CN108369612A - 自动化样品质量评估 - Google Patents
自动化样品质量评估 Download PDFInfo
- Publication number
- CN108369612A CN108369612A CN201680073731.6A CN201680073731A CN108369612A CN 108369612 A CN108369612 A CN 108369612A CN 201680073731 A CN201680073731 A CN 201680073731A CN 108369612 A CN108369612 A CN 108369612A
- Authority
- CN
- China
- Prior art keywords
- sample
- quality
- biomarker
- sample quality
- biomarkers
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
- G16B50/10—Ontologies; Annotations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N35/00594—Quality control, including calibration or testing of components of the analyser
- G01N35/00613—Quality control
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/483—Physical analysis of biological material
- G01N33/487—Physical analysis of biological material of liquid biological material
- G01N33/49—Blood
- G01N33/492—Determining multiple analytes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/5308—Immunoassay; Biospecific binding assay; Materials therefor for analytes not provided for elsewhere, e.g. nucleic acids, uric acid, worms, mites
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/66—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood sugars, e.g. galactose
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/92—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving lipids, e.g. cholesterol, lipoproteins, or their receptors
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/10—Signal processing, e.g. from mass spectrometry [MS] or from PCR
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
- G16B50/30—Data warehousing; Computing architectures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2560/00—Chemical aspects of mass spectrometric analysis of biological material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2570/00—Omics, e.g. proteomics, glycomics or lipidomics; Methods of analysis focusing on the entire complement of classes of biological molecules or subsets thereof, i.e. focusing on proteomes, glycomes or lipidomes
Abstract
本文描述了评估生物样品质量同时保持生物样品用于预期用途分析的生存力的方法。该方法包括分析从受试者获得的用于预期用途的生物样品,使用一种或多种样品质量的生物标志物评估生物样品的质量,并同时对相同样品进行预期用途分析。评估样品的质量可以包括评估样品处理方案的依从性和评估受试者依从性。
Description
相关申请的交叉引用
本申请要求2015年11月4日提交的美国临时专利申请号62/250,627的权益,其全部内容通过引用并入本文。
领域
本发明一般涉及使用指示样品质量参数的小分子生物标志物和基于其的方法来评估样品质量的系统、方法和设备。
发明背景
代谢组学已广泛且成功地用于鉴定各种适应症的生物标志物。为包括代谢组学分析在内的任何应用获取可解释的高质量数据取决于从良好的研究设计和高质量的样品开始,避免由于错误操作样品或缺乏受试者依从性而造成的假象。目前,在分析之前可以对样品进行目视检查,以去除具有明显质量问题例如温度或样品体积的样品。在某些情况下,由于样品外观的物理变化,可以将样品可视鉴定为次佳。例如,血浆或血清样品的目视检查可以显示样品中的大量血尿-来自溶血的红色(高红细胞裂解量)或来自脂血的浑浊(高脂质含量)。然而,通过目视检查可能无法识别少量溶血(例如微量血尿)或对样品的其他扰动。
在除基于血液的样品以外的样品类型(如尿液或组织)中,目视检查对样品质量的揭示很少。此外,样品中代谢物的水平可能受样品处理的影响,包括样品收集、加工和存储条件如收集管和管添加剂、从收集到加工的时间、加工孵育温度、存储时间、存储温度、冻融循环、以及受试者依从性,如禁食状况、用药和补充用药状况、吸烟状况、饮食和运动依从性。样品处理和/或受试者依从性违反方案进而可能会影响样品在后续分析中的效用或适用性。监测样品采集和评估样品处理的方案依从性和受试者依从性的能力可以确保样品符合质量标准,或者那些不符合一个或多个标准的样品从分析中移除或分析得到适当修改。测量和报告影响样品质量的参数的方法是有益的。
虽然存在样品质量参数用于评价基于代谢组学的研究中的预分析加工变化的一些影响(Kamlage,et al.Clinical Chemistry.60:2,399-412(2014)),但这些参数不考虑受试者依从性。评价受试者依从性的质量参数对临床试验等研究非常重要,因为未能符合治疗方案会影响试验结果或可能对受试者的安全构成威胁。例如,不符合禁食方案可能会影响许多类型研究的结果,包括生物标志物的发现和开发。另外,为了获得有效的结果,诊断测试的依从性可能是重要的。需要评估样品质量的方法,其包括解决样品处理和受试者依从性的质量参数,以及鉴定可用于进行评估的代谢物生物标志物。
本文描述的用于评估涉及测量多种小分子分析物(例如,代谢组学研究)的研究的样品的质量的方法代表相对于用于评估样品质量的目前的方法的改进。目前的方法需要对用于较大代谢组学研究的样品子集进行分开的质量分析。仅对少数样品进行质量评估,然后从该评估中推断出所有样品的质量。本文描述的方法同时进行预期用途分析的研究中的所有样品的质量评估,并且不需要分开的样品或样品运行来解决样品质量问题。通过这种方式,所需的样品量被最小化,确保所有样品符合质量标准的可信度得到保证,并且所得到的数据具有可接受的质量。此外,由于评估了每个样品的质量,因此可以评估个体样品中观察到的变化,例如由于符合禁食或药物方案导致的变化,并且可以确定并适当地解决对额外或修改分析的需求。目前的方法不鼓励进一步使用已经确定质量不足的样品。本文描述的方法评估每个样品的质量,并且可以标记(flag)不满足特定样品质量参数的个体样品用于进一步分析。因此,整个样品组不需要被丢弃或从分析中移除。包括在该方法中,报告确定为受影响的个体样品质量参数。该评估为研究人员提供了关于可能已经违反处理和/或依从性方案的哪些方面的信息。
概述
本文描述了样品质量的生物标志物和使用生物标志物来评估样品质量的系统、方法和设备。评价样品质量参数以评估样品是否符合方案。方法和标志物可以用于评估可能已经收集并存储了较长时间段的存档样品的质量,并且针对所述存档样品而言处理方案和受试者依从性和要求方案是不确定的或不可用的。方案依从性可以包括从收集到加工到存储的样品处理,以及受试者对样品收集前方案的依从性。样品的代谢谱分析和样品质量生物标志物能够用于评估与样品处理相关的方案依从性。与样品处理有关的标准的实例包括样品收集、收集管、收集管添加剂、样品加工时间、加工孵育温度、存储时间、存储温度和冻融循环。样品的代谢谱分析和样品质量生物标志物也能够用于评估受试者对方案的依从性。与受试者方案依从性相关的标准的实例包括禁食状况、用药和补充用药状况、吸烟状况、饮食和运动依从性。
本文描述的一些实施方案包括采用代谢谱分析来评估样品质量同时根据样品的预期用途(例如,临床使用或实验用途)对同一样品进行生物化学分析或代谢谱分析的系统、方法和设备。生物样品的同时调查可以包括自动生成生物样品的代谢谱并自动统计分析所得到的代谢谱数据以鉴定统计离群值(即,异常)并且可以用作样品质量生物标志物的小分子。正如在下面的实例中将会显示的那样,样品的生成代谢谱和生成代谢谱的自动统计分析可以揭示小分子样品质量生物标志物的异常水平,这有助于评估样品的质量以确定样品是否是按照方案进行处理和/或从其收集样品的受试者是否符合方案(例如,禁食)。可以提供生成代谢谱的自动统计分析结果的可视化以帮助评估由不符合方案导致的小分子样品质量生物标志物的异常水平和/或扰乱或异常生物化学途径。在一些实施方案,可以展示与所鉴定的异常样品质量生物标志物相关的一种或多种受影响的样品质量参数的列表。还可以提供用于评价样品的建议方法的列表。
通过查询(interrogation)样品中的样品质量生物标志物水平来实现自动样品质量评估。样品质量评估结果可以报告为质量评估(QA)状况。样品质量生物标志物使用户能够区分由于疾病或病症(例如临床分析)或由于实验设计(例如生物标志物发现分析)造成的生物化学变化与由于不可接受的样品质量造成的假象。因此,样品质量生物标志物允许用户确定(或帮助用户确定)样品中鉴定的生物化学变化是否指示临床或实验结果或指示样品质量问题。QA可以包括鉴定并提供受影响样品质量参数的列表,鉴定与一种或多种异常样品质量生物标志物相关的至少一种预期用途,和/或提供用于评价该样品的建议方法的列表。根据受影响的生物标志物和样品质量参数,该评估不仅仅允许进行简单的包含/排除决策,还提供信息用于进一步分析样品。例如,在一个方面,质量评估可以提供在进一步的评估中使用一种或多种生物标志物之前将校正因子应用于一种或多种生物标志物的建议。在另一个方面,质量评估可以提供从分析中消除某些生物标志物或生物化学途径的建议。在另一个方面,样品质量评估提供用不同的生物标志物替代一种生物标志物用于某种生物化学途径的建议。
QA可以包括在综合分数中使用所测量的一种或多种生物标志物的水平。质量标准可以由实验人员或临床医生根据样品的预期用途来调整,并且标准可以选自一个或多个质量参数(例如,样品加工时间、样品存储温度、样品冻融、用于血浆与全血分离的时间、禁食状况、用药状况、吸烟状况、运动依从性)。
质量评估不需要分开的分析或分开的样品;相反,它是与实验或信息分析同时进行的。样品质量与实验或信息分析的同时评估具有许多优点,包括但不限于以下几点:减少的工作量,因为不需要从分析样品中产生、加工和分析分开的“样品质量等分试样”用于QA目的;减少分析时间;降低与运行和维护仪器相关的成本;降低商品(如试剂、一次性用品等)的成本;可以从分析的样品获得更多的数据(和更有用的数据)并且可以丢弃更少的样品。该方法评估所有样品的质量而不是选定的样品子集,因此每个样品都与QA相关联。QA会提供非常需要的临床实用程序,用于根据样品的实际收集和处理以及受试者依从性进行的研究中鉴定离群值(潜在违反方案)。这些评估会比定性可视评估更准确并更灵敏。此外,同时评估样品质量可以提高效率。
在一些方面,质量评估是部分自动化的。在一些方面,质量评估是完全自动化的。
在一个实施方案中,通过统计分析调查样品的一种或多种样品质量生物标志物的水平以鉴定所述样品中的异常样品质量生物标志物,列出异常样品质量生物标志物,并提供样品质量评估来提供用于评估样品的样品质量的方法。在一些实施方案中,评估包括综合分数。
在一个实施方案中,通过统计分析调查样品的一种或多种样品质量生物标志物的水平以鉴定所述样品中的异常样品质量生物标志物,列出异常样品质量生物标志物,使异常样品质量生物标志物与样品质量参数相关联,并提供受影响的样品质量参数的列表来提供用于评估样品的样品质量的方法。
在一个实施方案中,通过统计分析调查样品的一种或多种样品质量生物标志物的水平以鉴定所述样品中的异常样品质量生物标志物,列出异常样品质量生物标志物,并鉴定与一种或多种异常样品质量生物标志物相关的至少一种预期用途来提供用于评估样品的样品质量的方法。
在一个实施方案中,通过统计分析调查样品的一种或多种样品质量生物标志物的水平以鉴定所述样品中的异常样品质量生物标志物,列出异常样品质量生物标志物,使异常样品质量生物标志物与样品质量参数相关联,并鉴定与一种或多种异常样品质量生物标志物相关的至少一种预期用途来提供用于评估样品的样品质量的方法。
在一个实施方案中,通过统计分析调查样品的一种或多种样品质量生物标志物的水平以鉴定所述样品中的异常样品质量生物标志物,列出异常样品质量生物标志物,鉴定与一种或多种异常样品质量生物标志物相关的至少一种预期用途并提供用于评价样品的建议方法的列表来提供用于评估样品的样品质量的方法。
在一个实施方案中,通过统计分析调查样品的一种或多种样品质量生物标志物的水平以鉴定所述样品中的异常样品质量生物标志物,列出异常样品质量生物标志物,使异常样品质量生物标志物与样品质量参数相关联,并提供用于评价样品的建议方法的列表来提供用于评估样品的样品质量的方法。
在一个实施方案中,通过统计分析调查样品的一种或多种样品质量生物标志物的水平以鉴定所述样品中的异常样品质量生物标志物,列出异常样品质量生物标志物,使异常样品质量生物标志物与样品质量参数相关联,提供受影响的样品质量参数的列表,鉴定与一种或多种异常样品质量生物标志物相关的至少一种预期用途并进一步提供用于评价样品的建议方法的列表来提供用于评估样品的样品质量的方法。
附图简要说明
图1是根据一个实施方案的用于评估样品质量的方法的框图。
图2是根据一个实施方案的用于针对多个样品质量参数筛选样品的方法的框图。
图3是根据一些实施方案的用于实施一些示例性方法的一些步骤的计算装置的框图。
图4是用于评估样品加工时间的样品质量参数的四种示例性生物标志物(腺苷5'-单磷酸(AMP)、氧化的cys-gly、葡萄糖、牛磺酸)的水平的图示。样品加工时间显示在x轴上,代谢物水平显示在y轴上。显示了四个样品A-D的结果。
图5是使用四种示例性生物标志物计算的样品加工时间综合分数的图示。样品加工时间显示在x轴上,样品综合分数显示在y轴上。
图6是使用七种示例性生物标志物计算的存储温度分数的图示。参考群体中的样品的综合分数由空心三角形表示,并且伪观察结果的综合分数由实心三角形表示。
图7是用于评估禁食状况的样品质量参数的8种示例性生物标志物水平的图示。候选生物标志物显示在x轴上,生物标志物水平显示在y轴上。进食样品由实心三角表示,禁食样品由空心菱形表示。
图8是使用八种示例性生物标志物计算的禁食状况综合分数的框图显示。
图9是对于禁食状况、样品存储和样品加工的样品质量参数获得的综合分数的图解说明。菱形表示样品所示质量参数的综合分数获得值。“分数”表示样品的该参数的综合分数,“参考”表示参考分数截止值,“百分位数”表示指示的质量参数的综合分数的百分位数。
图10是禁食状况的生物标志物的数据的图解说明。不可接受的范围由虚线框表示。虚线框外的区域表示可接受的范围。样品中生物标志物获得值由菱形表示。“Z分数”表示样品的该生物标志物计算的统计分数,“参考”表示参考截止值,“百分位数”表示指示的质量生物标志物的百分位数。
图11是样品存储的生物标志物的数据的图解说明。不可接受的范围由虚线框表示。虚线框外的区域表示可接受的范围。样品中生物标志物获得值由菱形表示。“Z分数”表示样品的该生物标志物获得的统计分数,“参考”表示参考截止值,“百分位数”表示指示的质量生物标志物的百分位数。
图12是样品加工的生物标志物的数据的图解说明。不可接受的范围由虚线框表示。虚线框外的区域表示可接受的范围。样品中生物标志物获得值由菱形表示。“Z分数”表示样品的该生物标志物的统计分数,“参考”表示参考截止值,“百分位数”表示指示的质量生物标志物的百分位数。
详述
描述了能够使用相同的样品并在与预期用途分析相同的数据集中报告多个样品质量参数的单一的测试。
然而,在进一步详细描述本发明之前,将定义以下术语。
定义:
“样品”可以是包括复杂混合物或生物样品如植物样品或动物样品的任何类型的样品。动物样品可以来自哺乳动物,例如人、小鼠、非人灵长类动物、兔或其他哺乳动物,或非哺乳动物样品,例如果蝇或斑马鱼样品。目标生物样品可以包括血液、血浆、血清、分离的脂蛋白级、唾液、尿液、淋巴液和脑脊液、组织样品、细胞样品或皮肤样品。生物样品可以含有适于检测所需生物标志物的任何生物材料,并且可以包含来自受试者的细胞和/或非细胞材料。样品可分离自任何合适的生物组织或流体例如血液、血浆、血清、皮肤、表皮组织、脂肪组织、主动脉组织、肝脏组织、尿液、脑脊液、龈沟液、羊水、或细胞样品。样品可以是例如干血斑,其中血液样品被印迹并在滤纸上干燥。在另一个实例中,样品可以分离自放皮带(skin tape)如在一些实施方案中,样品可以是已经收集并存储了较长时间段的存档样品或大量存档样品集合,并且针对所述存档样品而言处理方案是不确定的或不可用的。
“测试样品”是指待分析的样品。
“参考样品”是指用于确定小分子水平的标准范围的样品。“参考样品”可以指来自个体参照受试者(例如,正常(健康)参考受试者或疾病参考受试者)的个体样品,其可以被选择为按照年龄和性别非常类似于测试受试者。“参考样品”也可以指包含来自参考样品的混合等分试样的样品。“参考样品”还可以指已根据特定用于测试样品的预期用途的方案加工的样品(或样品库)。
“受试者”是指任何动物,但优选是哺乳动物,例如人、猴、非人灵长类动物、大鼠、小鼠、狗或兔。在一些方面,受试者是患者。在一些方面,患者是人。
一种或多种生物标志物的“水平”是指样品中生物标志物的绝对或相对量或浓度。
“小分子”、“代谢物”、“生物化学物质”是指存在于细胞中的有机和无机分子。该术语不包括大的大分子,例如大的蛋白质(例如分子量超过2,000、3,000、4,000、5,000、6,000、7,000、8,000、9,000或10,000的蛋白质)、大的核酸(例如分子量超过2,000、3,000、4,000、5,000、6,000、7,000、8,000、9,000或10,000的核酸)或大的多糖(例如分子量超过2,000、3,000、4,000、5,000、6,000、7,000、8,000、9,000或10,000的多糖)。通常发现细胞的小分子游离于细胞质或其他细胞器如线粒体中的溶液中,其中它们形成中间体库,其可以进一步代谢或用于产生称为大分子的大的分子。术语“小分子”包括信号分子和化学反应中的中间体,将来自食物的能量转化为可用形式。小分子的非限制性实例包括糖、脂肪酸、氨基酸、核苷酸、在细胞进程中形成的中间体和细胞内发现的其他小分子。
“生物标志物”是指化合物,优选代谢物,其与一个或多个预定参考范围或一个或多个参考样品相比在测试样品中差异地存在(即提高或降低),或者与根据第二条件(例如,喂食,存储在-20℃)处理的样品相比在根据一个条件(例如,禁食,存储在-80℃)处理的样品中。生物标志物可以在任何水平上有差别地存在,但通常以提高至少5%、至少10%、至少15%、至少20%、至少25%、至少30%、至少35%、至少40%、至少45%、至少50%、至少55%、至少60%、至少65%、至少70%、至少75%、至少80%、至少85%、至少90%、至少95%、至少100%、至少110%、至少120%、至少130%、至少140%、至少150%或更多的水平存在;或者通常以降低至少5%、至少10%、至少15%、至少20%、至少25%、至少30%、至少35%、至少40%、至少45%、至少50%、至少55%、至少60%、至少65%、至少70%、至少75%、至少80%、至少85%、至少90%、至少95%或100%(即不存在)的水平存在。生物标志物可以以统计显著的水平(即,使用Welch's T检验或Wilcoxon秩和检验确定的小于0.05的p值和/或小于0.10的q值)差异地存在。
生物标志物的“参考水平”是指指示样品质量或指示一个或多个特定样品质量参数的生物标志物的水平。生物标志物的“阳性”参考水平是指指示可接受的样品或样品质量参数的水平。生物标志物的“阴性”参考水平是指指示不可接受的样品或样品质量参数的水平。生物标志物的“参考水平”可以是生物标志物的绝对或相对量或浓度,生物标志物的存在或不存在,生物标志物的量或浓度的范围,生物标志物的最小和/或最大的量或浓度,生物标志物的平均量或浓度,和/或生物标志物的中值量或浓度;此外,生物标志物组合的“参考水平”还可以是两种或更多种生物标志物相对于彼此的绝对或相对量或浓度的比率。可以通过测量一种或多种合适样品(在此称为“参考样品”)中期望的生物标志物的水平来确定样品质量或特定样品质量参数的生物标志物的适当阳性和阴性参考水平,并且这样的参考水平可以是针对特定样品类型或受试者群体定制(例如,参考水平可以是年龄匹配的,以便可以在来自某个年龄的受试者的样品中的生物标志物水平与在某个年龄组的特定样品质量参数的参考水平之间进行比较)。这样的参考水平还可以针对特定技术进行定制,所述技术用于测量样品中的生物标志物水平(例如LC-MS、GC-MS等)。
“异常”或“异常代谢物”或“异常水平”是指代谢物或所述代谢物的水平高于或低于定义的参考标准或范围。在一些实施方案中,代谢物水平在统计分析之前进行对数转换。在一些实施方案中,该水平没有进行对数转换。任何统计方法都可以用来确定异常代谢物。例如,p值、IQR值或Z分数。在一个实施方案中,确定p值并且与参考值不同、具有例如小于0.1的p值的代谢物被认为是异常的。在另一个实例的实施方案中,与参考值不同、具有例如小于0.05的p值的代谢物被认为是异常的。在一个实施方案中,统计量是Z分数。例如,对于一些代谢物,具有>1或<-1的Z分数的对数转换的水平的代谢物被视为异常。在一些实施方案中,对于一些代谢物,具有>1.5或<-1.5的Z分数的对数转换的水平的代谢物为异常。在一些实施方案中,对于一些代谢物,具有>2.0或<-2.0的Z分数的对数转换的水平的代谢物为异常。在一些实施方案中,不同范围的Z分数用于不同的代谢物。在一些实施方案中,定义的标准范围可以基于水平的IQR,而不是对数转换水平的IQR。例如,对于一些代谢物,落在至少1.5*IQR(四分位距(Inter Quartile Range))之外的对数转换水平为异常。在另一个实例中,对于一些代谢物,落在至少3.0*IQR之外的对数转换水平为异常。
“非生物标志物化合物”是指与来自具有第二表型(例如,未患有第一种疾病)的受试者或一组受试者相比,来自具有第一表型(例如,患有第一种疾病)的受试者或一组受试者的生物样品中未差异地存在的化合物。但是,这样的非生物标志物化合物可以是与第一表型(例如患有第一种疾病)或第二表型(例如未患有第一种疾病)相比,来自具有第三表型(例如患有第二种疾病)的受试者或一组受试者的生物样品中的生物标志物。
“代谢谱”或“小分子谱”是指靶细胞、组织、器官、生物体或其部分(例如细胞隔室)内小分子的完整或部分清单(inventory)。清单可能包括存在的小分子的数量和/或类型。“小分子谱”可以使用单个技术或多个不同技术进行确定。样品的小分子谱可包括关于样品中多个小分子中的每一个的存在、不存在和水平的信息。在一些实施方案中,多个小分子可以包括超过25个小分子、超过50个小分子、超过100个小分子、超过200个小分子、超过300个小分子、超过400个小分子、超过500个小分子、超过600个小分子、超过700个小分子、超过800个小分子、超过900个小分子、超过1000个小分子、超过1100个小分子、超过1200个小分子、超过1300个小分子、超过1400个小分子、超过1500个小分子、超过2000个小分子、超过3000个小分子、超过4000个小分子、超过5000个小分子、超过6000个小分子、超过7000个小分子。在其他实施方案中,多个小分子可以包括25-25,000个小分子、50-25,000个小分子100-25,000个小分子200-25,000个小分子300-25,000个小分子400-25,000个小分子500-25,000个小分子600-25,000个小分子700-25,000个小分子800-25,000个小分子900-25,000个小分子1000-25,000个小分子1100-25,000个小分子1200-25,000个小分子或1300-25,000个小分子。
“代谢组学”是指给定生物体中存在的所有小分子。
“样品质量”是指基于样品的预期用途对样品的一个或多个定义的要求。要求可以由方案来定义,例如样品处理或受试者依从性方案。
“样品质量参数”或“质量参数”是指可以测量以确定样品对于预期用途是否具有合适质量的一个标准。样品质量参数可以与方案依从性相关并且可以指示样品是否已经根据定义的方案(即符合样品处理方案)处理和/或样品从中获得的受试者是否符合定义的方案(即符合针对该受试者的方案)。与样品处理有关的样品质量参数的实例包括样品收集、收集管、收集管添加剂、样品加工时间、加工孵育温度、存储时间、存储温度和冻融循环。与受试者方案依从性相关的样品质量参数的实例包括禁食状况、用药和补充用药状况、吸烟状况、饮食和运动依从性。
样品“预期用途”是指样品获得所针对的目的。样品的预期用途可以是实验性(例如全局代谢组学发现研究、验证研究(全局或靶向)、假设检验、假设生成、与基因相关联以确定具有未知意义的变体的显著性)或信息性(例如诊断、健康评估、精准医疗)。信息性用途可以指包括一种或多种诊断测试或一种或多种健康评估的测试小组(test panel)。预期用途可以指个体样品的分析或指大的组群研究中每个样品的分析。在一些实施方案中,预期用途可以涉及已经收集并存储了较长时间段的存档样品的用途,并且针对所述存档样品而言处理方案是不确定的或不可用的。在一些实施方案中,预期用途可以包括进行样品的代谢谱分析。在一些实施方案中,预期用途可以包括进行样品的生物化学分析。
“生物化学分析”是指样品中至少1个和不超过24个生物化学物质的测量。
“接受标准”是指用于确定样品是否足够符合方案以适合其预期用途的标准。接受标准可以基于一个或多个样品质量生物标志物或一个或多个样品质量参数。生物标志物或参数可以自动选择(例如,预先选择的缺省生物标志物,预先选择的缺省参数),或者可以由分析人员根据样品的预期用途手动修改。选择的生物标志物或参数可以基于该样品的预期用途。生物标志物或参数可以与阈值相关,所述阈值可以自动选自(即缺省阈值)或由实验人员或临床医师设定。接受标准可以使用一种或多种质量生物标志物的综合分数,或者可以使用一个或多个质量参数的综合分数(例如,QPS)来评估样品质量,或者可以使用从一个或多个选择的QPS计算的综合分数。
“可接受的”样品或样品质量参数是指符合预期用途的验收标准的样品或样品质量参数。可接受的样品或样品参数表示符合样品或样品参数的方案。
“不可接受的”样品或样品质量参数是指不符合预期用途的验收标准的样品或样品质量参数。不可接受的样品或样品参数表示未符合样品或样品参数的方案。
“边际”质量样品是指符合某些(但不是全部)预期用途的验收标准的样品;边际样品可能会受到附加/校正分析或可能从分析中移除。
“样品质量综合分数”或“综合分数”是指使用一种或多种样品质量生物标志物的水平计算的值。可以为整个样品计算综合分数(例如总综合分数),或者可以计算一个或多个样品质量参数的综合分数。当计算特定样品质量参数的分数时,使用术语“质量参数分数(quality parameter score)”或“QPS”。可以合并一个或多个QPS以产生该样品的总质量分数。当使用QPS计算总综合分数时,用于计算总分数的一个或多个QPS可以由分析人员进行选择并且选择的质量参数可以基于样品的预期用途。
I.生物标志物指示样品质量
使用代谢组学谱分析鉴定了特定样品质量参数的新生物标志物特征。一般而言,确定生物样品的代谢组学谱,所述生物样品获得自根据(例如符合)针对特定样品质量参数的样品收集方案处理的样品以及没有根据或符合该样品收集方案处理的其他样品。示例性取样考虑可以包括样品加工考虑因素例如样品存储、样品孵育和冻融循环,和受试者非依从性考虑例如禁食状况、用药和补充用药状况、吸烟状况和运动依从性。将根据方案处理的样品的代谢组学谱与没有根据方案处理的样品的代谢组学谱进行比较。与没有根据或符合方案处理的样品相比,在根据或符合方案处理的样品的代谢组学谱中差异地存在的那些分子(例如以统计显著的水平差异地存在的那些分子)被鉴定为区分这些组的生物标志物。类似的,通过比较符合方案的受试者的代谢谱和非符合的受试者的代谢谱来鉴定受试者依从性的生物标志物。以这种方式检测到的一种或多种生物标志物的水平能够用于评估样品的质量以确定样品是否可用于其预期用途。所述生物标志物可以单独地、以子集或其组合形式(例如,作为谱的一部分)在样品中检测。
本文将更详细地讨论生物标志物。列于表1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25和/或26和生物标志物半胱氨酰甘氨酸、二氢鞘氨醇-1-磷酸、麦角硫因及其组合中的生物标志物可用于评估样品的质量。尽管标志物在表1-26中分开列出,但本领域的普通技术人员将会理解,样品质量的评估可以通过组合在不同表格中以许多不同组合的标志物进行。应该理解的是,生物化学物质可以以任何方式排列在表中,例如通过重要性、按字母顺序、通过质量参数、通过生物化学超级途径和/或子途径等。
A.样品加工生物标志物
样品中代谢物的水平可能受到样品从受试者收集后的加工方式的影响。通过比较若干样品加工条件鉴定样品加工的生物标志物。
样品孵育和样品分离生物标志物
样品加工的一个方面涉及样品在冷冻之前在室温(RT)或在4℃(例如在冰上或冷藏)保持(孵育)多久。通过比较收集后立刻冷冻的样品与在冷冻之前保持各种事件的样品中代谢物水平来发现涉及孵育时间的加工生物标志物。样品加工的另一个方面是收集和从全血分离血清或血浆之间的时间间隔。通过比较收集后立刻分离的样品与在分离之前作为完全血孵育的样品来发现涉及分离时间的加工生物标志物。用于评估涉及样品加工的样品质量参数的用于本文所公开的方法的生物标志物包括表1、2、3、4、5和/或6中列出的那些生物标志物。如表中所见,生物标志物可包括腺苷5'-一磷酸(AMP)、氧化的cys-gly、葡萄糖、牛磺酸、精氨酸、鸟氨酸、精胺、亚精胺、次黄嘌呤、黄嘌呤、氧化型谷胱甘肽、半胱氨酸-谷胱甘肽二硫化物、焦谷氨酸、胸腺嘧啶、2’-脱氧尿苷、2’-脱氧肌苷、3-羟基丙酸、4-苯基丁酸、己酸(6:0)、苯甲酸、硬脂酰肉碱(C18)、琥珀酸、丙酮酸、乳酸、富马酸、苹果酸、谷氨酸、α-酮戊二酸、亚油酰肉碱、油酰肉碱、棕榈酰肉碱、肉豆蔻酰肉碱、腺苷、肌苷、鞘氨醇、二氢鞘氨醇、油酸乙醇胺(油酰乙醇胺)、棕榈酰乙醇胺及其组合和子集。在一个实施方案中,一种或多种生物标志物可以选自腺苷5'-一磷酸(AMP)、氧化的cys-gly、葡萄糖、牛磺酸及其组合和子集。
样品存储生物标志物
样品中代谢物水平可以受样品存储条件的影响。通过比较若干样品存储条件鉴定样品存储的生物标志物。涉及样品存储的样品质量的一个方面是存储温度。另一个方面是存储时间。用于评估样品存储的用于本文所公开的方法的生物标志物包括表7、8、9和/或18中列出的那些生物标志物。如表中所见,生物标志物可以包括α-酮戊二酸、乙酰肉碱、丙酰肉碱、己酸(6:0)、4-甲基-2-氧代戊酸、3-甲基-2-氧代戊酸、3-甲基-2-氧代丁酸、γ-谷氨酰基-亮氨酸、γ-谷氨酰基-缬氨酸、谷氨酰胺、甲硫氨酸及其组合物和子集。在一个实施方案中,一种或多种生物标志物可以选自4-甲基-2-氧代戊酸、乙酰肉碱、α-酮戊二酸、己酸(6:0)、γ-谷氨酰基-亮氨酸、谷氨酰胺、甲硫氨酸及其组合和子集。
冻融循环生物标志物
样品中代谢物水平可以受样品经历的冻融循环数的影响。用于评估冻融循环的用于本文所公开的方法的生物标志物包括表10、11和/或12中列出的那些生物标志物。如表中所见,生物标志物可以包括腺苷、琥珀酸、13-HODE+9-HODE、3-羟基-2-丙酸乙酯、己酸(6:0)、二十二碳六烯酸(DHA;22:6n3)、二十碳五烯酸(EPA;20:5n3)、2'-脱氧尿苷、苯乳酸(PLA)、α-羟基异戊酸、花生四烯酸(20:4n6)、γ-谷氨酰甲硫氨酸、肌苷、异亮氨酸、肉豆蔻脑酸酯(14:1n5)、苯乙酸、硬脂酰肉碱(C18)、2-甲基柠檬酸、癸酰肉碱(C10)、胸腺嘧啶、乙酰肉碱(C2)、己酰肉碱(C6)、棕榈酰肉碱(C16)、肉豆蔻酰肉碱、苯丙酮酸、精氨琥珀酸及其组合和子集。
B.受试者依从性生物标志物
样品中代谢物水平可以受给定方案的受试者的依从性的影响。与受试者依从性相关的样品质量的示例性方面包括禁食状况、用药和补充用药状况、吸烟状况、饮食和运动依从性。
禁食状况生物标志物
通过比较来自禁食的受试者样品与来自进食受试者样品的代谢物水平来发现涉及禁食状况的样品质量的生物标志物。用于评估个体禁食状况的用于本文所公开的方法的生物标志物包括表13、14、15、16和/或17中列出的那些生物标志物。如表中所见,生物标志物可以包括甲硫氨酸亚砜、甘胆酸、多巴胺硫酸、壬二酸、尿苷、黄嘌呤、甘露糖、棕榈油酸及其组合和子集。
II.使用生物标志物评估样品质量的方法
该方法的一般描述
可以通过分析样品以确定选自表1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25和26中的一个或多个生物标志物(包括其组合和子集)并将该样品的生物标志物的水平相对于生物标志物的样品质量阳性和/或样品质量阴性参考水平进行比较来完成或帮助评估样品质量。如上所述,可以以任何组合合并在不同表格中列出的生物标志物以进行样品质量的评估。如表中所见,生物标志物可以包括3-甲基-2-氧代丁酸、3-甲基-2-氧代戊酸、4-甲基-2-氧代戊酸、4-苯丁酸、乙酰肉碱、腺苷、腺苷5'-一磷酸(AMP)、α-羟基异己酸、α-酮戊二酸、壬二酸(壬烷二酸)、己酸(6:0)、氧化的cys-gly、多巴胺硫酸、γ-谷氨酰亮氨酸、γ-谷氨酰缬氨酸、葡萄糖、谷氨酰胺、甘胆酸、己酰肉碱(C6)、甘露糖、甲硫氨酸、甲硫氨酸亚砜、棕榈油酸(16:1n7)、丙酰肉碱、牛磺酸、尿苷、黄嘌呤。例如,可以在这样的方法中确定并使用一种生物标志物、两种或更多种生物标志物、三种或更多种生物标志物、四种或更多种生物标志物、五种或更多种生物标志物、六种或更多种生物标志物、七种或更多种生物标志物、八种或更多种生物标志物、九种或更多种生物标志物、十种或更多种生物标志物等包括在该组中的所有生物标志物的组合物或其任意部分的水平。确定生物标志物的组合的水平可以允许在样品质量评估中具有更高的灵敏度和特异性,并且可以允许更好地区分样品质量参数。在一个实施方案中,可以结合一种或多种目前使用的样品质量生物标志物或参数的水平来评估一种或多种样品质量生物标志物的水平。在实施方案中,一种或多种生物标志物的比率可以用于评估样品质量。此外,可以将一种或多种生物标志物比率与一种或多种生物标志物组合使用以评估样品质量。
可使用任何合适的方法分析生物样品以确定样品中一种或多种生物标志物的水平。合适的方法包括但不限于色谱(例如HPLC、气相色谱、液相色谱)、质谱(例如MS、MS-MS)、酶联免疫吸附测定(ELISA)、抗体连接、其他免疫化学技术、及其组合。此外,可以间接测量一种或多种生物标志物的水平,例如,通过使用测量与期望待测量的生物标志物的水平相关的一种化合物(或多种化合物)的水平的测定来测量。还可以使用例如本文所述的方法确定作为生物标志物谱例如代谢组学谱的一部分的一种或多种生物标志物的水平。
相对于参考进行比较
确定了样品中一种或多种样品质量生物标志物的水平之后,将所测量的水平与符合方案的样品的参考水平特征(即“阳性”或“可接受的”样品质量)和/或没有符合方案的样品的参考水平特征(即“阴性”或“不可接受的”样品质量)进行比较。在一些实施方案中,针对一种或多种质量参数,将所测量的水平与参考水平进行比较。在一些实施方案中,针对所有质量参数,将所测量的水平与参考水平进行比较。在一些实施方案中,样品基于由专业人员或临床医师设定的标准具有可接受的质量。与样品质量或样品质量参数阳性的样品的参考水平特征匹配的一种或多种生物标志物的水平(即与参考水平相同、基本上与参考水平相同、没有与参考水平在统计上不同、在建立的参考水平范围内等的水平)表明可接受的样品质量或质量参数(符合方案)。与不可接受样品质量(不符合方案)的参考水平特征匹配的一种或多种生物标志物的水平(即与参考水平相同、基本上与参考水平相同、没有与参考水平在统计上不同、在建立的参考水平范围内等的水平)表明不可接受的样品质量或质量参数(不符合一种或多种方案参数)。此外,与样品质量可接受(阳性)样品的参考水平特征相比,在该样品中差异地存在(例如统计显著的水平)的一种或多种生物标志物的水平表明不可接受的样品质量或质量参数。与样品质量阴性样品的参考水平特征相比,在该样品中差异地存在(例如统计显著的水平)的一种或多种生物标志物的水平表明可接受的样品质量或质量参数。在一些实施方案中,可以基于特定样品质量参数或样品质量参数的组合确定可接受或不可接受的样品质量的确定。在一些实施方案中,测试样品中与参考水平相比较的生物标志物的水平鉴定该测试样品中一种或多种受影响的样品质量参数。
可以使用各种技术包括生物样品中一种或多种生物标志物的水平与样品质量阳性和/或样品质量阴性参考水平的简单比较将一种或多种生物标志物的水平与样品可接受和/或不可计数(质量阳性和/或质量阴性)参考水平进行比较。还可以使用一种或多种统计分析(例如t检验、Welch's T检验、Wilcoxon's秩和检验、Z分数、随机森林)将一种或多种生物标志物的水平与样品质量阳性和/或样品质量阴性参考水平进行比较。在各种实施方案中,可以手动、通过自动系统或通过手动验证的自动系统完成这样的比较。
生物标志物的比率可以用于评估样品质量。例如,葡萄糖与丙酮酸、葡萄糖与乳酸、葡萄糖与琥珀酸、葡萄糖与富马酸、葡萄糖与苹果酸、精氨酸与鸟氨酸、精氨酸与精胺或者精氨酸与亚精胺的比率可以用于评估样品质量。可以将一种或多种生物标志物比率与一种或多种生物标志物组合使用以评估样品质量。在一个方面中,两种或更多种生物标志物或生物标志物的比率可以用于评估样品质量。
在一个实施方案中,可以根据生物化学途径分类生物标志物,并且可以通过分析样品以确定选自一种或多种生物化学途径的一种或多种生物标志物的水平并将样品中一种或多种生物标志物的水平与一种或多种生物标志物的样品质量参考水平进行比较以评估样品的治疗来完成或帮助样品质量的评估。例如,生物化学途径和与每种途径相关的一种或多种生物标志物可以是:(a)尿素循环代谢(例如精氨酸、鸟氨酸、精胺、亚精胺);(b)嘌呤降解(例如次黄嘌呤、黄嘌呤、AMP、腺苷、肌苷);(c)谷胱甘肽代谢(例如,氧化型谷胱甘肽、氧化的cys-gly、半胱氨酸-谷胱甘肽二硫化物、焦谷氨酸);(d)胸腺嘧啶代谢(例如胸腺嘧啶、2'-脱氧尿苷);(e)能量代谢(例如葡萄糖、丙酮酸、乳酸、琥珀酸、富马酸、苹果酸、α-酮戊二酸、亚油酰肉碱、油酰肉碱、棕榈酰肉碱、硬脂酰肉碱、肉豆蔻酰肉碱);(f)鞘脂代谢(例如,鞘氨醇、二氢鞘氨醇、油酸乙醇胺(油酰乙醇胺)、棕榈酰乙醇胺)。在另一个方面,两种或更多种生物标志物或生物标志物的比率选自组a-f中生物化学途径中的两种或更多种中列出的生物标志物。
综合分数
样品质量综合分数可以用于评估样品质量。样品治疗分数可以是基于一种或多种生物标志物针对样品生成的总质量分数(QS)。在另一个方面,可以基于一种或多种生物标志物针对一个或多个质量参数生成样品质量分数以生成一个或多个质量参数分数(QPS)。分析人员可以选择总质量分数(QS)或一种或多种质量参数的质量分数(QPS)。选择可以基于该样品的预期用途。在这方面,对于一些用途,单个总质量分数可能是足够的,而其他预期用途可能要求样品质量评估基于一个或多个选择的质量参数。此外,样品质量评估中使用的参数可能会随样品的预期用途而变化。例如,对于一些预期用途,可以使用用于样品处理的生物标志物的水平计算综合分数,而不考虑受试者依从性生物标志物。对于其他预期用于,可以使用样品处理生物标志物的子集(例如存储温度和孵育温度或冻融循环)的水平计算综合分数。在其他预期用途中,可以使用受试者依从性生物标志物来生成综合分数。在其他预期用途中,综合分数可以基于一个或多个受试者依从性和一个或多个样品处理生物标志物的组合。在一个实例中,生物标志物腺苷5’-一磷酸(AMP)、氧化的cys-gly、葡萄糖和牛磺酸的水平用于生成综合分数。
在一些实施方案中,参考小分子谱的标准范围可以基于综合分数。该方法可以包括基于来自生物标志物中的一种或多种的数据和样品质量生物标志物的比率的组合生成样品质量综合分数。在一些方面,用于计算综合分数的生物标志物可以进行加权处理并且可以使用例如回归分析、PLS、LDA或其他正式统计方法来确定系数(权重)。
报告
可以生成列出所有被确定为在测试样品中异常的样品质量生物标志物的报告。在一些实施方案中,生物标志物由样品质量参数自动排序(sort)。在其他实施方案,产生显示样品质量参数和个体样品质量生物标志物的结果可视化。在另一实施方案,鉴定受影响的样品质量参数。因此,在一些实施方案中,该方法能够包括分析和报告从整个代谢谱获得的信息,并且能够鉴定异常样品质量生物标志物和相关样品质量参数以确定受影响的样品质量参数,而无需依赖包括单个质量保证内部标准或特定样品质量参数的质量控制特定样品质量测试。
样品质量参数
样品的生物标志物可以表明特定样品质量参数受到影响。例如,样品质量参数可以提供样品没有符合方案的指示。不符合方案可以包括样品处理的问题。涉及样品处理的示例性样品质量参数可以包括:加工时间、存储时间、存储温度、冻融循环和收集管添加剂。不符合方案还可以包括受试者非依从性。与受试者依从性相关的示例性样品质量参数包括禁食状况、用药和补充用药状况、吸烟状况、和运动依从性。
评估样品加工
示例性样品质量参数是样品加工。因此,可以通过分析样品以确定选自表1、2、3、4、5和/或6的一种或多种生物标志物的水平来进行样品质量的评估。一种或多种生物标志物可包括腺苷5'-一磷酸(AMP)、氧化的cys-gly、葡萄糖、牛磺酸、精氨酸、鸟氨酸、精胺、亚精胺、次黄嘌呤、黄嘌呤、氧化型谷胱甘肽、半胱氨酸-谷胱甘肽二硫化物、焦谷氨酸、胸腺嘧啶、2’-脱氧尿苷、2’-脱氧肌苷、3-羟基丙酸、4-苯基丁酸、己酸(6:0)、苯甲酸、硬脂酰肉碱(C18)、琥珀酸、丙酮酸、乳酸、富马酸、苹果酸、谷氨酸、α-酮戊二酸、亚油酰肉碱、油酰肉碱、棕榈酰肉碱、肉豆蔻酰肉碱、腺苷、肌苷、鞘氨醇、二氢鞘氨醇、油酸乙醇胺(油酰乙醇胺)、棕榈酰乙醇胺及其组合和子集。可以将样品中一种或多种生物标志物的水平与一种或多种标志物的样品质量阳性和/或样品质量阴性参考水平进行比较。在一个实施方案中,一种或多种生物标志物可以选自腺苷5'-一磷酸(AMP)、氧化的cys-gly、葡萄糖、牛磺酸及其组合和子集。在示例性实施方案中,腺苷5'-一磷酸(AMP)、氧化的cys-gly和牛磺酸水平提高和葡萄糖水平降低表明延长的样品加工时间。在一个实例中,生物标志物腺苷5’-一磷酸(AMP)、氧化的cys-gly、葡萄糖和牛磺酸的水平能够用于生成综合分数。在另一个实例中,生物标志物腺苷5’-一磷酸(AMP)、葡萄糖和牛磺酸的水平能够用于生成综合分数。综合分数可以包括进行加权处理的生物标志物。
样品加工的一个方面是样品在冷冻之前保持的时间。可以通过分析样品以确定选自表1、2、3、4和/或5的一种或多种标志物的水平并将样品中一种或多种生物标志物的水平与生物标志物的样品质量阳性和/或样品质量阴性的参考水平进行比较以完成或帮助涉及样品在冷冻之前保持的时间的样品质量的评估。生物标志物可包括腺苷5'-一磷酸(AMP)、氧化的cys-gly、葡萄糖、牛磺酸、精氨酸、鸟氨酸、精胺、亚精胺、次黄嘌呤、黄嘌呤、氧化型谷胱甘肽、半胱氨酸-谷胱甘肽二硫化物、焦谷氨酸、胸腺嘧啶、2’-脱氧尿苷、2’-脱氧肌苷、3-羟基丙酸、4-苯基丁酸、己酸(6:0)、苯甲酸、硬脂酰肉碱(C18)、琥珀酸及其组合和子集。
样品加工的另一个方面是样品收集和从全血分离血清或血浆之间的时间间隔。可以通过分析样品以确定选自表1和/或2的一种或多种标志物的水平并将样品中一种或多种生物标志物的水平与生物标志物的样品质量阳性和/或样品质量阴性的参考水平进行比较以完成或帮助涉及该时间间隔的样品质量的评估。生物标志物可以包括腺苷5'-一磷酸(AMP)、氧化的cys-gly、葡萄糖、牛磺酸、丙酮酸、乳酸、琥珀酸、富马酸、苹果酸、谷氨酸、α-酮戊二酸、亚油酰肉碱、油酰肉碱、棕榈酰肉碱、硬脂酰肉碱、肉豆蔻酰肉碱、精氨酸、鸟氨酸、精胺、亚精胺、腺苷、黄嘌呤、肌苷、鞘氨醇、二氢鞘氨醇、油酸乙醇胺(油酰乙醇胺)、棕榈酰乙醇胺及其组合和子集。
评估样品存储
另一个样品质量参数是样品存储。可以通过分析样品以确定选自表7、8、9和/或18的一种或多种标志物的水平并将样品中一种或多种生物标志物的水平与生物标志物的样品质量阳性和/或样品质量阴性的参考水平进行比较以完成或帮助涉及样品存储的样品质量的评估。生物标志物可以包括α-酮戊二酸、乙酰肉碱、丙酰肉碱、己酸(6:0)、4-甲基-2-氧代戊酸、3-甲基-2-氧代戊酸、3-甲基-2-氧代丁酸、γ-谷氨酰基-亮氨酸、γ-谷氨酰基-缬氨酸、谷氨酰胺、甲硫氨酸及其组合物和子集。在一个实施方案中,一种或多种生物标志物可以选自α-酮戊二酸、乙酰肉碱、丙酰肉碱、己酸(6:0)、4-甲基-2-氧代戊酸、3-甲基-2-氧代戊酸、3-甲基-2-氧代丁酸、γ-谷氨酰基-亮氨酸、γ-谷氨酰基-缬氨酸、谷氨酰胺、甲硫氨酸及其组合和子集。在另一实施方案中,己酸(6:0)、γ-谷氨酰基-亮氨酸、γ-谷氨酰基-缬氨酸水平提高和α-酮戊二酸、乙酰肉碱、丙酰肉碱、4-甲基-2-氧代戊酸、3-甲基-2-氧代戊酸、3-甲基-2-氧代丁酸、谷氨酰胺、甲硫氨酸水平降低表明该样品存储在-20℃而不是-80℃。生物标志物可以用于生成综合分数。例如,生物标志物4-甲基-2-氧代戊酸、乙酰肉碱、α-酮戊二酸、己酸(6:0)、γ-谷氨酰基-亮氨酸、谷氨酰胺和甲硫氨酸的水平可以用于生成综合分数。在另一个实例中,生物标志物4-甲基-2-氧代戊酸、α-酮戊二酸、己酸(6:0)、γ-谷氨酰基-亮氨酸、谷氨酰胺和甲硫氨酸的水平可以用于生成综合分数。综合分数可以包括进行加权处理的生物标志物。
涉及样品存储的样品质量可以收到存储温度和存储时间的影响。
评估冻融循环的影响
能够影响样品的质量的另一参数是冻融循环数。在这方面,可以通过分析样品以确定选自表10、11和/或12的一种或多种标志物的水平并将样品中生物标志物的水平与生物标志物的样品质量阳性和/或样品质量阴性的参考水平进行比较以完成或帮助涉及冻融循环的样品质量的评估。生物标志物可以包括腺苷、琥珀酸、13-HODE+9-HODE、3-羟基-2-丙酸乙酯、己酸(6:0)、二十二碳六烯酸(DHA;22:6n3)、二十碳五烯酸(EPA;20:5n3)、2'-脱氧尿苷、苯乳酸(PLA)、α-羟基异戊酸、花生四烯酸(20:4n6)、γ-谷氨酰甲硫氨酸、肌苷、异亮氨酸、肉豆蔻脑酸酯(14:1n5)、苯乙酸、硬脂酰肉碱(C18)、2-甲基柠檬酸、癸酰肉碱(C10)、胸腺嘧啶、乙酰肉碱(C2)、己酰肉碱(C6)、棕榈酰肉碱(C16)、肉豆蔻酰肉碱、苯丙酮酸、精氨琥珀酸及其组合和子集。在示例性实施方案中,样品是血液或血清样品,并且乙酰肉碱(C2)、己酸(6:0)、癸酰肉碱(C10)、琥珀酸的水平提高和13-HODE+9-HODE、2'-脱氧尿苷、2-甲基柠檬酸、3-羟基-2-丙酸乙酯、腺苷、α-羟基异戊酸、花生四烯酸(20:4n6)、二十二碳六烯酸(DHA;22:6n3)、二十碳五烯酸(EPA;20:5n3)、γ-谷氨酰甲硫氨酸、己酰肉碱(C6)、肌苷、异亮氨酸、肉豆蔻脑酸酯(14:1n5)、肉豆蔻酰肉碱、棕榈酰肉碱(C16)、苯乙酸、苯乳酸(PLA)、硬脂酰肉碱(C18)、胸腺嘧啶水平提高表明血浆或血清质量对于冻融质量参数而言是不可接受的。在另一个示例性实施方案中,样品是尿液样品,并且2-甲基柠檬酸、精氨琥珀酸、肌苷水平提高和月桂酰肉碱(C12)、苯丙酮酸水平降低表明尿液质量对于冻融质量参数而言是不可接受的。生物标志物可以用于生成综合分数。综合分数可以包括可进行加权处理的生物标志物。
评估禁食状况
可以通过分析从其获得样品的受试者的禁食状况来评估样品质量。在这方面,可以通过分析样品以确定选自表13、14、15、16和/或17的一种或多种标志物的水平并将样品中生物标志物的水平与生物标志物的样品质量阳性和/或样品质量阴性的参考水平进行比较以评估样品质量。生物标志物可以包括甲硫氨酸亚砜、甘胆酸、多巴胺硫酸、壬二酸、尿苷、黄嘌呤、甘露糖、棕榈油酸及其组合和子集。在一个实施方案中,甲硫氨酸亚砜、甘胆酸、多巴胺硫酸、壬二酸水平提高和尿苷、黄嘌呤、甘露糖、棕榈油酸水平降低表明该受试者没有禁食(即进过食)。生物标志物可以用于生成综合分数。例如,生物标志物甲硫氨酸亚砜、甘胆酸、多巴胺硫酸、壬二酸、尿苷、黄嘌呤、甘露糖、棕榈油酸能够用于生成综合分数。综合分数可以包括进行加权处理的生物标志物。
III.系统、方法、计算机程序产品
各种系统和设备用于根据本文所述的方法评估样品质量。图1提供了显示如何使用这样的系统和设备的实例的流程图。
图1是用于评估样品质量的方法10的框图。在一些实施方案中,方法10包括基于来自一个或多个质量生物标志物的数据的加权组合来生成样品质量综合分数,并且基于质量生物标志物的水平从数据库获得样品质量信息,并且包括基于生成的样品质量综合分数从数据库获得样品质量信息。存储获得的样品质量信息(步骤20)。存储的样品质量信息可以包括以下中的一种或多种:i)与质量生物标志物相关的至少一种样品质量参数的鉴定;ii)与具有异常水平的质量生物标志物中的一种或多种相关的预期用途的至少一个方面的鉴定;和iii)用于评价该样品的至少一种建议的方法的鉴定(例如接受样品、拒绝样品/从分析移除、修改分析以考虑受影响的参数(例如应用“校正因子”来调整受影响的代谢物的水平))。因此,存储的样品质量信息帮助样品分析。在一些实施方案中,该方法可以进一步包括存储获得的样品质量信息的图示(步骤22)。图1中的围绕步骤19和22的框的虚线表明这些步骤不需要存在于所有实施方案中。可以将方法10应用于单个样品或同时应用于任意数量的样品。
如图1所述,获得样品(步骤12)。样品可以获得自任何来源。生成样品的小分子谱包括关于样品中多个小分子中的每一个的存在、不存在和(如果合适的话)水平的信息(步骤14)。
生成样品的小分子谱需要分析其组成生物化学小分子。该分析可以包括从该样品提取多个小分子中的至少一些。合适地,该分析可以使用本领域已知的一种或多种不同的分析技术进行,例如液相色谱(LC)、高效液相色谱(HPLC)(参见Kristal,etal.Anal.Biochem.263:18-25(1998))、气相色谱(GC)、薄层色谱(TLC)、电化学分离技术(参见WO 99/27361,WO 92/13273,U.S.5,290,420,U.S.5,284,567,U.S.5,104,639,U.S.4,863,873,和U.S.RE32,920)、折射率光谱(RI)、紫外光谱(UV)、荧光分析、放射化学分析、近红外光谱(近-IR)、核磁共振光谱(NMR)、光散射分析(LS)、质谱(MS)、串联质谱(MS/MS2)和组合方法例如气相色谱/质谱(GC-MS)、液相色谱/质谱/(LC-MS)、超高效液相色谱/串联质谱(UHLC/MS/MS2)和气相色谱/串联质谱(GC/MS/MS2)。
美国专利号7,884,318公开了用于确定复杂混合物中化学成分的组成的系统、方法和计算机可读介质,根据一些实施方案,其可用于产生样品的小分子谱。美国专利号7,884,318通过引用整体并入本文。如美国专利号7,884,318所述,生成样品的分离数据和质谱数据,并将生成的分离和质谱数据与化学信息的文库(“化学文库”)进行比较以确定样品的小分子化学成分。
美国专利号7,561,975和美国专利号7,949,475(各自通过引用整体并入本文)提供关于针对多个生物样品鉴定生物样品的小分子成分的分析的另外的公开内容。
在一些实施方案中,可以测试单个测试样品的多个等分试样(例如两个、三个、四个、五个、六个等)。在一些实施方案中,在同一运行中分析来自多个不同个体的测试样品的等分试样。在一个实施方案中,可以作为个体样品、以一式两份、一式三份、一式四份等运行测试样品。
在一些实施方案中,用于生成小分子谱的数据分析是部分自动化的(例如,基于所生成的数据用人工验证一些或全部小分子的鉴定)。在一些实施方案中,用于生成小分子谱的数据分析是完全自动化的。
将小分子谱与一个或多个参考小分子谱进行比较以鉴定样品中异常的样品质量生物标志物(步骤16)。参考小分子谱可以包括多个生物标志物中的每一个的标准范围。异常生物标志物是样品中具有落在生物标志物标准范围外的水平的生物标志物。在一些实施方案中,参考小分子谱至少部分由针对参考样品生成的小分子谱的统计分析确定。
基于样品质量生物标志物的水平从数据库获得样品质量信息(步骤18)。数据库包括将一种或多种生物标志物的异常水平与关于多个样品质量参数中的每一个的样品质量或样品质量参数的信息相关的信息。在其中基于来自质量生物标志物的子集中的一种或多种的加权数据组合生成样品质量参数特异性综合分数的方法中,数据库进一步包括将样品质量参数特异性综合分数的范围与关于样品质量参数中的一种或多种的样品质量参数相关的信息。
存储获得的样品质量信息(步骤20)。存储的样品质量信息可以包括以下中的一种或多种:i)与鉴定的异常样品质量生物标志物相关的至少一种样品质量参数的鉴定;ii)与鉴定的异常样品质量生物标志物相关的至少一种预期用途的鉴定;和iii)基于样品质量生物标志物的异常水平评价样品的至少一种方法的鉴定。在一些实施方案中,存储的样品质量信息包括与鉴定的异常样品质量生物标志物相关的至少一种样品质量参数的鉴定和与鉴定的异常样品质量生物标志物相关的至少一种预期用途的鉴定中一种或多种,和基于异常样品质量生物标志物的水平评价样品的至少一种方法的鉴定。在一些实施方案中,样品质量信息可以存储在多个数据库中(例如样品分析信息可以存储在一个数据库中,并且样品质量参数的鉴定的信息和关于评价样品的方法的信息可以存储在另一个数据库中)。
一些实施方案包括存储所获得的样品质量信息中的一些或全部的图示(步骤22)。在一些实施方案中,存储与所鉴定的样品质量生物标志物相关的一个或多个样品质量参数的图示。如本文所使用的,所获得的样品质量信息中的一些或全部的图示的生成、存储和/或显示也被称为信息的可视化或结果的可视化。
图示可以以用于图像的电子存储的任何已知格式存储(例如JPEG/JFIF、JPEG2000、Exif、TIFF、RAW、GIF、BMP、PNG、PPM、PGM、PNM、WEBP、CGM、SVG等)。在一些实施方案中,图示可以被合并到文档中并以文档文件格式(例如,PDF、.ps、.doc、.docx、.ppt、.odt、.htm、.html等)存储。
在一些实施方案中,样品的多种类型的样品质量信息可以被编译成单个文档,在本文中被称为报告。该报告可能包括以下信息:检测到的不同小分子生物化学物质的总数;检测到的不同样品质量生物标志物的总数;与小分子生物标志物相关的样品质量参数的鉴定;与一个或多个样品质量参数相关的样品质量生物标志物的列表;所鉴定的样品质量参数中哪些样品质量生物标志物存在异常水平的鉴定;以异常水平存在的样品质量生物标志物的鉴定和水平的指示;每个异常样品质量生物标志物是否以高于或低于标准范围的水平存在的指示;一个或多个样品质量参数的样品质量综合分数的指示;每个样品质量参数综合分数的值是否在参考分数的范围内的指示;受影响的样品质量参数的列表;评价样品的至少一个推荐方法的列表。该报告可以以适当的电子文件格式存储。在一些实施方案中,结果报告以任何合适的电子或非电子(例如纸)形式提供给研究人员和/或医疗保健提供者。
图2是根据一个实施方案的用于针对多个样品质量参数评估样品的方法20的框图。获得样品(步骤32)。生成样品的小分子谱包括关于样品中多个小分子中的每一个的存在、不存在和水平的信息(步骤34)。小分子谱包括关于评估样品质量的样品质量生物标志物的水平的信息。将样品中的样品质量生物标志物的水平与包括样品质量生物标志物的标准水平范围的参考小分子谱进行比较,并鉴定异常小分子生物标志物(步骤36)。
如果样品的小分子谱中没有样品质量生物标志物具有异常水平,则存储指示没有检测到异常水平的信息(步骤37)。
如果检测到任何异常生物标志物水平,则进行样品质量分析,并鉴定样品质量生物标志物水平,包括具有异常水平的样品质量生物标志物(步骤38)。基于样品质量生物标志物的水平从数据库获得样品质量信息(步骤40)。在一些实施方案中,基于样品质量生物标志物的水平获得样品质量信息包括鉴定一个或多个受影响的样品质量参数(步骤41)。在一些实施方案中,该方法包括基于来自一个或多个样品质量参数特异性生物标志物的数据的加权组合来生成样品质量综合分数,并且基于样品质量生物标志物的水平从数据库获得样品质量信息,并且包括基于生成的样品质量参数特异性综合分数从数据库获得样品质量信息。用于产生综合分数的样品质量生物标志物可能具有或可能不具有异常水平。数据库包括将多个样品质量生物标志物中的一个或多个的水平与关于多个样品质量参数中的每一个的样品质量参数的信息相关的信息。存储获得的样品质量信息(步骤42)。所存储的样品质量信息包括以下中的一个或多个:与样品质量生物标志物相关的至少一个样品质量参数的鉴定,与一个或多个样品质量生物标志物相关的至少一个预期用途的鉴定,以及用于评价样品的至少一种推荐方法的鉴定(例如,用所有测量的小分子分析样品,用选择的测量的小分子分析样品,或从分析中移除样品和所有测量的小分子)。在一些实施方案中,该方法还包括存储获得的样品质量信息的图示(步骤44)。图2中的围绕步骤41和44的框的虚线表明这些步骤不需要存在于所有实施方案中。
可以使用在一个或多个计算系统的一个或多个处理器上执行的指令部分或全部进行生成样品的小分子谱的步骤,将样品的样品质量生物标志物谱与参考小分子谱进行比较以确定样品的任何样品质量生物标志物是否具有异常水平,鉴定具有异常水平的样品质量生物标志物,基于样品质量生物标志物的水平从数据库获得样品质量信息,存储未发现异常水平的指示,存储获得的样品质量信息,存储获得的样品质量信息的图示。
一些实施方案包括存储具有指令的计算机可执行代码以进行本文所述的方法的各个步骤。
图3是可用于实现本文描述的示例性方法的各种步骤的示例性计算装置100的框图。计算装置100包括用于存储用于实施示例性实施方案的一个或多个计算机可执行指令或软件的一个或多个非暂时性计算机可读介质。合适地,非暂时性计算机可读介质可以包括但不限于一种或多种类型的硬件存储器,非暂时性有形介质(例如,一个或多个磁存储盘,一个或多个光盘,一个或多个闪存驱动器)等。例如,包括在计算装置100中的存储器106可以存储用于实施本文描述的全部或部分步骤或方法的计算机可读和计算机可执行指令或软件。计算装置100还可以包括可配置和/或可编程处理器102和关联核104,并且可选地包括一个或多个另外的可配置和/或可编程处理器102'和关联核104'(例如,在具有多个处理器/核的计算机系统的情况下),用于执行存储在存储器106中的计算机可读和计算机可执行指令或软件以及用于控制系统硬件的其他程序。处理器102和处理器102'可以各自是单核处理器或多核(104和104')处理器。
可以在计算装置100中采用虚拟化,使得可以动态地共享计算设备中的基础设施和资源。可以提供虚拟机114来处理在多个处理器上运行的进程,使得该进程看起来似乎仅使用一个计算资源而不是多个计算资源。也可以用一个处理器使用多个虚拟机。
存储器106可以包括计算机系统存储器或随机存取存储器,诸如DRAM、SRAM、EDORAM等。存储器106也可以包括其他类型的存储器,或其组合。
用户可以通过可视显示装置118(例如计算机监视器)与计算装置100交互,该可视显示装置可以显示根据示例性实施方案可以提供的一个或多个图形用户界面。计算装置100可以包括用于接收来自用户的输入的其他I/O设备,例如键盘或任何合适的多点触摸接口108、定位设备110(例如鼠标)、麦克风128和/或图像捕捉装置132(例如,照相机或扫描仪)。多点触摸接口108和定位装置110可以耦合到可视显示装置118。计算装置100可以包括其他合适的常规I/O外设。
计算装置100还可以包括用于存储用于实施本文描述的示例性实施方案的数据和计算机可读指令和/或软件的一个或多个存储装置124,诸如硬盘驱动器、CD-ROM或其他计算机可读介质。示例性存储装置124还可以存储用于存储实施示例性实施方案所需的任何合适信息的一个或多个数据库。例如,示例性存储装置124能够存储一个或多个数据库126,其包括化学文库,参考小分子谱,一个或多个参考样品的小分子谱,一个或多个测试样品的小分子谱,多个样品质量参数的与一个或多个样品质量生物标志物水平相关的样品质量信息,将预期用途与一个或多个样品质量生物标志物相关的信息,将样品质量参数与多个样品质量参数的一个或多个样品质量生物标志物水平相关的信息,以及用于评价与一个或多个样品质量生物标志物水平相关的样品的至少一种推荐方法的鉴定。在其他实施方案,不同步骤的不同数据库可以与不同计算装置相关。在一些实施方案中,数据库可以被配置为使用分析装置(例如,耦合到检测装置的分离装置,例如LC/MS、GC/MS)自动接收与生物样品中测量的一种或多种样品质量生物标志物的水平相对应的数据。
一个或多个存储装置124可以用于存储获得的样品质量信息、获得的样品质量信息的图示、测试样品的报告等中的任何一个或全部。
一个或多个存储装置124和/或存储器106可以保存可在处理器102上执行的软件125用于实现分析设施,该分析设施将样品的小分子生物标志物谱与参考小分子生物标志物谱进行比较,该参考小分子生物标志物谱包括多个样品质量生物标志物中每一个的标准水平范围并且鉴定样品中具有异常水平的样品质量生物标志物。
计算装置100可以包括网络接口112,网络接口112被配置为通过一个或多个网络装置120与一个或多个网络(例如局域网(LAN)、广域网(WAN)或互联网)通过各种连接交互,所述连接包括但不限于标准电话线、LAN或WAN链路(例如802.11、T1、T3、56kb、X.25)、宽带连接(例如ISDN、帧中继、ATM)、无线连接、控制器区域网络(CAN)或上述任何或全部的一些组合。在示例性实施方案中,计算装置100可以包括一个或多个天线130以促进计算装置100与网络之间的无线通信(例如,经由网络接口)。网络接口112可以包括内置网络适配器、网络接口卡、PCMCIA网卡、卡总线网络适配器、无线网络适配器、USB网络适配器、调制解调器或适用于将计算装置100接口到能够通信并且执行本文描述的操作的任何类型的网络。此外,计算装置100可以是任何计算机系统,诸如工作站、台式计算机、服务器、膝上型计算机、手持式计算机、平板电脑(例如iPadTM平板电脑)、移动计算或通信装置(例如iPhoneTM通信装置)或能够通信并且具有足够的处理器能力和存储器容量来执行本文描述的操作的其他形式的计算或电信装置。在一些实施方案中,计算装置100可以经由网络与用于获得实验数据的一个或多个计算装置或分析装置(例如,与LC/MS系统相关联的计算装置,与GC/MS系统、LC/MS系统、GC/MS系统相关联的计算装置)。
计算装置100可以运行任何操作系统116,诸如任何版本的操作系统、不同版本的Unix和Linux操作系统、用于Macintosh计算机的任何版本的任何嵌入式操作系统、任何实时操作系统、任何开源操作系统、任何专用操作系统、或其他能够运行在计算装置上并进行本文所述的运算的任何其它操作系统。在示例性实施方案中,操作系统116可以本机模式或仿真模式运行。在示例性实施方案中,操作系统116可以在一个或多个云计算机实例上运行。
在描述示例性实施方案时,为了清楚起见而使用特定术语。为了描述的目的,每个特定术语旨在至少包括以类似方式操作以实现类似目的的所有技术和功能等同物。另外,在特定示例性实施例包括多个系统元件、装置组件或方法步骤的一些情况下,那些元件、组件或步骤可以用单个元件、组件或步骤代替。类似地,单个元件、组件或步骤可以用用于相同目的的多个元件、组件或步骤代替。此外,虽然示例性实施方案已经参照其特定实施方案示出和描述,但本领域普通技术人员应理解,在不脱离本发明的范围的情况下,可以在其中进行形式和细节上的各种替换和更改。此外,其他实施方案、功能和优点也在本发明的范围内。
本文提供示例性框图/流程图用于说明目的,并且是方法的非限制性实例。本领域的普通技术人员将认识到,示例性方法可以包括比示例性框图/流程图中示出的步骤更多或更少的步骤,并且示例性框图/流程图中的步骤可以以与如说明性框图/流程图中所示顺序不同的顺序。
IV.试剂盒
任何所描述的方法单独或组合可以使用以试剂盒形式提供的工具进行。试剂盒可进一步包含适当的对照、标准品和/或检测试剂。在实施方案中,试剂盒可以包括用于分析基于血液的样品的工具和试剂。试剂盒可以包括样品收集元件和用于存储样品的器皿(vessel)。例如,试剂盒可以包括样品收集元件、取回的样品收集容器、样品标记(label)、样品条形码和指导方案。指导方案可以被提供为打印形式或小册子或者在电子介质例如计算机磁盘或其他计算机可读介质上。
该试剂盒可以根据以下示例性方法使用。可以使用针和注射器从受试者收集血液样品。然后可将血液挤出到收集容器(例如小瓶、锥形管等)中。然后可以对收集容器中的样品进行代谢分析和预期用途分析。条形码和标记使得能够通过分析来追踪样品的身份和分析结果。
该试剂盒可以进一步包括容积容器(container)。容积容器可以是适于容纳液体样品的任何容器(即,杯子、小瓶、微量离心管、微量滴定板等)。容积容器可以任选地包含容积测量,其可以用于测量期望量的样品或其他试剂。容积容器可以由任何材料(例如,塑料、铝、不锈钢)制成。容积容器的内部容积取决于待收集的样品的类型。容积容器可以包括一个主体和一个盖子。在一些实施方案中,内标材料可以附着至盖子上。在一些实施方案中,内标材料可以被涂覆在容积容器的主体的内部容积上。
在一些实施方案中,容积容器可以另外针对考虑的样品收集类型进行配置并用于收集标本。在其他方面,标本收集接收器(receptacle)在试剂盒中分开提供,并可以为杯子、小瓶、微量离心管的形式。
该试剂盒可以进一步包括运输容器。运输容器可以为适用于运输样品的任何结构。该容器被配置使得样品材料能够被包装进入容器并且该容器可以是密封的。
该试剂盒可任选包括提取溶液。
实施例
本发明将通过以下旨在非限制性的说明性实施例进一步解释。
I.一般方法
A.样品制备。
使用来自Hamilton Company的自动MicroLab系统制备样品。为了QC目的,在提取过程的第一步之前添加回收标准。使用甲醇提取进行样品制备以除去蛋白质部分,同时允许最大程度地回收小分子。将得到的提取物分成五部分:一部分用UPLC-MS/MS进行正离子模式电喷雾电离分析,一部分用UPLC-MS/MS进行负离子模式电喷雾电离分析,一部分用于LC极性平台,一部分用于通过GC-MS分析,并且保留一份样品用于备份。在氮气下将样品短暂放在Turbo(Zymark)上以除去有机溶剂。对于LC,将样品在氮气下存储过夜。对于GC,将样品在真空下干燥过夜。然后制备样品用于合适的仪器LC/MS或GC/MS。
B.超高效液相色谱-串联质谱(UPLC-MS/MS)。
LC/MS分析使用Waters ACQUITY超高效液相色谱(UPLC)和与加热电喷雾电离(HESI-II)源接口的Thermo Scientific Q-Exactive高分辨率/精确质谱仪和Orbitrap质量分析仪,其在质量分辨率为35,000进行操作。干燥样品提取物,然后重构于酸性或碱性LC相容溶剂,其每种均含有8种或更多种固定浓度的注射标准品,以确保注射和色谱一致性。一个等分试样使用酸性正离子优化条件进行分析,另一个使用碱性负离子优化条件,使用分开的专用柱(Waters UPLC BEH C18-2.1x100mm,1.7μm)进行两次独立注射。使用含有0.1%甲酸的水和甲醇从C18柱梯度洗脱在酸性条件下重构的提取物。使用含有6.5mM碳酸氢铵的甲醇和水从C18类似地洗脱碱性提取物。使用由水和乙腈和10mM甲酸铵组成的梯度从HILIC柱(Waters UPLC BEH Amide 2.1x150mm,1.7μm)洗脱后通过负离子分析第三等分试样。MS分析使用动态排除在MS和依赖于数据的MS2扫描之间交替进行,并且扫描范围为80-1000m/z。
C.气相色谱/质谱(GC/MS)。
对于GC/MS分析,在使用双三甲基甲硅烷基三氟乙酰胺(BSTFA)在干燥氮气下衍生化之前,将样品在真空干燥下再干燥最少24小时。GC柱为20m X 0.18mm ID,含5%苯基;95%二甲基硅氧烷相。18分钟内温度从60℃升至340℃。样品在Thermo-Finnigan TraceDSQ快速扫描单-四极质谱仪上使用单位质量分辨率的电子碰撞电离进行分析。仪器每天都进行质量分辨率和质量准确度的调整和校准。
D.数据加工和分析。
对于每个仪器上的每个生物基质数据集,计算每个内标的峰面积的相对标准偏差(RSD),以确定提取效率、仪器性能、色谱柱完整性、色谱和质量校准。这些内标中的一些用作保留指数(RI)标志物并检查保留时间和调准。UPLC-MS和GC-MS系统附带的修改版本的软件用于峰检测和积分。该加工的输出生成m/z比率、保留时间和曲线下面积的列表。软件指定的峰值检测标准包括信噪比、高度和宽度的阈值。遗漏值(如果有的话)就输入为该特定化合物的观察到的最小值。
生物数据集(包括QC样品)基于使用指定固定RI值的内标的保留指数进行色谱分析。实验峰的RI是通过假定两侧的值不变的RI标志物之间的线性拟合来确定的。RI的好处是可以纠正由系统误差如样品pH值和柱龄引起的保留时间漂移。根据与两个侧向保留标志物的洗脱关系指定每种化合物的RI。使用内部软件包,经积分、调准的峰与内部真实标准文库(化学文库)相匹配,并常规检测未知化合物,这些化合物特异于所采用的正、负或GC-MS数据收集方法。匹配基于保留指数值,并且RI单位的范围相对于检测平台而变化。将实验谱与真实标准的文库谱进行比较,并分配正向和反向分数。完美的正向分数表明实验谱中的所有离子均以正确的比例在文库中找到真正的标准品,完美的反向评分表明所有真实的标准文库离子都存在于实验谱中并且以正确的比例存在。对正向和反向分数进行比较,并给出所提出的匹配的MS/MS碎裂谱分数。然后,所有匹配都由分析人员手动检查,基于质量、RI和分数批准或拒绝每个呼叫(call)以评估呼叫,如果呼叫保留上述标准,则手动批准峰值。然而,由分析人员手动检查不是必须的。在一些实施方案中,匹配过程是完全自动化的。
关于化学文库的进一步细节,用于匹配用于鉴定命名化合物和常规检测的未知化合物的积分调准峰的方法以及用于鉴定样品中的小分子的计算机可读代码可以在美国专利号7,561,975中找到,该专利通过全部引用作为参考并入本文。
E.质量控制。
采取了各种方法来控制样品提取和仪器运行程序的质量。这些方法发生在样品收集和加工后。从生物样品中,将每个个体样品的等分试样合并制成技术复制物,其如上所述进行提取。对每个仪器上的每个数据集注入6次该汇集的样品以评估过程变异性。作为额外的质量控制,还将五个等分试样作为每个仪器上的样品集的一部分进行提取,以用作假象鉴定的过程空白。所有QC样品都包括仪器内标以评估提取效率和仪器性能,并作为离子鉴定的保留指数标志物。这些标准是选择的同位素标记的或以其他方式标记的外源分子,以免妨碍内在离子的检测。
实施例1.用于评估样品加工条件的生物标志物
在几项研究中鉴定用于评估与通常遇到的样品加工条件相关的效应的生物标志物。在一项研究中,全血样品在室温下孵育不同时间,然后分离血浆和冷冻。在另一项研究中,收集后分离全血样品,并将所得血浆样品在4℃下孵育不同时间,然后冷冻。在又一项研究中,收集后分离全血样品,并将所得血浆样品在室温下孵育不同时间,然后冷冻。每项研究的结果如下。
在第一项研究中,收集五个全血样品,分成等分试样,并在室温保持0h(对照)、0.5h、1h、2h、4h和24h,然后分离血浆和冷冻。将每个生物标志物的倍数变化计算为每个时间点样品中生物标志物的平均水平与0h时间点对照样品相比的比率,并且使用配对t检验确定p值。数据示于表1中。对于每种生物标志物,表1包括生物标志物的生物化学名称,与对照(0h时间点)样品相比,在室温下孵育0.5h、1h、2h、4h和24h然后分离的样品中生物标志物的倍数变化(FC)和p值。因此,该研究提供与收集时间和血浆分离时间之间时间间隔相关的生物标志物。
在第二项研究中,鉴定了用于评估血浆存储于4℃然后冷冻于-80℃的时间间隔的作用的样品质量生物标志物。收集全血并分离血浆。一式三份血浆样品通过在收集的一小时内在-80℃冷冻而立即加工(对照,时间点0h)或者通过将血浆样品在4℃存储2、4和20小时然后在-80℃冷冻而延迟加工。在确定代谢物水平后,计算延迟加工样品与对照样品之间的%差异以鉴定样品加工的生物标志物。因此,该研究提供了与将血浆样品保持在4℃然后冷冻的时间间隔相关的生物标志物。
表2.用于评估样品加工——冷孵育然后冷冻的生物标志物
在第三项研究中,四个全血样品在收集后立刻分开并且所得到的血浆样品在收集的一小时内在-80℃冷冻(对照,0h时间点),或者在室温(约23℃)孵育24、48、72或96小时后在-80℃冷冻。通过将24h、48h、72h和96h中样品中的生物标志物的水平与0h对照比较来计算百分比变化。数据示于表2中。对于每种生物标志物,表2包括该生物标志物的生物化学名称、该生物标志物在每个时间点相比于对照(0h时间点)的水平的百分比差异或百分比变化。因此,该研究提供了与将血浆样品保持在室温然后冷冻的时间间隔相关的生物标志物。
表3.样品加工——RT孵育然后冷冻的生物标志物
在一个实例中,基于显著性和一致性选择四种示例性生物标志物(即小分子生物标志物的水平在随后的所有时间内持续提高或持续降低)。四种候选生物标志物显示在下表4中,并且随时间的生物标志物水平显示在图4的图中。对于这个实施例,生物标志物具有相同的权重;随着较长的样品加工时间延长而提高的生物标志物被分配一个正的权重,并且随着较长的样品加工时间而降低的生物标志物被分配一个的权重。每种生物标志物的权重示于表3的第2列。应该认识到,系数(权重)是示例性的并且可以在附加数据变得可用时使用如本文所述的正式统计分析方法进行细化。
表4.用于评估样品加工的示例性生物标志物
候选生物标志物 | 权重 |
腺苷5’-一磷酸(AMP) | +0.25 |
氧化的cys-gly | +0.25 |
葡萄糖 | -0.25 |
牛磺酸 | +0.25 |
然后使用30份血浆样品评价示例性生物标志物,所述血浆样品立即从全血分离并在-80℃冷冻(0时间点)或在室温孵育0.5、1、2、4或24小时然后从全血分离并在-80℃冷冻。对每个时间点分析五份样品。对于每一份样品,分别评价每种示例性生物标志物,并评估每个时间点的代谢物水平。生物标志物也用于生成综合分数以评估样品的样品质量和样品加工时间参数。如下计算每个时间点五份样品中每一份的样品加工时间的综合分数:样品加工综合分数=0.25*(水平AMP+水平氧化的cys-gly–水平葡萄糖+水平牛磺酸)。
在这个实施例中,综合分数如下:对于孵育1h或更少的全部10份样品,小于1;对于保持2h和4h的10份样品中的8份,小于1;对于保持2h和4h的10份样品中的2份,大于1但小于2;对于保持24h全部5份样品,大于2。该数据的图示于图5中。
当评价生物标志物时,可以建立一个规则来标记样品中的潜在违反方案和/或通过为综合分数设置截止值来使样品因为违反方案失败。在该实施例中,分析人员将接受样品的综合分数值设为1.0而将拒绝样品的综合分数值设为2.0。因此,小于1.0的综合分数表明该样品满足接受标准,而大于1.0但小于2.0的综合分数表明该样品应当被标记用于另外的评价;综合分数大于2.0的样品被拒绝。在该实施例中使用选择的截止值,两种样品被标记,五种样品被拒绝,剩下的样品被接受。应该理解的是,截止值可能随样品的预期用途而变化。另外,截止值可以由计算系统自动选择或者可以由分析人员选择。
还在血清和尿样中鉴定用于评估样品加工时间的样品质量生物标志物(4℃存储然后在-80℃冷冻)。一式三份的血清和尿液在收集的一小时内在-80℃冷冻(对照,时间点0h)或者在4℃存储2、4或20小时然后在-80℃冷冻。在确定代谢物水平后,通过计算延迟加工样品与对照样品之间的%差异来分析数据以鉴定样品加工时间的生物标志物。结果示于表5(血清)和6(尿液)中。
表5.用于评估样品加工时间的生物标志物(血清)
表6.用于评估样品加工时间的生物标志物(尿液)
实施例2.样品存储温度的生物标志物
使用两个样品集鉴定用于评估样品存储温度的样品质量生物标志物。样品集1由已经存储在-20℃的543个血浆样品。样品集2由已经存储在-80℃的401个血浆样品。作为两个样品集的对照,使用由已经存储在-80℃的独立血浆样品集的等分试样组成的合并参考样品。在确定代谢物水平后,分析数据以鉴定用于评估样品存储温度的生物标志物。将存储于-20℃的样品与存储于-80℃的样品区别开来的代谢物列于表7中。对于每种生物标志物,表7包括该生物标志物的生物化学名称和存储于-20℃的样品中与存储于-80℃的样品中的生物标志物的平均水平(以离子计数的形式)。平均代谢物水平显示在样品集1的表7的第2和3列中以及样品集2的第4和5列中。对于集1,存储于-20℃的样品中α-酮戊二酸的水平是如此的低以至于在543个样品中仅有1个检测到该代谢物。相反,在所有样品存储于-80℃的集2中,在401个血浆样品中约75%中检测到α-酮戊二酸。
表7.将存储于-20℃相对于-80℃的样品区别开来的生物标志物代谢物
接下来,生物标志物用于将已经存储于-20℃的样品与已经存储于-80℃的样品区别开来。对于该实施例,生物标志物的子集用于预测存储温度未知(blinded)的135个血清样品的独立样品集的存储温度。使用生物标志物,135个样品中的113给被预测为存储于-20℃。表8示出了用于该分析的示例性生物标志物和存储于-20℃的样品相比于存储于-80℃的样品的生物标志物的倍数变化(-20℃/-80℃),其为存储于-20℃的样品的生物标志物的平均水平相比于存储于-80℃的平均水平的比率。
表8.用于将存储于-20℃相对于-80℃的样品区别开来的示例性血清代谢物
在进一步的证明中,使用以下表9中所示的七种示例性生物标志物生成模型以产生综合分数。在这个实施例中,模型中的生物标志物具有相同的权重;存储于-20℃的样品中具有较高水平的生物标志物被分配一个正的权重,而存储于-80℃的样品中具有较高水平的生物标志物被分配一个负的权重。每种生物标志物的权重示于表9的第2列。应该认识到,系数(权重)是示例性的并且可以在附加数据变得可用时使用如本文所述的正式统计分析方法进行细化。
表9.用于评估样品存储温度的示例性代谢物
生物化学名称 | 权重 |
4-甲基-2-氧代戊酸 | -1/7 |
乙酰肉碱 | -1/7 |
α-酮戊二酸 | -1/7 |
己酸(6:0) | +1/7 |
γ-谷氨酰亮氨酸 | +1/7 |
谷氨酰胺 | -1/7 |
甲硫氨酸 | -1/7 |
生物标志物和模型用于生成综合分数以评估样品的样品质量和存储温度质量参数。每个样品的存储温度的综合分数计算如下:存储温度综合分数=1/7(己酸+γ-谷氨酰亮氨酸–4-甲基-2-氧代戊酸–乙酰肉碱–α-酮戊二酸–谷氨酰胺–甲硫氨酸)。使用该模型,确定由存储于-80℃的43个人血浆样品组成的第四样品集的综合分数。此外,为了评价存储于-20℃的样品可能与存储于-80℃的人血浆样品如何不同,基于来自表7中样品集1的-20℃样品与-80℃样品的比率产生伪观察结果。α-酮戊二酸的值设为0.1,因为该代谢物在-20℃样品中没有检测到。用于伪观察结果的值如下:α-酮戊二酸=0.1,乙酰肉碱=0.034,己酸=5.435,4-甲基-2-氧代戊酸=0.238,γ-谷氨酰亮氨酸=9.238,谷氨酰胺=0.15,和甲硫氨酸=0.15。针对伪观察结果和保持在-80℃的43个样品中的每一个计算存储温度综合分数,所述伪观察结果代表存储于-20℃的样品。伪样品的综合分数为12,而大多数-80℃样品的综合分数要低得多;针对存储于-80℃的样品计算的最高综合分数仅为2。结果图示在图6中。
实施例3.样品冻融循环的生物标志物
使用血浆、血清和尿液样品鉴定用于评估具有冻融循环的样品质量的样品质量生物标志物。根据样品收集方案收集样品并在-80℃冷冻。样品完全融化并充分混合。取每份样品(血清、尿液和血浆)的等分试样并一式三份提取用于代谢组学分析(对照,1次冻融循环)。将原始样品返回冷冻室并使其完全冷冻。重复该过程直到完成所有五次冻融循环(2X=两次冻融循环,3X=三次冻融循环,4X=四次冻融循环,并且5X=五次冻融循环)。在确定代谢物水平后,通过计算冻融样品与对照之间的百分比差异来分析数据以鉴定样品冻融的生物标志物。一次冻融循环代表根据方案的样品收集。(收集样品,在-80℃冷冻,运送(冷冻)至分析设施,并在分析设施融化用于代谢组学分析。)血浆、血清和尿液的结果分别示于表10、11和12。
表10.用于评估样品冻融循环的生物标志物(血浆)
表11.用于评估样品冻融循环的生物标志物(血清)
表12.用于评估样品冻融循环的生物标志物(尿液)
实施例4.用于评估个体的禁食状况的生物标志物
使用血浆样品鉴定用于评估个体禁食状况的样品质量生物标志物,其中从禁食受试者获得的41个样品和从进食受试者获得的41个匹配样品。在确定代谢物水平后,使用配对t检验分析数据以鉴定用于评估个体禁食状况的生物标志物。该分析的最显著的代谢物(p<0.0001)示于表13中。对于每种生物标志物,表13包括该生物标志物的生物化学名称,该生物标志物的生物化学超级途径和子途径,来自进食受试者相比于禁食受试者样品的生物标志物的倍数变化(FC)(进食/禁食),其为进食样品的生物标志物的平均水平相比于禁食平均水平的比率,以及涉及生物标志物的数据的统计分析中确定的p值。
表13.血浆中用于禁食/进食状况的生物标志物
基于显著性和生物化学超级途径/子途径分类来选择八种示例性生物标志物。在这个实施例中,只有一种生物标志物被选择为代表给定的子途径。八种候选生物标志物显示在下表14中。生物标志物具有相同的权重;在进食样品中具有较高水平的生物标志物被指定为正的权重,并且在禁食样品中具有较高水平的生物标志物(在进食样品中较低水平)被指定负的权重。每种生物标志物的权重示于表14的第2列。图7显示了以Z分数测量的八种候选生物标志物中的每一种的水平,其中禁食样品作为参考群体。应该认识到,系数(权重)是示例性的并且可以在附加数据变得可用时使用如本文所述的正式统计分析方法进行细化。
表14.用于评估禁食/进食状况的示例性生物标志物
代谢物 | 权重 |
甲硫氨酸亚砜 | +1/8 |
甘胆酸 | +1/8 |
多巴胺硫酸 | +1/8 |
壬二酸 | +1/8 |
尿苷 | -1/8 |
黄嘌呤 | -1/8 |
甘露糖 | -1/8 |
棕榈油酸 | -1/8 |
生物标志物用于生成综合分数以评估样品的样品质量和禁食状况质量参数。如下计算每个样品禁食状况的综合分数:禁食状况综合分数=1/8(甲硫氨酸亚砜+甘胆酸+多巴胺硫酸+壬二酸–尿苷–黄嘌呤–甘露糖–棕榈油酸)。计算了41份禁食样品和41份进食样品的综合分数,数据以框图格式显示于图8中。
在综合评分的示例性用途中,可以建立规则来标记样品中潜在的禁食违规。在该实施例中,可以设置规则以标记具有>2的综合分数的任何样品为潜在的禁食违规。使用该规则,进食样品中有34个并且禁食样品中没有一个被标记为潜在的禁食违规。
使用来自禁食24小时的8只小鼠(禁食)和禁食24小时然后重新进食4小时8只小鼠(进食)的脂肪、肝脏和肌肉组织来鉴定用于评估个体禁食状况的样品质量生物标志物。在确定代谢物水平后,使用t检验分析数据以鉴定用于评估个体禁食状况的生物标志物。来自该分析的肝脏、肌肉和脂肪组织的显著代谢物(p<0.05)分别显示在表15、16和17中。对于每种生物标志物,表15-17包括该生物标志物的生物化学名称,该生物标志物的生物化学超级途径和子途径,来自进食受试者相比于禁食受试者样品的生物标志物的倍数变化(FC)(进食/禁食),其为进食样品的生物标志物的平均水平相比于禁食平均水平的比率,以及涉及生物标志物的数据的统计分析中确定的p值。
表15.组织中用于禁食状况的生物标志物(肝脏)
表16.组织中用于禁食状况的生物标志物(肌肉)
表17.组织中用于禁食状况的生物标志物(脂肪)
实施例5.评估个体禁食和非禁食样品的样品质量。
在一个实施例中,使用本文所述的生物标志物和方法评估两份人血浆样品的质量。从同一受试者收集两份样品;一份是在过夜禁食之后收集的禁食样品,一份是非禁食样品。根据相同的方案存储和加工样品。确定每个样品中的质量生物标志物的水平,并生成禁食状况、样品加工和样品存储的每个质量参数的综合分数并与参照比较。
在该实施例中,可接受参考综合分数禁食为<0.51,存储为<0.61,加工为<0.93。对于样品1,每个参数所获得的综合分数是可接受的(禁食为-0.58,存储为-0.24,加工为-0.25)。对于样品2,禁食的综合分数是不可接受的(1.98),而存储和加工的综合分数是可接受的(存储为-0.44,加工为-0.47)。
在该实施例中,在第95百分位数或更高的综合分数也被认为是不可接受的。对于样品1,禁食、存储和加工参数的综合分数百分位数分别为2、23和35。对于样品2,禁食、存储和加工参数的综合分数百分位数分别为100、12和23。
基于综合分数分析,两份样品的样品存储和样品加工质量参数均是可接受的,样品1被确定为禁食样品并且样品2被确定为未禁食样品;样品2被标记为非禁食。图9显示了每个参数获得的综合分数。此外,下面总结了对于包括与样品储存、样品加工和禁食状况相关的每个质量参数的综合分数的各个生物标志物所获得的水平的分析。
禁食状况参数的综合评分基于样品中测量的生物标志物甘胆酸、棕榈油酸(16:1n7)、尿苷、甘露糖、黄嘌呤、壬二酸(壬烷二酸)、甲硫氨酸亚砜和多巴胺硫酸的水平。在样品1(禁食样品)中,所有生物标志物的Z分数值在给定的参考范围内。对于样品2(非禁食样品),三种个体禁食状况生物标志物(尿苷、壬二酸和甲硫氨酸亚砜)具有参考范围外的Z分数,两种生物标志物(黄嘌呤、多巴胺硫酸)具有边界Z分数,而三种生物标志物(甘胆酸、棕榈油酸(16:1n7)、甘露糖)具有参考范围内的Z分数。
评价结果的另一种方法基于“百分位数”,其指示测试样品相对于指定生物标志物的参考群体的排序(rank)。对于当受试者禁食时降低的生物标志物(甲硫氨酸亚砜、甘胆酸、多巴胺硫酸、壬二酸),高于第95百分位数的值表明测试样品来自未禁食的受试者。对于当受试者禁食时提高的生物标志物(尿苷、黄嘌呤、甘露糖、棕榈油酸),低于第5百分位数的值表明测试样品来自未禁食的受试者。在非禁食样品中,甲硫氨酸亚砜和壬二酸的百分位数高于95,尿苷的百分位数低于5。禁食状况生物标志物数据在图10中以图形方式显示。
样品存储质量参数的综合分数基于样品中生物标志物α-酮戊二酸、甲硫氨酸、谷氨酰胺、己酸(6:0)、γ-谷氨酰亮氨酸和4-甲基-2-氧代戊酸的水平。对于禁食样品,用于样品存储的每种生物标志物的水平在参考范围内,并且对于未禁食样品,α-酮戊二酸、甲硫氨酸、谷氨酰胺、己酸(6:0)和4-甲基-2-氧代戊酸在参考范围内,只有γ-谷氨酰亮氨酸落在可接受的参考范围之外。存储质量生物标志物数据在图11中以图形方式示例。
样品加工质量参数的综合分数基于样品中生物标志物腺苷5'-单磷酸(AMP)、牛磺酸、葡萄糖和氧化的cys-gly的水平。对于两份样品的样品加工的每种生物标志物所获得的结果表明,腺苷5'-单磷酸(AMP)、牛磺酸和葡萄糖在参考范围内;氧化的cys-gly落入样品1的可接受的参考范围之外,并且在样品2的边界上。样品加工生物标志物数据在图12中以图形方式示例。
实施例6.样品存储温度的生物标志物(对于PCT而言是新的)
确定用于评估样品在-20℃和-80℃下随时间的存储的样品质量生物标志物。在被加工用于分析之前,将血浆样品在-20℃或-80℃下储存1个月、3个月或6个月。对于每个时间点和存储条件,使用10个血浆样品。在确定代谢物水平后,分析数据以鉴定用于评估在不同存储温度随时间的样品存储的生物标志物。Welch的双样本t检验用于比较每个时间点的两种温度条件。将存储于-20℃的样品与存储于-80℃的样品区别开来的代谢物列于表18中。对于每种生物标志物,表18包括该生物标志物的生物化学名称和存储于-20℃的样品相比于存储于-80℃的样品的生物标志物的倍数变化(-20℃/-80℃),其为存储于-20℃的样品的生物标志物的平均水平相比于存储于-80℃的平均水平的比率。显示1个月、3个月和6个月时间点的倍数变化值。
表18.将存储于-20℃相对于-80℃的样品区别开来的生物标志物代谢物
使用六种示例性生物标志物,己酸、γ-谷氨酰亮氨酸、4-甲基-2-氧代戊酸、α-酮戊二酸、谷氨酰胺和甲硫氨酸的水平产生模型以产生综合分数。在这个实施例中,模型中的生物标志物具有相同的权重;存储于-20℃的样品中具有较高水平的生物标志物被分配一个正的权重,而存储于-80℃的样品中具有较高水平的生物标志物被分配一个负的权重。因此,生物标志物己酸和γ-谷氨酰亮氨酸被指定为正的权重;生物标志物4-甲基-2-氧代戊酸、α-酮戊二酸、谷氨酰胺和甲硫氨酸被指定为负的权重。加权值能够用作生成模型中的系数。应该认识到,系数(权重)是示例性的并且可以使用如本文所述的正式统计分析方法进行细化。
生物标志物和模型能够用于生成综合分数以评估样品的样品质量和存储温度质量参数。例如,样品的存储温度的综合分数可以计算如下:存储温度综合分数=1/6(己酸+γ-谷氨酰亮氨酸–4-甲基-2-氧代戊酸–α-酮戊二酸–谷氨酰胺–甲硫氨酸)。
实施例7.评估样品质量
如本文所述使用代谢谱来评估样品质量,同时进行在五个分析批次中评估的98个血浆样品的预期用途分析。据报道,根据所确定的样品收集方案收集样品(即,在收集的一小时内从全血中分离血浆并立即在-80℃冷冻)。
代谢谱分析鉴定了样品中的476至806个代谢物。在确定代谢物的水平之后,进行统计分析以确定每种代谢物的z分数值。使用本文所述的生物标志物和方法评估样品质量。此外,质量生物标志物的水平用于为样品加工、样品存储、稳定性和禁食状况的每个质量参数生成综合分数。基于该分析,标记样品具有存储(4个样品)、稳定性(16个样品)或加工(2个样品)的生物标志物的异常评分,并且5个样品被标记为针对存储温度、稳定性和加工具有异常的质量生物标志物分数。异常的质量生物标志物分数表明样品未被正确处理并且未按照方案进行加工。没有样品被标记为进食样品。分数概括于表19中。失败/标记的分数用粗斜体表示。以下详细描述了五个样品分析失败的所有三个质量参数与样品处理和加工有关的详细结果。
表19标记样本质量分数概况
在第一个样品(样品A)中,代谢谱分析鉴定了样品的632个代谢物,并且基于计算出的Z分数,分析显示样品质量生物标志物焦谷氨酸、乳酸、谷氨酸、丙酮酸、精氨酸、葡萄糖和半胱氨酰甘氨酸是异常的。样品加工的综合分数也被确定为不可接受的(分数<第5百分位数)。在第95百分位数或更高的综合分数也被认为是不可接受的。对于该样品,计算出的质量生物标志物的Z分数和计算出的禁食状况的复合Z分数是可以接受的,而存储和加工参数的综合分数百分位数则不在可接受的范围内。表20中示出了针对该样品的异常生物标志物的水平计算的Z分数。
表20.样品A:异常样品质量生物标志物
生物化学名称 | Z分数 |
焦谷氨酸 | 2.83 |
乳酸 | 2.64 |
谷氨酸 | 2.31 |
半胱氨酰甘氨酸 | 2.27 |
丙酮酸 | 1.95 |
精氨酸 | -3.22 |
葡萄糖 | -4.81 |
基于样品中质量生物标志物的水平,样品加工的样品质量参数被标记(即,被鉴定为异常),并且样品未根据所定义的样品收集方案确定进行处理。
在同一样品中,代谢谱分析还鉴定了受试者依从性的生物标志物。相对于对照样品,血浆样品中的生物标志物2-羟基乙酰氨基苯磺酸、4-乙酰氨基苯酚硫酸和4-乙酰氨基苯基葡糖苷酸分别升高,其Z分数值分别为3.35、3.10和2.93。基于这些生物标志物的存在和水平,确定受试者在样品收集时正在进行对乙酰氨基酚治疗。该结果可以表明如果在样品收集之前不允许使用对乙酰氨基酚,则受试者不符合方案;或者,如果允许对乙酰氨基酚,则受试者可以符合说明。
在第二个血浆样品(样品B)中,代谢谱分析鉴定了该样品的806个代谢物。在确定代谢物水平后,进行统计分析以确定每种代谢物的Z分数值;确定样品质量生物标志物丙酮酸、cys-gly(氧化的)、焦谷氨酸、富马酸盐、肌苷、鸟氨酸、乳酸、葡萄糖、精氨酸、油酰乙醇胺、鞘氨醇1-磷酸、二氢鞘氨醇-1-磷酸、麦角硫因和半胱氨酰甘氨酸为异常。基于计算出的样品中质量生物标志物的水平的分数,样品加工的样品质量参数被鉴定为异常,并且样品未根据所定义的样品收集方案确定进行处理。对于每种生物标志物计算的Z分数显示在表21中。
表21.样品B:异常样品质量生物标志物
生物化学名称 | Z分数 |
丙酮酸 | 2.87 |
氧化的Cys-gly | 2.80 |
焦谷氨酸 | 2.45 |
鞘氨醇1-磷酸 | 2.34 |
油酰乙醇胺 | 2.10 |
二氢鞘氨醇-1-磷酸 | 2.08 |
麦角硫因 | 1.99 |
富马酸 | 1.81 |
肌苷 | 1.71 |
半胱氨酰甘氨酸 | 1.65 |
鸟氨酸 | 1.60 |
乳酸 | 1.54 |
葡萄糖 | -1.68 |
精氨酸 | -3.07 |
在第三个血浆样品(样品C)中,代谢谱分析鉴定了该样品的627个代谢物。在确定代谢物的水平之后,进行统计分析以计算每种代谢物的z分数值。使用本文所述的生物标志物评估样品质量。确定样品质量生物标志物焦谷氨酸、cys-gly(氧化的)、丙酮酸、延胡索酸、乳酸、甘油、次黄嘌呤、精氨酸、甘露糖、葡糖二氢鞘氨醇-1-磷酸和鞘氨醇1-磷酸为异常。基于样品中测量的质量生物标志物的水平的计算的Z分数,样品加工的样品质量参数被鉴定为失败的质量度量,并且样品未根据所定义的样品收集方案确定进行处理。生物标志物的水平的计算的Z分数显示在表22中。
表22.样品C:异常样品质量生物标志物
生物化学名称 | Z分数 |
焦谷氨酸 | 5.22 |
氧化的cys-gly | 4.3 |
丙酮酸 | 3.66 |
二氢鞘氨醇-1-磷酸 | 3.64 |
鞘氨醇1-磷酸 | 3.42 |
富马酸 | 3.17 |
乳酸 | 2.95 |
甘油 | -2.66 |
次黄嘌呤 | -4.54 |
精氨酸 | -6.07 |
甘露糖 | -9.51 |
葡萄糖 | -32.3 |
在第四个血浆样品(样品D)中,代谢谱分析鉴定了该样品的616个代谢物。样品质量生物标志物次黄嘌呤、乳酸、肌苷、赖氨酸、精氨酸、甘露糖和葡萄糖被确定为异常,表明样品加工的样品质量参数存在问题。因此,该样品被确定没有根据定义的样品收集方案进行处理。生物标志物的测量水平的计算的Z分数显示在表23中。
表23.样品D:异常样品质量生物标志物
生物化学名称 | Z分数 |
次黄嘌呤 | 2.42 |
乳酸 | 2.33 |
肌苷 | 2.28 |
赖氨酸 | -2.64 |
精氨酸 | -3.84 |
甘露糖 | -9.54 |
葡萄糖 | -25.3 |
在第五个血浆样品(样品E)中,代谢谱分析鉴定了该样品的476个代谢物。在确定代谢物的水平之后,进行统计分析以计算每种代谢物的z分数值。使用本文所述的生物标志物评估样品质量。样品质量生物标志物焦谷氨酸、谷氨酸、富马酸、棕榈酰肉碱和亚油酰肉碱被确定为异常。基因该样品的质量生物标志物的水平,样品加工的质量参数即分离之前作为全血孵育的时间被标记。该样品被确定为已经具有血浆与全血的延迟分离,表明该样品没有根据定义的样品收集方案进行处理。生物标志物的水平(Z分数)显示在表23中。
表24.样品E:异常样品质量生物标志物
生物化学名称 | Z分数 |
焦谷氨酸 | 13.04 |
谷氨酸 | 4.18 |
富马酸 | 3.47 |
棕榈酰肉碱 | -2.38 |
亚油酰肉碱 | -2.28 |
实施例8.评估临床样品的样品处理
在另一个实施例中,如本文所述进行代谢谱分析并在如图1和2所概括的过程中使用本文所述的生物标志物和算法以同时评估样品质量同时进行937个临床血浆样品的预期用途分析。使用这些系统、方法、生物标志物和算法,937个测试样品中有47个样品被标记为由于在诊所中进行样品处理而具有质量问题。这些标记样品中发现的样品质量问题类型包括使用错误的收集管(方案要求EDTA,但标记的样品不符合该要求)、延迟加工、全血分离不当或延迟、收集温度不当和溶血。结果总结在表24中,并且描述质量生物标志物特征(signature)表示应将样品标记为质量问题的说明总结在表26中。表26中的数字表示该样品的肽生物标志物的计算的分数。表示样品应该被标记为具有异常质量的每个样品的特征基于生物标志物的组合。对于受相同质量问题影响的每个样品,异常生物标志物不一定相同;相反,它是重叠的生物标志物集和生物标志物的各种组合的综合分数,其指示哪个质量参数是异常的。
表25.基于异常样品质量生物标志物和最终质量分数的标记样品总结。
质量问题 | 样品数 |
不当的收集管(非EDTA) | 26 |
延迟的样品加工 | 3 |
不当的或延迟的全血分离 | 6 |
不正确的温度 | 1 |
溶血 | 11 |
表26.标记样品中测量的质量标志物特征
Claims (50)
1.一种评估生物样品质量同时保持生物样品用于预期用途分析的生存力的方法,所述方法包括:
分析从受试者获得的用于预期用途的生物样品,
使用样品质量的一种或多种生物标志物评估生物样品的质量,以及
同时对同一样品进行预期用途分析。
2.权利要求1所述的方法,其中对于确定符合质量验收标准的样品,使用预期用途分析的结果,而对于被确定为不符合质量验收标准的样品,不使用预期用途分析的结果,或者基于质量评估结果修改预期用途分析的结果。
3.前述任一项权利要求所述的方法,其中确定样品是否符合质量验收标准包括评估样品处理方案的依从性。
4.前述任一项权利要求所述的方法,其中评估样品处理方案的依从性包括确定样品收集、收集管、收集管添加剂、从收集到加工的时间、加工孵育温度、存储时间、存储温度或冻融循环中的一个或多个是否违反该方案。
5.前述任一项权利要求所述的方法,其中确定样品是否符合质量验收标准包括评估受试者依从性。
6.前述任一项权利要求所述的方法,其中评估受试者依从性包括确定禁食状况、用药和补充用药状况、吸烟状况或饮食和运动依从性中的一个或多个是否违反该方案。
7.一种确定生物样品是否可以接受被分析用于预期用途的方法,所述方法包括:
分析从受试者获得的用于预期用途的生物样品,
使用样品质量的一种或多种生物标志物评估生物样品的质量,以及
同时对同一样品进行预期用途分析。
8.一种确定针对生物样品获得的预期用途分析结果是否可以接受被使用的方法,所述方法包括:
分析从受试者获得的用于预期用途的生物样品,
分析样品的预期用途,
使用样品质量的一种或多种生物标志物评估生物样品的质量,以及
对于确定符合用于预期用途的质量验收标准的样品,使用预期用途分析的结果,而对于被确定为不符合用于预期用途的质量验收标准的样品,不使用预期用途分析的结果,或者基于质量评估结果修改预期用途分析的结果。
9.一种评估样品质量的方法,所述方法包括:
分析从受试者获得的生物样品以确定一种或多种样品质量生物标志物的水平,其中所述一种或多种样品质量生物标志物选自表1至26以及生物标志物半胱氨酰甘氨酸、二氢鞘氨醇-1-磷酸及其组合;以及
比较样品中一种或多种生物标志物的水平与一种或多种样品质量生物标志物的样品质量参考水平,以使用这些生物标志物评估样品质量。
10.权利要求9所述的方法,其中表1-12、18或26中的一种或多种样品质量生物标志物提供样品的至少一种样品加工条件的指示。
11.权利要求10所述的方法,其中所述至少一种样品加工条件选自由以下组成的组中的一种或多种:分离前作为全血孵育的时间、冷冻前的冷孵育时间、冷冻前的室温孵育时间、样品存储温度、样品存储时间和冻融循环的次数。
12.权利要求9所述的方法,其中表13-17中的一种或多种样品质量生物标志物提供受试者禁食状况的指示。
13.前述任一项权利要求所述的方法,其中样品质量评估用于区分由于疾病或病症或实验设计造成的生物化学变化与由于不可接受的样品质量造成的假象。
14.前述任一项权利要求所述的方法,其中样品质量评估用于鉴定并提供受影响样品质量参数的列表,鉴定与一种或多种异常样品质量生物标志物相关的至少一种预期用途,和/或提供用于评价该样品的建议方法的列表。
15.前述任一项权利要求所述的方法,其中样品质量评估提供在进一步的评估中使用一种或多种生物标志物之前将校正因子应用于一种或多种生物标志物的建议。
16.前述任一项权利要求所述的方法,其中样品质量评估提供从分析中消除某些一种或多种生物标志物或生物化学途径的建议。
17.前述任一项权利要求所述的方法,其中样品质量评估提供用不同的生物标志物替代一种生物标志物用于某种生物化学途径的建议。
18.前述任一项权利要求所述的方法,还包括在综合分数中使用所确定的一种或多种生物标志物的水平。
19.前述任一项权利要求所述的方法,其中分析和比较包括通过统计分析调查样品的一种或多种样品质量生物标志物的水平以鉴定所述样品中的异常样品质量生物标志物,列出异常样品质量生物标志物,并提供样品质量评估。
20.权利要求19所述的方法,进一步包括将异常样品质量生物标志物与样品质量参数相关联并提供受影响的样品质量参数的列表。
21.权利要求19或20所述的方法,还包括鉴定与异常样品质量生物标志物中的一种或多种相关的至少一种预期用途。
22.如本文所述的一种方法。
23.如本文所述的样品评估方法。
24.前述任一项权利要求所述的方法,其中样品质量评估与同一样品的代谢组学或临床分析同时进行。
25.前述任一项权利要求所述的方法,其中该方法的至少一部分是自动化的。
26.前述任一项权利要求所述的方法,其中样品质量与对同一样品的进行的预期用途分析同时进行评估。
27.前述任一项权利要求所述的方法,其中一种或多种预期用途包括临床或实验分析。
28.前述任一项权利要求所述的方法,其中样品质量评估的结果与预期用途分析的结果同时提供。
29.前述任一项权利要求所述的方法,其中基于该样品的预期用途选择样品质量评估。
30.用于实施前述任一项权利要求所述的方法的计算装置。
31.如本文所述的计算装置。
32.用于评估样品质量的试剂盒。
33.如本文所述的一种试剂盒。
34.一种评估样品质量的系统,所述系统包括:
与分析装置通信的数据库,所述数据库被配置为自动从分析装置接收对应于从受试者获得的生物样品中测量的一种或多种样品质量生物标志物的水平的数据,其中所述一种或多种生物标志物选自表1至26以及生物标志物半胱氨酰甘氨酸、二氢神经鞘氨醇-1-磷酸及其组合;和
与数据库通信的处理器装置,所述处理器装置被配置为比较样品中的所述一种或多种生物标志物的水平与一种或多种样品质量生物标志物的样品质量参考水平以评估样品质量。
35.权利要求34所述的系统,其中存储来自该比较的信息。
36.权利要求35所述的系统,其中存储的信息可以包括以下中的一种或多种:样品中生物标志物的水平、样品中异常生物标志物的列表、受影响的样品质量参数的列表、统计信息、可视指示、综合分数。
37.权利要求34所述的系统,其中用户界面与数据库和处理器装置通信,用户界面被配置为显示一种或多种样品质量生物标志物的比较的可视指示以可视地指示样品质量。
38.权利要求34所述的系统,其中表1-12、18、26中的一种或多种样品质量生物标志物和生物标志物半胱氨酰甘氨酸、鞘氨醇-1-磷酸及其组合提供了样品的至少一种样品加工条件的指示。
39.权利要求38所述的系统,其中所述至少一种样品加工条件选自由以下组成的组中的一种或多种:分离前作为全血孵育的时间、冷冻前的冷孵育时间、冷冻前的室温孵育时间、样品存储温度、样品存储时间、冻融循环的次数。
40.权利要求34所述的系统,其中表13-17中的一种或多种样品质量生物标志物提供受试者禁食状况的指示。
41.前述任一项权利要求所述的系统,其中样品质量评估用于区分由于疾病或病症或实验设计造成的生物化学变化与由于不可接受的样品质量造成的假象。
42.前述任一项权利要求所述的系统,其中样品质量评估用于鉴定并提供受影响样品质量参数的列表,鉴定与一种或多种异常样品质量生物标志物相关的至少一种预期用途,和/或提供用于评价该样品的建议方法的列表。
43.前述任一项权利要求所述的系统,其中样品质量评估提供在进一步的评估中使用一种或多种生物标志物之前将校正因子应用于一种或多种生物标志物的建议。
44.前述任一项权利要求所述的系统,其中样品质量评估提供从分析中消除某些一种或多种生物标志物或生物化学途径的建议。
45.前述任一项权利要求所述的系统,其中样品质量评估提供用不同的生物标志物替代一种生物标志物用于某种生物化学途径的建议。
46.前述任一项权利要求所述的系统,还包括在综合分数中使用所确定的一种或多种生物标志物的水平。
47.前述任一项权利要求所述的系统,其中分析和比较包括通过统计分析调查样品的一种或多种样品质量生物标志物的水平以鉴定所述样品中的异常样品质量生物标志物,列出异常样品质量生物标志物,并提供样品质量评估。
48.权利要求47所述的系统,进一步包括将异常样品质量生物标志物与样品质量参数相关联并提供受影响的样品质量参数的列表。
49.权利要求47或48所述的系统,还包括鉴定与异常样品质量生物标志物中的一种或多种相关的至少一种预期用途。
50.如本文所述的样品评估系统。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562250627P | 2015-11-04 | 2015-11-04 | |
US62/250,627 | 2015-11-04 | ||
PCT/US2016/060245 WO2017079384A1 (en) | 2015-11-04 | 2016-11-03 | Automated sample quality assessment |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108369612A true CN108369612A (zh) | 2018-08-03 |
Family
ID=58662676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680073731.6A Pending CN108369612A (zh) | 2015-11-04 | 2016-11-03 | 自动化样品质量评估 |
Country Status (6)
Country | Link |
---|---|
US (2) | US10890592B2 (zh) |
EP (1) | EP3371730A4 (zh) |
JP (2) | JP7026625B2 (zh) |
CN (1) | CN108369612A (zh) |
CA (1) | CA3003742A1 (zh) |
WO (1) | WO2017079384A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113237975A (zh) * | 2021-05-18 | 2021-08-10 | 河北医科大学 | 非诊断目的的基于内源性代谢产物初步推断死因的方法以及检测内源性代谢产物的方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020518834A (ja) * | 2017-05-02 | 2020-06-25 | リキッド バイオサイエンシズ,インコーポレイテッド | 生体試料の属性を決定するためのシステムおよび方法 |
US20210311071A1 (en) | 2018-10-30 | 2021-10-07 | Somalogic, Inc. | Methods for Sample Quality Assessment |
CN114402202A (zh) * | 2019-11-06 | 2022-04-26 | Essenlix 公司 | 用于将非血体液中的生物标记物与血液中的生物标记物相关联的方法和装置 |
CN112730575B (zh) * | 2020-12-18 | 2024-04-26 | 太原理工大学 | 一种解析环境空气pm2.5中一次硫酸盐来源的方法 |
US11754536B2 (en) | 2021-11-01 | 2023-09-12 | Matterworks Inc | Methods and compositions for analyte quantification |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130103321A1 (en) * | 2011-10-24 | 2013-04-25 | Somalogic, Inc. | Selection of Preferred Sample Handling and Processing Protocol for Identification of Disease Biomarkers and Sample Quality Assessment |
WO2013164278A1 (en) * | 2012-04-30 | 2013-11-07 | General Electric Company | Systems and methods for performing quality review scoring of biomarkers and image analysis methods for biological tissue |
WO2014125443A1 (en) * | 2013-02-14 | 2014-08-21 | Metanomics Health Gmbh | Means and methods for assessing the quality of a biological sample |
CN104334742A (zh) * | 2012-01-27 | 2015-02-04 | 利兰斯坦福青年大学董事会 | 解析和定量无细胞rna的方法 |
WO2015145387A1 (en) * | 2014-03-26 | 2015-10-01 | Metanomics Health Gmbh | Means and methods for determination of quality of blood samples based on metabolite panel |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
USRE32920E (en) | 1978-01-11 | 1989-05-09 | Esa, Inc. | Electrochemical testing system and method |
US5104639A (en) | 1980-01-14 | 1992-04-14 | Esa, Inc. | Method for biological testing and/or developing pharmaceuticals for treatment of disorders using electrochromatography |
US4863873A (en) | 1980-01-14 | 1989-09-05 | Esa, Inc. | Method for biological testing and/or developing pharmaceuticals for treatment of disorders |
DE69214628T2 (de) | 1991-01-18 | 1997-05-22 | Esa Inc | Verfahren zur Diagnose von Störungen der Körperfunktionen unter Verwendung von biochemischen Pryfilen |
US5290420A (en) | 1992-08-12 | 1994-03-01 | Esa, Inc. | Sampling system and analysis cell for stripping voltammetry |
JP2001524670A (ja) | 1997-11-20 | 2001-12-04 | イーエスエー・インコーポレーテッド | 電気化学的分析システム |
WO2000065472A1 (en) * | 1999-04-26 | 2000-11-02 | Surromed, Inc. | Phenotype and biological marker identification system |
US20040248106A1 (en) * | 2003-06-06 | 2004-12-09 | Leonard Leslie A. | Clinical array assays that include a sample quality evaluation step and compositions for use in practicing the same |
US7869033B2 (en) * | 2003-12-24 | 2011-01-11 | Vadivel Masilamani | Cancer detection by optical analysis of body fluids |
US7949475B2 (en) | 2005-08-08 | 2011-05-24 | Metabolon Inc. | System and method for analyzing metabolomic data |
US7561975B2 (en) | 2006-03-21 | 2009-07-14 | Metabolon, Inc. | System, method, and computer program product for analyzing spectrometry data to identify and quantify individual components in a sample |
US8768629B2 (en) * | 2009-02-11 | 2014-07-01 | Caris Mpi, Inc. | Molecular profiling of tumors |
US7884318B2 (en) | 2008-01-16 | 2011-02-08 | Metabolon, Inc. | Systems, methods, and computer-readable medium for determining composition of chemical constituents in a complex mixture |
KR101285520B1 (ko) | 2008-12-23 | 2013-07-17 | 에프. 호프만-라 로슈 아게 | 만성 질병을 가진 환자의 진단 또는 치료 지원을 위한 구조화된 테스팅 방법 및 그 디바이스 |
CN102858991A (zh) * | 2009-10-15 | 2013-01-02 | 克雷桑多生物科技公司 | 生物标志物及炎性疾病活动性的测量和监测方法 |
WO2012115885A1 (en) * | 2011-02-22 | 2012-08-30 | Caris Life Sciences Luxembourg Holdings, S.A.R.L. | Circulating biomarkers |
US20130286038A1 (en) * | 2012-04-30 | 2013-10-31 | General Electric Company | Systems and methods for selection and display of multiplexed images of biological tissue |
US9036888B2 (en) * | 2012-04-30 | 2015-05-19 | General Electric Company | Systems and methods for performing quality review scoring of biomarkers and image analysis methods for biological tissue |
-
2016
- 2016-11-03 JP JP2018543033A patent/JP7026625B2/ja active Active
- 2016-11-03 WO PCT/US2016/060245 patent/WO2017079384A1/en active Application Filing
- 2016-11-03 EP EP16862931.9A patent/EP3371730A4/en active Pending
- 2016-11-03 CA CA3003742A patent/CA3003742A1/en active Pending
- 2016-11-03 US US15/772,834 patent/US10890592B2/en active Active
- 2016-11-03 CN CN201680073731.6A patent/CN108369612A/zh active Pending
-
2020
- 2020-11-13 US US17/097,491 patent/US20210088539A1/en active Pending
-
2021
- 2021-09-14 JP JP2021149614A patent/JP2022008397A/ja not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130103321A1 (en) * | 2011-10-24 | 2013-04-25 | Somalogic, Inc. | Selection of Preferred Sample Handling and Processing Protocol for Identification of Disease Biomarkers and Sample Quality Assessment |
CN104334742A (zh) * | 2012-01-27 | 2015-02-04 | 利兰斯坦福青年大学董事会 | 解析和定量无细胞rna的方法 |
WO2013164278A1 (en) * | 2012-04-30 | 2013-11-07 | General Electric Company | Systems and methods for performing quality review scoring of biomarkers and image analysis methods for biological tissue |
WO2014125443A1 (en) * | 2013-02-14 | 2014-08-21 | Metanomics Health Gmbh | Means and methods for assessing the quality of a biological sample |
WO2015145387A1 (en) * | 2014-03-26 | 2015-10-01 | Metanomics Health Gmbh | Means and methods for determination of quality of blood samples based on metabolite panel |
Non-Patent Citations (4)
Title |
---|
余曙光: "《实验针灸学》", 28 February 2014, 上海科学技术出版社 * |
吴俊英: "《临床免疫学检验》", 31 March 2014, 华中科技大学出版社 * |
徐岐山: "《内分泌疾病实验室检查与准备》", 31 October 2014, 人民军医出版社 * |
马晓丽: "基于代谢组学技术的糖尿病特征代谢物及维医证型研究", 《中国博士学位论文全文数据库》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113237975A (zh) * | 2021-05-18 | 2021-08-10 | 河北医科大学 | 非诊断目的的基于内源性代谢产物初步推断死因的方法以及检测内源性代谢产物的方法 |
Also Published As
Publication number | Publication date |
---|---|
US20210088539A1 (en) | 2021-03-25 |
US10890592B2 (en) | 2021-01-12 |
JP2019505005A (ja) | 2019-02-21 |
EP3371730A1 (en) | 2018-09-12 |
WO2017079384A1 (en) | 2017-05-11 |
CA3003742A1 (en) | 2017-05-11 |
JP7026625B2 (ja) | 2022-02-28 |
US20180321267A1 (en) | 2018-11-08 |
JP2022008397A (ja) | 2022-01-13 |
EP3371730A4 (en) | 2019-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108369612A (zh) | 自动化样品质量评估 | |
CN105209909B (zh) | 与肾功能相关的生物标记及其使用方法 | |
Belhaj et al. | Metabolomics and lipidomics: expanding the molecular landscape of exercise biology | |
Loftfield et al. | Comparison of collection methods for fecal samples for discovery metabolomics in epidemiologic studies | |
Čuperlović-Culf et al. | Cell culture metabolomics: applications and future directions | |
CN106537145A (zh) | 用于疾病诊断和健康评估的个体受试者的小分子生物化学特征分析 | |
CN105044361B (zh) | 一种适合于食管鳞状细胞癌早期诊断的诊断标记物及其筛选方法 | |
Kennedy et al. | Metabolomic profiling of human urine as a screen for multiple inborn errors of metabolism | |
CN107002113A (zh) | 脂肪肝病的生物标志物和其使用方法 | |
CN101438168A (zh) | 预测糖尿病的工具和方法 | |
Kiseleva et al. | Defining blood plasma and serum metabolome by GC-MS | |
Ożegowska et al. | Serum metabolomics in PCOS women with different body mass index | |
Ravenzwaay et al. | The development of a database for metabolomics-Looking back on ten years of experience | |
Dawidowska et al. | The application of metabolomics in forensic science with focus on forensic toxicology and time-of-death estimation | |
Li et al. | Optimised method for short-chain fatty acid profiling of bovine milk and serum | |
Tzimas et al. | Saliva metabolomic profile in dental medicine research: a narrative review | |
JP5522365B2 (ja) | 代謝物の異常度の取得方法、代謝異常の判定方法、及びそのプログラム、並びに、代謝物の異常度の取得装置、及び代謝異常の判定に基づく診断プログラム | |
Schultheiss et al. | Chronic kidney disease cohort studies: A guide to metabolome analyses | |
LU101772B1 (en) | Non-invasive biomarkers for identification/prewarning of dairy cows with fatty liver disease | |
Malczewska-Lenczowska et al. | Utility of novel hypochromia and microcythemia markers in classifying hematological and iron status in male athletes | |
CN105044240B (zh) | 一种适合于食管鳞状细胞癌早期诊断的诊断标记物 | |
Houten | Metabolomics: unraveling the chemical individuality of common human diseases | |
Cossu et al. | Metabolomic studies in inborn errors of metabolism: last years and future perspectives | |
CN107109461A (zh) | 用于确定遗传变体的作用的系统、方法和装置 | |
JP6517933B2 (ja) | 検査システム、検査装置、及び検査方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |