氣質百川 | 透視健康 島津智能代謝物數據庫為液體活檢的方法研究注入新活力

?

 近年來，液體活檢技術發展備受關注，其相對于常規組織活檢技術具有侵入性小、快速便捷、可重復性高等優點，因此在癌癥的早篩、早診等方面產生了諸多突破性進展。它通過分析血液或尿液等中的生物標記物，如比較熱門的循環腫瘤DNA（ctDNA）來檢測癌癥的存在。然而，由于ctDNA僅能檢測DNA，且會受到其它因素污染，因此對循環腫瘤細胞（CTCs）如RNA和蛋白質的分析變得越來越重要（如圖1），而隨著代謝組學的發展，越來越多的代謝物標志物被認為是潛在的反映癌癥發生的敏感標記物。從血液中分離出活的CTCs，將其進行濃縮，并了解培養癌細胞的培養基中所含微量代謝物的變化，可為液體活檢研究做出重大貢獻。

圖1 液體活檢研究目標概述

利用氣相色譜質譜聯用（GC-MS）的方法即可以對培養基中的初級代謝物進行分析，然而GC-MS對于代謝物的快速篩查及代謝通路研究方面仍存在一定挑戰，為了克服這些挑戰，島津針對代謝物分析開發了專用的GC-MS數據庫（Smart Metabolites Database），其涵蓋600多種化合物的質譜圖、保留指數、MRM離子對等信息，可在無標準品的情況下快速排除干擾組分輕松實現樣品中代謝物的快速篩查。

本應用即利用島津GCMS-TQ8040 NX和Smart Metabolites Database Ver.2在23分鐘內就完成了兩種CTCs樣品(H358和H1975肺癌細胞)中500多種代謝組分的同時測定。這兩種CTCs通過智能活檢細胞分離器（Smart Biopay Cell Isolator）分離獲得，并分別在0、1、10、50和100個細胞的獨立培養基中培養。智能活檢細胞分離器采用基于重力過濾的HDM技術，通過特殊涂層更大限度地提高回收率，每個樣品均以高通量的方式在25分鐘內分離活CTCs。然后使用eMSTAT Solution Ver.2和多組學分析方法包進行統計分析，通過可視化的方法呈現ANOVA（方差分析）和代謝通路圖的結果，進而了解CTC數量與代謝通路上的代謝物之間的相關性。

利用ANOVA進行代謝通路分析

下圖2中通過ANOVA計算未使用的培養基（含0個癌癥細胞的培養基，藍色）、含有50/100個H358肺癌細胞的培養基（紅色）和含有50/100個H1975肺癌細胞（黃色）的培養基的p值，并將p值在5%及以下的代謝物投影到多組學分析方法包的代謝物通路圖上。

可以看出，在H358培養基中，甘油酯代謝通路上游區域的底物（二羥丙酮磷酸和甘油磷酸酯)水平特別低，甲基乙二醛是二羥丙酮磷酸的副產物，由于糖酵解的增加，癌細胞傾向于產生甲基乙二醛作為副產物。

圖2 使用eMSTAT Soutions Ver.2進行ANOVA，并將結果投影到多組學分析方法包的代謝通路圖上

CTC數量與代謝通路上的代謝物的相關性分析

利用多組學方法包的代謝通路分析功能，進行CTC數量（0、1、10、50、100）與代謝物之間的相關性分析（如圖3）。結果顯示，色氨酸通路中的中間代謝物多巴胺與H358呈正相關（據了解肺癌患者血漿中的多巴胺水平明顯高于健康受試者，其因果關系有望在以后的研究中得到闡明）。此外，在甘油三酯合成通路中，甘油磷酸酯與H358細胞數量呈正相關，眾所周知，將甘油磷酸酯轉化為1,3-二磷酸甘油酸的甘油醛-3-磷酸脫氫酶（NADP+）在肺癌細胞中高表達。因此，本實驗中甘油磷酸酯的減少也被認為是由于甘油醛-3-磷酸脫氫酶（NADP+）的增加。

圖3 搜索與CTC計數相關的代謝物

結論                     

通過GC-MS和智能代謝物數據庫分析培養了癌癥細胞的培養基中代謝物的情況，并結合多組學方法包的代謝通路分析功能，分析CTC數量與代謝物之間的相關性，將有助于液體活檢相關的方法研究。

代謝物數據庫特點

• 超過600種代謝化合物信息，提供氨基酸、脂肪酸和糖的專用分析方法，輕松實現代謝物泛范圍篩查。

• 代謝物MRM信息數據庫，無需標準品即可快速創建高靈敏度分析方法

• 新增糖專用分析方法和功能性成分化合物信息擴展樣品分析范圍

• 新增過濾功能，允許用戶只選擇和分析給定樣品中可能被檢測到的代謝物，節省分析時間和勞動力

• “代謝組學手冊”全方位說明從樣品準備到多變量分析的每個步驟，即使是初學者亦可以輕松應對。

實驗儀器

聲明：本文涉及內容非醫療用途，僅供專業人士學習及相關研究參考使用

本文內容非商業廣告，僅供專業人士參考。