条形banneri-03

Tuotteet

Metabolomiikka

Metabolomiikka, genomiikan alajulkaiseva tieteenala, tutkii pääasiassa pienimolekyylisiä aineita, joiden molekyylipaino on alle 1500 Da. Se mahdollistaa metaboliittien heijastavan herkemmin organismien reaktioita ulkoisiin ärsykkeisiin ja fysiologisiin/patologisiin muutoksiin. Myös geneettisten variaatioiden aiheuttamat metaboliittitason muutokset kuuluvat sen tutkimusalueeseen, mikä tarjoaa uuden tutkimusnäkökulman.

BMKGENE tarjoaa täyden valikoiman metabolomiikkapalveluita, mukaan lukien kohdentamattomat metabolomiikat, laajasti kohdennetut metabolomiikat ja kohdennetut metabolomiikat. Nestekromatografia-massaspektrometrialla (LC-MS) tai kaasukromatografia-massaspektrometrialla (GC-MS) voidaan havaita useimpien pienimolekyylisten metaboliittien dynaamiset muutokset organismeissa ennen ulkoista stimulaatiota ja sen jälkeen. Näiden palveluiden ydin on tunnistaa metaboliitit, joilla on merkittäviä eroja koe- ja kontrolliryhmien välillä, ja tutkia edelleen niiden korrelaatiota fysiologisten/patologisten muutosten ja taustalla olevien mekanismien kanssa.

 


Palvelun tiedot

Bioinformatiikka

Demotulokset

Esitelty julkaisu

Ominaisuudet

●Ei-kohdennettu metabolomiikka (löytömetabolomiikka)

Nestekromatografia-massaspektrometria (LC-MS) -tekniikkaan perustuva kohdentamaton metabolomiikka mahdollistaa mahdollisimman monen pienimolekyylisen metaboliitin puolueettoman havaitsemisen biologisissa näytteissä, kuten soluissa, kudoksissa, elimissä tai kehon nesteissä. Se suorittaa vertailevaa analyysia koe- ja kontrolliryhmien välillä ja seuloo erilaisia ​​metaboliitteja tilastollisen analyysin avulla.

● Kohdistamaton lipidien metabolomiikka

Hyödyntämällä nestekromatografia-massaspektrometria (LC-MS) -teknologiaa,nKohdennettu lipidien metabolomiikka mahdollistaa mahdollisimman monen lipidimolekyylin puolueettoman havaitsemisen biologisissa näytteissä, kuten soluissa, kudoksissa, elimissä tai kehon nesteissä.

● Leveä-Kohdennettu metabolomiikka

Tämä palvelu yhdistää täydellisesti kohdentamattoman teknologian korkean resoluution ja laajan kattavuuden edut kohdennetun MRM (Multiple Reaction Monitoring) -teknologian korkeaan herkkyyteen ja tarkkaan kvantifiointikykyyn. Työnkulku on seuraava: Ensin näytteille suoritetaan erittäin kattava MS²-skannaus korkean resoluution massaspektrometrialla, jotta saadaan kaikkien metaboliittien MS²-spektrit. Sitten suoritetaan tarkka metaboliittien tunnistus yhdistämällä tiedot korkean resoluution MS²-kirjastoon (joka kattaa yli 25 000 metaboliittia ja useita standardin mukaisia ​​korkean resoluution MS²-spektrejä jokaiselle metaboliitille). Seuraavaksi massaspektreistä erotetaan MRM-ioniparitiedot, jotta näytteille voidaan luoda erityinen kirjasto. Lopuksi tarkkaa kvantifiointia varten käytetään kolmoiskvadrupolimassaspektrometriaa MRM-teknologialla.

● Kohdennettu aineenvaihdunta

Kohdennettu metabolomiikka keskittyy useisiin kohdeyhdisteisiin tai kaikkiin/osittain metaboliitteihin, jotka osallistuvat tiettyyn reittiin. Standardiaineiden avulla se luo havaitsemismenetelmän, jolla on vahva spesifisyys, korkea herkkyys ja hyvä toistettavuus kohdeyhdisteiden kvantifiointiin ja analysointiin. Se käyttää ulkoista standardia yhdistettynä sisäiseen standardiin absoluuttista kvantifiointia varten, standardikäyrän lineaarisuuden ollessa yli 0,99 ja herkkyyden jopa ng/ml-tasolle asti.

Edut

●Edistynyt tunnistusalusta

-Varustettu huippuluokan korkean resoluution massaspektrometreillä ja kolmoiskvadrupolimassaspektrometreillä, jotka mahdollistavat tuhansien metaboliittien samanaikaisen havaitsemisen ja analysoinnin.

●Kattavat tietokannat

- Julkiset tietokannat: Kattavat METLINin, KEGGin, HMDB:n, NP Atlasin ja Lipidmapsin, ja sisältävät yli 500 000 metaboliittia.

- SisäinenKasvikohtainen tietokanta: Sisältää yli 25 000 metaboliittia, mukaan lukien primaariset ja sekundaariset metaboliitit.

- SisäinenEläin-/lääketieteellinen tietokanta: Sisältää yli 12 000 metaboliittia.

●Tiukka laadunvalvontajärjestelmä

-Tiukka laadunvalvonta, joka kattaa laitteen stabiilisuuden, ainejäämät, laadunvalvonnan, näytteen PCA:n ja korrelaatioanalyysin luotettavan datan laadun varmistamiseksi.

●Korkea metaboliittien havaitsemiskyky

- Ei-kohdennettu metabolomiikka: Havaitsee keskimäärin yli 4 200 metaboliittia ajoa kohden, mikä on ihanteellinen tuntemattomien metaboliittien tutkimiseen näytteissä ja metaboliittien tunnistamiseen monimutkaisissa näytteissä.

- Leveä-Kohdennettu metabolomiikka (kasvi): Havaitsee keskimäärin yli 2 410 metaboliittia ajoa kohden, mukaan lukien primaariset ja sekundaariset metaboliitit.

- Leveä-Kohdennettu metabolomiikka (eläin): Havaitsee keskimäärin yli 1 250 metaboliittia ajoa kohden.

- Kohdennettu metabolomiikka: Paneelitvartenuseita metaboliittiluokkia.

●Kattava analyysi

-Tarjoaa yli 10 analyysikohtaa ja yli 20 visualisointikaaviota.

●Huolellinen huoltopalvelu

-Tarjoaa myynnin jälkeistä konsultointia ja loppuraportin tulkintatukea.

Palvelun tekniset tiedot

Ratkaisu Alusta Suositellut biologiset toistot
Kohdentamaton metabolomiikka UHPLC-TOF-MS (Waters Xevo G2-XS QTof) Kasvi- ja mikrobinäyte: ≥ 6

Eläinnäyte: ≥ 10

Kliininen näyte: ≥ 30

Kaikki biologiset replikaattinäytteet analysoitiin erikseen.

Laaja-kohdennettu metabolomiikka Vesi Xevo G2-XS QTOF + AB Sciex QTRAP 6500+ Kasvinäyte: ≥ 3
Kohdennettu metabolomiikka UHPLC-QQQ-MS (AB Sciex QTRAP 6500+)

 

GC-MS (Agilent 7890-5977, Agilent 7820-5977)

Kasvinäyte: ≥ 3

 

Eläinnäyte: ≥ 6

Näytteen vaatimukset

Mietitkö, täyttävätkö näytteesi kriteerimme? Klikkaa tästä saadaksesi lisätietoja.uusimmat näytevaatimukset.

Palvelun työnkulku

näytteen toimitus

Näytekokoelma

Pilottikokeilu

Metaboliittien uuttaminen

Kirjaston valmistelu

Tiedonkeruu

Data-analyysi

Data-analyysi

Tiedon toimitus-05

Tiedon toimitus


  • Edellinen:
  • Seuraava:

  • 1. Taustamelu ja raakadatan heikkolaatuinen datankäsittely

    2. Tiedon laadun arviointi

    2.1 Pääkomponenttianalyysi

    2.2 Toistettavuuden arviointi

    3. Metaboliittimerkintä

    3.1 KEGG-tietokannan annotaatio

    3.2 HMDB-tietokannan annotaatio

    3.3 Lipidmaps-tietokannan annotaatio

    4. Näytteiden ryhmittelytietojen analyysi (biologiset toistot≥3)

    4.1 Ryhmän pääkomponenttianalyysi

    4.2 Ortogonaalinen osittaisten pienimpien neliöiden erotteluanalyysi (OPLS-DA)

    4.3 Ryhmäkohtainen metaboliittien erotusanalyysi

    5. Differentiaalinen metaboliittien valinta (biologiset replikaatit≥3)

    5.1 Differentiaalisen kertymismuutoksen analyysi

    5.2 Differentiaalisen metaboliitin tulivuorikuvaaja

    5.3 Differentiaalisten metaboliittien klusterointilämpökartta

    5.4 Differentiaalisen metaboliitin korrelaatiokuvaaja

    5.5 Differentiaalisen metaboliitin Z-pisteytyskäyrä

    5.6 Differentiaalisen metaboliitin tutkakuvaaja-analyysi

    5.7 Differentiaalisen metaboliitin viulukuvaaja

    5.8 Differentiaalisen metaboliitin laatikkodiagrammi

    5.9 Differentiaalisen metaboliitin KEGG:n funktionaalinen annotaatio ja rikastusanalyysi

    5.10 ROC-käyrän analyysi

    5.11 Differentiaalisen metaboliitin k-keskiarvojen klusterointi

    5.12 Differentiaalisen metaboliitin Venn-diagrammi

    1. Tiedon laadun arviointi

    12

    ↑Ckorrelaatioanalyysi(Testinäyte/laadunvalvontanäyte)

     

     34

    ↑Pääkomponenttianalyysi                                                                                 ↑Metaboliittien klusterointianalyysi

     

     

    2. Metaboliittimerkintä

     meta_lipidikartat_anno meta_hmdb_anno

    ↑KEGG-tietokannan annotaatio↑HMDB-tietokannan annotaatio

     

     meta_kegg_anno

    ↑Lipidmaps-tietokannan annotaatio

     

     

    3. Näytteiden ryhmittelytietojen analyysi (biologiset toistot≥3)

    8 9

    ↑Ryhmän pääkomponenttianalyysi(2D/3D)

     

     10

    ↑Ortogonaalinen osittaisten pienimpien neliöiden erotteluanalyysi (OPLS-DA)

     

     

    4. Metaboliittien erotusvalinta (biologiset replikaatit≥3)

     C_vs_A_Top_20_FC_muutos C_vs_A.tulivuori

    ↑Differentiaalisen kertymämuutoksen analyysi↑Differentiaalisen metaboliitin tulivuorikuvaaja

     

     13B_vs_A.korjauskuva

    ↑Eri metaboliittien klusterointilämpökartta↑Differentiaalisen metaboliitin korrelaatiokuvaaja

     

    C_vs_A.zscoreB_vs_A_Top_10_FC_radarchart

    ↑Differentiaalisen metaboliitin Z-pisteytyskäyrä↑Differentiaalisen metaboliitin tutkakuvaaja-analyysi

     

     17 18

    ↑Differentiaalisen metaboliitin viulukuvaaja↑Differentiaalisen metaboliitin laatikkodiagrammi

     

     19

    ↑Differentiaalisen metaboliitin KEGG:n toiminnallinen annotaatio ja rikastusanalyysi

     

     20 21

    ↑ROC-käyrän analyysi↑Differentiaalisen metaboliitin k-keskiarvojen klusterointi

     

     22

    ↑Differentiaalimetaboliitin Venn-kaavio

    Wang X, Wang D, Liu X, Zhang H, Chen G, Xu M, Shen X, You C. BEL1:n kaltainen homeodomeenitranskriptiotekijä SAWTOOTH1 (MdSAW1) Malus domestica -puussa parantaa transgeenisen omenan ja Arabidopsis-puun sietokykyä sinkkiylimääräiselle stressille. Int J Biol Macromol. Toukokuu 2025;307(Pt 3):141948. doi: 10.1016/j.ijbiomac.2025.141948. Epub 10. maaliskuuta 2025. PMID: 40074134.

    Ain QU, Hussain HA, Rahman L, Zhang Q, Rehman A, Hussain S, Uddin S, Imran A. Moringa oleiferan välittämien vihreiden nanopartikkelien ja arbuskulaarisen mykorritsasienen vuorovaikutteinen vaikutus maissin (Zea mays L.) kasvuun, juuriston rakenteeseen ja ravinteiden ottoon. Plant Physiol Biochem. Syyskuu 2025;226:110063. doi: 10.1016/j.plaphy.2025.110063. Epub 24. toukokuuta 2025. PMID: 40441096.

    Wang X, Luo J, Wang Q, Zhang Q, Zhao T, Liu Y, Li T, Liu X, Jiang J. Jasmonaatti aktivoi SlJAZ2/3-SlMYC3:n kaltaisen moduulin, joka säätelee K+:n ottoa tomaatissa vasteena alhaiseen K+-stressiin. J Integr Plant Biol. Elokuu 2025;67(8):2058-2077. doi: 10.1111/jipb.13941. Epub 28. toukokuuta 2025. PMID: 40432500.

    pyydä tarjous

    Kirjoita viestisi tähän ja lähetä se meille

    Lähetä viestisi meille: