项目名称: 轮廓谱快速筛查的质谱新方法及其在中药与临床代谢组学分析中的应用

项目编号: No.20805026

项目类型: 青年科学基金项目

立项/批准年度: 2009

项目学科: 金属学与金属工艺

项目作者: 梁琼麟

作者单位: 清华大学

项目金额: 25万元

中文摘要: 当前各种组学方兴未艾,其共同点都是期望从整体层面研究特定目标物质群(组)的整体组成及 相互关系,但是如何实现检测信息的全面性(整体)和高通量(快速)的同时兼顾仍是技术瓶颈。本项目基于化合物群分类检测的策略,探索建立一种分类标记扫描质谱法,即针对不同化合物群(组)的特点(如有机酸、氨基酸、生物碱、糖及其衍生物、同系物等),通过选择和优化合适的化学反应,使同一大类化合物(不同于特异性靶标标记)都接上一个相同的化学标签,不同类可以接上不同的标签,进而选择相应的质谱扫描方式分别获得各类化合物群的轮廓谱信息。相对于一般的中性丢失等扫描方式,该方法检测的化合物群范围大大扩大,"丢失"化合物信息少,信噪比提高;相对于全扫描模式,该方法过滤了本底噪声和复杂基质信号的干扰,因此可以对复杂样品按目标化合物群快速分类筛查。将该方法应用于临床与中药代谢组学研究,以期实现疾病标志物组合或中药活性成分群的快速筛查。

中文关键词: 化合物群;分类筛查;代谢组学;临床分析;中药活性成分群

英文摘要: The emerging omics approaches had a common damand on the comprehensive characterization of all the components and their relationships among the ome while the bottleneck lay on the technologies of integrative and highthrough information acquisition. The proposal is to establish a group-label scaning mass spectrometric approach for grouping-based screening. It requires to label a characteristic tag to interested compound group (not a singe target compound) and then select a scaning mode of MS to obtain a profile of such a group of compounds.In comparison with the conventional scaning detection such as neutral lost scan, the proposal approach can extend the species of screening with less omitter of compounds and higher signal to noice. And in comparison with the conventional detection such as full scan mode, it can filtrate the noice and matrix signals and will be able to apply in the grouping-based screening of complex samples. The application of this approach in the metabonomic study of Traditional Chinese Medicine and desease screening will be also included in the project.

英文关键词: compound group; grouping-based screening; metabonomics; clinical screening; Traditional Chinese Medicine

成为VIP会员查看完整内容
0

相关内容

【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
专知会员服务
85+阅读 · 2021年10月11日
专知会员服务
27+阅读 · 2021年10月6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
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7月26日
【干货书】健康和生命科学的数据文本处理,107页pdf
专知会员服务
41+阅读 · 2021年7月11日
专知会员服务
26+阅读 · 2021年3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
人工智能预测RNA和DNA结合位点,以加速药物发现
国家自然科学基金
0+阅读 · 2015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 · 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 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
小贴士
相关主题
相关VIP内容
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
专知会员服务
85+阅读 · 2021年10月11日
专知会员服务
27+阅读 · 2021年10月6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
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7月26日
【干货书】健康和生命科学的数据文本处理,107页pdf
专知会员服务
41+阅读 · 2021年7月11日
专知会员服务
26+阅读 · 2021年3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
相关基金
国家自然科学基金
0+阅读 · 2015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 · 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 · 2008年12月31日
微信扫码咨询专知VIP会员