脂質是組成生物體的重要生物分子，能夠參與調節多種生命活動。脂質廣義上來說是指疏水性和兩親性小分子，完全或者部分來自兩種不同的生物結構單元酮?；彤愇於┗鶊F。脂質代謝異?？梢砸l諸多疾病，如動脈硬化、糖尿病等疾病。

脂質組學  (Lipidomics) 是基于 LC-MS/MS高通丑分析技 術，系統性研究生物體脂質組成 與表達變化的模式，可有效研究脂類家族、脂質分子在各種生物過程中的改變與功能，進而闡明相關的生命活動機制與機理。

技術優勢

1、樣本無需特殊處理且一次進樣分析即可；

2、嚴格 QC:每個項 目都設暨嚴格的QC質控，保證數據真實可靠；

3、較高的靈敏度、分辨率；

4、較高通量。

應用方向

基礎醫學：  生物標志物，疾病機理機制，疾病分型，個性化治療等；

生物醫藥： 藥物作用機理，藥效評價，藥物開發等；

農林領域：抗逆脅迫機制，生長發育研究，育種保護研究等；

微生物領域：致病機理，耐藥機制，病原體－宿主相互作用研究等；

食品科學與營養學：食品成分及質岱，食品體內過程，食品功能等；

畜牧業：肉類及乳品質研究，致病機理研究等；

海洋水產：漁業資源，海水養殖，漁業環境與水產品安全等；

生物能源、環境科學領域：發酵過程優化，生物燃料生產，環境危定風險評估研究等；

推薦文獻列表

文獻案例

背景介紹：

對患有精神失常和情感性精神障礙的精神疾病患者的早發現和早治療可以顯著改善臨床結果。因此在過去十年里，研究的重點已經轉移到高危個體的防范上。過去十五年的研究表明，普通人群中有 8% 至 17% 的兒童和青少年以及 7% 的成年人報告有精神失常行為。眾所周知，這些在早期報告出現亞臨床癥狀的個體患精神疾病和其他疾病的風險增加。精神疾病的生物特征的識別可以提供對疾病病理生理學基礎的洞察，并且也有可能被用作早期檢測和診斷的生物標志特征的一部分。

研究思路

結果速遞

對 12 歲兒童（18 歲時報告出現精神失常行為）的血清樣本進行脂質組學和蛋白組學數據分析以尋找潛在生物標志物。單變量分析顯示， 精神失常行為（PEs）組和健康對照組之間共有 34 種差異脂質和 3 種差異蛋白。經過 FDR 校正后，有 16 種脂質和 1 種蛋白質（PLG）仍顯著變化。脂質組學和蛋白組學數據聯合分析顯示，17 種脂質與 6 種蛋白質（PLG、肝素輔因子 2、補體 C2、補體因子 H、簇蛋白和玻連蛋白）呈正相關， 其相似性得分超過 0.3。并且觀察到凝血蛋白 PLG、肝素輔因子 2 和補體途徑蛋白玻連蛋白與 16 種脂質呈較強的正相關。

圖1.差異代謝物聚類熱圖

為了檢測研究人群中潛在代謝表型，將 KODAMA 算法應用于具有可用臨床數據的所有個體（n = 90）。根據最高輪廓中位數，分成 4 個不同的聚類，分別為 A、B、C 和 D。不同聚類之間 PEs 的發生顯著不同（p =0 .007）。對聚類的進一步分析表明，聚類 D 顯示出發展成為 PEs 的高可能性。該聚類顯示出PEs 為發生率為 71%，而聚類 A、B 和 C 的發生率分別為 42%、29% 和 19%。值得注意的是，小 LDL 顆粒之間的差異以及小LDL 顆粒中磷脂與總脂質比率的差異，與 PEs 病例的分布相似?？傊?，聚類 D 代表了具有發展成 PEs 的高可能性的代謝表型。

圖2.基于輪廓中位數的聚類分析