Summary

Нецелевая жидкая хроматография-масс-спектрометрия на основе метаболомики Анализ зерна пшеницы

Published: March 13, 2020
doi:

Summary

Представлен метод нецелевого анализа метаболитов и липидов зерна пшеницы. Протокол включает в себя метод извлечения метаболита ацетонитрила и обратную фазовую методологию жидкой хроматографии-масс-спектрометрии, с приобретением в положительных и отрицательных режимах ионизации электроспрея.

Abstract

Понимание взаимосвязей между генами, окружающей средой и управлением в сельскохозяйственной практике может позволить более точнопрогнозировать и управить урожайность и качество продукции. Метаболомика данные обеспечивает чтение из этих взаимодействий в данный момент времени и информативным биохимического статуса организма. Кроме того, отдельные метаболиты или панели метаболитов могут быть использованы в качестве точных биомаркеров для прогнозирования и управления качеством. По прогнозам, метаболомрастение будет содержать тысячи мелких молекул с разнообразными физикохимическими свойствами, которые дают возможность биохимическому пониманию физиологических признаков и открытию биомаркеров. Чтобы использовать это, ключевой целью исследователей метаболомики является захват как можно больше физико-химического разнообразия в рамках одного анализа. Здесь мы представляем метод нецелевой метаболомики жидкой хроматографии-масс-спектрометрии для анализа пшеничного зерна, выращенного на местах. Метод использует менеджер растворителя каломатографа жидкостного хроматографа для введения третьей мобильной фазы и сочетает в себе традиционный градиент обратной фазы с липидно-податливым градиентом. Подробно описаны подготовка зерна, извлечение метаболита, инструментальный анализ и обработка данных. Наблюдалась хорошая точность массы и воспроизводимость сигнала, и метод дал около 500 биологически значимых функций в режиме ионизации. Кроме того, были определены значительно разные метаболитные и липидные сигналы между сортами пшеницы.

Introduction

Понимание взаимосвязей между генами, окружающей средой и практикой управления в сельском хозяйстве может позволить более точнопрогнозировать и управиться выходом и качеством продукции. Метаболиты растений зависят от таких факторов, как геном, окружающая среда (климат, осадки и т.д.), а в сельском хозяйстве управляется тем, как управляются сельскохозяйственные культуры (т.е. применение удобрений, фунгицидов и т.д.). В отличие от генома, метаболом находится под влиянием всех этих факторов и, следовательно, метаболомика данные обеспечивает биохимический отпечаток этих взаимодействий в определенное время. Есть, как правило, одна из двух целей для метаболомики на основе исследования: во-первых, для достижения более глубокого понимания биохимии организма и помочь объяснить механизм реагирования на возмущение (абиотических или биотических стресс) в отношении физиологии; и, во-вторых, связать биомаркеры с исследуемыми возмущениями. В обоих случаях результатом наличия этих знаний является более точная стратегия управления для достижения цели повышения размера и качества урожайности.

По прогнозам, метаболомрастение будет содержать тысячи1 малых молекул с разнообразными физикохимическими свойствами. В настоящее время никакие платформы метаболомики (преимущественно масс-спектрометрия и ядерная магнитно-резонансная спектроскопия) не могут зафиксировать весь метаболом в одном анализе. Разработка таких методов (подготовка образцов, метаболитная добыча и анализ), которые обеспечивают максимально большое покрытие метаболом, насколько это возможно в рамках одного аналитического запуска, является ключевой целью для исследователей метаболомики. Предыдущие нецелевые метаболомические анализы зерна пшеницы объединили данные из нескольких хроматографических разделений и закупочных полярностей и/или приборов для большего охвата метаболомами. Однако для этого необходимо подготовить и приобрести образцы отдельно для каждого метода. Например, Beleggia et al.2 подготовили производный образец для анализа полярных анализов GC-MS в дополнение к анализу GC-MS неполярных анализов неполярных анализов. Das et al.3 использовали как методы GC-, так и LC-MS для улучшения охвата в своих анализах; однако этот подход, как правило, требует отдельной выборочной подготовки, как описано выше, а также двух независимых аналитических платформ. Предыдущие анализы зерна пшеницы с использованием GC-MS2,,3,,4 и LC-MS3,,5 платформ дали от 50 до 412 (55 идентифицированных) особенностей для GC-MS, 409 для комбинированных GC-MS и LC-MS и несколько тысяч для анализа липидоми LC-MS5. Объединив по крайней мере два режима в единый анализ, расширенный охват метаболом может быть сохранен, увеличивая богатство биологического толкования, а также предлагая экономию как во времени, так и в стоимости.

Для обеспечения эффективного разделения широкого спектра липидных видов путем обратной фазы хроматографии, современные методологии липидоми обычно используют высокую долю изопропанола в растворителе elution6, обеспечивая удобство для липидных классов, которые в противном случае могли бы быть нерешенными хроматографии. Для эффективного разделения липидов, начиная передвижная фаза также гораздо выше в органическом составе7 чем типичные обратные методы хроматографических фаз, которые рассматривают другие типы молекул. Высокий органический состав в начале градиента делает эти методы менее подходящими для многих других классов молекул. В частности, обратная фаза жидкой хроматографии использует бинарный градиент растворителя, начиная с в основном водного состава и увеличивая органическое содержание по мере увеличения силы растворения хроматографии. С этой целью мы стремились объединить два подхода для достижения разделения как липидных, так и нелипидных классов метаболитов в рамках одного анализа.

Здесь мы представляем хроматографический метод, который использует третью мобильную фазу и позволяет комбинированную традиционную обратную фазу и соответствующий липидомике метод хроматографии с использованием одного образца подготовки и одной аналитической колонки. Мы приняли многие из мер по контролю качества и шагов фильтрации данных, которые ранее были реализованы в преимущественно клинических метаболомических исследованиях. Эти подходы полезны для определения надежных объектов с высокой технической воспроизводимостью и биологической репродукцией и исключают те, которые не отвечают этим критериям. Например, мы описываем повторный анализ объединенной выборки8, коррекции КК9, фильтрации данных9,,10 и вычисления отсутствующих функций11.

Protocol

Этот метод подходит для 30 образцов (примерно 150 семян на образец). Здесь были использованы три биологических репликата десяти различных сортов пшеницы, выращенных на местах. 1. Приготовление зерновых Извлекать образцы (целые зерна) из -80 градусов по Цельсию.ПРИМЕЧА?…

Representative Results

Метаболом растений влияет сочетание его генома и окружающей среды, а также в сельскохозяйственных условиях, режим управления сельскохозяйственными культурами. Мы демонстрируем, что генетические различия между сортами пшеницы можно наблюдать на уровне метаболита, з?…

Discussion

Здесь мы представляем метод нецелевой метаболомики на основе LC-MS для анализа зерна пшеницы. Метод сочетает в себе четыре режима приобретения (обратная фаза и липидно-подливающая обратная фаза с положительной и отрицательной ионизации) в два режима путем введения третьей мобильной фаз?…

Divulgaciones

The authors have nothing to disclose.

Acknowledgements

Авторы хотели бы отметить программу стипендий премьер-министра Западной Австралии по сельскому хозяйству и продовольствию (Департамент рабочих мест, туризма, науки и инноваций, правительство Западной Австралии) и стипендиат премьер-министра, профессор Саймон Кук (Центр Цифровое сельское хозяйство, Университет Кертина и Университет Мердока). Полевые испытания и сбор образцов зерна были поддержаны правительством Программы роялти для регионов Западной Австралии. Мы признаем Грантли Стейнера и Роберта Френша за их вклад в полевые испытания. NCRIS финансируемых Bioplatforms Австралии признан для финансирования оборудования.

Materials

13C6-sorbitol Merck Sigma-Aldrich 605514
2-aminoanthracene Merck Sigma-Aldrich A38800-1 g
Acetonitrile ThermoFisher Scientific FSBA955-4 Optima LC-MS grade
Ammonium formate Merck Sigma-Aldrich 516961-100 mL >99.995%
Analyst TF Sciex Version 1.7
AnalyzerPro software SpectralWorks Ltd. Data processing software used for step 7.2. Version 5.7
AnalyzerPro XD sortware SpectralWorks Ltd. Data processing software used for step 7.5. Version 1.4
Balance Sartorius. Precision Balances Pty. Ltd.
d6-transcinnamic acid Isotec 513962-250 mg
Formic acid Ajax Finechem Pty. Ltd. A2471-500 mL 99%
Freeze dryer (Freezone 2.5 Plus) Labconco 7670031
Glass Schott bottles (100 mL, 500 mL, 1 L)
Glass vials (2 mL) and screw cap lids (pre-slit) Velocity Scientific Solutions VSS-913 (vials), VSS-SC91191 (lids)
Installation kit for Sciex TripleToF Sciex p/n 4456736
Isopropanol ThermoFisher Scientific FSBA464-4 Optima LC-MS grade
Laboratory blender Waring commercial Model HGBTWTS3
Leucine-enkephalin Waters p/n 700008842 Tuning solution
Metaboanalyst https://www.metaboanalyst.ca/MetaboAnalyst/faces/home.xhtml Web-based analytical pipeline for high-throughput metabolomics. Free, web-based tool. Version 4.0.
Methanol ThermoFisher Scientific FSBA456-4 Optima LC-MS grade
Miconazole Merck Sigma-Aldrich M3512-1 g
Microcentrifuge (Eppendorf 5415R) Eppendorf (Distributed by Crown Scientific Pty. Ltd.) 5426 No. 0021716
Microcentrifuge tubes (2 mL) SSIbio 1310-S0
Microsoft Office Excel Microsoft
Peak View software Sciex Version 1.2 (64-bit)
Pipette tips (200 uL, 100 uL) ThermoFisher Scientific MBP2069-05-HR (200 uL), MBP2179-05-HR (1000 uL)
Pipettes (200 uL, 1000 uL) ThermoFisher Scientific
Plastic centrifuge tubes (15 mL) ThermoFisher Scientific NUN339650
Progenesis QI Nonlinear Dynamics Samll molecule discovery analysis software. Version 2.3 (64-bit)
Sciex 5600 triple ToF mass spectrometer Sciex
Screw-cap lysis tubes (2 mL) with ceramic beads Bertin Technologies
Sodium formate Merck Sigma-Aldrich 456020-25 g
Tissue lyser/homogeniser Bertin Technologies Serial 0001620
Volumetric flasks (10 mL, 50 mL, 100 mL, 200 mL, 1 L)
Vortex mixer IKA Works Inc. (Distributed by Crown Scientific Pty. Ltd.) 001722
Water ThermoFisher Scientific FSBW6-4 Optima LC-MS grade
Water's Acquity LC system equipped with quaternary pumps Waters
Water's Aquity UPLC 100mm HSST3 C18 column Waters p/n 186005614

Referencias

  1. Hall, R., et al. Plant metabolomics: the missing link between genotype and phenotype. Plant Cell. 14, (2002).
  2. Beleggia, R., et al. Effect of genotype, environment and genotype-by-environment interaction on metabolite profiling in durum wheat (Triticum durum Desf.) grain. Journal of Cereal Science. 57 (2), 183-192 (2013).
  3. Das, A., Kim, D. -. W., Khadka, P., Rakwal, R., Rohila, J. S. Unraveling Key Metabolomic Alterations in Wheat Embryos Derived from Freshly Harvested and Water-Imbibed Seeds of Two Wheat Cultivars with Contrasting Dormancy Status. Frontiers in Plant Science. 8 (1203), (2017).
  4. Francki, M. G., Hayton, S., Gummer, J. P. A., Rawlinson, C., Trengove, R. D. Metabolomic profiling and genomic analysis of wheat aneuploid lines to identify genes controlling biochemical pathways in mature grain. Plant Biotechnology Journal. 14 (2), 649-660 (2016).
  5. Riewe, D., Wiebach, J., Altmann, T. Structure Annotation and Quantification of Wheat Seed Oxidized Lipids by High-Resolution LC-MS/MS. Plant Physiology. 175 (2), 600-618 (2017).
  6. Blazenovic, I., et al. Structure Annotation of All Mass Spectra in Untargeted Metabolomics. Analytical Chemistry. 91 (3), 2155-2162 (2019).
  7. Castro-Perez, J. M., et al. Comprehensive LC-MSE Lipidomic Analysis using a Shotgun Approach and Its Application to Biomarker Detection and Identification in Osteoarthritis Patients. Journal of Proteome Research. 9 (5), 2377-2389 (2010).
  8. Sangster, T., Major, H., Plumb, R., Wilson, A. J., Wilson, I. D. A pragmatic and readily implemented quality control strategy for HPLC-MS and GC-MS-based metabonomic analysis. Analyst. 131 (10), 1075-1078 (2006).
  9. Dunn, W. B., et al. Procedures for large-scale metabolic profiling of serum and plasma using gas chromatography and liquid chromatography coupled to mass spectrometry. Nature Protocols. 6 (7), 1060-1083 (2011).
  10. Broadhurst, D., et al. Guidelines and considerations for the use of system suitability and quality control samples in mass spectrometry assays applied in untargeted clinical metabolomic studies. Metabolomics. 14 (6), 72 (2018).
  11. Chong, J., et al. MetaboAnalyst 4.0: towards more transparent and integrative metabolomics analysis. Nucleic Acids Research. 46 (1), 486-494 (2018).
  12. Du Fall, L. A., Solomon, P. S. The necrotrophic effector SnToxA induces the synthesis of a novel phytoalexin in wheat. New Phytologist. 200 (1), 185-200 (2013).
  13. Bowne, J. B., et al. Drought Responses of Leaf Tissues from Wheat Cultivars of Differing Drought Tolerance at the Metabolite Level. Molecular Plant. 5 (2), 418-429 (2012).
  14. Wang, M., et al. Sharing and community curation of mass spectrometry data with Global Natural Products Social Molecular Networking. Nature Biotechnology. 34 (8), 828-837 (2016).
  15. Shahaf, N., et al. The WEIZMASS spectral library for high-confidence metabolite identification. Nature Communications. 7 (1), 12423 (2016).

Play Video

Citar este artículo
Abbiss, H., Gummer, J. P. A., Francki, M., Trengove, R. D. Untargeted Liquid Chromatography-Mass Spectrometry-Based Metabolomics Analysis of Wheat Grain. J. Vis. Exp. (157), e60851, doi:10.3791/60851 (2020).

View Video