Summary

Single-produção complementares técnicas analíticas de alta resolução para caracterização de misturas complexas de matéria orgânica Natural

Published: January 07, 2019
doi:

Summary

Este protocolo descreve uma única taxa de transferência de técnicas complementares, analíticas e omics, culminando em uma caracterização-pareado de matéria orgânica natural e proteomics microbiana nos diferentes ecossistemas. Esta abordagem permite comparações robustas para a identificação de vias metabólicas e transformações importantes para descrever a produção de gás de efeito estufa e prevendo respostas a mudanças ambientais.

Abstract

Matéria orgânica natural (NOM) é composta por uma mistura altamente complexa de milhares de compostos orgânicos que, historicamente, revelou-se difícil caracterizar. No entanto, para entender os termodinâmicos e cinéticos de controles na produção de gás (dióxido de carbono [CO2] e [CH4] de metano) com efeito de estufa resultantes da decomposição de NOM, uma caracterização do nível molecular juntamente com microbiana análises de Proteome é necessário. Além disso, clima e mudanças ambientais são esperadas para perturbar os ecossistemas naturais, potencialmente perturbador interações complexas que influenciam tanto o fornecimento de substratos matéria orgânica e microorganismos realizando as transformações. Uma detalhada caracterização molecular da matéria orgânica, proteomics microbiana e os caminhos e transformações pelo qual a matéria orgânica é decomposta será necessária prever a direção e a magnitude dos efeitos das mudanças ambientais. Este artigo descreve um throughput metodológica para caracterização do metabólito abrangente em uma única amostra por injeção direta de Fourier transform íon cíclotron ressonância espectrometria de massa (FTICR-MS), espectrometria de massa de cromatografia gasosa (GC-MS), espectroscopia de ressonância magnética nuclear (NMR), espectrometria de massa de cromatografia líquida (LC-MS) e análise proteômica. Essa abordagem resulta em um conjunto de dados totalmente emparelhados que melhora a confiança estatística para inferir caminhos de decomposição de matéria orgânica, a resultante de CO2 e taxas de produção de4 CH e suas respostas a perturbação ambiental. Aqui apresentamos os resultados da aplicação deste método para NOM amostras coletadas de turfeiras; no entanto, o protocolo é aplicável para qualquer amostra NOM (por exemplo, turfa, solos florestais, sedimentos marinhos, etc.).

Introduction

Globalmente, as zonas húmidas são estima-se que contêm Pg 529 de carbono (C), principalmente como orgânico C enterrado em depósitos de turfa1. Atualmente, tais turfeiras atuam como uma líquido C pia, sequestrando 29 Tg C y-1 na América do Norte sozinho1. No entanto, perturbações ambientais tais como drenagem, incêndios, seca e temperaturas mais quentes podem compensar esse coletor C, aumentando a decomposição de matéria orgânica, resultando em aumento C perdas através de gases de efeito estufa (dióxido de carbono [CO2] e 1,de produção metano [CH4])2. Mudança climática pode contribuir para a perda de C se temperaturas mais quentes ou secador condições estimulam mais rápido C decomposição por microorganismos. Alternativamente, umas mais altas temperaturas e concentrações no ar de CO2 podem estimular a produção primária para sequestrar mais CO2 como carbono orgânico (OC). Em que medida e rapidez que OC é então decomposta em CO2 e CH4 depende de interações complexas entre os substratos de doador de elétron, a disponibilidade de aceitadores de electrões e os microorganismos que medeiam a transformação. Em muitos casos, os mecanismos não são bem caracterizados, assim, sua resposta a perturbações ambientais não é bem restrita e ainda não está claro qual será o resultado da mudança climática no balanço de carbono em turfeiras ecossistemas.

A natureza complexa da matéria orgânica natural (NOM) tem feito mesmo identificando os compostos orgânicos presentes nas misturas NOM historicamente difícil. Avanços recentes têm melhorado muito nossa capacidade de caracterizar compostos que tradicionalmente e, em certa medida continuam a ser, considerado como recalcitrantes húmicos ou fúlvico compostos3,4,5. Agora entendemos que muitos destes compostos são na verdade amostras disponíveis e podem ser decompostos se um aceptor de elétron terminal apropriado (TEA) feito disponível6,7. Calcular o estado de oxidação nominal do carbono (NOSC) para um composto fornece uma métrica para predizer o potencial de decomposição e o rendimento energético do chá exigido. No entanto, requer uma caracterização do nível molecular da matéria orgânica7. NOSC é calculado a partir da fórmula molecular através da seguinte equação7: NOSC = − ((−z + 4(#C) + (#H) − 3(#N) − 2(#O) + 5(#P) − 2(#S)) / (#C)) + 4, onde z é a carga líquida. NOSC está correlacionada com a termodinâmica condução força8, em que compostos com maior NOSC são mais fáceis de degradar, enquanto compostos com menor NOSC exigem cada vez mais enérgicos chás para ser reduzido. Compostos com NOSC menos do que − 2 exigem uma alta energia produzindo chás como O2, nitrato ou MnIVe não pode ser degradados por ocorrem comumente baixa energia produzindo chás como FeIII ou sulfato de7. Esta é uma consideração importante nas condições anóxica alagadas encontrados em zonas húmidas onde O2 e outra alta energia produzindo chás são escassos9 e, portanto, a degradação de compostos NOSC inferiores sob essas condições são termodinamicamente limitada. Perturbações ambientais podem influenciar o estado termodinâmico do ecossistema por mudanças hidrológicas que influenciam O2 (o aceptor de elétron mais energético), alterações em substratos orgânicos e aceitadores de electrões disponibilizados pela primária produção e em menor grau pela temperatura. Um exemplo importante dos efeitos da temperatura em sistemas de zonas húmidas ocorre no que diz respeito a troca que ocorre entre homoacetogenesis (ou seja, produção de acetato de CO2 e H2) e hydrogenotrophic metanogênese ( ou seja, produção de4 CH de CO2 e H2). A baixas temperaturas, parece que esse homoacetogenesis é ligeiramente favorecida, enquanto temperaturas mais quentes favorecem CH4 produção10. Este efeito da temperatura pode ter implicações importantes para a resposta dos ecossistemas às mudanças climáticas, como CH4 é um gás de efeito estufa muito mais forte do que o CO211 e, consequentemente, aumento da produção de CH4 , às custas de CO2 em temperaturas mais quentes podem contribuir para um feedback positivo com aquecimento climático.

Turfeiras produzem globalmente significativas quantidades de CO2 e CH46via microbiana respiração de ocorrência natural orgânico importa. O NOSC de substratos orgânicos carbono determina a proporção relativa de CO2: CH4 produzido que é um parâmetro crítico devido a força radioativa maior de CH4 comparado com CO211, mas também porque esforços de modelagem identificaram esta relação como um parâmetro crítico para estimar o fluxo de C em turfeiras12. Na ausência de aceitadores de electrões terminal diferente de CO2, pode ser mostrado pelo saldo de elétron que os substratos orgânicos C com vontade de > 0 NOSC produzem CO2: CH4 > 1, C orgânico com NOSC = 0 produz CO2 e CH4 em proporção equimolar e C orgânico com NOSC < 1 produzirá CO2: CH4 < 113. Decomposição de OC em ecossistemas naturais é mediada por microorganismos, para que mesmo quando a degradação de um composto específico é termodinamicamente possível, é cineticamente limitada pela atividade de enzimas microbianas e, sob condições anóxica, pelo termodinâmico força (ou seja, NOSC)7. Até agora tem sido desafiador para caracterizar plenamente a matéria orgânica, porque a diversidade de compostos presentes requer diferentes técnicas complementares para a sua caracterização. Recentes avanços tem fechado o intervalo; utilizando um conjunto de técnicas analíticas podemos analisar uma grande variedade de compostos orgânicos, proporcionando a caracterização molecular-nível e, em alguns quantificação de casos, de pequenos metabolitos primários como glicose até 800 Da poli-heterocíclicos. Anteriormente tais moléculas grandes e complexas que foram caracterizadas simplesmente como lignina como ou como tanino e assumiu ter sido recalcitrantes. Caracterização molecular-nível, no entanto, permite o cálculo do NOSC mesmo essas grandes moléculas complexas. Esses valores NOSC são linearmente correlacionadas com a força motriz termodinâmica, permitindo uma avaliação da qualidade da matéria orgânica disponível para a decomposição, que, em muitos casos, revela que estas moléculas complexas podem ser bacteriana degradável, mesmo sob as condições anóxica que prevalecem nas zonas húmidas.

Desde que a introdução de O2 permite que a matéria orgânica de quase todos os valores NOSC naturalmente observados para ser decomposto, neste documento, focamos em mudanças na matéria orgânica e proteomics microbiana que possam ser os drivers primários no Pantanal (i.e., sistemas de limitado O2). No entanto, todas as técnicas que iremos discutir podem ser aplicadas a matéria orgânica de qualquer ecossistema. Comumente, medições em massa com base em óptica e análises de fluorescência têm sido utilizadas para avaliar a qualidade de matéria orgânica3,14. Quando usando medições em massa tais como estes, no entanto, detalhes são perdidos como um grande número de moléculas é categorizado juntos em termos genéricos, como humics ou fulvics. As definições destas categorias não são bem restrita e, na verdade, podem variar de estudo para estudo fazendo comparações impossíveis. Além disso, medidas em massa não fornecem os detalhes moleculares necessários para o cálculo da termodinâmica que regem o sistema e aquém, portanto, verdadeiramente, avaliação de qualidade de matéria orgânica15.

Técnicas individuais como Fourier transform íon cíclotron ressonância espectrometria de massa (FTICR-MS), espectroscopia de ressonância magnética nuclear (NMR), cromatografia gasosa (GC-MS) de espectrometria de massa, e fazer de espectrometria de massa de cromatografia líquida (LC-MS) fornece tais detalhes no nível molecular. Enquanto cada uma dessas técnicas apresenta suas próprias limitações, eles também trazem suas próprias forças que podem ser aproveitadas em uma abordagem integrada para alcançar os detalhes moleculares necessários para quantificar a qualidade da matéria orgânica em um rigoroso sentido termodinâmico . GC-MS é útil para a identificação de metabolitos pequenos críticos que são susceptíveis de ter influência proximal em CO2 e a produção de4 CH (por exemplo, glicose, acetato, etc.); no entanto, GC-MS requer verificação contra um padrão e, portanto, é limitada aos já conhecidos compostos presentes no banco de dados impedindo a identificação de novos compostos. Além disso, GC-MS é uma técnica qualitativa semi permitindo inferência sobre as alterações na concentração relativa, mas não fornecendo as informações reais de concentração necessárias para calcular as energias livres de Gibb, por exemplo. Finalmente, GC-MS exige derivatização de moléculas antes da análise, que limita a resolução menor do que o Da ~ 400 compostos e álcoois voláteis são perdidos durante a etapa de secagem.

Unidimensional (1D) 1H estado líquido NMR permite a caracterização altamente quantitativa de metabólitos pequenas (incluindo metabolitos primários peso molecular pequeno e voláteis como álcoois, acetato, acetona, formiato, piruvato, ácido succínico, ácidos graxos de cadeia curta, bem como uma variedade de carboidratos notoriamente ausentes ou comprometidos de métodos baseados em MS) e suas concentrações são particularmente úteis para cálculo dos parâmetros termodinâmicos. Ainda, como GC-MS, 1D NMR de misturas complexas requer padronização em relação a um banco de dados e, portanto, sozinho não permite a fácil identificação de novos compostos que são susceptíveis de ser abundante em complexos ecossistemas naturais e em constante mudanças. Além disso, NMR é menos sensível do que as técnicas baseadas em MS e, portanto, de perfil quantitativo metabólito é conseguida apenas acima de 1 µM, usando sistemas de NMR equipados com hélio-refrigeração frio-sondas. Não muito apreciado, algum frio NMR-sondas são sal-tolerante e permitam análise ambiental mistura na presença de concentrações milimolar de sal quando usado em menor diâmetro (diâmetro exterior de < 3 mm) tubos de amostra16. No entanto, uma outra complicação de NMR é que quantidades elevadas de paramagnéticos metais e minerais (por exemplo, Fe e Mn acima de 1-3 wt %), que pode ser abundante em solos de terra firme, pode ampliar características espectrais e complicar a interpretação dos espectros NMR . Usando a extração de fase sólida (SPE) pode auxiliar na interpretação de NMR e baseados em MS metabolomics métodos reduzindo os sais minerais e aumentando a qualidade espectral.

FTICR-MS por injecção directa é uma técnica altamente sensível capaz de detectar a dezenas de milhares de metabólitos de uma única amostra, mas não captura os metabolitos pequenos críticos como acetato, piruvato e succinato e é notoriamente difícil de Use para açúcares e outros carboidratos17, nem fornecer informações quantitativas. No entanto, ao contrário de outras técnicas, FTICR-MS é excelente em identificar e atribuir a fórmula molecular de novos compostos e, portanto, identifica o maior número de compostos, fornecendo informações moleculares mais do que qualquer das outras técnicas descritas. Isso é útil, porque a informação molecular fornecida pelo FTICR-MS (e outras técnicas) pode ser usada para calcular NOSC que está relacionada com a força motriz termodinâmica que regem a probabilidade de certas reações8 e suas tarifas em certas condições7. Além disso, pelo acoplamento FTICR-MS com técnicas de separação, tais como LC juntamente com tandem MS, informações quantitativas estruturais podem ser alcançadas, compensando algumas das desvantagens desta técnica. LC-MS é útil para identificar compostos lipídicos, como e outros metabolitos que não são bem caracterizados por qualquer um dos outros métodos. Acoplamento FTICR de LC-MS ou LC-MS com um coletor de fração e coletando frações de incógnitas específicas de interesse para a elucidação estrutural por estado de líquido bidimensional (2D) NMR é a situação ideal para identificação e quantificação dos compostos desconhecidos18 ,19. No entanto, este é um passo muito demorado que poderia ser usado se e quando necessário. Tomadas individualmente, cada uma dessas técnicas fornecem um instantâneo diferente da matéria orgânica, e integrando-os, nós pode alcançar uma compreensão mais completa do que usando qualquer uma das técnicas isoladamente.

Enquanto as considerações termodinâmicas definir as restrições de finais sobre quais transformações são possíveis em um sistema, decomposição de matéria orgânica é mediada por microorganismos cujas actividades enzimáticas controlam taxas de reação. Assim, entender completamente os controles na decomposição de matéria orgânica e, finalmente, a produção de gás (CO2 e CH4) estufa de zonas húmidas exige uma abordagem integrada omics para caracterizar as atividades da enzima microbiana, bem como os metabólitos. Neste artigo, descrevemos um método para a realização de uma análise abrangente de uma única amostra, utilizando uma abordagem sequencial que resulta em uma análise totalmente emparelhada. Esta abordagem expande o metabolito, proteína e protocolo de extração (mplexas) de lipídios na qual proteomics foi acoplado com GC-MS e LC-MS20 para identificar pequenos metabólitos, proteínas e lipídios, incorporando informações quantitativas metabólito através NMR e identificação dos maiores metabólitos secundários através de FTICR-Sra. ligeiramente diferente do mplexas, começamos o protocolo com uma extração de água e depois uso sequencial extração com solventes não-polares cada vez mais. Todas as extrações são feitas em uma única amostra que conserva a amostra quando volumes são limitados ou difíceis de obter e diminui o erro experimental introduzido através da variação entre alíquotas de matrizes de amostra heterogênea (por exemplo, o solo e turfa) ou diferenças nas condições de armazenamento e duração.

Finalmente, pelo acoplamento das análises de OM com proteomics análises da comunidade microbiana, podemos construir redes metabólicas que descrevem os caminhos e a transformação da decomposição de matéria orgânica. Isto permite-nos testar hipóteses específicas sobre como as perturbações ao sistema influenciará final de CO2 e a produção de4 CH através de alteração para os substratos orgânicos disponíveis, aceitadores de electrões e as comunidades microbianas mediando as reações através da atividade de catalisadores de enzima.

O objetivo geral deste método é fornecer um protocolo único de taxa de transferência para a análise de metabólitos, lipídios e proteínas microbianas de uma única amostra, criando um conjunto de dados totalmente pareado para a construção de redes metabólicas enquanto erros analíticos a restrição .

Protocol

1. sequencial extração de matéria orgânica do solo, sedimentos ou turfa Coletar o solo, sedimentos ou turfa através do dielétrico e dividir os núcleos de acordo com a hipótese que está sendo testado (por exemplo, profundidade). Loja de amostras em politetrafluoretileno revestido recipientes e congelam a-80 ° C para armazenamento antes da análise.Nota: Aproximadamente 25 mg C é necessária para este protocolo. Para turfa (normalmente 45% C), 50 mg de turfa seca é necessária. M…

Representative Results

Realizamos o protocolo descrito análise complementar e comparado a turfa com profundidade no pântano S1 no site Spruce e turfeiras resposta sob mudando ambientes (SPRUCE) em Minnesota, EUA. Estes resultados são comparados aos de um pântano de permafrost e fen do norte da Suécia, para mostrar como sites podem variar em atividades metabólito e enzima. Nós identificamos 3.312 enzimas na análise proteômica. Uma análise das atividades enzimas com profundidade revela que o número de enzimas declina acentuadamente en…

Discussion

O single-produção, fluxo de análise totalmente acoplados usado para caracterizar metabólitos e o proteome fornece insights sobre os caminhos pelos qual C ciclismo está ocorrendo em um complexo ecossistema. Solo e a turfa são matrizes heterogêneas, e, portanto, uma das etapas críticas desse método ocorre nos primeiros passos no sentido de garantir que a partida de turfa ou material de solo é altamente homogênea. É preferível moer a amostra, bem como agregados podem reduzir a eficiência de extração. Este é…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Gostaríamos de agradecer ajuda a recolha de amostras de turfa J.P. Chanton, J.E. Kostka e Kolton M.M. Partes deste trabalho foram conduzidos do laboratório de ciências ambientais Molecular, um DOE escritório de ciência instalação patrocinada pelo escritório de biológicos e pesquisa ambiental. PNNL é operado pela Battelle para o DOE sob contrato DE-AC05-76RL01830. Este trabalho foi apoiado pelo departamento de energia dos EUA, escritório de ciência e pesquisa do escritório de biológico e ambiental (concede: DE-AC05-00OR22725, DE-SC0004632, DESC0010580, DE SC0012088 e DE-SC0014416).

Materials

methoxyamine hydrochloride Sigma Aldrich 226904 derivitization agent
5 mm triple resonance salt-tolerant cold probe  Bruker instrumentation
capillary GC column HP-5MS column (30 m × 0.25 mm × 0.25 μm) Agilent AG19091S-433 instrumentation
reversed phase charged surface hybrid column (3.0 mm × 150 mm × 1.7 μm particle size) ThermoFisher instrumentation
2 mL glass vials VWR International 46610-722 sample vials
autosampler vials VWR International 97055-324; 9467671 sample vials
Chloroform VWR International JT9174-3 solvent
Ethanol VWR International BDH67002.400 solvent
methanol VWR International BDH85681.400 solvent
pyridine VWR International BDH67007.400 solvent
2,2-dimethyl-2-silapentane-5-sulfonate-d6 Sigma Aldrich 178837 standard
C8-C24 fatty acid methyl ester Sigma Aldrich CRM18918 standard
N-methyl-N- (trimethylsilyl)trifluoroacetamide Sigma Aldrich 24589-78-4 standard
Suwanee River Fulvic Acid standard International Humic Substances Society 2S101F standard
trimethylchlorosilane Sigma Aldrich 89595 standard
Tuning Solution Agilent
FTICR-MS analysis software Bruker Compass DataAnalysis 4.1
Formularity Software Pacific Northwest National Laboratory Formularity available for download at: https://omics.pnl.gov/software/formularity
GC-MS Agilent Agilent GC 7890A with MSD 5975C
silica-based sorbent Phenomenex (Torrance, CA) Strata C18-E (PN 8E-S001-DAK)
NMR TUBE 3MM 8 150 CS5 VWR International KT897820-0008 NMR tube
Varian Direct Drive 600-MHz NMR spectrometer  Varian Inova Varian Direct Drive 600-MHz NMR spectrometer
Chenomx NMR Suite 8.3 Chenomx Chenomx NMR Suite NMR software
ultra-performance liquid chromatograph  waters Aquity UPLC H  liquid chromatograph 
Velos-ETD Orbitrap mass spectrometer  ThermoFisher Thermo Scientific LTQ Orbitrap Velos mass spectrometer 

References

  1. Bridgham, S. D., Megonigal, P. J., Keller, J. K., Bliss, N. B., Trettin, C. The carbon balance of North American wetlands. Wetlands. 26 (4), 889-916 (2006).
  2. Wilson, R. M., et al. Greenhouse gas balance over thaw-freeze cycles in discontinuous zone permafrost. Journal of Geophysical Research: Biogeosciences. 122 (2), 387-404 (2017).
  3. Broder, T., Knorr, K. H., Biester, H. Changes in dissolved organic matter quality in a peatland and forest headwater stream as a function of seasonality and hydrologic conditions. Hydrology and Earth System Sciences. 21 (4), 2035-2051 (2017).
  4. Ejarque, E., et al. Quality and reactivity of dissolved organic matter in a Mediterranean river across hydrological and spatial gradients. Science of The Total Environment. 599, 1802-1812 (2017).
  5. Valenzuela, E. I., et al. Anaerobic methane oxidation driven by microbial reduction of natural organic matter in a tropical wetland. Applied and Environmental Microbiology. 83 (11), e00645-e00617 (2017).
  6. Lehmann, J., Kleber, M. The contentious nature of soil organic matter. Nature. 528 (7580), 60-68 (2015).
  7. Keiluweit, M., Nico, P. S., Kleber, M., Fendorf, S. Are oxygen limitations under recognized regulators of organic carbon turnover in upland soils?. Biogeochemistry. 127 (2-3), 157-171 (2016).
  8. LaRowe, D. E., Van Cappellen, P. Degradation of natural organic matter: A thermodynamic analysis. Geochimica et Cosmochimica Acta. 75 (8), 2030-2042 (2011).
  9. Wilson, R. M., et al. Hydrogenation of organic matter as a terminal electron sink sustains high CO2: CH4 production ratios during anaerobic decomposition. Organic Geochemistry. 112, 22-32 (2017).
  10. Ye, R., Jin, Q., Bohannan, B., Keller, J. K., Bridgham, S. D. Homoacetogenesis: A potentially underappreciated carbon pathway in peatlands. Soil Biology and Biochemistry. 68, 385-391 (2014).
  11. Neubauer, S. C., Megonigal, J. P. Moving beyond global warming potentials to quantify the climatic role of ecosystems. Ecosystems. 18 (6), 1000-1013 (2015).
  12. Ma, S., et al. Data-Constrained Projections of Methane Fluxes in a Northern Minnesota Peatland in Response to Elevated CO2 and Warming. Journal of Geophysical Research: Biogeosciences. 122 (11), 2841-2861 (2017).
  13. Conrad, R. Contribution of hydrogen to methane production and control of hydrogen concentrations in methanogenic soils and sediments. Federation of European Microbiological Societies Microbiology Ecology. 28 (3), 193-202 (1999).
  14. Cunada, C. L., Lesack, L. F. W., Tank, S. E. Seasonal dynamics of dissolved methane in lakes of the Mackenzie Delta and the role of carbon substrate quality. Journal of Geophysical Research: Biogeosciences. 123 (2), 591-609 (2018).
  15. Wilson, R. M., Tfaily, M. M. Advanced molecular techniques provide new rigorous tools for characterizing organic matter quality in complex systems. Journal of Geophysical Research: Biogeosciences. 123 (6), 1790-1795 (2018).
  16. Borton, M. A., et al. Coupled laboratory and field investigations resolve microbial interactions that underpin persistence in hydraulically fractured shales. Proceedingsof the National Academy of Sciences. 115 (28), E6585-E6659 (2018).
  17. Tang, K., Page, J. S., Smith, R. D. Charge competition and the linear dynamic range of detection in electrospray ionization mass spectrometry. Journal of the American Society for Mass Spectrometry. 15 (10), 1416-1423 (2004).
  18. Boiteau, R. M., et al. Structure Elucidation of Unknown Metabolites in Metabolomics by Combined NMR and MS/MS Prediction. Metabolites. 8 (1), 8 (2018).
  19. Walker, L. R., et al. Unambiguous Metabolite Identification in High-throughput Metabolomics by Hybrid 1DNMR/ESI MS Approach. Magnetic Resonance in Chemistry. 54 (12), 998-1003 (2016).
  20. Nicora, C. D., Burnum-Johnson, K. E., Nakayasu, E. S., Casey, C. P., White III, R. A., Roy Chowdhury, T., Kyle, J. E., Kim, Y. M., Smith, R. D., Metz, T. O., Jansson, J. K., Baker, E. S. The MPLEx Protocol for Multi-omic Analyses of Soil Samples. J. Vis. Exp. (135), e57343 (2018).
  21. Folch, J., Lees, M., Sloane-Stanley, G. H. Extraction of fatty acid. Journal of Biological Chemistry. 226, 497-509 (1957).
  22. Tolic, N., et al. Formularity: software for automated formula assignment of natural and other organic matter from ultrahigh-resolution mass spectra. Analytical Chemistry. 89 (23), 12659-12665 (2017).
  23. Kim, Y. M., et al. Diel metabolomics analysis of a hot spring chlorophototrophic microbial mat leads to new hypotheses of community member metabolisms. Frontiers in microbiology. 6, 209 (2015).
  24. Hiller, K., et al. MetaboliteDetector: comprehensive analysis tool for targeted and nontargeted GC/MS based metabolome analysis. Analytical Chemistry. 81 (9), 3429-3439 (2009).
  25. Kind, T., et al. FiehnLib: mass spectral and retention index libraries for metabolomics based on quadrupole and time-of-flight gas chromatography/mass spectrometry. Analytical Chemistry. 81 (24), 10038-10048 (2009).
  26. Kyle, J. E., et al. LIQUID: an-open source software for identifying lipids in LC-MS/MS-based lipidomics data. Bioinformatics. 33 (11), 1744-1746 (2017).
  27. Kanehisa, M. Enzyme annotation and metabolic reconstruction using KEGG. Protein Function Prediction: Methods and Protocols. 1611, 135-145 (2017).
  28. Van Krevelen, D. W. Graphical-statistical method for the study of structure and reaction processes of coal. Fuel. 29, 269-284 (1950).
  29. Hodgkins, S. B., et al. Changes in peat chemistry associated with permafrost thaw increase greenhouse gas production. Proceedings of the National Academy of Sciences. 111 (16), 5819-5824 (2014).

Play Video

Cite This Article
Tfaily, M. M., Wilson, R. M., Brewer, H. M., Chu, R. K., Heyman, H. M., Hoyt, D. W., Kyle, J. E., Purvine, S. O. Single-throughput Complementary High-resolution Analytical Techniques for Characterizing Complex Natural Organic Matter Mixtures. J. Vis. Exp. (143), e59035, doi:10.3791/59035 (2019).

View Video