《Analyst》：Chemical reaction-enabled lipidomics: from sensitive structural analysis to biomedical applications
編輯推薦：
本綜述系統闡述了化學衍生化在脂質組學中的核心價值。面對脂質結構多樣性、寬動態范圍和電離效率差異等分析瓶頸，作者歸納了化學衍生如何從三個方面提升質譜分析能力：（1）通過引入電荷/可電離基團增強檢測靈敏度；（2）利用選擇性化學反應（如Paternò–Büchi反應、臭氧分解、環氧化等）精確定位碳碳雙鍵、區分異構體，實現深度結構解析；（3）通過質量位移策略（如同位素編碼衍生、多重標簽）提高特異性與定量通量。文章指出，這些化學工具正推動新型脂質生物標志物發現，深化了對疾病（如心血管疾病、阿爾茨海默病、癌癥等）中脂質代謝的理解，為從分析方法到生物醫學應用的轉化搭建了橋梁。
在生命科學的微觀世界里，脂質不僅是構成細胞膜的基本骨架和能量儲備單元，更是調控無數生命過程的關鍵信使。然而，脂質巨大的結構多樣性、極寬的濃度范圍以及不均一的電離效率，給基于質譜（MS）的全面分析帶來了嚴峻挑戰。化學衍生化技術，作為一種在分析前對脂質進行“化學修飾”的策略，正成為破解這些難題的核心鑰匙。本綜述將帶您領略這門化學藝術如何在三個核心維度上，重塑脂質組學的分析版圖。
Strategies for enhanced detection sensitivity（提升檢測靈敏度的策略）
許多脂質，尤其是那些低豐度或極性特殊的種類，在質譜分析中電離效率低下，信號微弱甚至無法被檢測。化學衍生化通過為脂質分子“安裝”上易于攜帶電荷的“標簽”，極大地提升了它們的“可見度”。
- •
甲基化：對于像磷脂酰肌醇磷酸鹽（PIP3）這樣難電離的信號脂質，使用三甲基硅基重氮甲烷（TMSD）進行甲基化，可以中和其活性氫，顯著增強其在正離子模式下的檢測信號。類似策略也被成功應用于提升心磷脂（CL）和多萜醇單磷酸（DolP）等低豐度脂質的分析靈敏度。
- •
吡啶鎓或季銨鹽衍生化：為分子引入一個永久正電荷，是大幅提升電離效率的強效手段。例如，AMPP（N-[4-(氨基甲基)苯基]吡啶鎓）試劑與脂肪酸（FA）反應后，可使其信號增強約2500倍，該試劑現已商業化并廣泛用于總脂肪酸組成分析。
- •
吡啶或氨基基團標記：與引入永久電荷相比，連接吡啶或氨基等基團能在提升電離效率與保留結構信息之間取得更好平衡。例如，使用DEEA衍生化脂肪酸可使信號強度提升三個數量級，其衍生物在碰撞誘導解離（CID）下會產生特征性的74 Da中性丟失，便于定量。此外，基于N-雜環卡賓的衍生化方法也為脂肪酸醛的分析帶來了更好的線性、重現性和準確性。
- •
多功能標記：理想的衍生化試劑應“一專多能”。例如，含有吡啶的標記試劑不僅能為中性不飽和脂質帶來超過600倍的信號增強，還能用于后續的結構解析。近期，一種為不飽和甘油磷脂（GPL）設計的衍生化策略，能在堿性條件下引入帶穩定負電荷的芳香基團，從而在負離子模式下同時實現電離增強和酰基鏈組成及雙鍵位置的指認。
Strategies for enhanced structural elucidation（提升結構解析的策略）
僅僅知道脂質的存在和含量遠遠不夠，其精確的化學結構，尤其是碳碳雙鍵（C
![[double bond, length as m-dash]](<span><span>https://www.rsc.org/images/entities/char_e001.gif</span><svg><path></path></svg></span>)
C）的位置和幾何構型，深刻影響著其生物功能。常規的CID-MS/MS難以直接斷裂非極性的雙鍵，化學衍生化通過“活化”這些惰性位點，讓結構秘密自己“開口說話”。
- •
CC位置確定：臭氧分解法利用臭氧與雙鍵的特異性反應，生成能直接反映雙鍵位置的診斷離子。帕特諾-布基（Paternò–Büchi, PB）反應則利用羰基化合物與雙鍵的[2+2]環加成，產生的惡丁烷產物在MS/MS中會產生指示雙鍵位置的碎片。此外，低溫等離子體（LTP）探針或
m-CPBA引發的環氧化反應，也是定位雙鍵的有效手段。這些方法各有千秋，例如PB反應應用廣泛，而環氧化反應能更好地保留原始雙鍵的立體化學信息。
- •
分離選擇性：對于連質譜都難以區分的順式/反式幾何異構體，衍生化可以改變其物理化學性質，從而利用色譜或離子淌度進行分離。例如，通過N-甲苯磺酰基氮丙啶化反應修飾脂質，可以顯著增大Z/E異構體在離子淌度中的碰撞截面積（CCS）差異，成功用于繪制細菌膜或大鼠脊髓損傷模型中不飽和脂質的異構體分布圖。
Strategies for mass-shift-based profiling（基于質量位移的分析策略）
在復雜的生物樣本中，目標脂質信號常常被同質異位素干擾或高豐度背景所淹沒。化學衍生化通過引入可控的、可預測的“質量位移”，為質譜分析增加了特異性與通量的新維度。
- •
提高MS1特異性：同位素編碼衍生化（ICD）是解決此問題的經典方案。通過使用輕重同位素（如氫/氘）標記的試劑分別處理樣本和對照，衍生后的同一脂質會產生固定質量差的離子對。在單次質譜進樣中，通過對比這對離子的信號強度，即可實現精準的定量比較，而無需為每種脂質都配備昂貴的內標。此策略已成功應用于脂肪酸、磷脂等多種脂質分析。
- •
多重平行分析：為了在單次實驗中同時比較多個樣本組以減少儀器誤差，可以借鑒蛋白質組學中的多重標記思路。例如，利用商業化的iTRAQ試劑標記含氨基的磷脂（如PE、PS），或通過點擊化學將磷脂與串聯質量標簽（TMT）連接，可實現高達6-plex甚至更高通量的平行分析。這種方法能高效揭示不同生理或病理狀態下脂質組的全局變化。
Conclusions（結論）
化學衍生化正在深刻改變脂質組學的信息獲取模式。從提升低豐度脂質的“檢出率”，到揭示雙鍵位置與構型的“結構密碼”，再到實現高通量、高特異性的“平行定量”，化學工具為克服脂質固有的分析瓶頸提供了系統性解決方案。盡管衍生化反應增加了樣品前處理的復雜性，但其帶來的信息維度提升是不可替代的。未來，開發集高靈敏度、深度結構解析與多重定量編碼于一體的“多功能”衍生化標簽，并將這些策略與數據非依賴采集（DIA）等先進質譜模式相結合，將是推動脂質組學從發現走向臨床驗證的關鍵。我們期待這些化學創新能加速轉化，為研究人員提供更強大的工具，以破譯脂質在健康與疾病中的復雜語言，發現可靠的生物標志物并深入理解疾病機制。
