最新动态更多>>

安隆科讯春节放假公告

各位给予安隆科讯支持的老师们:   您们好!我们安隆科讯的春节放假时间定为1月20日-2月2日,2月3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!

2016春季培训班圆满结束

4月16-17日  武汉

武汉安隆科讯开展了为期两天的代谢组培训班活动,期间共有11位老师分别对代谢组学实验方法及操作流程、NMR基础及数据处理、LC-MS基础及数据处理、GC-MS基础及数据处理、统计学数据解析、代谢组学实验策略及文章、如何选择合适的统计学方法及脂质组学研究进展等方面进行了介绍。为保证培训班的质量,这一期实行小班授课,且每节课程都设有互动环节,大家可以对有疑问的地方当堂提问。培训班现场气氛十分活跃,随着课程的进行每每出现整齐的翻动书页的声音,这认真的氛围让在场的小编都感到与有荣焉~

这期培训班没有报上名的老师也别担心,安隆科讯计划每年开展4期培训班活动,期待下一期培训班能够与您相遇,如果您对我们的培训班有什么好的建议和意见,欢迎将您的建议发送到sales@anachro.com这个邮箱,我们会定期送上答谢小礼品哦~

培训班咨询电话:027-87258771   
培训班咨询 QQ:800082094

安隆科讯春节放假公告

各位给予安隆科讯支持的老师们:   您们好,由于特殊安排,我们今年的放假时间会比往年早一点,春节放假时间定为1月29日-2月13日,我们将于2月14日(正月初七)开始正常上班。节假日期间如果您有什么需要咨询或帮助的,依然可以通过邮件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!猴年大吉!

2016代谢组暨多元变量统计分析培训班(第一期)

2016代谢组暨多元变量统计分析培训班(第一期)

Training course of metabolomics & MVDA.2016(1st)

代谢组学( Metabolomics )是继基因组学和蛋白质组学之后发展起来的一门新兴学科,在疾病、药毒药理、植物、微生物、食品、营养等多个研究领域正扮演着越来越重要的角色。随着研究的不断深人,代谢组学在实验设计、分析平台、数据处理及整体流程上都面临了越来越多的挑战。 武汉安隆科讯技术有限公司代谢组培训班将邀请国内从事不同代谢组研究的专家学者们一起,围绕当今代谢组学的研究热点及前沿领域,为大家深度探讨如何将代谢组学技术与自己的研究领域完美结合、目前国际上的先进代谢组学分析技术与数据处理经验以及相关文章的撰写与发表等。

 培训时间:

2016年 4月16-17日

 培训地址:

 武汉马哥孛罗酒店(武汉市江岸区沿江大道159号时代广场)
日期 时间 课程名称 课程内容
4月16日 (周六) 08:30-09:00 开班仪式-欢迎致辞 授课老师及学员介绍
09:00-09:45 代谢组学简介及应用 1.  代谢组学简介   2.  代谢组学三大研究平台基本介绍     3.  代谢组学的应用领域
09:45-10:30 代谢组学实验方法及操作流程 1.  代谢组学一般实验流程   2.  代谢组学样本收集及注意事项
10:30-10:45 茶歇
10:45-12:00 NMR基础及数据处理专题 1.  NMR基本知识简介    2.  基于NMR的不同代谢组数据处理方法及比较 3.  NMR代谢组案例解析
12:00-13:00 午餐
13:00-13:30 1. 现场演示液氮模样2. 现场制作液氮冰淇淋,免费品尝
13:30-15:00 LC-MS基础及数据处理专题 1.  LC-MS基本知识简介   2.  LC-MS定性定量技术要点   3.  XCMS数据处理方法
15:00-15:15 茶歇
15:15-16:45 GC-MS基础及数据处理专题 1.  GC-MS基本知识简介    2.  GC-MS定性定量技术要点 3.  GC-MS数据处理方法    4.  LC-MS和GC-MS在广筛中的应用
15:15-17:00 答疑
17:30-19:00 欢迎晚宴
08:30-09:30 统计学数据解析 1.   预处理、归一化    2.  PCA、PLS-DA、OPLS-DA、ROC 3.  模型构建、验证     4.  差异物筛选     5. 聚类分析   6.  热图 7.  差异代谢通路分析
4月17日 (周日) 09:30-10:30 如何针对代谢组的数据特点 选择合适的统计学方法 1.  代谢组学的数据特点 2.  如何选择合适的统计学方法
10:30-10:45 茶歇
10:45-11:10 11:10-11:35 11:35-12:00 案例解析 代谢组学在医学领域的应用 代谢组学在动物营养研究中的应用 代谢组学在植物研究中的应用
12:00-13:00 午餐
13:00-13:30 趣味科学分享——搞笑诺贝尔奖
13:30-15:00 15:00-15:15 代谢组学实验策略及文章发表 1.   代谢组学实验设计,代谢组与既有研究方向如何结合,如何帮助我们 2.  文章发表中数据的利用及图表的选择    3.  代谢组数据发表杂志的方向 4.   专业代谢组方向杂志期刊的影响因子、实验数据要求及对代谢组实验 研究标准的倡议书
15:15-16:30 茶歇
16:30-17:00 脂质组学简介及应用 1.    脂质组学简介     2.  基于质谱的脂质组学研究方法    3.  脂质组学的应用
交流活动

 相关事项说明如下:

培 训 费:3500元/人(含学费、资料费、午餐及欢迎晚宴),住宿自理 报名事项:2016年3月15日前完成缴费,培训费9折优惠 报名截止日期:2016年4月15日(报满截止,不接受现场报名缴费) 报名人数:人数限制为35人 报名格式:发送您的姓名、单位、研究方法、联系方式和邮箱地址      至:zhiping.xu@anachro.com完成报名工作。      

 转账方式:

汇款到以下账户,不接受现金 开户名: 武汉安隆科讯技术有限公司    
开户行: 建行武汉省直支行 帐 号: 42001868608053029721    
税 号: 420105587996854  汇款时请务必注明学员姓名、单位和“安隆科讯培训班”字样;    汇款后请将汇款凭证电子版发送至    邮箱zhiping.xu@anachro.com,以确保汇款安全。

 联系方式:

联系地点:武汉市武昌区和平大道1178号,武汉安隆科讯技术有限公司 联系人:徐志平 
联系电话:17771863626 
     
027-87258771 
邮箱:
zhiping.xu@anachro.com

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.