药物发现中的代谢轮廓分析了解代谢组学研究的影.PDFVIP

药物发现中的代谢轮廓分析: 了解代谢组学研究的影响因素与降低生物化学和化 献 文 用 应 学噪音的策略 6 1 2 2 2 1 1 Mark Sanders , Serhiy Hnatyshyn , Don Robertson , Michael Reily , Thomas McClure , 0 3 1 1 1 1 Michael Athanas , Jessica Wang , Pengxiang Yang , Yingying Huang , David Peake ; 1 2 3 Thermo Fisher Scientific, San Jose, CA; Bristol-Myers Squibb, Princeton, NJ; Vast Scientific, Boston, MA 关键词 Q Exactive Focus ；SIEVE 软件； 生物标记物；药物发现；代谢组学 目的 为代谢组学生物标记物的发现开发一套全新的自动化工作 流程和仪器分析方法。 前言 在制药行业中，代谢组学用于研究潜在候选药物的药理学 号所需要的精细数据处理。此技术可大大减少数据量，并改进 响应所产生的生化变化，其识别毒性/ 药效标记物的能力可以 目标代谢物的定量。生物因素对代谢轮廓有着深远的影响，即 显著加速药物研发的进程并帮助制定合适的临床计划。来自于 使细小的代谢变化也会掩盖药物诱导的代谢效应。了解大鼠的 液相色谱- 质谱联用技术（LC-MS ）的代谢轮廓实验数据，包 正常代谢变化能使“生物噪音”降到最低，并提供更为可靠的 含大量的化学噪音，常常干扰生物标记物的发现。本文采用全 药物相关的代谢变化信息。 新的质谱技术和数据处理软件来降低动物实验中的化学背景， 进而研究药物诱导的变化与动物年龄和营养的关系。 实验部分 常规LC-MS 代谢组学研究存在很多冗余的（一种组分有 样品前处理 多个离子）和不相关的（化学噪音）数据。同时影响代谢轮廓 的外部因素（年龄、营养）增加了生物多变性。由于许多化学 抽取各组雄性大鼠（饱食，急慢性禁食，不同年龄）的 物质是未知的，因此，在进行结构鉴定前过滤掉假阳性结果尤 血液样品并进行LC-MS 分析。取50 µL 血清样品，加入100 为重要。超高分辨率仪器结合超高效液相色谱（UHPLC ）的 µL 含0.1% 甲酸的冷甲醇溶液以除去蛋白质。干燥样品，加入 分离可以提供足够的分辨率将代谢物与化学背景区分开，解决 200 µL10% 甲醇水溶液复溶。每份样品中加入N- 苯甲酰基-D5- 了化学噪音和数据冗余的问题。准确质量数能确保识别相关信 甘氨酸（tR = 4.27 min ，m/z 185.0969 ）作为内标。 液相色谱 数据处理 采用Thermo ScientificTM Open AccelaTM 1250 UHPLC 系统 采用Thermo ScientificTM SIEVETM 软件的组分提取 和Th