結果展示
技術優勢
超高分辨率質譜平臺：采用QE系列譜平臺進行分級分類，分辨率高，精度好；
高可讀性報告：詳細的分析流程，分析軟件，參考文獻，撰寫論文方法學文檔；
臨床級實驗標準：按照標準SOP執行實驗操作，嚴格的樣本提取和數據質控；
個性化售后支持：團隊具有豐度的項目經驗，除提供豐度的代謝組學生信分析之外，提供多組學關聯分析及定制化售后服務；
產品覆蓋全：提供非靶，靶向代謝組檢測方案，滿足客戶科研需求，開展多種組學檢測，便于整體實驗設計和整合分析。
技術應用
環境毒理和藥物毒理研究
微生物與宿主之間相互作用機制
疾病、腫瘤biomarker
疾病診斷與疾病分型、致病機制研究
食品安全性評價，保健品研究，營養成分
植物農業、品質改良
藥物代謝研究
案例分析
案例（1）、感染性疾病方向：埃博拉病毒感染的脂質組學研究
2019年2月，PNAS報道研究人員利用脂質組學技術，對健康志愿者和埃博拉病毒感染（EVD）患者（共45例）及其康復過程中的一系列血漿樣本進行分析，發現EVD患者的脂質代謝發生了強烈的改變。幸存者與健康志愿者相比，差異的脂質分子逐漸減少，暗示幸存者的康復。進一步分析死亡者血漿中增加的PS、PE、Cer、PG和DG與幸存者血漿中增加的LPC, PC, LPE和 PI的生物意義，發現這些代謝物參與細胞凋亡、肝功能異常等多種生物過程，結論提出了可能提高EVD存活率的干預治療措施，為提高EVD存活率的療法提供新的見解。
Kyle JE, Burnum-Johnson KE, Wendler JP, Eisfeld AJ, Halfmann PJ, Watanabe T, Sahr F, Smith RD, Kawaoka Y, Waters KM, Metz TO. Plasma lipidome reveals critical illness and recovery from human Ebola virus disease. Proc Natl Acad Sci U S A. 2019 Feb 26;116(9):3919-3928. doi: 10.1073/pnas.1815356116. Epub 2019 Feb 11. PMID: 30808769; PMCID: PMC6397561.
案例（2）非靶+脂質組：COVID-19非靶代謝組和脂質組學研究揭示新冠發病機制中的代謝失調
2020年6月，據Cell Metab報導，對76名受試者，包括26例健康對照者和50例COVID-19不同疾病嚴重程度（即輕度、中度、重度）患者進行血漿非靶代謝組學研究，共檢出1,002種代謝物（598種脂質和404種極性代謝物），并構建一個由10種血漿代謝物組成的pannel有效地將COVID-19患者與健康人群區分（AUC = 0.975）。對與COVID-19明顯相關的血漿脂質組進一步分析發現，鞘磷脂（SMs）和GM3含量增加，二酰甘油（DAGs）含量減少。隨后，評估COVID-19的血脂變化與相關臨床指標的關聯性，血漿GM3是唯一一種與T細胞計數（TCellC）和CD4+T細胞計數（CD4.TCellC）呈強負相關的脂質。使用多尺度嵌入式差分相關網絡分析對COVID-19中的代謝異常進行系統評估，揭示與病理相關的脂質模塊。總而言之，研究發現了可鑒別COVID-19與健康對照組的血漿代謝物分類器，以及與COVID-19在病理上相關的代謝物簇，并提供證據證實富含GM3的外泌體參與了COVID-19的發病。
參考文獻
Song JW, Lam SM, Fan X, Cao WJ, Wang SY, Tian H, Chua GH, Zhang C, Meng FP, Xu Z, Fu JL, Huang L, Xia P, Yang T, Zhang S, Li B, Jiang TJ, Wang R, Wang Z, Shi M, Zhang JY, Wang FS, Shui G. Omics-Driven Systems Interrogation of Metabolic Dysregulation in COVID-19 Pathogenesis. Cell Metab. 2020 Aug 4;32(2):188-202.e5. doi: 10.1016/j.cmet.2020.06.016. Epub 2020 Jun 24. PMID: 32610096; PMCID: PMC7311890.
