A LABEL-FREE, MULTI-OMIC STUDY TO QUALITATIVELY AND QUANTITATIVELY CHARACTERIZE THE EFFECTS OF A GLUCOSYLCERAMIDE INHIBITOR ON OBESITY

Postery | 2015 | WatersInstrumentace
Iontová mobilita, LC/TOF, LC/HRMS, LC/MS, LC/MS/MS
Zaměření
Klinická analýza
Výrobce
Waters

Význam tématu


Obezita představuje vážný zdravotní problém s celosvětovým rozšířením a významnými metabolickými důsledky. Analytické přístupy kombinující proteomiku a lipidomiku bez nutnosti značení umožňují detailní pohled na molekulární změny vyvolané farmakologickou intervencí.

Cíle a přehled studie / článku


Hlavním cílem studie bylo kvalitativně a kvantitativně charakterizovat vliv inhibice syntázy glukosylceramidu (inhibitor MZ-21) na proteomický a lipidomický profil jaterních vzorků obézních myší. Studie využívá multi-omický přístup v jediném experimentu s bezznačkovou metodikou LC-DIA-IM-MS.

Použitá metodika a instrumentace


Vzorky: jaterní tkáň z 3 kontrolních a 3 léčených (MZ-21) myší. Extrakce:
  • Proteiny: redukce, alkylace, tryptická expozice přes noc s RapiGest SF.
  • Lipidy: Bligh‐Dyer extrakce (chloroform-metanol).
LC-MS nastavení:
  • Proteomika: nanoACQUITY HSS C18 (75 µm×150 mm), 90 min gradient (5–40 % acetonitrilu), 300 nL/min, Synapt G2-Si (IMS-oaToF), data‐independent acquisition (LC-HDMSE).
  • Lipidomika: ACQUITY UPLC BEH C8 (2.1×100 mm), 20 min gradient (3–40 % iPrOH:MeOH), 500 µL/min, Xevo G2-S, data‐independent režim s ion-mobilitou.
Software: Progenesis QI for Proteomics/Lipidomics, EZInfo, Ingenuity Pathway Analysis.

Hlavní výsledky a diskuse


Bylo identifikováno přes 1200 proteinů, z nichž ~30 % vykazovalo statisticky významnou diferenciální expresi. PCA a hierarchické shlukování oddělily kontrolní a ošetřené skupiny s konzistentními clustery. Volcano plot a S-plot OPLS-DA ukázaly klíčové proteiny a lipidy:
  • Dominantní lipidové třídy: lysophosphatidylcholiny (LPC), fosfatidylcholiny (PC), sphingomyeliny (SM), triacylglyceroly (TG).
  • Ovlivněné dráhy: vývoj jater, zánětlivá odpověď, metabolismus sacharidů.
Pathway analýza odhalila interakce mezi proteiny a lipidy související s diabetem, oxidací lipidů a metabolizmem mastných kyselin.

Přínosy a praktické využití metody


Bez značení probíhá simultánní kvalitativní a kvantitativní analýza proteinů i lipidů. Workflow je vhodné pro farmakologický výzkum, toxikologii a identifikaci biomarkerů onemocnění.

Budoucí trendy a možnosti využití


Očekává se další zdokonalení rozlišení iontové mobility a citlivosti, rozšíření na jiné biologické matrixy, integrace s genomickými daty a nasazení umělé inteligence pro automatizovanou interpretaci výsledků. Potenciál klinických aplikací v personalizované medicíně je vysoký.

Závěr


Studie prokázala efekt inhibice glukosylceramid syntázy na proteom a lipidom obézních myší. Label-free LC-DIA-IM-MS umožňuje komplexní pohled na molekulární změny a nabízí robustní platformu pro další výzkum v oblasti metabolických onemocnění.

Reference


  • 1. Aerts et al. Pharmacological inhibition of glucosylceramide synthase enhances insulin sensitivity. Diabetes. 2007;56:1341–1349.
  • 2. Bligh P.J., Dyer W.J. A rapid method of total lipid extraction and purification. Can J Biochem. 1959;37:911–917.
  • 3. Li et al. Database searching and accounting of multiplexed precursor and product ion spectra from the data independent analysis of simple and complex peptide mixtures. Proteomics. 2009;9:1696–1719.
  • 4. Richardson et al. A probabilistic framework for peptide and protein quantification from data-dependent and data-independent LC-MS proteomics experiments. OMICS. 2012;16:468–482.

Obsah byl automaticky vytvořen z originálního PDF dokumentu pomocí AI a může obsahovat nepřesnosti.

PDF verze ke stažení a čtení
 

Podobná PDF

A Label-free, Multi-omic Study to Qualitatively and Quantitatively Characterize the Effects of a Glucosylceramide Inhibitor on Obesity
A Multi-omic Approach for the Study of Heart Regeneration Using Zebrafish as a Model Organism
APPLICATION NOTEBOOK - UNTARGETED METABOLOMICS  AND LIPIDOMICS
Biological Interpretation of Breast Cancer Using Rapid Multi-omic Profiling Methods