糖类是自然界中广泛分布的一类重要的有机化合物,是一切生命体维持生命活动所需能量的主要来源,在生命活动过程中起着重要的作用。植物中最重要的多糖是淀粉和纤维素,动物细胞中最重要的多糖是糖原。最终多糖会被分解,并以单糖的形式被生物体代谢供能或者转化为其它成分。本方法利用基于LC-MS的靶向代谢组方法对糖类的8种单糖物质进行绝对定量分析。
检测指标
| 编号 |
代谢物名称 |
Metabolites |
| 1 |
D-Mannose |
甘露糖 |
| 2 |
D-Ribose |
核糖 |
| 3 |
L-rhamnose monohydrate |
鼠李糖 |
| 4 |
D-Galactose |
半乳糖 |
| 5 |
Glucose |
葡萄糖 |
| 6 |
L-Arabinose |
阿拉伯糖 |
| 7 |
D-Xylose |
木糖 |
| 8 |
L-Fucose |
岩藻糖 |
实验流程
应用方向
生物领域多个研究方向,如
▶ 植物抗逆、生长发育、育种、果实营养品质等相关研究;
▶ 糖代谢途径研究;
▶ 糖生物活性研究;
▶ 生物标志物、药物治疗研究等。
数据分析
| 分析类型 |
分析内容 |
拟解决问题 |
| 质控 |
QC RSD |
获得高质量数据 |
| 差异分析 |
单变量统计分析t. test |
反应每个代谢物的组间差异 |
| 箱线图 |
反应单个代谢物在组见的变化 |
| 功能分析 |
层次聚类分析 |
获得代谢物的表达模式信息 |
| KEGG分析 |
获得相关代谢通路和生物学功能 |
| 高级生信分析 |
回归分析 |
建立重要代谢物和其他指标的关联 |
| 趋势聚类分析 |
探讨代谢物的含量趋势模式 |
| 机器学习ROC |
筛选诊断性能良好的生物标志物 |
技术优势
(1) 高灵敏度:基于LC-MS平台检测方法保证检测灵敏度,精确定性、绝对定量;
(2) 适用性广:支持细胞、组织、体液多种样本类型;
(3) 严格质控:多重质控,标准品人工校对。
(4) 快速交付:16个工作日
送样建议
| 样本类型 |
常规送样量 |
最低送样量 |
建议生物学重复 |
| 血(血清、血浆) |
≥200 μL |
≥100 μL |
临床样本:每组≥ 30 例
动物来源:每组≥ 10 例
植物来源:每组≥ 3 例
细胞样本:每组≥ 6 例 |
| 尿液 |
≥200 μL |
≥100 μL |
| 动物组织 |
≥100 mg |
≥60 mg |
| 细胞 |
10^7 |
10^7 |
| 细胞上清 |
≥1mL |
≥500 μL |
| 细菌或真菌 |
沉淀湿重≥200 mg |
沉淀湿重≥100 mg |
| 发酵液 |
≥500 μL |
≥200 μL |
| 卵泡液、脑脊液、淋巴液等 |
≥200 μL |
≥100 μL |
| 植物组织 |
≥400 mg |
≥200 mg |
| 植物种子 |
≥400 mg |
≥200 mg |
| 其他特殊样本 |
请联系我们咨询 |
参考文献
1.Mardinoglu A , Alena Stanáková, Lotta L A , et al. Plasma Mannose Levels Are Associated with Incident Type 2 Diabetes and Cardiovascular Disease [J]. Cell Metabolism, 2017.
2.Sullivan W J , Mullen P J , Schmid E W , et al. Extracellular Matrix Remodeling Regulates Glucose Metabolism through TXNIP Destabilization[J]. Cell, 2018:S009286741831033X-.
3.Zeng T, Fang B, Huang F, Dai L, Tang Z, Tian J, Cao G, Meng X, Liu Y, Lei B, Lu M, Cai Z. Mass spectrometry-based metabolomics investigation on two different indica rice grains (Oryza sativa L.) under cadmium stress. Food Chem. 2021 May 1;343:128472.
bio-equip.com