Untargeted metabolomic approach by GC-QTOF : From low to high resolution
2017
Les approches metabolomiques non ciblees par GC-MS ont pu evoluer grâce au developpement
de nouveaux instruments de plus haute resolution, comme le GC-QToF. Cette approche est utilisee au
laboratoire dans le cadre de projets scientifiques pour la recherche de biomarqueurs permettant la carac-
terisation de phenotypes metaboliques.
Une methode d’analyse non ciblee pour la determination de profils metaboliques de biofluides par GC-
QToF a ete adaptee d’une methode basse resolution (Gao et al (1)) basee sur une double derivation
oximation /silylation.
Cette technique, plus sensible et plus resolutive, necessite des outils de traitement des donnees speci-
fiques dedies. Aussi, nous avons du adapter des outils developpes par notre laboratoire pour le traitement
de donnees metabolomiques a ce type de donnees. Ces outils comprennent l’extraction des donnees par
xcms sous la plateforme Galaxy (W4M, (2)), ainsi que tout le workflow conduisant a l’annotation des
ions extraits apres filtration et correction des effets batch.
Parallelement, nous deployons une strategie de deconvolution, a partir d’outils constructeurs afin de com-
pleter les resultats obtenus sous Galaxy.
A ce jour, les bibliotheques GC-MS (NIST, Golm, Massbank) restent tres utilisees pour l’identification
des metabolites mais ne contiennent aucun spectre avec des masses precises bien que certains provi-
ennent de GC-EI-ToF. Par consequent, nous constituons une bibliotheque interne en haute resolution
avec des standards purs et en matrices biologiques qui alimentera la base de donnees PeakForest de
l’infrastructure francaise MetaboHUB.
La mesure des masses precises ainsi que le developpement de nouveaux outils d’automatisation du traite-
ment de donnees devraient permettre de lever certains verrous rencontres dans la recherche de biomar-
queurs concernant l’identification des metabolites.
- Correction
- Source
- Cite
- Save
- Machine Reading By IdeaReader
0
References
0
Citations
NaN
KQI