Summary: Metabolomics, in particular gas chromatography–mass spectrometry (GC–MS) based metabolite profiling of biological extracts, is rapidly becoming one of the cornerstones of functional genomics and systems biology. Metabolite profiling has profound applications in discovering the mode of action of drugs or herbicides, and in unravelling the effect of altered gene expression on metabolism and organism performance in biotechnological applications. As such the technology needs to be available to many laboratories. For this, an open exchange of information is required, like that already achieved for transcript and protein data. One of the key-steps in metabolite profiling is the unambiguous identification of metabolites in highly complex metabolite preparations from biological samples. Collections of mass spectra, which comprise frequently observed metabolites of either known or unknown exact chemical structure, represent the most effective means to pool the identification efforts currently performed in many laboratories around the world. Here we present GMD, The Golm Metabolome Database, an open access metabolome database, which should enable these processes. GMD provides public access to custom mass spectral libraries, metabolite profiling experiments as well as additional information and tools, e.g. with regard to methods, spectral information or compounds. The main goal will be the representation of an exchange platform for experimental research activities and bioinformatics to develop and improve metabolomics by multidisciplinary cooperation. Availability: http://csbdb.mpimp-golm.mpg.de/gmd.html Contact: Steinhauser@mpimp-golm.mpg.de Supplementary information: http://csbdb.mpimp-golm.mpg.de/

A new method is presented in which gas chromatography coupled to mass spectrometry (GC-MS) allows the quantitative and qualitative detection of more than 150 compounds within a potato tuber, in a highly sensitive and specific manner. In contrast to other methods developed for metabolite analysis in plant systems, this method represents an unbiased and open approach that allows the detection of unexpected changes in metabolite levels. Although the method represents a compromise for a wide range of metabolites in terms of extraction, chemical modification and GC-MS analysis, for 25 metabolites analysed in detail the recoveries were found to be within the generally accepted range of 70-140%. Further, the reproducibility of the method was high: the error occurring in the analysis procedures was found to be less than 6% for 30 out of 33 compounds tested. Biological variability exceeded the systematic error of the analysis by a factor of up to 10. The method is also suited for upscaling, potentially allowing the simultaneous analysis of a large number of samples. As a first example this method has been applied to soil- and in vitro-grown tubers. Due to the simultaneous analysis of a wide range of metabolites it was immediately apparent that these systems differ significantly in their metabolism. Furthermore, the parallel insight into many pathways allows some conclusions to be drawn about the underlying physiological differences between both tuber systems. As a second example, transgenic lines modified in sucrose catabolism or starch synthesis were analysed. This example illustrates the power of an unbiased approach to detecting unexpected changes in transgenic lines.

Metabolic profiling analyses were performed to determine metabolite temporal dynamics associated with the induction of acquired thermotolerance in response to heat shock and acquired freezing tolerance in response to cold shock. Low-M(r) polar metabolite analyses were performed using gas chromatography-mass spectrometry. Eighty-one identified metabolites and 416 unidentified mass spectral tags, characterized by retention time indices and specific mass fragments, were monitored. Cold shock influenced metabolism far more profoundly than heat shock. The steady-state pool sizes of 143 and 311 metabolites or mass spectral tags were altered in response to heat and cold shock, respectively. Comparison of heat- and cold-shock response patterns revealed that the majority of heat-shock responses were shared with cold-shock responses, a previously unknown relationship. Coordinate increases in the pool sizes of amino acids derived from pyruvate and oxaloacetate, polyamine precursors, and compatible solutes were observed during both heat and cold shock. In addition, many of the metabolites that showed increases in response to both heat and cold shock in this study were previously unlinked with temperature stress. This investigation provides new insight into the mechanisms of plant adaptation to thermal stress at the metabolite level, reveals relationships between heat- and cold-shock responses, and highlights the roles of known signaling molecules and protectants.

Metabolomics is developing as an important functional genomics tool; however, there is still room for technical improvements in both the large-scale determination of metabolites from complex plant tissues and the dissemination of metabolomics research data. For the continued maturation of metabolomics, the following three objectives need to be achieved: (i) improvement in the comprehensive coverage of the plant metabolome, (ii) facilitation of comparison of results between laboratories and experiments, and (iii) enhancement of the integration of metabolomic data with other functional genomic information. Because these challenges are widely recognized and endorsed, we propose community-based efforts to define common criteria and to initiate concerted actions directed towards the release of standard reference materials, construction of consolidated metabolite libraries, and development of metabolite-specific data-management systems. Metabolomics is developing as an important functional genomics tool; however, there is still room for technical improvements in both the large-scale determination of metabolites from complex plant tissues and the dissemination of metabolomics research data. For the continued maturation of metabolomics, the following three objectives need to be achieved: (i) improvement in the comprehensive coverage of the plant metabolome, (ii) facilitation of comparison of results between laboratories and experiments, and (iii) enhancement of the integration of metabolomic data with other functional genomic information. Because these challenges are widely recognized and endorsed, we propose community-based efforts to define common criteria and to initiate concerted actions directed towards the release of standard reference materials, construction of consolidated metabolite libraries, and development of metabolite-specific data-management systems.

Gas chromatography-mass spectrometry based metabolite profiling of biological samples is rapidly becoming one of the cornerstones of functional genomics and systems biology. Thus, the technology needs to be available to many laboratories and open exchange of information is required such as those achieved for transcript and protein data. The key-step in metabolite profiling is the unambiguous identification of metabolites in highly complex metabolite preparations with composite structure. Collections of mass spectra, which comprise frequently observed identified and non-identified metabolites, represent the most effective means to pool the identification efforts currently performed in many laboratories around the world. Here, we describe a platform for mass spectral and retention time index libraries that will enable this process (MSRI; www.csbdb.mpimp-golm.mpg.de/gmd.html). This resource should ameliorate many of the problems that each laboratory will face both for the initial establishment of metabolome analysis and for its maintenance at a constant sample throughput.

Unknown compounds in polar fractions of Arabidopsis thaliana crude leaf extracts were identified on the basis of calculations of elemental compositions obtained from gas chromatography/low-resolution quadrupole mass spectrometric data. Plant metabolites were methoximated and silylated prior to analysis. All known peaks were used as internal references to construct polynomial recalibration curves of from raw mass spectrometric data. Mass accuracies of 0.005 ± 0.003 amu and isotope ratio errors of 0.5 ± 0.3% (A + 1/A), respectively, 0.3 ± 0.2% (A + 2/A), could be achieved. Both masses and isotope ratios were combined when the elemental compositions of unknown peaks were calculated. After calculation, compound identities were elucidated by searching metabolic databases, interpreting spectra, and, finally, by comparison with reference compounds. Sum formulas of more than 70 peaks were determined throughout single GC/MS chromatograms. Exact masses were confirmed by high-resolution mass spectrometric data. More than 15 uncommon plant metabolites were identified, some of which are novel in Arabidopsis, such as tartronate semialdehyde, citramalic acid, allothreonine, or glycolic amide.

Abstract Motivation: Typical GC-MS-based metabolite profiling experiments may comprise hundreds of chromatogram files, which each contain up to 1000 mass spectral tags (MSTs). MSTs are the characteristic patterns of ∼25–250 fragment ions and respective isotopomers, which are generated after gas chromatography (GC) by electron impact ionization (EI) of the separated chemical molecules. These fragment ions are subsequently detected by time-of-flight (TOF) mass spectrometry (MS). MSTs of profiling experiments are typically reported as a list of ions, which are characterized by mass, chromatographic retention index (RI) or retention time (RT), and arbitrary abundance. The first two parameters allow the identification, the later the quantification of the represented chemical compounds. Many software tools have been reported for the pre-processing, the so-called curve resolution and deconvolution, of GC-(EI-TOF)-MS files. Pre-processing tools generate numerical data matrices, which contain all aligned MSTs and samples of an experiment. This process, however, is error prone mainly due to (i) the imprecise RI or RT alignment of MSTs and (ii) the high complexity of biological samples. This complexity causes co-elution of compounds and as a consequence non-selective, in other words impure MSTs. The selection and validation of optimal fragment ions for the specific and selective quantification of simultaneously eluting compounds is, therefore, mandatory. Currently validation is performed in most laboratories under human supervision. So far no software tool supports the non-targeted and user-independent quality assessment of the data matrices prior to statistical analysis. TagFinder may fill this gap. Strategy: TagFinder facilitates the analysis of all fragment ions, which are observed in GC-(EI-TOF)-MS profiling experiments. The non-targeted approach allows the discovery of novel and unexpected compounds. In addition, mass isotopomer resolution is maintained by TagFinder processing. This feature is essential for metabolic flux analyses and highly useful, but not required for metabolite profiling. Whenever possible, TagFinder gives precedence to chemical means of standardization, for example, the use of internal reference compounds for retention time calibration or quantitative standardization. In addition, external standardization is supported for both compound identification and calibration. The workflow of TagFinder comprises, (i) the import of fragment ion data, namely mass, time and arbitrary abundance (intensity), from a chromatography file interchange format or from peak lists provided by other chromatogram pre-processing software, (ii) the annotation of sample information and grouping of samples into classes, (iii) the RI calculation, (iv) the binning of observed fragment ions of equal mass from different chromatograms into RI windows, (v) the combination of these bins, so-called mass tags, into time groups of co-eluting fragment ions, (vi) the test of time groups for intensity correlated mass tags, (vii) the data matrix generation and (viii) the extraction of selective mass tags supported by compound identification. Thus, TagFinder supports both non-targeted fingerprinting analyses and metabolite targeted profiling. Availability: Exemplary TagFinder workspaces and test data sets are made available upon request to the contact authors. TagFinder is made freely available for academic use from http://www-en.mpimp-golm.mpg.de/03-research/researchGroups/01-dept1/Root_Metabolism/smp/TagFinder/index.html Contact: Kopka@mpimp-golm.mpg.de Supplementary information: Supplementary data are available at Bioinformatics online and within the TagFinder download from the above URL.