對脂類的準確鑒定和絕對定量在脂質代謝的綜合研究中起著重要的作用。基于穩定同位素標記內標（SIL-IS）及響應因子（RF）建立的脂質組全定量庫，可對Plasmenyl-glycerophosphatidylcholine（pPC）、Lysoglycerophosphatidylcholine（LPC）和Sphinganine（Sph）等多達34類脂質進行準確定性以及絕對定量。相較于傳統的脂質組學檢測方法需要添加 多種SIL-IS的弊端，我們通過引入RF使得我們的脂質組全定量方法，在保持與傳統方法相當定量精度以及日間重復性的基礎上，可定性定量物質種類更多、通量更高。通過對我們包含76361種脂質、181300張MS/MS二級質譜圖的自建脂質二級質譜庫的檢索匹配，我們可以僅用單個SIL-IS，對生物樣本種數萬種脂質同時進行準確定性以及絕對定量，且上述工作均基于計算機程序自動化運作，高效便捷。
技術優勢
脂質檢測效率高：可實現單一SIL-IS同時高通量定性，絕對定量上萬種脂質；
專業團隊檢測分析：通過計算機程序自動化運行。
技術路線
技術參數
樣本要求
植物組織 200-500 mg/sample
動物及臨床組織標本 200 mg/sample
血清、血漿 200 μL/sample
微生物、細胞 1×107 cells/sample
生物學重復
樣本數量：植物和微生物n≥6，動物樣本n≥10，臨床樣本n≥30，所有重復樣本獨立分析。
其他種類的樣品在收集之前請聯系公司銷售工程師。
檢測平臺
UHPLC-QTOF-MS（Agilent 1290 UHPLC-AB 6600/5600 MS）
UHPLC-QE-MS（Agilent 1290 UHPLC-Thermo Q Exactive Focus/Plus/HF）
檢測范圍
pPC、LPC、Sph、Cer、SM、Cer-p、PhytoSph和HexCer等34類脂質
應用方向
1、通過分析各種代謝性疾病的不同代謝途徑的脂質成分變化，揭示出相關疾病發生、發展過程中脂質成分的功能和影響；
2、通過比較不同處理，生物樣本中脂質成分的差異，探究脂質成分的生物學功能。
案例分析
探究脂質成分在老年人腦中的廣泛變化
許多研究發現脂質與衰老和年齡相關的神經退行性疾病，如阿爾茨海默病（AD）有關。在這項工作中，我們進一步應用我們的絕對定量脂質組學來揭示脂質在衰老小鼠腦中的廣泛變化。在衰老過程中，腦脂質圖譜發生明顯變化，甘油磷脂和鞘脂含量顯著降低。有趣的是，鞘脂具有隨年齡增長的酰基鏈長度依賴性，特別是，具有較長酰基鏈的鞘脂傾向于在衰老的腦中積聚，而短鏈酰基鏈的鞘脂隨著衰老而趨于減少。膜酯化脂肪酸水平隨時間的變化而變化，而多不飽和脂肪酸含量隨年齡的增加而降低。這些結果說明衰老小鼠大腦老化和脂質代謝失調之間的聯系，這將有助于了解年齡依賴性神經退行性疾病的發病機制。
參考文獻
Tu J, Yin Y, Xu M, et al. Absolute quantitative lipidomics reveals lipidome-wide alterations in aging brain[J]. Metabolomics, 2018, 14(1):5.
售后服務包括：技術服務、數據處理和分析服務。
可關注我司微信公眾號：阿趣代謝，查看相關技術答疑。
可關注我司微信公眾號：阿趣代謝，查看相關技術答疑。
手機版：定量脂質組學
Copyright(C) 1998-2025 生物器材網 電話：021-64166852;13621656896 E-mail：info@bio-equip.com