Nature Methods：HERMES：一种以分子式为导向的靶向代谢组的方法
2021年11月，西班牙洛维拉·依维尔基里大学等单位的研究人员在《Nature Methods》（IF: 28.5）上发表了题为“HERMES: a molecular-formula-oriented method to target the metabolome”的研究论文，介绍了一种可提高 MS1 综合代谢物分析和 MS2 鉴定选择性和灵敏度的实验方法和计算工具。
HERMES是一种以分子式为导向的无峰检测方法，使用原始LC/MS1信息来优化MS2采集。
HERMES在环境水、大肠杆菌和人类血浆提取物研究中得到了验证，与最先进的数据依赖采集（DDA）方法相比，质谱相似性评分和识别率提高。
HERMES提高了敏感性、选择性和代谢物的注释
单个基于液相色谱-质谱 (LC/MS) 的代谢组学实验通常会生成数百万个三维（m/z、保留时间、强度）数据点，这些数据点可以被注释和量化为数千个代谢物特征。然而，大多数特征要么是由电离相关现象引起的多余离子（如阳离子/阴离子加成、多聚化和源内碎裂），要么是未知的污染物和伪影。此外，传统的非靶向代谢组学实验会导致色谱峰形状高度异质，这会对 MS1 模式下的峰检测和分组/注释算法的性能产生负面影响。MS1 数据的这些特征反过来会对用于代谢物鉴定的 MS2 采集方法产生负面影响。 在数据相关采集 (DDA) 模式下，会自动收集超过预定义强度阈值的母离子的 MS2 谱图。 前体离子的选择是一个随机事件，分析重现性低，有利于选择最丰富但不一定与生物学相关的离子。在数据独立采集 (DIA) 方法中，多个母离子（包括冗余的和生物学无关的离子）同时破碎，通常会产生一系列复杂的 MS2 质谱图。尽管出现了通过质谱解卷积重建前体及其碎片之间联系的新软件，但 DIA 中的 MS2 图谱质量和与参考图谱的匹配分数通常比 DDA 差。
HERMES 取代了传统的非靶向代谢组学工作流程，该方法通过用户根据分析样本的性质选择的独特分子式的综合列表，直接询问原始LC/MS1数据点（扫描范围内）。这些是从以化合物为中心的大型数据库（例如 HMDB、ChEBI、NORMAN）、基因组规模的代谢模型或特定代谢途径中检索的。
每个分子式通过从普通加合离子中添加或减去原子来生成多个“离子式”。在LC/MS1实验中，根据数百万个数据点搜索得到的离子公式。HERMES根据预定义的实验质量分辨率值预测每个离子公式的理论同位素模式，在数据中注释同位素信号，并计算其同位素保真度。LC/MS1数据点包含给定时间瞬间m/z范围内的m/z和强度信息。单同位素离子公式之间的碰撞次数（m/z重叠）根据实验质量误差而变化（即，误差越小，非重叠离子公式的百分比越大）。
HERMES通过发现一系列称为SOI（感兴趣的扫描）的扫描来解决峰值检测的局限性，这些扫描被定义为匹配离子公式的数据点簇，在短时间内集中，并且包含确定的最小结构量。然后使用三个步骤过滤SOI：（1）使用人工神经网络从样品中减去空白，（2）根据洗脱曲线的相似性进行加合物和同位素分组，（3）使用公开的低能MS2数据进行源片段（ISF）注释。
最后，用户可以根据以下标准对将构成目标MS2采集的包含列表的SOI进行优先排序：加合物的类型和数量、最小强度、同位素保真度以及任何时间范围内重叠前体的最大数量，这些因素共同决定了MS2运行的总数。HERMES以R包（RHermes）的形式提供，并配有R图形用户界面（GUI），以允许数据分析、复合注释跟踪和可视化。
HERMES 工作流程
研究人员通过使用三种（生物）化学相关的样本对HERMES进行了验证，这些样本的复杂性越来越高：（1）环境水，（2）大肠杆菌，（3）人血浆提取物。结果实现了MS2扫描的生物特异性增强，与最先进的数据相关采集（DDA）方法相比，质谱相似性评分和识别率得到了提高。
HERMES和迭代DDA获取的MS2扫描分布
根据 MS1 前体强度确定包含列表条目
HERMES不需要同位素标记，而是实施了一种通常适用于所有样品类型的分子式导向方法，其提供了一种广泛的解决方案来注释大量“垃圾”MS1 和 MS2 信号，这些信号导致低质量的 MS2 图谱、假阳性识别和已识别代谢物的总体数量较少。通过应用 HERMES，将 MS2 采集时间集中在样品特异性、MS1 预注释和生物学相关的化合物上，从而提高了 MS2 的覆盖率。
综上所述，该研究介绍了HERMES这一面向分子式且无峰值检测的方法，使用原始LC/MS1信息来优化MS2采集，提高了代谢物的灵敏度、选择性和注释性。
