项目名称: 血清中“不可见”小分子代谢物定量测定的NMR方法研究

项目编号: No.21275157

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 数理科学和化学

项目作者: 纪竹生

作者单位: 中国科学院武汉物理与数学研究所

项目金额: 80万元

中文摘要: 血清或者血浆中小分子代谢物的含量测定是临床疾病诊断或健康水平评估的依据。NMR谱编辑技术无需对血清样品进行预处理就可以检测血清中代谢物的含量,是血清代谢物定量分析强有力的手段。但现有的NMR方法不能定量测定在血清中与蛋白质结合的代谢物。我们的初步研究表明,在血清中加入与血清蛋白质有强结合作用的小分子化合物,可使血清中某些代谢物信号大大增强。这就表明强结合小分子化合物可通过竞争结合原理置换出血清中与生物大分子结合的小分子代谢物,使结合态代谢物变成游离态代谢物,使其NMR信号由"不可见"变为"可见",从而使与血清蛋白有结合作用的代谢物的定量测定成为可能。本项目拟以与血清蛋白有强结合作用的小分子药物作为竞争结合配体,建立测定血清中与蛋白结合的小分子代谢物含量的NMR方法,这对于血清代谢物的定量检测、人类疾病诊断及健康水平评估等均具有重大的意义。

中文关键词: 核磁共振;血清;代谢多样性;相互作用;分子模拟

英文摘要: Quantitative determination of small molecule metabolites in blood serum or blood plasma is crucial to the clinical disease diagnosis or health assessment. NMR spectral-editing techniques are powerfull tools for quantitative analysis of serum metabolites because these techniques can quantify the metabolites in serum without the need of pretreatment. But existing NMR methods cannot quantify metabolites which bind to serum proteins. Our preliminary studies have shown that by adding small molecule compounds which bind strongly with serum proteins, some serum metabolites NMR signal is greatly enhanced. This indicates that metabolites which bind to biological macromolecules in serum can be replaced by strong binding small molecule compounds by competitive binding, and therfore turn bonded metabolites into free metabolites and NMR "invisible" signals into "visible". These make the quantitative determination of metabolites which bind to serum protein possible. Using small molecule drugs as competitive binding ligands, the project would build a NMR model for quantitative detection of bonded serum metabolites. It is of great significance to the human disease diagnosis and health assessment.

英文关键词: nuclear magnetic resonance;blood serum;metabolic diversity;interaction;molecular simulation

成为VIP会员查看完整内容
0

相关内容

【CVPR2022】通过特征Mixing进行主动学习
专知会员服务
25+阅读 · 2022年3月15日
数据治理标准化白皮书(2021年), 34页pdf
专知会员服务
232+阅读 · 2022年1月18日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
134+阅读 · 2021年9月20日
元学习-生物医学中连接标记和未标记数据
专知会员服务
29+阅读 · 2021年8月3日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
24+阅读 · 2020年2月23日
靶向蛋白质降解的蛋白-蛋白相互作用预测
GenomicAI
4+阅读 · 2022年3月5日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
46+阅读 · 2021年10月4日
Arxiv
10+阅读 · 2020年11月26日
小贴士
相关主题
相关VIP内容
【CVPR2022】通过特征Mixing进行主动学习
专知会员服务
25+阅读 · 2022年3月15日
数据治理标准化白皮书(2021年), 34页pdf
专知会员服务
232+阅读 · 2022年1月18日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
134+阅读 · 2021年9月20日
元学习-生物医学中连接标记和未标记数据
专知会员服务
29+阅读 · 2021年8月3日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
24+阅读 · 2020年2月23日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员