Mass spectrometry imaging (MSI) is a powerful technology used to define the spatial distribution and relative abundance of structurally identified and yet-undefined metabolites across tissue cryosections. While numerous software packages enable pixel-by-pixel imaging of individual metabolites, the research community lacks a discovery tool that images all metabolite abundance ratio pairs. Importantly, recognition of correlated metabolite pairs informs discovery of unanticipated molecules contributing to shared metabolic pathways, uncovers hidden metabolic heterogeneity across cells and tissue subregions, and indicates single-timepoint flux through pathways of interest. Here, we describe the development and implementation of an untargeted R package workflow for pixel-by-pixel ratio imaging of all metabolites detected in an MSI experiment. Considering untargeted MSI studies of murine brain and embryogenesis, we demonstrate that ratio imaging minimizes systematic data variation introduced by sample handling and instrument drift, markedly enhances spatial image resolution, and reveals previously unrecognized metabotype-distinct tissue regions. Furthermore, ratio imaging facilitates identification of novel regional biomarkers and provides anatomical information regarding spatial distribution of metabolite-linked biochemical pathways. The algorithm described herein is applicable to any MSI dataset containing spatial information for metabolites, peptides or proteins, offering a potent tool to enhance knowledge obtained from current spatial metabolite profiling technologies.

Sporadic amyotrophic lateral sclerosis (sALS) is a progressive motor neuron disease resulting in paralysis and death. Genes responsible for familial ALS have been identified, however the molecular basis for sALS is unknown. To discover metabotypic biomarkers that inform on disease etiology, untargeted metabolite profiling was performed on 77 patient-derived dermal fibroblast lines and 45 age/sex-matched controls. Surprisingly, 25% of sALS lines showed upregulated methionine-derived homocysteine, channeled to cysteine and glutathione (GSH). Stable isotope tracing of [U-13C]-glucose showed activation of the trans-sulfuration pathway, associated with accelerated glucose flux into the TCA cycle, glutamate, GSH, alanine, aspartate, acylcarnitines and nucleotide phosphates. A four-molecule support vector machine model distinguished the sALS subtype from controls with 97.5% accuracy. Plasma metabolite profiling identified increased taurine as a hallmark metabolite for this sALS subset, suggesting systemic perturbation of cysteine metabolism. Furthermore, integrated multi-omics (mRNAs/microRNAs/metabolites) identified the super-trans-sulfuration pathway as a top hit for the sALS subtype. We conclude that sALS can be stratified into distinct metabotypes, providing for future development of personalized therapies that offer new hope to sufferers.

Amyotrophic lateral sclerosis (ALS) is a disease characterized by progressive paralysis and death. Most ALS cases are sporadic (sALS) and patient heterogeneity poses a formidable challenge for the development of viable biomarkers and effective therapies. Applying untargeted metabolite profiling on 77 sALS patient-derived primary dermal fibroblast lines and 45 sex/age matched controls, we found that ~25% of cell lines (termed sALS-1) are characterized by upregulated trans-sulfuration, where methionine-derived homocysteine is channeled into cysteine and glutathione synthesis. sALS-1 fibroblasts exhibit a growth defect when grown under oxidative conditions, that can be fully-rescued by N-acetylcysteine. [U-13C]-glucose tracing shows that activation of the trans-sulfuration pathway is associated with accelerated glucose flux into the TCA cycle. Based on four metabolites, we developed a support vector machine model capable of distinguishing sALS-1 with 97.5% accuracy. Importantly, plasma metabolite profiling identifies a systemic perturbation of cysteine metabolism as a hallmark of sALS-1. These results indicate that sALS patients can be stratified into distinct metabotypes, differently sensitive to metabolic stress, and provides new insights into metabolic biomarkers for personalized sALS therapy.