diğer MCS (ek dosya adduct bulunmuştur. Tablo S1). Burada gösterilen DFF arsa, DFF modülünü yürüttükten sonra otomatik olarak yapılan "putative_MCs_data. csv" den Excel 'de el ile oluşturuldu. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız.
Ek dosya. M. aeruginosa özler LC-MS/MS analizi için optimum koşullar. Bu dosyayı indirmek Için lütfen buraya tıklayın.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
DFF, özellikle doğal ürün bileşik keşfi için ilgili bileşiklerin tüm sınıfları algılamak için bir düz ileri ve hızlı bir stratejidir. DFF en önemli yönü bileşiklerin hedeflenen sınıf için özel MS/MS parçalanma kriterleri tanımlayarak. Bu temsili örnekte, M. aeruginosa hücresel ekstresinin Içinde bulunan MCS Içeren tüm adda kalıntılarını algılamak için dff kullanılmıştır. MCs büyük çoğunluğu bir adda kalıntı içerse de, bu pozisyonda diğer kalıntılar bilinmektedir, özellikle demetil-ve acetyldemethyl-adda türevleri19. Bu kalıntıları içeren tüm MCs 'Ler tanımlanan kriterler kullanılarak algılanamaz. Ancak, DFF Post-edinme yaklaşımı olduğu gibi, ek tanılama parçaları kolayca burada özetlenen basit adım adım protokol kullanarak aynı veri kümesi üzerinde incelenebilir. Bu da analist teşhis ürün iyonlarını ve/veya nötr kaybı değiştirecek varsayımsal modifikasyonlar ile bileşikleri algılamak için izin verir.
Adduct ve kaynak parçaları da DFF kriterleri karşılayabilir ve yanlış benzersiz analitler olarak yorumlanır. Ekstrakte diğer bileşiklerin aynı ürün iyonlarını ve/veya nötr kayıplarını sergilemeleri durumunda yanlış pozitif sonuçlar ortaya çıkabilir. Her iki durumda da, bu ek ürün iyonları ve Yöntem seçiciliği artıran nötr kayıplar kullanılarak hafifletilebilir.
Öncü iyonlarının analist tarafından tanımlanan tüm DFF kriterleri karşılayabilir ve hedeflenen sınıf içinde bileşikler temsil rağmen, onların mutlak kimlik hala putative olacaktır. Schymanski (2014) tarafından önerilen kimlik güven düzeylerini kullanarak, bu MS/MS yaklaşımı kullanılarak algılanan MCS ' seviye 3 ' kimlik güvenine sahip olduğunda, habercisi ın kesin moleküler formülü doğru kütle ve izotop tarafından atanabilir profil20. Bu örnekte, sekiz tane MCs birden çok, isobarik MCs11' e denk olan kitlelere sahipti. Mutlak kimlik, saklama süresi ve MS/MS spektrumlarını otantik bir standart ile karşılaştırarak veya NMR ve arıtma sonrasında diğer spektroskopik yöntemlerle onaylayarak elde edilecekti. Burada algılanan sekiz Putatif MCs gibi hedeflenen sınıfın herhangi bir bilinen üyelerinin kitlelerine karşılık gelmeyen Putatif bileşikler, yeni doğal ürünleri keşfetmek için somut hedefleri temsil eder.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Yazarlar açıklamak için hiçbir şey var
Acknowledgments
Yazarlar, Heather Roshon (Kanadalı Phycological Kültür Merkezi, Waterloo Üniversitesi ve teknik yardım için Sawsan Abusharkh (Carleton Üniversitesi) çalıştı siyanobacteria kültürü sağlamak için teşekkür ederiz.
Materials
| Name | Company | Catalog Number | Comments |
| Cyanobacteria | |||
| Microcystis aeruginosaCPCC300 | CANADIAN PHYCOLOGICAL CULTURE CENTRE | CPCC300 | https://uwaterloo.ca/canadian-phycological-culture-centre/ |
| Software | |||
| Proteowizard (software) | software | http://proteowizard.sourceforge.net/ | |
| Mzmine 2 | software | http://mzmine.github.io/ | |
| LC-MS | |||
| Q-Exactive Orbitrap | Thermo | - | Equipped with HESI ionization source |
| 1290 UHPLC | Agilent | Equipped with binary pump, autosampler, column compartment | |
| C18 column | Agilent | 959757-902 | Eclipse Plus C18 RRHD column (2.1 × 100 mm, 1.8 μm) |
| Solvents | |||
| Optima LC-MS grade Methanol | Fisher | A456-4 | |
| OptimaLC-MS grade Acetonitrile | Fisher | A955-4 | |
| OptimaLC-MS grade Water | Fisher | W6-4 | |
| LC-MS grade Formic Acid | Fisher | A11710X1-AMP | |
| Vortex-Genie 2 | Scientific Industries | SI-0236 | |
| Centrifuge Sorvall Micro 21 | Thermo Scientific | 75-772-436 | |
| Other | |||
| Amber HPLC vials 2 mL/caps | Agilent | 5182-0716/5182-0717 | |
| 0.2-μm PTFE syringe filters | Pall Corp. | 4521 | |
| Whatman 47mm GF/A glass microfiber filters | Sigma-Aldrich | WHA1820047 | |
| Media | |||
| MA media (pH 8.6) ( quantity / L) | 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). | ||
| Ca(NO3)·4H2O, 50 mg | Sigma-Aldrich | C2786 | |
| KNO3, 100 mg | Sigma-Aldrich | P8291 | |
| NaNO3, 50 mg | Sigma-Aldrich | S5022 | |
| Na2SO4, 40 mg | Sigma-Aldrich | S5640 | |
| MgCl2·6H20, 50 mg | Sigma-Aldrich | M2393 | |
| Sodium glycerophosphate, 100 mg | Sigma-Aldrich | G9422 | |
| H3BO3, 20 mg | Sigma-Aldrich | B6768 | |
| Bicine, 500 mg | Sigma-Aldrich | RES1151B-B7 | |
| P(IV) metal solution, 5 mL | |||
| Bring the following to 1 L with ddH2O | |||
| NaEDTA·2HO | Sigma-Aldrich | E6635 | |
| FeCl3 ·6H2O | Sigma-Aldrich | 236489 | |
| MnCl2·4H2O | Baker | 2540 | |
| ZnCl2 | Sigma-Aldrich | Z0152 | |
| CoCl2·6H2O | Sigma-Aldrich | C8661 | |
| Na2MoO4·2H2O | Baker | 3764 | |
| Cyanobacteria BG-11 50X Freshwater Solution | Sigma-Aldrich | C3061-500mL |
References
- Mayer, P. M., Poon, C. The mechanisms of collisional activation of ions in mass spectrometry. Mass Spectrometry Reviews. 28 (4), 608-639 (2009).
- Fisch, K. M. Biosynthesis of natural products by microbial iterative hybrid PKS–NRPS. RSC Advances. 3 (40), 18228-18247 (2013).
- 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).
- 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).
- 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).
- Walsh, J. P., et al. Diagnostic Fragmentation Filtering for the Discovery of New Chaetoglobosins and Cytochalasins. Rapid Communications in Mass Spectrometry. , (2018).
- 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).
- 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).
- 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).
- 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).
- Spoof, L., Catherine, A. Appendix 3: tables of microcystins and nodularins. Handbook of cyanobacterial monitoring and cyanotoxin analysis. , 526-537 (2016).
- 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).
- 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).
- Mayumi, T., et al. Structural characterization of microcystins by LC/MS/MS under ion trap conditions. The Journal of antibiotics. 59 (11), 710 (2006).
- 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).
- 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).
- 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).
- 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).
- 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).
- Schymanski, E., et al. Identifying small molecules via high resolution mass spectrometry: communicating confidence. Environmental science & technology. 48 (4), 2097 (2014).
