尖端Fe2O3纳米棒驱动的高性能质谱分析用于构建PM2.5暴露鼠的代谢指纹图谱

doi:10.7503/cjcu20240376

摘要/Abstract

摘要：

激光解吸电离质谱(LDI MS)对复杂样本中代谢物的检测受限于基质材料的选择和设计. 结构调控可以进一步提高基质材料的检测性能. 尖端结构能够有效增强电荷转移和光热转换效率，有望提升纳米材料在LDI MS代谢物检测中的电离和解吸能力. 因此，本文构建了基于尖端结构Fe₂O₃纳米棒(Nr-Fe₂O₃)的LDI MS平台. Nr-Fe₂O₃具有纳米表面粗糙、光吸收强、可增强电离能力和光热转换等特性，显著提高了LDI MS对代谢物检测的选择性和灵敏度[与Fe₂O₃纳米颗粒(Np-Fe₂O₃)相比，信号增强3~10倍；与商业化有机基质相比，信号增强10~15倍)]. 在实际样本检测中，将基质材料Nr-Fe₂O₃用于直径<2.5 μm的大气颗粒物(PM_2.5)暴露前后大鼠的血清代谢指纹图谱采集，并联合T检验成功筛选了暴露前后具有显著波动的差异性代谢特征值. 本文方法为后续设计高性能基质材料提供了新思路，也为PM_2.5暴露毒理学研究提供了一定的理论支撑.

关键词: 代谢分析, 激光解吸电离质谱, 金属氧化物

Abstract:

The performance of laser desorption/ionization mass spectrometry（LDI MS） is greatly limited by the choice and design of the matrix. Structural design of the matrix can further improve the detection performance. The sharper corner can effectively enhance charge transfer and photothermal conversion efficiency， thereby improving the ionization and desorption ability in LDI MS. Therefore， we constructed an LDI MS platform based on tip Fe₂O₃ nanorods（Nr-Fe₂O₃）. The nanoscale surface roughness， strong light absorption， enhanced ionization ability， and photothermal conversion properties of Nr-Fe₂O₃ have improved the selectivity and sensitivity of LDI-MS for metabolite detection［3—10 fold signal enhancement compared with Fe₂O₃ nanoparticles（Np-Fe₂O₃）， 10—15 fold signal enhanced compared to commercial organic matrices］. In the serum samples， the Nr-Fe₂O₃ was used to collect serum metabolic fingerprints of fine particulate matter（PM_2.5）-exposed mice， and screen the fluctuating features by T-test. Our approach guides us in matrix design for LDI MS metabolic analysis and provides the theoretical support for subsequent PM_2.5 exposure toxicology research.

Key words: Metabolic analysis, Laser desorption/ionization mass spectrometry, Metal oxide

中图分类号:

O657.6

TrendMD:

张怡涵, 滑天宇, 侯士姣, 张洋洋, 殷丹, 姬向波, 张岩皓, 裴聪聪, 张书胜. 尖端Fe₂O₃纳米棒驱动的高性能质谱分析用于构建PM_2.5暴露鼠的代谢指纹图谱. 高等学校化学学报, 2024, 45(11): 20240376.

ZHANG Yihan, HUA Tianyu, HOU Shijiao, ZHANG Yangyang, YIN Dan, JI Xiangbo, ZHANG Yanhao, PEI Congcong, ZHANG Shusheng. Tip Fe₂O₃ Nanorods Driven High-performance Mass Spectrometry Analysis for Constructing Metabolic Fingerprint of PM_2.5-exposed Mice. Chem. J. Chinese Universities, 2024, 45(11): 20240376.

图/表 11

Fig.1 SEM images(A, B) and XRD patterns(C) of Nr⁃Fe2O3 and Np⁃Fe2O3(A) Nr⁃Fe2O3; (B) Np⁃Fe2O3.

Fig.2 Mean LDI MS intensities of sodium⁃adducted peaks for Glu in 5 experiments using Nr⁃Fe2O3 and Np⁃Fe2O3 as matrices with different concentrations

Fig.3 Typical LDI MS spectra for detection of Pro, Glu and Man(A—C) and the mean intensities (5 experiments) of sodium⁃adducted peaks/potassium⁃adducted peaks for Pro, Glu and Man(D) using Nr⁃Fe2O3 and Np⁃Fe2O3 as matrices

Fig.4 UV⁃Vis absorption spectra(A) and photocurrent⁃time curves(B) of Nr⁃Fe2O3(a) and Np⁃Fe2O3(b)

Fig.5 Infrared thermal images of the initial temperature(A) and the temperature after 30 min of illumination(B) of Nr⁃Fe2O3 and Np⁃Fe2O3

Fig.6 Typical LDI MS spectra(A) and survival rate of parent ions(B) using Nr⁃Fe2O3 and Np⁃Fe2O3 as matrices for desorption[BP]+

Fig.7 The mean intensities of sodium⁃adducted peaks/potassium⁃adducted peaks of Val(A) and His(B) using Nr⁃Fe2O3, CHCA, and DHB as the matrices

Fig.8 Dark field images(A—C) and confocal scanning images(D—F) of Nr⁃Fe2O3(A, C), CHCA(B) and DHB(C, F)

Fig.9 Typical LDI MS spectra of Pro(A), Lys(B), Glu(C), and Man(D) at different concentrations of Nr⁃Fe2O3 as matrix

Fig.10 Nr⁃Fe2O3 assisted LDI MS in the detection of metabolite in complex samples（A—C） Typical LDI MS spectra of Man， Lys， Suc， Pro and Leu in 0.5 mol/L NaCl（A）， 0.50 mol/L KCl（B） and 5 mg/mL BSA（C） solutions；（D） Typical LDI MS spectra of serum sample；（E） CV distribution of intensities for the apparent signals extracted through data preprocessing using three PM2.5-exposed mices serum samples by five independent tests using Nr-Fe2O3 as the matrix.

Fig.11 Analysis of metabolite levels in PM2.5⁃exposed mice based on metabolic fingerprint（A） The weight distribution of control group and treat group，（control group； PM2.5-unexposed mice， treat group： PM2.5-exposed mice）；（B） the typical LDI MS spectra at m/z of 100—500 of serum samples from a control group and a treat group；（C） heatmaps of serum metabolic patterns in 16 mice；（D） confusion matrix of distinguishing control group from treat group；（E） volcano plot of screening metabolites with significant changes red dots for up-regulated metabolites， blue dots for down-regulated metabolites， and black dots for metabolites with no significant differences.

参考文献 32

1	Christofk H.， Metallo C.， Liu G. H.， Rabinowitz J.， Sparks L.， James D.， Cell， 2024， 187（15）， 3821—3823
2	Shu W. K.， Zhang M. J.， Zhang C. Q.， Li R. X.， Pei C. C.， Zeng Y.， Zhao L.， Zhao J.， Wan J. J.， Adv. Funct. Mater.， 2022， 33（5）， 2210267
3	Chen V. L.， Du X. M.， Chen Y. H.， Kuppa A.， Handelman S. K.， Vohnoutka R. B.， Peyser P. A.， Palmer N. D.， Bielak L. F.， Halligan B.， Speliotes E. K.， Nat. Commun.， 2021， 12（1）， 816
4	Huang Y. D.， Du S. Q.， Liu J.， Huang W. Y.， Liu W. S.， Zhang M. J.， Li N.， Wang R. M.， Wu J.， Chen W.， Jiang M. Y.， Zhou T. H.， Cao J.， Yang J.， Huang L.， Gu A.， Niu J. Y.， Cao Y.， Zong W. X.， Wang X.， Qian K.， Wang H. X.， PANS， 2022， 119（12）， e2122245119
5	Cao J.， Shi X. J.， Gurav D. D.， Huang L.， Su H. Y.， Li K. K.， Niu J. Y.， Zhang M. J.， Wang Q.， Jiang M. W.， Qian K.， Adv. Mater.， 2020， 32（23）， 2000906
6	Yang J.， Wang R.， Huang L.， Zhang M. J.， Niu J. Y.， Bao C. D.， Shen N.， Dai M.， Guo Q.， Wang Q.， Wang Q.， Fu Q.， Qian K.， Angew. Chem. Int. Ed.， 2020， 59（4）， 1703—1710
7	Huang L.， Wan J. J.， Wei X.， Liu Y.， Huang J. Y.， Sun X. M.， Zhang R.， Gurav D. D.， Vedarethinam V.， Li Y.， Chen R. P.， Qian K.， Nat. Commun.， 2017， 8， 220
8	Qiu Z. F.， Zheng Z. P.， Song Z. J.， Sun Y. C.， Shan Q. H.， Lin Z. W.， Xie Z. X.， Talanta， 2022， 242， 123299
9	Li R. X.， Zhou Y. J.， Liu C.， Pei C. C.， Shu W. K.， Zhang C. Q.， Liu L. Z.， Zhou L.， Wan J. J.， Angew. Chem. Int. Ed.， 2021， 60（22）， 12504—12512
10	Ding Y. J.， Pei C. C.， Shu W. K.， Wan J. J.， Chem⁃Asian J.， 2022， 17（3）， 2101310
11	Wang Y.， Shu W. K.， Lin S.， H.， Wu J. Y.， Jiang M.， Li S. M.， Liu C.， Li R. X.， Pei C. C.， Ding Y. J.， Wan J. J.， Di W.， Small， 2022， 18（11）， 2106412
12	Yagnik G. B.， Hansen R. L.， Korte A. R.， Reichert M， D.， Vela J.， Lee Y. J.， Anal. Chem.， 2016， 88（18）， 8926—8930
13	Yang J.， Yin X.， Zhang L. Z.， Zhang X. W.， Lin Y.， Zhuang L. Z.， Liu W. S.， Zhang R.， Yan X.C.， Shi L.， Di W.， Feng L.， Jia Y.， Wang J. L.， Qian K.， Yao X. D.， Adv. Mater.， 2022， 34（26）， 2201422
14	Kulkarni A. S.， Huang L.， Qian K.， J. Mater. Chem. B， 2021， 9（17）， 3622—3639
15	Picca R. A.， Calvano C. D.， Cioffi N.， Palmisano F.， Nanomaterials， 2017， 7（4）， 75
16	Hanatani K.， Yoshihara K.， Sakamoto M.， Saitow K. I.， J. Phys. Chem. Let.， 2020， 11（20）， 8799—8809
17	Chen X. M.， Wang T.， Lin L. M.， Wo F. J.， Liu Y. Q.， Liang X.， Ye H.， Wu J. M.， ACS Appl. Mater. Interfaces.， 2018， 10（17）， 14389—14398
18	Yuan L.， Lou M.， Clark B. D.， Lou M. H.， Zhou L. N.， Tian S.， Jacobson C. R.， Nordlander P.， Halas N. J.， ACS Nano， 2020， 14（9）， 12054—12063
19	Chaudhary E.， George F.， Saji A.， Dey S.， Ghosh S.， Thomas T.， Kurpad A. V.， Sharma S.， Singh N.， Agarwal S.， Mehta U.， Nat. Commun.， 2023， 14（1）， 6955
20	Dai S， P.， Wang Z. G.， Yang Y.， Du P.， Li X. Q.， J. Hazard. Mater.， 2022， 431， 128653
21	He Z.， Zhang H. N.， Song Y. Y.， Yang Z.， Cai Z. W.， J. Hazard. Mater.， 2022， 423， 127129
22	Song X. Y.， Liu J. H.， Geng N. B.， Shan Y. C.， Zhang B. Q.， Zhao B. F.， Ni Y. W.， Liang Z.， Chen J. P.， Zhang L. H.， Zhang Y. K.， J. Hazard. Mater.， 2022， 424， 127573
23	Pei C. C.， Wang Y.， Ding Y. J.， Li R. X.， Shu W. K.， Zeng Y.， Yin X.， Wan J. J.， Adv. Mater.， 2023， 35（18）， 2209083
24	Pei C. C.， Liu C.， Wang Y.， Cheng D.， Li R. X.， Shu W. K.， Zhang C. Q.， Hu W. L.， Jin A. H.， Yang Y. N.， Wan J. J.， Angew. Chem. Int. Ed.， 2020， 59（27）， 10831—10835
25	Sun X. M.， Huang L.， Zhang R.， Xu W.， Huang J. Y.， Gurav D. D.， Vedarethinam V.， Chen R. P.， Lou J. T.， Wang Q.， Wan J. J.， Qian K.， ACS Central Science， 2018， 4（2）， 223—229
26	Kouchiwa T.， Wada K.， Uchiyama M.， Kasezawa N.， Niisato M.， Murakami H.， Fukuyama K.， Yokogoshi H.， Chem Clin. Lab. Med.， 2012， 50， 861—870
27	Pei C. C.， Su R.， Lu S. T.， Chen X. N.， Ding Y. J.， Li R. X.， Shu W. K.， Zeng Y.， Lin Y. Y.， Xu L.， Mi Y. Q.， Wan J. J.， J. Mater. Chem. B， 2023， 11， 8206—8215
28	Zhou S.， Xi Y. Y.， Chen Y. Y.， Zhang Z. Z.， Wu C. Y.， Yan W.， Luo A. Y.， Wu T.， Zhang J. J.， Wu M.， Dai J.， Shen W.， Zhang F.， Ding W. J.， Wang S. X.， Small， 2020， 16（33）， 2000845
29	Bai Z. P.， Han J. B.， Azzi M.， Trends Environ. Anal. Chem.， 2017， 13， 1—9
30	Liu L. J.， Luo S. Q.， Zhang Y. Y.， Yang Z. M.， Zhou P. X.， Mo S. C.， Zhang Y. Q.， Environ. Sci. Technol.， 2022， 56（11）， 7224—7233
31	Fan R. R.， Xu L.， Cui B. W.， Li D. C.， Sun X. Y.， Qi Y.， Rao J. N.， Wang K.， Wang C.， Zhao K. M.， Zhao Y. J.， Dai J. C.， Chen W.， Shen H. B.， Liu Y.， Yu D. K.， Environ. Sci. Technol.， 2023， 57（17）， 6854—6864
32	Wang J. W.， Lin L. S.， Zhang J. Y.， Duan J. C.， Huang J.， Guo X. B.， Wu S. W.， Sun Z. W.， J. Hazard. Mater.， 2022， 436， 129180

[1]	池丽萍, 牛壮壮, 廖洁, 唐凯斌, 高敏锐. 过渡金属氧化物插层化学及其电催化应用的新进展[J]. 高等学校化学学报, 2023, 44(5): 20220740.
[2]	李孟蝶, 王祖民, 齐健, 于然波. 金属氧化物异质结的构建及在光催化CO₂还原反应中应用的研究进展[J]. 高等学校化学学报, 2023, 44(10): 20230196.
[3]	刘坤, 尹远, 耿文强, 夏昊天, 李华. 不同组分过渡金属氧化物催化剂对介质阻挡放电固氮的影响机制[J]. 高等学校化学学报, 2022, 43(11): 20220278.
[4]	赵欢欢, 李存玉, 金红. 基于TMT10-plex等量标记结合SMOAC富集磷酸肽的定量磷酸化蛋白质组性能评价[J]. 高等学校化学学报, 2021, 42(12): 3624.
[5]	孙辉, 赖小勇. 中空多壳层结构材料的制备及气体传感应用研究进展[J]. 高等学校化学学报, 2020, 41(5): 855.
[6]	任伟, 田野, 邢令利, 杨岳溪, 丁彤, 李新刚. K促进的纳米片状水滑石衍生CoAlO金属氧化物催化碳烟燃烧[J]. 高等学校化学学报, 2019, 40(8): 1670.
[7]	毛龙, 刘跃军, 范淑红. 聚吡咯改性层状黏土/聚己内酯抗菌纳米复合材料的制备与性能[J]. 高等学校化学学报, 2019, 40(8): 1726.
[8]	冯晓磊, 曲宗凯, 陈俊, 王登登, 陈旭, 杨文胜. NiFe₂O₄/NiO纳米复合材料的制备及电催化水氧化性能[J]. 高等学校化学学报, 2017, 38(11): 1999.
[9]	李莹莹, 张琦, 张宜恒, 王磊. NF/rGO/Co₃O₄/NiO电极的制备及在超级电容器中的应用[J]. 高等学校化学学报, 2017, 38(11): 2031.
[10]	吴斌泉, 王圣, 黄亮, 秦枫, 黄镇, 徐华龙, 沈伟. 水相重构法制备Ce改性Mg-Al复合氧化物及其在丙酮气相缩合反应中的应用[J]. 高等学校化学学报, 2016, 37(4): 745.
[11]	王锐, 王廷勇, 徐海波. 低温海水用钛基金属氧化物阳极的制备与性能[J]. 高等学校化学学报, 2016, 37(4): 701.
[12]	彭辉, 周友, 郝建薇, 李茁实, 邹红飞. 负载金属氧化物活性炭对阻燃橡胶硫化、燃烧及热老化性能的影响[J]. 高等学校化学学报, 2015, 36(12): 2569.
[13]	邓积光, 何胜男, 谢少华, 杨黄根, 刘雨溪, 戴洪兴. 用于消除挥发性有机物的有序多孔金属氧化物催化剂的研究进展[J]. 高等学校化学学报, 2014, 35(6): 1119.
[14]	刘跃军, 毛龙. MgAlZnFe-CO₃ LDHs对PBS膨胀阻燃体系性能的影响[J]. 高等学校化学学报, 2013, 34(12): 2903.
[15]	舒鑫, 周欣, 潘清江, 李明霞, 张红星, 孙家锺. 具有Lindqvist结构的[Mo₆O₁₉]^2-化合物及其二钨取代物的电子性质和稳定性的理论研究[J]. 高等学校化学学报, 2009, 30(5): 1014.

尖端Fe₂O₃纳米棒驱动的高性能质谱分析用于构建PM_2.5暴露鼠的代谢指纹图谱

Tip Fe₂O₃ Nanorods Driven High-performance Mass Spectrometry Analysis for Constructing Metabolic Fingerprint of PM_2.5-exposed Mice

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 32

相关文章 15

编辑推荐

Metrics

本文评价