[发明专利]一种多物种GC-MS内源性代谢物数据库及其建立方法

说明书

本发明公开了一种多物种GC‑MS内源性代谢物数据库的建立方法，包括：1)将多物种样本衍生化后的GCMS数据基于NIST库搜库，保留打分在700以上的物质作为筛选出的高分物质；2)提取步骤1)筛选出的高分物质的质谱信息，建立高分NIST库；3)将高分NIST库中带衍生化基团的名称翻译并替换成衍生化之前的名称，得到高分库；4)将高分库与扩增后的背景噪音库和扩增后的标准品数据库合并，得到多物种GC‑MS内源性代谢物数据库。本发明提供的数据库既可以满足植物、动物及微生物等多类型生物样本的检索需求，又能更加准确的定性到更多的代谢物。

技术领域

本发明属于生物数据库领域，尤其涉及一种多物种GC-MS内源性代谢物数据库及其建立方法。

背景技术

GCMS技术作为目前在代谢组学研究中最常用的分析手段之一，通常用来分析一些挥发性强的小分子代谢物，对于一些像氨基酸、糖醇类、有机酸、生物胺及有机磷酸盐等分子量较小、极性较大的代谢物则需要通过衍生化(硅烷化或者酯化等)的方式降低其沸点、增加其热稳定性才能通过GCMS分析。而在GCMS分析过程中，最重要的一步则是对代谢物进行定性分析，定性的准确性和数量取决于数据库。

目前，GCMS常用的数据库有NIST库、Fiehn库等。NIST标准质谱数据库是由美国国家标准技术研究院(NIST)(National Institute of Standards and Technology)出版，现在，基于EI源的NIST库已经更新到NIST v17，搜库软件(NIST MS Search)的版本也更新到2.3。其中，主库mainlab中已经包含了267376种化合物的质谱图信息，因此NIST库是一个非常大的数据库，正因为如此，它包含的物质种类也很杂，既有外源性的物质，也有内源性的物质，而且经过衍生化后的物质通常搜库结果也是包含了衍生化基团的新物质，搜库时间也非常长，这导致了通过NIST库检索效率低，得到的物质还需要经过物质重命名才能得到衍生化前的物质名称。The Fiehn library(FiehnLib)数据库则是Oliver Fiehn教授的实验室开发的一种GCMS数据库，主要覆盖了多种类型的内源性小分子化学标准品的甲基化和硅烷化的EI质谱图，共计2200张图谱，几百种内源性代谢物。与NIST库相比，Fiehn库具有小而精的特点，而且定性到的物质名称已经是衍生化之前的名称，但是仍然具有一定的局限性，Fiehn库主要是基于动物源的样本扩展的，缺少其他如植物、微生物样本的代谢物图谱，因此不太适合植物或者微生物等其他样本的搜库定性分析。

因此，目前应用最为广泛的两大数据库NIST库和Fiehn库都存在一定的局限性，NIST库很大很杂，通过NIST库检索到的物质存在定性准确度不高，定性物质名称中均带衍生化基团，物质名称回溯较难，检索时间长等缺点，而Fiehn库虽然具有较NIST库相比准确度较高，物质名称已经是回溯后的名称等优势外，也存在一定的局限性，如主要是针对动物内源性物质，涉及到的物种类型较少，涵盖的物质也只有几百种。

发明内容

针对上述问题，本发明提供了一种多物种GC-MS内源性代谢物数据库及其建立方法，通过多种编程语言结合人工校正及标准品验证的多种方式发明了一种涵盖多物种、名称已回溯、涵盖的多种重要通路物质更多、检索快、定性更加准确的自建数据库，该数据库既可以满足植物、动物及微生物等多类型样本的检索需求，又能更加准确的定性到更多的代谢物。

为了实现上述目的，本发明采用的技术方案为：

一种多物种GC-MS内源性代谢物数据库的建立方法，包括：

1)将多物种样本衍生化后的GCMS数据基于NIST库搜库，保留打分在700以上的物质作为筛选出的高分物质；

2)提取步骤1)筛选出的高分物质的质谱信息，建立高分NIST库；

3)将高分NIST库中带衍生化基团的名称翻译并替换成衍生化之前的名称，得到高分库；