Lipider spelar en nyckelroll i många metabola sjukdomar, inklusive hypertoni, diabetes, och stroke. Så att ha en fullständig profil av kroppens lipider - dess "lipidom" - är viktigt.

Lipidomikstudier baseras ofta på vätskekromatografi i kombination med tandemmasspektrometri (LC-MS/MS). Men forskare har svårt att bearbeta data tillräckligt snabbt, och de är oförmögna att på ett säkert sätt identifiera och exakt kvantifiera de upptäckta lipidtyperna.

Felaktiga identifieringar kan resultera i vilseledande biologiska tolkningar. Ändå är befintliga verktyg inte utformade för storvolymverifiering av identifieringar och måste verifieras manuellt för att säkerställa noggrannheten. Eftersom forskare i allt högre grad vill ha större lipidomikstudier, analytiker behöver förbättrad programvara för att identifiera lipider.

En färsk artikel av huvudförfattaren Jennifer E. Kyle och åtta medförfattare vid Pacific Northwest National Laboratory (PNNL) introducerar en öppen källkod för lipididentifiering, Lipidkvantifiering och identifiering (LIQUID). Poängen går att träna, sökdatabasen är anpassningsbar, och flera bevislinjer visas, möjliggör säker identifiering. LIQUID gör också sökningar med enstaka och globala mål tillgängliga, såväl som fragment-mönstersökningar. Allt detta gör det möjligt för forskare att spåra liknande och upprepande mönster av MS/MS-spektra.

Jämfört med annan fritt tillgänglig programvara som vanligtvis används för att identifiera lipider och andra små molekyler, LIQUID har en snabb bearbetningstid som kan generera ett högre antal validerade lipididentifikationer snabbare. Dess referensdatabas innehåller mer än 21, 200 unika lipidmål i sex lipidkategorier, 24 klasser, och 63 underklasser.

LIQUID kan med säkerhet identifiera fler lipidarter med en snabbare kombinerad bearbetning och valideringstid än någon annan programvara inom sitt område.

Vad kommer härnäst?

Utvecklare av LIQUID kommer att utöka referensbiblioteket till att inkludera lipider som kan vara unika för särskilda sjukdomstillstånd eller för organismer från utvalda miljönischer. Detta innebär att forskare kommer att kunna karakterisera ett mer varierat urval av prover och därför öka förståelsen för biologiska och miljömässiga system av intresse.