Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.

Yöntem makalesi

LC-MS/MS tanılama parçalanma filtreleme ile doğal ürün keşfi: Microcystin analizi için uygulama

8.2K görüntüleme

⸱

DOI:

10.3791/59712

⸱

31 Mayıs 2019

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

Bu makalede

Özet

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.

Özet

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.

Giriş

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.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

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.

  1. MZmine 2 indirme (http://mzmine.github.io/)
    Not: örnek veri CPCC300. RAW https://drive.google.com/open?id=1HHbLdvxCMycSasyNXPRqIe5pkaSqQoS0 adresinde bulabilirsiniz.
    1. Ham veri yöntemleri açılır menüsünden ham veri alma seçeneğini seçin.
    2. Analiz edilecek veri dosyalarını seçin. Tek veya birden çok dosya içe aktarılabilir.
  2. Isteğe bağlı Satıcı veri formatı MZmine tarafından desteklenmiyorsa, Centro,. mzml veri dosyalarını oluşturmak için Proteowizard16 kullanın.
    1. Satıcı tarafından sağlanan centroiding algoritmasını uygulamak için en yüksek malzeme çekme filtresini seçin.

2. alınan DDA dosyalarının tanılama parçalanma filtreleme

  1. İmleci kullanarak, ana MZmine ekranının RAW veri dosyaları sütunundaki veri dosyalarını seçin ve vurgulayın.
  2. Görselleştirme açılır menüsünün altında Tanılama parçalanma filtreleme seçeneğini belirleyin.
  3. Görünen DFF iletişim kutusunda (Şekil 3), aşağıdaki seçenekleri girin:
    1. Bekletme süresi – Otomatik aralığı kullanın veya hedeflenen analitik sınıf elute zaman dakika olarak bekletme süreleri aralığını tanımlayın.
    2. 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.
    3. 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.
    4. 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.
    5. 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.
    6. Minimum tanı iyon yoğunluğu (% baz tepe) – MS/MS spektrumlarının baz zirvesinde% olarak, teşhis edilen ürün iyonları ve/veya nötr kayıplar için asgari yoğunluğun tanımlanması.
    7. Peaklist çıktı dosyası – sonuçları çıktısını almak için bir yol ve dosya adı seçin.
    8. 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

  1. Numune hazırlama
    1. Sterilizasyon 250 mL Erlenmeyer 30 mL steril MA medya17 veya diğer siyanobacteria büyüme medya (BG-11) içeren flsorların köpük stoper ile donatılmıştır.
    2. 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.
    3. 47 mm çapında GF/C cam mikrofiber filtre kağıtları kullanılarak vakum filtrasyon ile 26 gün sonra kültür ortamından hücreleri ayırın.
    4. 14 mL test tüpünde hasat edilen hücrelere 3 mL 80% metanol (aq) ekleyin.
    5. 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.
    6. Hücrelerin etkili bir şekilde Lyse için iki ek kez 3.1.5 adım yineleyin.
    7. Elde edilen siyanobacteria hücre ekstresini 0,22 μm PTFE şırınga filtresi (ler) ile filtreleyin.
    8. 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.
    9. Analiz öncesinde kehribar HPLC şişede 30 sn 500 μL,% 90 metanol (aq) ve Vortex ile kurutulmuş kalıntıyı yeniden oluşturur.
  2. 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.
  3. Hazırlamak DDA DataFile (s) ve MZmine içine ithalat adımları 1,1 ve 1,2 aşağıdaki.
  4. Meta dosyaları seçin ve 2.1-2.2 adımlarını izleyerek DFF modüllerini başlatın.
  5. MC analizi için, DFF modülü içinde aşağıdaki ayarları kullanın (Şekil 3).
    1. Bekletme süresi – 2,00 aralığında giriş 6,00 dk.
    2. Precursor m/z – giriş m/z aralığı 430,00 için 1200,00.
    3. m/z tolerans – 0,01 m/z veya 3,0 ppm m/z toleransı uygulayın.
    4. Tanılama ürün iyonlarının (m/z) – giriş m/z 135,0803, 163,1114 tanı ürün iyonları olarak
    5. Tanılama nötr kaybı değeri (da) – giriş 0,0 tanılama nötr kayıpların kullanıldığını tanımlamak için.
    6. Minimum tanı iyon yoğunluğu (% baz tepe) – kullanım 15,00 asgari yoğunluk eşik olarak
    7. Peaklist çıktı dosyası – çıktı dosyasını putative_MCs. csvolarak tanımlayın.
  6. DFF analizini başlatmak için Tamam düğmesini tıklatın. Yukarıdaki adımları başarıyla tamamladıktan sonra bir DFF grafiği (Şekil 4) görünecektir

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

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 ...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

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 türevler...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

Yazarlar açıklamak için hiçbir şey var

Teşekkürler

Yazarlar, Heather Roshon (Kanadalı Phycological Kültür Merkezi, Waterloo Üniversitesi ve teknik yardım için Sawsan Abusharkh (Carleton Üniversitesi) çalıştı siyanobacteria kültürü sağlamak için teşekkür ederiz.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
Cyanobacteria
Microcystis aeruginosaCPCC300KANADA FİKOLOJİK KÜLTÜR MERKEZİhttps://uwaterloo.ca/canadian-phycological-culture-centre/
Software
Proteowizard (yazılım)yazılımıhttp://proteowizard.sourceforge.net/
Mzmine 2yazılımıhttp://mzmine.github.io/
LC-MS
Q-Exactive OrbitrapTermo-HESI iyonizasyon kaynağı
1290 UHPLCAgilentile donatılmıştır İkili pompa, otomatik numune alma cihazı, kolon bölmesi
C18 kolonuile donatılmıştırAgilent959757-902Eclipse Plus C18 RRHD sütunu (2.1 & kez; 100 mm, 1.8 & mu; m)
< güçlü > Çözücüler< / güçlü >
Optima LC-MS sınıfı MetanolFisherA456-4
OptimaLC-MS sınıfı AsetonitrilFisherA955-4
OptimaLC-MS sınıfı SuFisherW6-4
LC-MS sınıfı Formik AsitFisherA11710X1-AMP
Vortex-Genie 2Bilimsel EndüstrilerSI-0236
Santrifüj Sorvall Micro 21Thermo Scientific75-772-436
Diğer
Amber HPLC şişeleri 2 mL/kapaklarAgilent5182-0716 / 5182-0717
0.2-μ m PTFE şırınga filtreleriPall Corp.4521
Whatman 47mm GF / A cam mikrofiber filtrelerSigma-AldrichWHA1820047
Media< / strong><
em>MA ortamı (pH 8.6) (miktar / L)< / em>Watanabe, MF & Oishi, S. Çevresel faktörlerin kültür koşulları altında bir siyanobakterinin (Microcystis aeruginosa) toksisitesi üzerindeki etkileri. Uygulamalı ve Çevresel mikrobiyoloji. 49 (5), 1342-1344 (1985).
Ca (HAYIR < alt > 3 < / alt >) ve orta nokta; 4H < alt > 2 < / sub>O, 50 mgSigma-AldrichC2786
KNO<3 / sub>, 100 mgSigma-AldrichP8291
NaNO3< / sub>, 50 mgSigma-AldrichS5022
Na2< / sub>SO4< / sub>, 40 mgSigma-AldrichS5640
MgCl 2 ve orta nokta; 6H20, 50 mgSigma-AldrichM2393
Sodyum gliserofosfat, 100 mgSigma-AldrichG9422
H3BO3, 20 mgSigma-AldrichB6768
Bicine, 500 mgSigma-AldrichRES1151B-B7
P(IV) metal çözeltisi, 5 mL
ddH2O
NaEDTA· ile aşağıdakileri 1 L'ye getirin; 2HOSigma-AldrichE6635
FeCl3 ve orta nokta; 6H2OSigma-Aldrich236489
MnCl2· 4H2OBaker2540
ZnCl2Sigma-AldrichZ0152
CoCl2· 6H2OSigma-AldrichC8661
Na2MoO4· 2H2OBaker3764
Siyanobakteriler BG-11 50X Tatlı Su ÇözeltisiSigma-AldrichC3061-500mL
CPCC300

Kaynaklar

  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).

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Etiketler

MZmine Yaz l mVeriye Ba ml Kazan mY ksek z n rl kl K tle Spektrometresir n yonlarN tr Kay plarMicrocystis aeruginosa
LC-MS/MS tanılama parçalanma filtreleme ile doğal ürün keşfi: Microcystin analizi için uygulama
Bize ulaşın
Kütüphaneye tavsiye et

Gizlilik

Kullanım Şartları

İlkeler

Telif hakkı © 2026 MyJoVE Corporation. Tüm hakları saklıdır.