Metabolomic Profiling of Uremia With an LC-EC Array-MS Parallel Platform

Postery |  | Thermo Fisher ScientificInstrumentace
HPLC, LC/MS, LC/IT
Zaměření
Klinická analýza
Výrobce
Thermo Fisher Scientific

Význam tématu


Metabolomika poskytuje komplexní pohled na metabolické změny spojené s uremií, jež je charakterizována dysregulací metabolických cest a zvýšeným oxidačním stresem. Kompletní profil plazmatických metabolitů může odhalit nové diagnostické a prognostické markery, které mohou zlepšit klinické řízení onemocnění a předvídání kardiovaskulárních rizik.

Cíle a přehled studie / článku


Cílem studie bylo charakterizovat metabolom uremických pacientů na chronické hemodialýze ve srovnání se zdravými jedinci pomocí inovativní paralelní platformy HPLC-EC-array-MS, která umožňuje simultánní detekci známých i neznámých redoxově aktivních a ionizovatelných sloučenin.

Použitá metodika a instrumentace


Studie zahrnovala vzorky plazmy od pacientů s ESRD a odpovídající kontrolní skupinu. Analytický systém sestával z:
  • Vysokoúčiného kapalinového chromatografu spojeného paralelně s šestnáctikanálovým CoulArray EC detektorem a lineárním iontovým trapem s ESI zdrojem.
  • Tří optimalizovaných LC metod:
    • Metoda 1 pro vodou rozpustné metabolity (fosfátový pufr, SDS, NTA; C18; EC potenciály 0–900 mV).
    • Metoda 2 pro tuky rozpustné vitamíny a antioxidanty (metanol/ammonium acetate; C18; EC potenciály od +200 do +800 mV a –1000 mV).
    • Metoda 3 pro široké spektrum látek s paralelním EC a MS (Shiseido C18; gradient formové kyseliny a amonných solí; rozdělení toku 4:1 EC:MS; EC potenciály +100 až +1150 mV; MS v pozitivním módu).
  • Softwarové zpracování EC signálů pomocí CoulArray™ for Windows® 3.1 a chemometrická analýza (PCA) v Pirouette®.

Hlavní výsledky a diskuse


PCA aplikovaná na EC a MS data jasně rozlišila uremické pacienty od zdravých kontrol. Uremické vzorky vykazovaly zvýšené množství a intenzitu redoxově aktivních vodou rozpustných látek. U lipidově rozpustných metabolitů byly pozorovány statisticky významné změny koncentračních hladin u: α-tokoferolu, α- a β-karotenu, koenzymu Q10, δ- a γ-tokoferolu, luteinu, likopenu, retinolu a retinyl palmitátu. Rozdíly mezi diabetickými a nediabetickými pacienty s ESRD byly minimalizovány rozsáhlou metabolickou dysregulací způsobenou selháním ledvin.

Přínosy a praktické využití metody


  • Simultánní generování ortogonálních dat (redoxové i ionizační detekce) z jediné injekce.
  • Vysoká selektivita a citlivost pro široké spektrum známých i dosud necharakterizovaných metabolitů.
  • Využití v rozvoji biomarkerů, rizikovém hodnocení pacientů a monitoringu terapie.

Budoucí trendy a možnosti využití


  • Vývoj diagnostických metabolomických profilů pro predikci kardiovaskulárních komplikací u ESRD.
  • Integrace s proteomikou, genomikou a dalšími omickými přístupy pro holistický pohled na patofyziologii.
  • Optimalizace automatizace a zvýšení průchodnosti pro klinické a farmaceutické aplikace.

Závěr


Paralelní LC-EC-array-MS platforma představuje efektivní a komplexní přístup k profilování plazmatického metabolomu uremických pacientů. Pilotní data potvrdila schopnost diferencovat pacienty od zdravých jedinců a identifikovat kandidátní biomarkery pro další výzkum.

Reference


  1. Gamache PH, Meyer DF, Granger MC, Acworth IN. Metabolomic applications of electrochemistry/mass spectrometry. J. Am. Soc. Mass Spectrom. 2004, 15, 1717-1726.
  2. Mayer DF, Gamache PH, Acworth IN. The application of electrochemistry to metabolic profiling. In: Metabolome Analyses. Vaidyanathan S; Harrigan GG; Goodacre R. (eds.). Springer, USA. 2005. Pp. 119-135.

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

PDF verze ke stažení a čtení
 

Podobná PDF

HPLC Electrochemical Detection Bibliography
HPLC Electrochemical Detection Bibliography
2016|Thermo Fisher Scientific|Příručky
Chromatography for Foods and Beverages - Vitamin and Antioxidant Applications Notebook
Vanquish HPLC and UHPLC Bibliography
Vanquish HPLC and UHPLC Bibliography
2021|Thermo Fisher Scientific|Brožury a specifikace
Best practices and tools in R and Python forstatistical processing and visualization oflipidomics and metabolomics data