项目名称: 基于介孔材料的生物样品预分离富集方法研究

项目编号: No.20875089

项目类型: 面上项目

立项/批准年度: 2009

项目学科: 金属学与金属工艺

项目作者: 吴仁安

作者单位: 中国科学院大连化学物理研究所

项目金额: 33万元

中文摘要: 现代复杂生物样品的分析正严重地依赖于高效液相色谱-质谱联用(LC-MS)和激光解吸离子化飞行时间质谱(LDI-TOF-MS)等生物质谱技术的发展,而其中生物样品制备技术的发展和创新是保证现代生物质谱技术获取可靠高质量分析结果的重要手段之一。 有序介孔材料具有高比表面积、大吸附容量、规则可调的纳米孔道结构等特点,对于混合物的分离吸附有着非常巨大的潜在应用价值。本课题拟以蛋白质、多肽和脂类化合物等生物分子为主要分析对象,以LC-MS和LDI-TOF-MS为主要技术平台,通过合成和功能化修饰的方法制备具高比表面积、高上载量、高选择性的分离富集适用的硅基和碳基介孔材料,通过基于介孔材料的高低丰度生物组分的分级分离富集效应,以及反相、离子交换、反相/离子交换混合、金属离子亲合等色谱保留作用的研究,建立和完善基于介孔材料的生物样品预分离富集新方法。

中文关键词: 介孔材料;样品制备;生物样品;分离富集

英文摘要: The analysis of complex biological samples in the field of life sciences have been greatly depending on the development of the analytical techniques, such as the mass spectrometry techniques including the Liquid Chromatography-Electrospray Ionization Mass Spectrometry and the Matrix-Assited Laser Desorption/Ionization Mass Spectrometry.The sample preparation is one of the key techniques for obtaining the realiable and precise analytical results with the high sensitivity and the low limit of detection. The endeavors for developing the techniques in sample preparation would must open the avenue of the analysis of complex biological samples. The mesoporous material possesses the high specfic surface area, large adsorptive capacity and the tunable and ordered mesoporous structure, which has been demonstrating the great potential in the isolation and separation of analytes from the complex mixtures. In this project, the synthesis and the post-modification of the silica and/or carbon-based mesoporous materials would be carried out. The resultant mesoporous materials would be applied in the analysis of biological samples, such as the proteins, lipids and metabolites, by combining the mass spectrometry or chromatography.The purpose of the project is first to investigate the interactions of the biological analytes with the mesoporous materials under different chromatographic modes, and then to estabilish the analytical approaches with the specfic ioslation and/or enrichment performance for bio-analytes from the complex biosamples.

英文关键词: Mesoporous material; Sample preparation; Biosample; Isolation and Enrichment.

成为VIP会员查看完整内容
0

相关内容

【牛津大学】多级蒙特卡洛方法,70页pdf
专知会员服务
57+阅读 · 2022年2月3日
专知会员服务
51+阅读 · 2021年10月16日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
133+阅读 · 2021年9月20日
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
31+阅读 · 2021年5月7日
异质图嵌入综述: 方法、技术、应用和资源
专知会员服务
47+阅读 · 2020年12月13日
专知会员服务
84+阅读 · 2020年12月5日
生物数据挖掘中的深度学习,诺丁汉特伦特大学
专知会员服务
67+阅读 · 2020年3月5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 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014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 · 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 · 2012年12月31日
FenceNet: Fine-grained Footwork Recognition in Fencing
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
46+阅读 · 2021年10月4日
Arxiv
12+阅读 · 2020年12月10日
小贴士
相关主题
相关VIP内容
【牛津大学】多级蒙特卡洛方法,70页pdf
专知会员服务
57+阅读 · 2022年2月3日
专知会员服务
51+阅读 · 2021年10月16日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
133+阅读 · 2021年9月20日
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
31+阅读 · 2021年5月7日
异质图嵌入综述: 方法、技术、应用和资源
专知会员服务
47+阅读 · 2020年12月13日
专知会员服务
84+阅读 · 2020年12月5日
生物数据挖掘中的深度学习,诺丁汉特伦特大学
专知会员服务
67+阅读 · 2020年3月5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
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014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 · 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 · 2012年12月31日
微信扫码咨询专知VIP会员