本发明专利技术涉及内源参比代谢物的应用，以及将对应于哺乳动物对象的生物样品中所选靶代谢物的量和/或浓度的强度数据进行归一化的方法，其中所述强度数据使用一种或多种内源参比代谢物通过代谢物组学分析方法获得，所述方法包含对所述生物样品中的所述所选靶代谢物执行至少一种体外代谢物组学分析方法，同时在同一样品中执行一种或多种内源参比代谢物或其衍生物的定量分析，其中所述内源参比代谢物是生物样品中以基本上恒定的水平存在于对象中的化合物；并且其中所述内源参比代谢物或其衍生物具有小于1500Da的分子质量。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及代谢物组学领域。跟具体来说，本专利技术涉及用于对代谢物测定法中待比较的信号进行归一化的方法。这种新方法依赖使用内源代谢物浓度作为内标，并允许测定浓度和相对丰度以及在任何样品之间进行直接比较。因此，本专利技术涉及代谢物浓度的应用和不同物种、组织之间和不同细胞之间代谢物水平的比较。本专利技术提供了参比、对照或归一化代谢物的身份和应用，所述代谢物的水平即使在不同条件下也在个体细胞中以及不同样品、物种和来源的体液、细胞和组织之间保持一致。
技术介绍
在代谢物组学中，术语归一化是指在信号提取与加工之后和数据分发与随后的统计学处理之前的数据调整步骤(使用流动注射电喷雾质谱代谢物指纹数据进行预处 、分类建t莫禾口特(Preprocessing, classification modeling and feature selection using flow injection electrospray mass spectrometry metabolite fingerprint data)，D. P. Enot, W. Lin, M. Beckmann, D. Parker, D. P. Overy 禾口 J. Draper Nature Protoco 1 s，2008，3，446-470 ；依靠数字的代谢物组学获取和理解整体代谢物 ^L 据(Metabolomics by numbers-acquiring and understanding global metabolite data), R. Goodacre, S. Vaidyanathan, W. B. Dunn, . G. Harrigan 禾口 D. B. Kell TRENDS in Biotechnology 2004,22(5)245-252)。对代谢物组学数据进行归一化以比较在不同天、不同机器上、各种稀释度下等产生的数据的方法仍然有许多争论，远远达不到黄金标准或甚至达不到一致推荐。由于代谢物组学的首要目标是研究代谢物对环境和遗传改变做出响应而发生的变化，因此归一化是使测量值可比较的关键步骤，其中排除了含糊和不相关的变差来源。典型情况下，样品间变化性源于样品浓度和均质性差异、灵敏度的丧失和分析系统的漂移或样品随时间的降解。当考虑多个实验并且当代谢物测量值源于几个实验程序和不同分析平台时，这种变化性变成了真正的挑战(Enot等，2008)。取决于实验设计，存在一些用于计算归一化因子的有用方法。例如，人们可以在化学衍生之前或之后向样品添加多种增加但等摩尔浓度的对照，并且这些点的强度总和应该相等。可选地，可以添加含有恒定量化合物的混合物或提取物，例如来自于一批血浆的样品。对于添加的等摩尔对照来说，测量到的强度应该表现相似。更通用的方法利用板上的对照样品控制整个板质量的变差(例如标准制备物的标准批次和方法)或测量差异。可采用的归一化策略是基于关于每个实验所使用的数据和策略的一些潜在假设。 因此必须对这些策略进行调整以反映出所研究的系统和实验设计这两方面。首要假设是对于一些添加的对照组来说，在整个组中平均的测定浓度比应该接近单一值。可以将用于对代谢物组学数据进行归一化的现有技术概括成三个主要类别1-第一类策略包括从数据本身推断逐个样品的偏差系数、也称为稀释或定标系数(scaling factor)(关于生物流体ID 1H-NMR数据归一化的意见(A note on normalization of biofluid ID IH-NMR data), R. J. 0. Torgrip, K. M. Aberg 1, E. Aim, I.Schuppe-Koistinen 和 J. Lindberg=Metabolomics,20084(2)，114-121)。这种最简单的方法是全局归一化，其中定标系数是跨样品的所有测量值的和 (或与其相关)(也称为常和、整和(integrale)、总io计数归一化(total io count normalisation))。这种初级方法的局限性已被广泛讨论(Torgrip等，2008 ；概率商数归一化作为说明复杂生物混合物稀释的强有力方法，在IH NMR代谢物组学中的应用 (Probabilistic quotient normalization as robust method to account for dilution of complex biological mixtures. Application in IH NMR metabolomics)，F. Dieterle，A.Ross，G. Schlotterbeck, H. Senn :Anal Chem.，2006，78 (13)，4281-90)，并且已提出了通过引入类型信息(Enot等，2008)、峰/信号的次选择(用于尿样代谢物组学分析的归一化策略(Normalization strategies for metabolomic analysis of urine samples),B.M. Warrack, S. Hnatyshyn, K. -H. Ott, M. D. Reily, M. Sanders, H. Zhang 禾口 D. Μ. Drexler Journal of Chromatography B，2009，877 (5-6)，547-552 ；关于高通量质谱数据中非随机丢失值的归一化(Normalization Regarding Non-Random Missing Values in High-Throughput Mass Spectrometry Data), P. Wang, H. Tang, H. Zhang, J. Whiteaker, A. G. Paulovich 禾口 M. Mcintosh :Pacific Symposium on Biocomputing, 2006,11 :315-326) 或通过将强度分布对参比样品情况进行作图(Torgrip等，2008，Dieterle等，2006)，来产生更充分的定标系数估算值的可替选方法。许多这样的方法属于NMR领域(美国专利号 7, 277,807B2, Dieterle等，2006)。不论所使用的技术的精密性及其解决具体生物学问题的效用如何，产生的数据仍然采取无量纲和实验依赖性数量的形式，不能在不同实验设置或应用领域之间有效转移和比较。2-第二种归一化类型使用来自生物背景的信息来调整样品浓度(Warrack等， 2009)。就此而言，在基于尿液的研究中通常使用取样时的肌酸酐、尿液体积或重量摩尔渗透压浓度，并且植物提取物或组织重量也可用于标度样品测量值。除了这样的信息在实践中的可用性以及与它们的测量相关的固有误差之外，当研究致力于可能诱导实验/临床参数估算值的急剧变化的生物化学过程(例如肾损伤)时，不能保证这些参数适用于归一化。3-最后，利用针对单一或多种内标的校准进行化合物浓度的绝对定量，是既能使个体间变差降到最低、又能对源于多个位点和实验的数据集进行比较的最可靠的方法(使用多种内标的最优选择对代谢物组学数据进行归一化的方法(N本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员：汉斯彼得·迪格内，玛缇亚斯·克尔，玛缇亚斯·科勒，特雷瑟·考尔，戴维·伊诺特，
申请(专利权)人：百奥科瑞茨生命科学公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。