JMS-S3000 NewSpiralTOF™Mass Spectrometry Imaging System

En imagerie par spectrométrie de masse MALDI (MALDI-MSI), les molécules sont visualisées directement au sein d’un échantillon en recouvrant sa surface d’une matrice, en la balayant avec un laser et en acquérant un spectre de masse à chaque position analysée. Cette approche permet de déterminer où se trouvent des molécules spécifiques et d’évaluer leur abondance sur l’ensemble d’une coupe tissulaire ou de toute autre surface d’échantillon.

Grâce à sa trajectoire de vol de 17 m, le NewSpiralTOF™ offre une haute résolution en masse, même lors de l’analyse de coupes de tissus biologiques présentant des conditions de surface non uniformes. Lors de mesures réalisées sur environ la moitié d’un cerveau de souris, couvrant une zone d’environ 5 × 7 mm, le système a atteint une résolution en masse d’environ 40 000 dans le spectre de masse moyen.
Cette grande puissance de résolution a permis de distinguer des espèces lipidiques isobares telles que la phosphatidylcholine (PC), la phosphatidyléthanolamine (PE) et le galactosylcéramide (GalCer). Il a ainsi été possible de déterminer avec précision la distribution spatiale propre à chacune de ces molécules au sein du tissu analysé.

Ces données ont été acquises dans le cadre d’un projet de recherche conjoint mené avec le groupe de spectrométrie de masse du Centre de recherche sur les sciences fondamentales (Project Research Center for Fundamental Sciences) de l’École supérieure des sciences de l’Université d’Osaka.

L’échantillon de coupe tissulaire a été fourni par le laboratoire Awazu, rattaché à la Division du génie de l’énergie durable et de l’ingénierie environnementale de l’École supérieure d’ingénierie de l’Université d’Osaka.

JEOL possède une longue tradition d’innovation dans le traitement d’images, fondée sur son rôle de leader dans le domaine de la microscopie électronique. S’appuyant sur cette expertise, l’entreprise a adapté à l’imagerie par spectrométrie de masse sa technologie d’amélioration d’images basée sur l’intelligence artificielle LIVE-AI (Live Image Visual Enhancer-AI), initialement développée pour la microscopie électronique à balayage (MEB/SEM), et l’a intégrée sous la forme du filtre FINE-AI.
Cette adaptation permet d’améliorer considérablement la netteté, la lisibilité et l’interprétabilité des images de masse, facilitant ainsi l’analyse et la visualisation de la distribution spatiale des molécules.

Grâce à la haute résolution en masse du NewSpiralTOF™, plus de 100 espèces lipidiques ont pu être détectées dans des coupes de cerveau de souris. Toutefois, l’interprétation individuelle de la distribution de chaque lipide n’est pas réaliste. Pour extraire des informations biologiquement pertinentes, il est nécessaire de recourir à des outils statistiques capables d’identifier des groupes de composés présentant des variations similaires et de résumer efficacement des ensembles de données complexes.
Pour répondre à ce besoin, une analyse en composantes sommets (Vertex Component Analysis, VCA) a été mise en œuvre. Cette méthode modélise l’ensemble des spectres d’un jeu de données d’imagerie de masse comme des mélanges d’un nombre limité de « composantes sommets » (vertex components). Comparée à des approches telles que l’analyse en composantes principales (ACP/PCA), la VCA fournit des résultats plus faciles à interpréter et obtenus dans un délai plus court.
Comme la VCA est particulièrement sensible au bruit, son application après un débruitage réalisé à l’aide du filtre FINE-AI améliore considérablement l’efficacité de l’analyse. Dans l’exemple présenté, cette approche a permis de mettre en évidence trois composantes sommets majeures caractérisant les lipides présents dans le tissu cérébral de souris.

Dans l’imagerie par spectrométrie de masse (MS imaging) conventionnelle, une image de masse est obtenue en sélectionnant une plage spécifique de rapports m/z (masse/charge). Toutefois, les polymères étant polydisperses et présentant une distribution de masses moléculaires, cette méthode ne permet de générer qu’une image correspondant à un degré de polymérisation donné. Il est donc difficile de visualiser la distribution spatiale du polymère dans son ensemble.
Pour surmonter cette limitation, msMicroImager™ permet de générer des images basées sur des paramètres caractéristiques des polymères, tels que la masse moléculaire moyenne en nombre (Mn), la masse moléculaire moyenne en poids (Mw) et l’indice de polydispersité (Đ ou D). Cette approche offre une représentation beaucoup plus intuitive de la distribution spatiale des polymères.
En pratique, des centaines d’images de masse associées aux différents degrés de polymérisation et aux divers pics isotopiques sont synthétisées en seulement trois cartes de distribution (Mn, Mw et D), ce qui simplifie considérablement l’interprétation des données et permet une visualisation globale du comportement des polymères au sein de l’échantillon.