项目名称: 基于磁共振的代谢组成像新方法及其在活体组织中的应用

项目编号: No.81201143

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 影像医学与生物医学工程

项目作者: 许晶晶

作者单位: 厦门大学

项目金额: 23万元

中文摘要: 基于核磁共振(NMR)的代谢组学方法以其整体性和系统性等特点广泛应用于疾病的早期诊断和病理研究。代谢组学的研究对象主要是生物体液和离体组织,对活体组织代谢成分的检测及其随病程发展的动态变化规律尚缺乏研究。本项目拟在前期较好的NMR代谢组学工作基础上,借助活体磁共振定域谱(MRS),将静态的、离体的组织代谢组学研究扩展到动态的、活体的代谢组成像研究。我们将建立一套适用于活体组织的代谢组成像新方法,设计在活体条件下获得高分辨MRS谱的脉冲序列,结合离体组织魔角旋转谱(HR-MAS)并建立其对应的特征空间,跟踪监测活体组织的代谢模式。我们将这种方法应用于非酒精性脂肪肝(NAFLD)动物模型,实时监测病理进程中靶标器官的代谢表型,辨识组织中的特征代谢物及代谢途径变化,阐明与NAFLD发生发展密切相关的代谢模式变化规律,构建代谢子网络模型,为基于磁共振的代谢组成像新方法的临床应用提供实践基础。

中文关键词: 核磁共振;代谢组学;数据预处理;;

英文摘要: With the characteristics of globality and systematicness, the nuclear magnetic resonance (NMR)-based metabolomics approach is widely used in the early diagnosis of diseases and pathological study. Metabolomics study was mainly targeted at the biological fluids and tissues in vitro while the in vivo detection of metabolic profilings of tissues and their dynamic variations with the course of diseases is still rare. On the basis of our previous favourable work in NMR metabolomics, this project plans to extend the static and in vitro tissue metabolomics to the dynamic and in vivo metabolomic imaging through in vivo magnetic resonance spectroscopy (MRS) technology. A new metabolomic imaging approach suitable for living tissues will be established. The pulse sequence is designed for acquiring high resolution MRS in vivo, and with the combination of high resolution magic angle spinning (HR-MAS) spectroscopy and its corresponding feature space, the metabolic patterns of living tissues will be tracked. This approach is applied to non-alcoholic fatty liver disease (NAFLD) animal model. The metabolic phenotypes of target organs will be real-time monitored during the pathological process and the characteristic metabolites and related metabolic pathways in tissues will be identified. Furthermore, the variations of metabolism

英文关键词: nuclear magnetic resonance;metabolomics;data preprocessing;;

成为VIP会员查看完整内容
1

相关内容

专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
35+阅读 · 2021年8月27日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
80+阅读 · 2020年12月18日
专知会员服务
69+阅读 · 2020年11月30日
专知会员服务
125+阅读 · 2020年8月7日
基于深度学习的图像分析技术,116页ppt
专知会员服务
55+阅读 · 2020年7月17日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
深度学习的学习历程
极市平台
10+阅读 · 2019年5月28日
国家自然科学基金
1+阅读 · 2014年12月31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 · 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
2+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
Arxiv
19+阅读 · 2021年6月15日
Arxiv
10+阅读 · 2018年2月17日
小贴士
相关VIP内容
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
35+阅读 · 2021年8月27日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
80+阅读 · 2020年12月18日
专知会员服务
69+阅读 · 2020年11月30日
专知会员服务
125+阅读 · 2020年8月7日
基于深度学习的图像分析技术,116页ppt
专知会员服务
55+阅读 · 2020年7月17日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31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 · 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
2+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
微信扫码咨询专知VIP会员