糖类组学与脂质组学杂志
开放获取

抽象的

培养细胞脂质组学适应性的高通量筛选

艾肯·杰库肯

尽管当代脂质组学技术取得了巨大进步，但细胞培养物中生物活性物质的高通量筛选仍然具有挑战性。这些实验产生大量数据，这些数据被转化为脂质指纹。随后脂质组学变化的可视化是对实验结果进行有意义解释的关键。为了演示快速且多功能的脂质组学分析流程，我们在存在或不存在各种脂质代谢途径抑制剂的情况下，以 96 孔形式培养 HeLa 细胞四天。通过主成分分析对数据进行可视化揭示了该方法的高重现性以及脂质组的药物特异性变化。热图和网络的构建揭示了不同药物在脂质种类水平上的作用之间的相似性和差异。对完整数据集进行相关分析后，出现了可能代表不同膜域的相关脂质物种簇。总之，我们提出了一个用于培养细胞系高通量脂质组学分析的脂质组学平台。 高通量脂质组学在研究脂质在细胞代谢中的作用时具有巨大的潜力。有大量药物可干扰正常的脂质代谢途径，当代脂质组学技术可以同时监测数百种脂质的水平。然而，真正的高通量脂质组学仍然需要克服随后的几个挑战。首先，净化样品，以便测量其脂质成分。已建立的脂质提取方案涉及在初始单相系统后进行液-液提取。在这一单相系统中，脂质和亲水性代谢物保持溶解状态，而蛋白质则沉淀并通过离心去除。随后通过添加水和/或有机溶剂诱导两相系统，分离亲水性和疏水性代谢物。加上额外的洗涤步骤以提高脂质回收率，两相提取过程费力、耗时且难以实现自动化。接下来，必须在鸟枪脂质组学或液相色谱-质谱法 (LC-MS) 之间做出选择ⁿ ) 方法。鸟枪式脂质组学，即直接输注脂质提取物，仅依赖于脂质指纹分析的质谱技术。LC-MS ⁿ 方法基于反相 (RP)、  正相 (NP) 或亲水相互作用液相色谱 (HILIC) 都已证明了它们的价值，因为它们增加了保留时间，作为有助于鉴定脂质种类的附加功能。特别是，基于 HILIC 的脂质类别分离允许在通常只能通过鸟枪式脂质组学实现的时间跨度内进行基于 LCMS 的脂质组学分析。在这里，我们使用这种快速的 HILIC-LCMS 技术来获得最大的灵敏度和特异性，同时避免通常与鸟枪脂质组学相关的离子抑制。为了将 LC-MS 数据转换为（半）定量和带注释的峰列表，多种策略已成功应用于高分辨率和低分辨率仪器。通常，脂质组学实验可鉴定数百种脂质种类。对所获得结果的解释比其他组学领域更具挑战性。例如，在蛋白质组学和基因组学实验中，变化的蛋白质可能与酶或信号通路直接相关，从而为改变的细胞功能提供清晰的线索。同样在（亲水性）代谢组学中，大多数代谢物是一种或极少数酶的产物，并且是极少数其他酶的底物。因此，在代谢组学中，代谢物水平的改变可以直接映射到代谢途径的变化。在脂质组学中，这种映射更具挑战性，但生物信息学已成为脂质组学流程中不可或缺的一部分。脂质组学数据包含额外的细节层。虽然二维 (2D) 代谢图通常将脂质类别（如磷脂酰胆碱 (PC) 或磷脂酰乙醇胺 (PE)）呈现为单一代谢物，但脂质亚类和酰基组成为图添加了第三个维度。脂质功能可以依赖于该附加层，例如磷脂酶可能仅作用于脂质类别内的脂质种类的子集，并且脂质微结构域的出现也在脂质种类水平上受到调节。因此，脂质组学数据的解释尤其具有挑战性。同样，对脂质代谢的干扰，无论是药物引起的还是病理引起的，都可能影响许多脂质种类。如果不考虑整个（磷酸）脂质组并了解脂质种类之间现有的相互作用，就不可能区分关键的主要效应和不太相关的副作用。因此，复杂脂质组变化的信息丰富的可视化非常重要。一旦实现这一点，就可以比较多种药物或细胞条件。在这里，我们比较了九种不同药物对 HeLa 细胞系细胞脂质组的影响。我们选择了文献中广泛使用的药物，这些药物很容易获得并且针对多种细胞过程。这些实验采用高通量方法进行，使科学家能够在一天内完成从脂质提取和 LC-MS 到可视化的整个脂质组学分析。这样，我们可以在我们的实验中证明脂质组学变化的高度可重复性。此外，我们可视化药物之间的异同及其对脂质种类的影响。我们使用干扰脂质代谢不同点的抑制剂，使我们能够研究哪些脂质种类彼此强烈相关，无论是正相关还是负相关。综上所述，我们展示了如何在高内涵组学筛选中实施脂质组学