在生命科學領域，遺傳和環(huán)境因素對人類健康影響重大。世界衛(wèi)生組織數(shù)據(jù)顯示，70% 的疾病和 40% 的死亡與環(huán)境因素相關。代謝組 - 暴露組全關聯(lián)研究（mEWAS）意義重大，但面臨諸多難題。人體內(nèi)源性代謝物和環(huán)境化學物質(zhì)數(shù)量多、性質(zhì)差異大、濃度跨度廣，現(xiàn)有代謝組學和暴露組學方法存在局限，即便結(jié)合 HRMS 非靶向分析與 MRM 靶向分析，仍存在通量低、耗時耗樣的問題，分析稀少生物樣品時更突出。

研究人員采用 Zeno SWATH 技術收集 RSQC 和 Lab QC 樣品的全部TOF MS和TOF MSMS信息，以最大化 MS2 信息的豐富度，并注釋血清中的內(nèi)源性代謝物和外源性化合物。使用 MS-DIAL 進行解卷積，然后通過數(shù)據(jù)庫搜索，對代謝物和外源性化合物進行注釋。內(nèi)部數(shù)據(jù)庫 OSI - SMMS 和暴露組數(shù)據(jù)庫也分別用于內(nèi)源性代謝物和外源性化合物的精確注釋。基于已識別的外源性化合物和文獻確定靶向的外源性化合物，優(yōu)化碰撞能量和去簇電壓，生成 MRM 列表。最終的 LC - HRMS - MRM 方法將 HRMS 用于非靶向代謝組學分析，將 MRM MS 用于靶向暴露組學分析。

本研究以2 型糖尿病（T2DM）研究為例，收集 226 份空腹血清樣本，涵蓋 2 型糖尿病患者、糖尿病前期受試者和健康對照者，且樣本在多方面匹配。分析時， Zeno SWATH 模式下鑒定出 1190 種代謝物，遠超 DDA 模式的668 種代謝物。同時，Zeno SWATH模式鑒定出 43 種血清外源性化合物，多于 DDA 模式的20種。這證明了 Zeno SWATH 的高效性和全面性，它顯著增強了 MS2 強度和碎片豐度，從而提升了代謝物和外源性化合物的定性和定量能力。隨后，將從 RSQC 和 Lab QC 中確定的 43 種外源性化合物，以及從文獻檢索中獲得的 205 種在人體中報道濃度較高或檢測頻率較高的農(nóng)藥、獸藥和化學污染物，整合到預 MRM 列表中，并準備了全面的代謝組列表，用于后續(xù)實際樣品的分析。詳細流程見圖1.

結(jié)果顯示，與 HRMS 相比，MRM 模式顯著提高了外源性化合物的檢測靈敏度。在低濃度 10ng/mL（添加到胎牛血清中）時，有 15 種外源性化合物在 HRMS 中無法檢測到，但在 MRM 模式下可以檢測到；與 HR 模式相比，有 54 種和 79 種外源性化合物的靈敏度分別提高了 10 倍以上和 3-10 倍，具體數(shù)據(jù)詳見圖2。盡管血清中外源性化合物的濃度通常比代謝組低 2-3 個數(shù)量級，但它們在 MRM 中的信號響應與代謝物在 HRMS 中的信號響應幾乎相似，這體現(xiàn)了 HRMS - MRM MS 模式的強大篩選能力。

參考文獻

[1]. Pengwei Guan, Yuting Wang, Tiantian Chen, Jun Yang, Xiaolin Wang, Guowang Xu, Xinyu Liu; Novel Method for Simultaneously Untargeted Metabolome and Targeted Exposome Analysis in One Injection. Analytical Chemistry. 2025. https://doi.org/10.1021/acs.analchem.4c05565