Een nieuwe computationele massaspectrometrie-beeldvormingsmethode stelt onderzoekers in staat om een ​​hoge massaresolutie en een hoge ruimtelijke resolutie voor biologische monsters te bereiken, terwijl datasets exponentieel sneller worden geleverd.

Onderzoekers van het Beckman Institute for Advanced Science and Technology ontwikkelden een subruimte-massaspectrometrie-beeldvormingsbenadering die de snelheid van data-acquisitie versnelt - zonder de kwaliteit op te offeren - door een modelgebaseerde reconstructiestrategie te ontwerpen.

De techniek, die is ontwikkeld met behulp van diermodellen, belangrijke implicaties kunnen hebben voor veel toepassingen, inclusief analytische chemie en klinische studies, met resultaten die in een fractie van de tijd beschikbaar zijn. Het kan ook een breed scala aan biomoleculen detecteren, van kleine moleculen zoals neurotransmitters en aminozuren tot grotere moleculen zoals lipiden of peptiden.

Het artikel "Accelerating Fourier Transform-Ion Cyclotron Resonance Mass Spectrometry Imaging Using a Subspace Approach" werd gepubliceerd in de Tijdschrift van de American Society of Mass Spectrometry .

"Fourier transformatie-ion cyclotron resonantie is een echt krachtig instrument, met de hoogste massaresolutie, " zei Yuxuan Richard Xie, een afgestudeerde bio-ingenieursstudent aan de Universiteit van Illinois Urbana-Champaign, wie is de eerste auteur van het papier. "Maar een nadeel van FT-ICR is dat het erg traag is. Dus in wezen, als mensen een bepaalde massaresolutie willen bereiken, ze moeten dagen wachten om datasets te verkrijgen. Onze computationele benadering versnelt dit acquisitieproces, mogelijk van één dag tot misschien één tot twee uur - in feite een tienvoudige toename van de data-acquisitiesnelheid."

"Onze methode verandert de manier waarop we de gegevens verkrijgen, " zei Xie. "In plaats van massaspectra per pixel te verkrijgen, de techniek herkent de redundantie in de hoogdimensionale beeldgegevens en gebruikt een laagdimensionaal subruimtemodel om deze redundantie te benutten om multispectrale beelden te reconstrueren uit slechts een subset van de gegevens."

Xie werkte samen met Fan Lam, een assistent-professor bio-engineering, en Jonathan V. Sweedler, de James R. Eiszner Family Endowed Chair in Chemistry en de directeur van de School of Chemical Sciences, die co-hoofdonderzoekers op het papier zijn. Daniël Castro, een afgestudeerde student in moleculaire en integratieve fysiologie, ook bijgedragen.

"We gebruiken al heel lang subruimtemodellen in ons MRI- en MR-spectroscopische beeldvormingswerk, " zei Lam. "Het is echt leuk om te zien dat het ook geweldige mogelijkheden heeft voor een andere biochemische beeldvormingsmodaliteit."

"Het vermogen om verbeterde chemische informatie en de locaties van de chemicaliën in een complex monster zoals een deel van de hersenen te verkrijgen, wordt mogelijk voor ons neurochemisch onderzoek, ' zei Sweedler.

Het subruimtebeeldvormingsconcept werd ontwikkeld door Zhi-Pei Liang, een professor in elektrische en computertechniek en een voltijds lid van de Beckman-faculteit, die een wereldleider is op het gebied van MRI en MRSI.

Het onderzoek gaat verder terwijl onderzoekers de techniek willen toepassen op 3D-beeldvorming. "(De aanpak) zou een veel grotere impact kunnen hebben voor de wetenschappelijke gemeenschap voor 3D-beeldvorming van grotere gebieden, zoals de hersenen, "Zei Xie. "Want als we 50 plakjes op FT-ICR doen, het zou nu weken duren, maar (met deze techniek) kunnen we misschien binnen enkele dagen een behoorlijke dekking bereiken.

"Ik geloof dat computationele beeldvorming, vooral de datagedreven aanpak, is als een nieuwe stralende ster. Het wordt steeds krachtiger, en we zouden zeker enkele van die technieken moeten gebruiken voor chemische analyse van weefsel door middel van massaspectrometriebeeldvorming."