最新动态更多>>

2020年武汉安隆科讯延迟开工通知

高通量氨基酸绝对定性定量分析平台上线

神经递质绝对定量分析更新啦！

2020年春节放假通知

各位尊敬的老师们： 您们好！   安隆科讯2020年春节放假时间定为1月20日-1月30日，1月31号（正月初七正式上班）。节假日期间如果您有什么需要咨询或者帮助以及有推荐文章或者反馈意见的，依然可以通过邮箱sales@anachro.com，或者通过微信公众号（安隆代谢组）给我们留言，我们会尽快回复您的消息！ 　　提前祝各位老师新年快乐，万事如意，大吉大利！ 微信公众号：安隆代谢组 咨询邮箱：sales@anachro.com　　　 公司网站：www.anachro.com.cn 推荐文章或反馈意见可直接在公众号内留言投稿或发邮件给我们sales@anachro.com

一波关于肠道微生物的代谢工具来袭，快来了解一下！

基本知识与应用案例
药学

药学

　新药研发

　药毒药理机制

　安全用药标准建立

应用前景：
许多药物特别是传统药物具有明显的药效，但其药物机理尚不明确，如果想要让这些药物得到更好的应用，就必须弄清药物的作用机理，特别是针对多靶点的复方类药物是怎样在生物体内进行作用进行探索。

药学代谢组学方法预测代谢表型
和阿托伐他汀在健康志愿者的药代动力学参数

研究背景

目前为止，大多数个体化治疗的方法是基于遗传多态性和体细胞突变的研究。除了遗传变异之外，个体的病理生理条件，如生活方式，饮食，环境因素，以及这些因素的相互作用，也是有助于个体化医学研究的。阿托伐他汀是一种新型的HMG-CoA还原酶抑制剂，作为一种口服降脂药，被广泛地应用于降低低密度脂蛋白胆固醇的血浆水平，减小冠状动脉疾病的风险。阿托伐他汀在个体间的药代动力学变化差异很大，因此，很难预测个体对阿托伐他汀的PK响应。

研究目的

本文采用药理代谢组的方法，预测人体内阿托伐他汀给药的药物代谢动力学结果。基于GC−MS结合的平台，通过药前血浆代谢谱来预测药物的药代动力学参数。

实验设计

1. 48位健康的中国男性志愿者参与研究，所有志愿者在临床研究单位住院72小时。在此期间，给予相同的规律饮食，
　 严格控制食物的摄入量，并保持 研究在相同的环境和生活条件下进行。
1. 48位健康的中国男性志愿者参与研究，所有志愿者在临床研究单位住院72小时。在此期间，给予相同的规律饮食，严格控制食物的摄入量，并保持 研究在相同的环境和生活条件下进行。
2. 分别在口服给药前（0 h）和给药后的0.25, 0.5, 0.75, 1, 1.5, 2, 3, 4, 6, 8, 12, 24, 36, 48 h时连续采集6 mL的血液样本于钠肝素抗凝管内。
3. 在3000g的条件下离心10分钟，得到分离后的血浆，在−80 °C条件下保存，待测。

研究结果

1药物代谢动力学研究：通过检测48名健康志愿者在不同时间点口服后的血浆中阿托伐他汀的浓度，来评估药代动力学反应。血浆中阿托伐他汀的浓度与时间作图的结果显示出了与药代动力学响应相关的较大程度上个体差异。
2基础血浆中分子代谢物的分析：由GC−MS分析可知，从血浆样品中一共检测到了181个峰，其中93个峰被鉴定是氨基酸、有机酸、碳水化合物、脂肪酸、类固醇和许多其他化合物。
Figure 3. Metaboanalyst (http：//www.metaboanalyst.ca) generated topology map described the impact of baseline metabolites with high VIP values(VIP > 1) on metabolic pathways, (a, b) The result of metabolic topology pathway analysis based on the baseline metabolites with high VIP values(VIP > 1) in the initial (a) Cmax and (b) AUC model. (c, d) The result of over-representation pathway enrichment analysis based on the baselinemetabolites with high VIP values (VIP > 1) in the initial (c) Cmax  and (d) AUC model.
3药代动力学参数与基线内源性分子的关系：

  • PCA结果表明，用药前血浆样品的内源性代谢模式，可能会影响个体对阿托伐他汀反应的差异。
  • 为了实现一个良好的预测模型，用PLS来预测药代动力学参数。结果表明，63个高VIP值（VIP > 1）的变量与Cmax高度相关，而有57个变量（VIP > 1）与AUC高度相关。
  • 直线相关回归分析的结果显示，丙氨酸，2-羟基丁酸，生育酚，赖氨酸，色氨酸，和一些不确定的变量的与Cmax有较好的相关性；而丙氨酸，柠檬酸，花生酸，生育酚，3-羟基吡啶，和一些不确定变量与AUC有良好的相关性。此外，丙氨酸，花生酸，生育酚，生育酚，2-羟基丁酸，柠檬酸和胆固醇在Cmax和AUC两个模型中，均表现出了高的VIP值。
  • 研究表明，与阿托伐他汀治疗后的药代动力学反应密切相关的代谢有：基础氨基酸的周转率或蛋白质生物合成的变化；尿素循环；缬氨酸、亮氨酸和异亮氨酸的降解；半乳糖代谢；葡萄糖−丙氨酸循环；苯丙氨酸和酪氨酸代谢；三羧酸循环；胆汁酸生物合成；儿茶酚胺生物合成；生物素代谢。
4药代动力学参数与基线内源性分子的关系：

  • 根据考虑的四个标准，分别选出了17种和12种关键的基线分子来预测个体化的Cmax和AUC。
  • PLS模型得到了内部验证，并表现出相当不错的可预测性；另外，该模型的预测能力也得到了很好的外部验证。因此，该预测模型使我们能够准确预测个体化的药代动力学参数。
5正交的PLS模型用来表征药代动力学反应：

  • OPLS模型结果表明，高组和低组之间偏离明显，而高组和中等组、中等组和低组仅表现为部分分离。
  • 药理代谢组学方法可以根据代谢物来表征药代动力学反应类型的个体差异以及对药代动力学反应的水平进行分类。
研究结论
本文成功地证实了基础代谢轮廓有预测药代动力学个体差异的潜能，同时证明设计一个高度预测阿托伐他汀治疗药代动力学结果的药理代谢组学模型是可以实现的，这将有助于提高治疗效果、减少个体化病人的不良反应。因此，内源性代谢物在指导个体化医学，实现对特定的病人使用正确药物正确剂量的精确医学上有很高的价值。

原文索引：
A Pharmacometabonomic Approach To Predicting Metabolic Phenotypes and Pharmacokinetic Parameters of Atorvastatin in Healthy Volunteers,J. Proteome Res. 2015, 14, 3970−3981.

药学领域2015年发表的文献

  1. Ribas-Latre, A.; Del Bas, J. M.; Baselga-Escudero, L.; Casanova, E.; Arola-Arnal, A.; Salvado, M. J.; Arola, L.; Blade, C. Dietary proanthocyanidins modulate melatonin levels in plasma and the expression pattern of clock genes in the hypothalamus of rats. Molecular nutrition & food research 2015, 59, 865-878. (IF:4.301)
  2. Lou, Y.-H.; Wang, J.-S.; Dong, G.; Guo, P.-P.; Wei, D.-D.; Xie, S.-S.; Yang, M.-H.; Kong, L.-Y. The acute hepatotoxicity of tacrine explained by 1H NMR based metabolomic profiling. Toxicol. Res. 2015, 4, 1465-1478. (IF:3.529) (chenomx)
  3. Chen, J. L.; Shi, B. Y.; Xiang, H.; Hou, W. J.; Qin, X. M.; Tian, J. S.; Du, G. H. 1H NMR-based metabolic profiling of liver in chronic unpredictable mild stress rats with genipin treatment. Journal of pharmaceutical and biomedical analysis 2015, 115, 150-158. (IF:2.979)(chenomx)
  4. Arias M, Chevallier O P, Graham S F, et al. Metabolomics reveals novel biomarkers of illegal 5-nitromimidazole treatment in pigs. Further evidence of drug toxicity uncovered[J]. Food Chemistry, 2016, 199: 876-884.
  5. Gonzalez F J, Fang Z Z, Ma X. Transgenic mice and metabolomics for study of hepatic xenobiotic metabolism and toxicity[J]. Expert opinion on drug metabolism & toxicology, 2015, 11(6): 869-881.
  6. Fillet M, Frédérich M. The emergence of metabolomics as a key discipline in the drug discovery process[J]. Drug Discovery Today: Technologies, 2015.
  7. Lu D Y, Chen E H, Lu T R. Anticancer drug development, a matter of money or a matter of idea[J]. Metabolomics, 2015, 5(2): e134.
  8. Deng M, Zhang M, Sun F, et al. A Gas Chromatography-Mass Spectrometry Based Study on Urine Metabolomics in Rats Chronically Poisoned with Hydrogen Sulfide[J]. BioMed research international, 2015, 2015.
  9. Wang Z, Ma J, Zhang M, et al. Serum Metabolomics in Rats after Acute Paraquat Poisoning[J]. Biological and Pharmaceutical Bulletin, 2015, 38(7): 1049-1053.
  10. Nielsen K L, Telving R, Andreasen M F, et al. A metabolomics study of retrospective forensic data from whole blood samples of humans exposed to 3, 4-methylenedioxymethamphetamine (MDMA)–A new approach for identifying drug metabolites and changes in metabolism related to drug consumption[J]. Journal of proteome research, 2015.
  11. Schultz L, Zurich M G, Culot M, et al. Evaluation of drug-induced neurotoxicity based on metabolomics, proteomics and electrical activity measurements in complementary CNS in vitro models[J]. Toxicology in Vitro, 2015.
  12. Puchades-Carrasco L, Pineda-Lucena A. Metabolomics in pharmaceutical research and development[J]. Current opinion in biotechnology, 2015, 35: 73-77.
  13. He J, Luo Z, Huang L, et al. Ambient Mass Spectrometry Imaging Metabolomics Method Provides Novel Insights into the Action Mechanism of Drug Candidates[J]. Analytical chemistry, 2015, 87(10): 5372-5379.
  14. Leenders J, Frédérich M, De Tullio P. Nuclear magnetic resonance: a key metabolomics platform in the drug discovery process[J]. Drug Discovery Today: Technologies, 2015, 13: 39-46.
  15. Dinis-Oliveira R J. Metabolomics of cocaine: implications in toxicity[J]. Toxicology Mechanisms and Methods, 2015, 25(6): 494-500.
  16. Wishart D, Arndt D, Pon A, et al. T3DB: the toxic exposome database[J]. Nucleic acids research, 2015, 43(D1): D928-D934.
  17. Li Z Y, Ding L L, Li J M, et al. 1H-NMR and MS Based Metabolomics Study of the Intervention Effect of Curcumin on Hyperlipidemia Mice Induced by High-Fat Diet[J]. PloS one, 2015, 10(3).
  18. Dong G, Wei D, Wang J, et al. Study of the Cardiotoxicity of Venenum Bufonis in Rats using an 1H NMR-Based Metabolomics Approach[J]. PloS one, 2015, 10(3): e0119515.
  19. Johari N Z, Ismail I S, Sulaiman M R, et al. Acute toxicity and metabolomics analysis of hypocholesterolemic effect of Mentha piperita aqueous extract in Wistar rats[J]. International Journal of Applied Research in Natural Products, 2015, 8(1): 1-11.
  20. Zamani Z, Ghanei M, Panahi Y, et al. Serum Metabolomic Profiling of Sulphur Mustard‐Exposed Individuals Using 1HNuclear Magnetic Resonance Spectroscopy[J]. Basic & clinical pharmacology & toxicology, 2016, 118(1): 77-82.
  21. Wei D D, Wang J S, Li M H, et al. A pilot study of the onset of hepatic encephalopathy (OHE) in mice induced by thioacetamide and the protective effect of taurine by holistic metabolic characterization[J]. Metabolomics, 2015, 11(3): 559-570.