Forschung

Die LC-MS/MS-Datenverarbeitung erfolgt derzeit auf Basis der vom Hersteller des Instruments bereitgestellten Softwarepakete (in unserem Labor werden die Rohdateien in Sciex OS mit dem MQ4-Integrationsalgorithmus verarbeitet) in einem halbautomatisierten, aber arbeitsintensiven Workflow. Während die Softwarepakete einen Ausgangspunkt bieten, bleiben manuelle Überprüfung und Re-integration durch den Anwender unerlässlich, um Peak Tailing, Hintergrundrauschen, Matrixstörungen und Verschiebungen der Retentionszeit zu korrigieren. Obwohl dieses manuelle Data Curing die Qualität sicherstellt, begrenzt er den Durchsatz erheblich. In einem vollständigen Batch von 100 Proben kann die Datenverarbeitung allein bis zu drei Arbeitstage dauern. Dieses Projekt zielt darauf ab, die arbeitsintensive LC–MS/MS-Datenverarbeitung durch einen robusten, KI-unterstützten Workflow zu ersetzen, der den Durchsatz beschleunigt und gleichzeitig die Anforderungen in akkreditierten Umgebungen beibehält. Die Hauptziele sind: (1) die Automatisierung der Peakerkennung und Integration der scheduled MRM-Daten, um die Verarbeitungszeit von mehreren Tagen pro Batch auf Stunden zu reduzieren; (2) menschliche Fehlinterpretation zu minimieren, indem Entscheidungen über große Datensätze standardisiert werden; und (3) die vollständige Analystenaufsicht durch eine intuitive, reaktionsschnelle Benutzeroberfläche aufrechtzuerhalten, die eine schnelle Batch-Prüfung, transparente Anpassungen und effiziente Data Curing ermöglicht. Der Erfolg wird an der Minimierung der Verarbeitungszeit und Reintegrationsraten, Reproduzierbarkeitszuwächsen über Chargen und Matrizen hinweg sowie durch die Aufrechterhaltung der Genauigkeit im Vergleich zu semi-manueller Auswertung gemessen – und liefert eine vertrauenswürdige, durchsatzintensive Lösung, die den wachsenden analytischen Anforderungen entspricht.

In den letzten zwei Jahrzehnten hat unsere Gruppe eine Multi-Analyt LC–MS/MS-Plattform entwickelt, die eine Hochdurchsatzquantifizierung von Hunderten von Mykotoxinen und anderen sekundären Pilzmetaboliten, einschließlich „emerging“ und maskierter Formen, ermöglicht. Durch umfangreiche Validierungsstudien haben wir eine routinemäßige, kosteneffiziente Überwachung komplexer Rohstoffströme in Lebensmitteln, Futtermitteln und neuartigen pflanzenbasierten Materialien etabliert. Der Bedarf an einer erweiterten Überwachung ist dringend. Der Klimawandel verändert die die Verbreitung von Arten, Stressreaktionen und Toxinprofile (z. B. Fusarium, Alternaria, Aspergillus) – während neue pflanzliche Lebensmittel und Futterzutaten ungewohnte Substrate und Verarbeitungswege mit sich bringen, die das Kontaminationsrisiko beeinflussen. EinekKontinuierliche Vorfallsüberwachung, Bewertung der Co-Exposition und schnelle Reaktion sind unerlässlich, um Lieferketten zu schützen, das Risikomanagement zu informieren und Strategien zur Minderung zu entwickeln. Über die Überwachung hinaus bringt umfassendes Profiling von Pilzmetaboliten die Molekularbiologie voran, indem Metabolome mit biosynthetischen Genclustern, regulatorischen Netzwerken und Umweltauslösern verknüpft werden. Diese Datensätze beschleunigen die Entdeckung der Pathwayregulierung, ermöglichen funktionale Annotation und liefern Biomarker für die Stammauswahl und Prozesssteuerung. Dieses interne Projekt wird unsere etablierte Plattform nutzen, um die umfassende Überwachung aufrechtzuerhalten und auszubauen. Es wird eine flexible Unterstützung für Personal und Materialien bieten, die anderswo nicht abgedeckt sind, und dabei institutionelle Ressourcen nutzen. Erwartete Outputs umfassen (i) erweiterte, validierte Hochdurchsatz-LC–MS/MS-Methoden; (ii) Vorkommensdatensätze, die sich auf klimasensible und innovationsrelevante Matrizen konzentrieren; und (iii) gezielte metabolomische Arbeitsabläufe zur Grundlage kollaborativer molekularer Studien.

Bestimmte Wetterbedingungen können zu erhöhten Mykotoxingehalten bei der Getreideernte führen. Das kann wiederum erhöhte Gehalte bei Futter- bzw. Lebensmitteln nach sich ziehen, weshalb eine kontaminierte Ernte unter Umständen nur teilweise oder nur nach entsprechender Behandlung für die Herstellung dieser verwendet werden kann. Mittels frühzeitig gesetzter Gegenmaßnahmen soll eine hohe Schadstoffbelastung verhindert werden, dazu ist es essenziell die Belastung zum Erntezeitpunkt aufgrund der aktuellen Lage einschätzen zu können. Durch das Verschneiden von Wetterdaten mit Daten aus dem Getreideversuchsanbau bzw. anderen Mykotoxin-Messergebnissen können mathematische Modelle erstellt werden, um die Mykotoxinbelastung frühzeitig abzuschätzen. Damit soll es Getreideproduzenten ermöglicht werden, rechtzeitig auf die Gegebenheiten zu reagieren und evtl. durch geeignete Gegenmaßnahmen die Verunreinigung im Getreide zu reduzieren. Ein Beispiel für eine geeignete Gegenmaßnahme kann eine frühere Ernte sein. Analysiert werden soll auch, ob es möglich ist, Prognosen für neue Anbaustandorte zu erhalten, für die selbst bis dahin keine historischen Messergebnisse der Mykotoxinbelastung vorliegen.