国产精品青青青高清在线观看_日本96在线精品视频免费观看_国产乱理伦片在线观看大陆_www在线小视频免费

                      洛宇生物,為人類更健康!
                      咨詢熱線:0871-68396621 hys@labreal.cn

                      測序服務

                      聯系我們contact
                      0871-68396621
                      hys@labreal.cn
                      昆明市盤龍區龍泉路871號茨壩生物創新中心B座2層

                      代謝全譜分析

                      目    錄
                      • 產品介紹
                      • 常見問題
                      • 經典案例
                      • 結果展示

                      背景簡介
                      代謝全譜為非靶向代謝組學分析,采用色譜-質譜聯用技術采集樣品的代謝譜圖,比較不同組樣品代謝產物的含量,鑒定差異表達的代謝物,并探索差異代謝物之間的代謝通路。代謝組學分析技術已廣泛應用于疾病診斷、藥物靶點發現、疾病機理研究、營養食品科學、毒理學、植物學等相關領域,已成為目前研究的新熱點。

                      技術優勢

                      高靈敏度:基于先進的液相串聯質譜技術,可檢測到pg級化合物。
                      高覆蓋度:檢測多達上千種化合物,勝任熱不穩定、不易揮發、不易衍生化等物質的檢測。
                      低成本:側重于相關特定組分共性研究,篩檢有意義代謝產物,檢測成本較低。
                      跨組學分析:提供從基因組學、轉錄組學、蛋白質組學、到代謝組學的全程科技服務,深度剖析生物學現象。

                      技術路線

                      分析內容


                      樣本類型

                      細胞,組織,尿液,全血,血清,血漿等
                      建議起始量(單次):血漿或血清>300 μL,尿液> 5 mL,組織> 100 mg,細胞>107個。

                      Q1: 代謝物鑒定搜索的數據庫有哪些?

                      A :搜索的數據庫都是公共庫,KEGG、METLIN等等,精確度都在10ppm以內(一個分子量仍然會對應多個代謝物),如果庫里面有相應的二級譜圖,那么鑒定就可以更加的精確,后續如果要驗證的話,可購買標準品。

                      Q2:代謝全譜對于樣本數量有要求嗎?
                      A:對于目標在于尋找差異代謝物的代謝全譜來說,臨床樣本數量每組建議不低于30個。模式生物及動植物樣本,建議不少于10個。

                      Q3:代謝組學全譜分析和脂質代謝組學分析有什么區別?
                      A:代謝組學全譜分析是對生物體內所有代謝物進行定量分析,并尋找代謝物與生理病理變化相對關系的研究方式,其研究對象是相對分子質量小于1000Da的小分子物質,如脂類、酮類、有機酸等。眾所周知,基因組學和蛋白質組學分別從基因和蛋白質層面探尋生命活動,但實際上細胞內許多生命活動是發生在代謝物層面的,如細胞信號釋放、能量傳遞和細胞間通信等都受代謝物調控。代謝組學全譜分析是通過單變量及多變量分析發現差異表達的代謝物信息,從而反映細胞所處的環境以及其與外界影響因素之間的相互作用關系。
                      脂質組學(lipidomics)是研究生物體的脂類組成,脂類代謝以及脂類相互作用的一門學科,是代謝組學最重要的分支。脂質具有多種重要的生物學功能,如物質運輸、能量代謝、信息傳遞及代謝調控等,脂質代謝異??梢l諸多人類疾病,包括阿茲海默癥、糖尿病、肥胖癥、動脈粥樣硬化等。

                      案例一:高粱家系初生和次生代謝物的非靶向代謝組學研究

                      本研究以高粱為研究對象,利用非靶向代謝組學技術分析代謝物與形態生理變化間的關系。選擇11個高粱二倍體家系葉組織進行非靶向代謝組學分析,結果顯示1181種代謝物中有956個代謝物差異表達(p < 0.05)。單變量和多變量分析顯示,大多數代謝物因高粱家系和品種的不同而不同。其中有384種代謝物至少與一個形態生理特性相關,如糖化類黃酮和綠原酸等次生代謝物。代謝組學分析揭示了兩個或兩個以上的形態生理特性之間的關系,結果表明綠原酸和莽草酸與高粱光合作用、苗期生長和最終產量有關。


                      圖 代謝產物與形態生理特征的關系

                       


                      案例二:慢性髓細胞白血病患者血漿和白細胞的代謝譜分析

                      酪氨酸激酶抑制劑(TKIs)的發現為慢性髓細胞白血病(CML)患者的治療帶來重大突破。CML的發病原因與Bcr-Abl蛋白和酪氨酸激酶活性密切相關。TKIs通過抑制ATP結合,因而避免信號通路惡變。然而,有關TKI治療對CML患者代謝物的影響尚未知。本研究選定正常人群,新診斷患者,分別使用TKI(伊馬替尼、尼羅替尼、達沙替尼)治療的患者,羥基脲治療的患者,利用代謝組學技術對這6種人群的血漿和白細胞樣本進行分析。白細胞主成分分析結果顯示,新診斷患者/經羥基脲治療患者的代謝物,與TKIs治療患者/健康人群的代謝物存在顯著分離,主要表現在糖酵解、三羧酸循環和氨基酸代謝的差異上。代謝組譜分析可以作為CML患者TKIs治療響應的早期評估工具。


                      圖 對照組與新診斷患者的白細胞和血漿S-plots圖

                      參考文獻
                      1.Turner M F, Heuberger A L, Kirkwood J S, et al. Non-targeted Metabolomics in Diverse Sorghum Breeding Lines Indicates Primary and Secondary Metabolite Profiles Are Associated with Plant Biomass Accumulation and Photosynthesis[J]. Frontiers in Plant Science, 2016, 7(59).
                      2.Karlíková R, ?iroká J, Friedecky D, et al. Metabolite profiling of the plasma and leukocytes of chronic myeloid leukemia patients[J]. Journal of Proteome Research, 2016, 15(9).

                      多元統計分析(PCA分析)主成分分析將代謝物變量按一定的權重通過線性組合后產生新的特征變量,通過主要新 變量(主成分)對各組數據進行歸類,去除重復性差的樣本(離群樣本)和異常樣本 。因無外加人為因素,得到的 PCA 模型 反映了代謝組數據的原始狀態,有利于掌握此數據的整體情況并對數據從整體上進行把握,尤其是有利于發現和剔除異常樣品,并提高模型的準確性。通過 PCA分析所得 到的圖譜即稱為 PCA 得分圖(score scatter plot),每個樣本在圖上的位置由不同變 量的加權得分所決定。由 PCA 得分圖可以觀察樣本的聚集、離散程度:樣本分布點越靠近,說明這些樣本中所含有的變量/分子的組成和濃度越接近;反之,樣本點越遠離, 其差異越大。

                      多元統計分析(PLSDA分析)與 PCA 只有一個數據集不同,PLS-DA 在分析時必須對樣品進行指定并分組, 這樣模型會自動加上另外一個隱含的數據集 Y,該數據集變量數等于組別數。 PLS-DA 是目前代謝組學數據分析中最常使用的一種分類方法,它在降維的同 時結合了回歸模型,并利用一定的判別閾值對回歸結果進行判別分析。

                      差異代謝物層次聚類分析聚類分析被用于判斷代謝物在不同實驗條件下的代謝模式。代謝模式相似的代謝物具有相似的功能,或是共同參與同一代謝過程或者細胞通路。因此通過將代謝模式相同或者相近的代謝物聚成類,可以用來推測未知代謝物或者已知代謝物的功能。以不 同實驗條件下的代謝物的相對值為代謝水平,做層次聚類分析,不同顏色的區域代表不同的聚類分組信息,同組內的代謝表達模式相近,可能具有相似的功能或參與相同的生物學過程。

                      代謝物關聯網絡分析代謝物關聯網絡分析是根據代謝物信號值的動態變化,計算代謝物之間的共表達關系,來建立代謝相關調控模型,得到代謝物間調控關系及調控方向,從而尋找一個或多個物種在不同 發育階段,或者不同組織在不同條件或處理下的全部代謝物調控網絡模型以及關鍵代謝物,從而系統的研究生物體復雜的生命現象。通常梯度樣本進行關聯網絡分析才具有意義,例如時間序列樣本、不同發育階段、梯度濃度處理樣本等。

                      掃碼反饋

                      掃一掃,反饋當前頁面

                      咨詢反饋
                      掃碼關注

                      微信公眾號

                      返回頂部