CN114965813A - 大米砷暴露损伤的尿液生物标志物及其筛选方法和应用 - Google Patents
大米砷暴露损伤的尿液生物标志物及其筛选方法和应用 Download PDFInfo
- Publication number
- CN114965813A CN114965813A CN202210577076.5A CN202210577076A CN114965813A CN 114965813 A CN114965813 A CN 114965813A CN 202210577076 A CN202210577076 A CN 202210577076A CN 114965813 A CN114965813 A CN 114965813A
- Authority
- CN
- China
- Prior art keywords
- arsenic
- exposure
- urine
- rice
- injury
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/04—Preparation or injection of sample to be analysed
- G01N30/06—Preparation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供一种大米砷暴露损伤的尿液生物标志物及其筛选方法和应用。所述生物标志物包括肌醇和D‑松醇中的任意一种或两种。筛选方法包括如下步骤:S1:用大米砷对小鼠进行全生命周期暴露;S2:随后GC‑MS检测不同暴露时间的小鼠尿液中的小分子代谢物;S3:从尿液的代谢谱中筛选出因砷暴露在时间尺度上重现的小分子代谢物,作为指示大米砷暴露损伤的生物标志物。本发明首次提出基于时间序列对长期砷暴露小鼠的尿液代谢组的生物标志物筛选研究,筛选出的生物标志物可以提示对暴露人群采取相应的防护和治疗措施,脱离有害因素的接触环境,极大的降低疾病或死亡发生所带来的经济或社会负担。
Description
技术领域
本发明涉及分析化学及临床医学领域,特别涉及一种大米砷暴露损伤的尿液生物标志物及其筛选方法和应用。
背景技术
代谢组学研究是功能基因组学和系统生物学研究不可或缺的重要组成部分,是通过考察生物体系受刺激或扰动前后(如某个特定的基因变异或环境变化后)代谢产物的动态变化研究生物体系的代谢网络的一种技术。在正常情况下,生物机体处于内稳态,当机体受到外界干扰时,如疾病或面临外源有害物质时,机体的内稳态即被打破,从而导致某些代谢通路上调或下调,并导致代谢物的紊乱。采用高通量、高精密的仪器测量和先进的数据分析方法,捕捉生物体被扰动后(如基因的改变或环境变化后)其代谢产物(内源性代谢物质)种类、数量的变化,并研究其变化规律,可以从中筛选出起与扰动因素相关的有特征指示作用的代谢物。
代谢物是连接环境污染物与生物体健康的桥梁。根据流行病学调查显示:砷暴露与2型糖尿病和代谢综合征的发病率增加有关联,这表明砷可以改变人体多种生物代谢如碳水化合物代谢、脂质代谢、氨基酸代谢等通路的影响。高通量代谢组学技术能够精密检测血液中代谢物的变化,如有学者探究了砷暴露引起的血清代谢组的变化,并筛选出了18种不同的代谢物以反映个体在分子层面上的面对毒物胁迫的响应的变化。然而这都是有创性样品检测,有创性样品检测会给检测者造成身体和心理上的痛苦。
砷(As)是公认的全球性污染物和一级致癌物,可在大米中蓄积。尿砷(UAs)和通常被作用于急性和实时砷暴露的生物标志物,然而这两个指标对于低剂量慢性暴露或陈旧性砷暴露却不够敏感。随着组学技术的发展,代谢组学技术在生物标志物筛选中逐渐受到广泛关注。代谢组中的生物标志物是指能够早期预测疾病、监测病变过程并能够提供疾病预后信息,相对分子质量为1000以下的小分子代谢物,在职业卫生和环境卫生领域得到广泛应用,如焊接烟雾、镉、吸烟、邻苯二甲酸盐、农药和饮用水砷等环境污染物暴露下的代谢紊乱研究,但是目前关于无创检测砷暴露损伤并没有可用的方法,因此亟需一种无创性检测砷暴露损伤可用的标志物。
发明内容
针对现有技术中的缺陷,本发明提出了一种大米砷暴露损伤的尿液生物标志物及其筛选方法和应用。
本发明提供一种大米砷暴露损伤的尿液生物标志物,所述生物标志物包括肌醇和D-松醇中的任意一种或两种。
进一步的,所述肌醇从砷暴露第一个月至第六个月的AUC值分别是0.875、0.75、0.969、1、0.797、1。
进一步的,所述D-松醇从砷暴露第二个月至第六个月的AUC值分别是0.906、0.969、0.969、1、1。
本发明还提供一种大米砷暴露损伤的尿液生物标志物的筛选方法,包括如下步骤:
S1:用大米砷对小鼠进行全生命周期暴露;
S2:随后GC-MS检测不同暴露时间的小鼠尿液中的小分子代谢物;
S3:从尿液的代谢谱中筛选出因砷暴露在时间尺度上重现的小分子代谢物,作为指示大米砷暴露损伤的生物标志物。
进一步的,所述步骤S1中用高剂量大米砷对小鼠进行全生命周期暴露,所述高剂量总砷浓度为30mg/kg。
进一步的,所述小鼠均为同性别。砷暴露对肠道微生物组的干扰与性别相关,这可能是由于雌激素受体基因在雌性小鼠体内的表达明显高于在雄性小鼠体内的表达,或与砷暴露后胆汁酸组成的性别特异性相关。为了避免性别影响,需要选择相同性别小鼠作为实验对象。
进一步的,所述步骤S2中检测暴露时间分别为30天、60天、90天、120天、150天和180天的小鼠尿液。
进一步的,所述步骤S3中GC-MS的原始数据经MSD ChemStation Data AnalysisApplication进行预处理,并用Agilent7890B-5975AGC-MS谱库进行峰挑选、比对和峰强度提取。
本发明还提供所述的大米砷暴露损伤的尿液生物标志物在制备检测砷暴露损伤的辅助诊断试剂盒中的应用。
本发明还提供一种用于检测砷暴露损伤的辅助诊断试剂盒,所述试剂盒含有采用GC-MS检测尿液中肌醇和D-松醇中的任意一种或两种的试剂。
综上,与现有技术相比,本发明达到了以下技术效果:
(1)本发明基于时间序列对砷暴露小鼠的尿液代谢组开展研究,为筛选对应的生物标志物,应用于大米砷暴露人群的防治并从代谢谱角度出发寻找新的砷中毒治疗手段提供科学依据。
(2)从尿液代谢谱中筛选出能指示砷暴露损伤的生物标志物,将这些研究可应用于人群砷暴露研究,提示对暴露人群采取相应的防护和治疗措施或脱离有害因素的接触环境,能够极大的降低疾病或死亡发生所带来的经济或社会负担。
(3)与其他生物样品相比,尿液采样无创性、代谢谱丰富、敏感性高,适合发现非侵入性生物标志物,可以实现无创性的砷暴露损伤检测。
(4)由于时间上的单次测量可能不能代表通常的水平,本发明首次提出基于时间序列对长期砷暴露小鼠的尿液代谢组进行生物标志物筛选,筛选得到的标志物在长达半年内都有线性的关系,用做标志物稳定有效。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明砷暴露6个月小鼠体重变化趋势。A组为对照组,B组为砷暴露组;
图2为砷暴露6个月小鼠尿液PCA图;
图3为暴露组与对照组OPLS-DA分析和置换检验结果;
图4为砷暴露6个月小鼠尿液差异代谢物火山图;
图5为砷暴露6个月内小鼠尿液肌醇和D-松醇相对丰度;
图6为肌醇和D-松醇的ROC曲线。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
砷暴露可引起基体的代谢紊乱。目前有少量的研究涉及饮水砷暴露与尿液代谢组的研究,如最近一项针对246名中国孕妇的研究确定了9种尿液代谢物,可用于将妇女分为不同的砷暴露水平。另一项针对墨西哥糖尿病病例和对照的研究发现,饮用水中的砷暴露与尿液中61种代谢物的相对含量之间存在关联。在大米砷暴露的尿液代谢组中仅有一项研究报导在中国成年男性队列中发现了与砷暴露相关的5种潜在生物标志物,然而大米砷暴露与尿液代谢组的动物实验研究较少。与其他生物样品相比,尿液以其采样无创性、代谢谱丰富、敏感性高成为发现非侵入性生物标志物的研究热点。迄今,尚无研究从大米砷暴露角度出发筛选尿液中的生物标志物。
值得一提的是①饮用水中的砷形态单一,而大米中砷形态复杂,且这些砷形态可在消化道内相互转化;②在食物基质的保护作用下,大米砷在胃肠道中的停留时间、生物利用度也不同于饮水砷;③时间上的单次测量可能不能代表通常的水平。因此,大米砷暴露对尿液代谢组的影响可能不同于饮水砷暴露,研究大米砷暴露对尿液代谢组的影响,筛选出大米砷暴露的尿液代谢物中生物标志物,对砷暴露的早期发现、早期防护与治疗、降低疾病或死亡发生所带来的经济或社会负担具有重要的意义。
本发明用高剂量大米砷对小鼠进行全生命周期暴露,随后GC-MS检测小鼠尿液中的小分子代谢物,从尿液的代谢谱中筛选出因砷暴露在时间尺度上重现的小分子代谢物,作为指示大米砷暴露损伤的生物标志物。综合分析的结果,从尿液代谢谱中筛选出能指示砷暴露损伤的生物标志物。
实施例1实验方法
(1)含砷饲料设计
对照组饲料:为避免基因敲除小鼠和无菌小鼠因营养不良或消化紊乱造成的结果干扰,对照组饲料在GB 14924.3-2010营养要求的基础上优化而制作。选择大米为主要的碳水化合物源,将大米煮熟[米:水=1:2(w/w)]后在45℃的烘箱中干燥过夜,然后磨成粉末后按40%的比例混合到其余原材料(鸡肉粉、鱼粉、豆粕、麸皮、微量元素和维生素等)中。所有原材料经脱水、粉碎,制成粒状饲料后,进行Co60辐照灭菌。含砷饲料:为了达到与大米砷相似的生物可及度(约80%),将各砷形态的混合水溶液直接掺入上述对照组饲料原料粉末中,再制备成颗粒状饲料。本研究最终将实验组的总砷浓度(CtAs)设为高剂量组:30mg/kg(其中iAsIII的浓度相当于小鼠口服iAsIII LD50的三分之一)。根据大米中的砷形态种类及分布比例,饲料中分别以7.3%、72.7%、1.0%和19.0%添加了iAsV(砷酸钠)、iAsIII(亚砷酸钠)、MMA(一甲基砷酸钠)和DMA(二甲基砷酸钠)。
(2)实验动物的选择
砷暴露对肠道微生物组的干扰与性别相关,这可能是由于雌激素受体基因在雌性小鼠体内的表达明显高于在雄性小鼠体内的表达,或与砷暴露后胆汁酸组成的性别特异性相关。为了避免性别影响,本项目选择雄性小鼠作为实验对象。
(3)动物实验和样品采集
4周龄特异性无病原体C57BL/6雄性小鼠(平均初始体重14g),购自广东省医学实验动物中心(中国广州)。这些动物受到了人道的对待,并尽了一切努力来减轻痛苦。动物实验获得了广东医科大学实验动物科学机构动物护理和使用委员会的批准。36只小鼠被置于经过热处理的硬木床上的静态微隔离笼中,环境条件为22℃,湿度40%~70%,昼夜循环时间为12:12h。在接触砷之前,小鼠适应性喂养四周,随后采用随机数字表法将小鼠随机分为实验组和对照组,每组24只,对照组给予普通饲料,实验组给予含砷饲料喂养180天。由于小鼠是群居动物,为了保证身心健康,根据先前的研究,鼠笼布置为3只小鼠/笼。在整个实验过程中,水和食物是随意供应的。实验期间每周评估小鼠腹泻、脱水、死亡和恶化的体况体征、体重和食物摄入量。每隔两周收集尿液样本于负80冰箱保存,尿液样本采集采用独特的漏斗锥设计的代谢笼,以防止尿液被粪便污染,无菌收集管具有防蒸发设计。
每隔两周收集尿液样本于负80℃冰箱保存,尿液样本采集采用独特的漏斗锥设计的代谢笼,以防止尿液被粪便污染,无菌收集管具有防蒸发设计。实验期间在砷暴露60天时,因科研需要两组各处死了9只小鼠。
(4)小鼠尿液中代谢组学研究
将尿液在4℃下13000rpm离心15min,取上清100μl于1.5ml离心管中,加入脲酶(80mg/ml)于37℃温箱孵育2h;再加入350μl甲醇提取、4℃13000rpm离心15min,取上清390μl于进样瓶中,氮吹挥干,再加入80μl甲氧基胺盐酸盐吡啶溶液(20mg/ml),放入80℃烘箱中反应30min;取出待其自然冷却后加入100μlBSTFA-TMCS于70℃烘箱中反应2h;取出自然冷却,再加入150μl正庚烷(含0.1g/L正二十二烷作为内标)溶液终止反应,4000rpm离心15分钟,取上清进样。(尿液质控:单独收集一个时间段的小鼠尿液,将各组小鼠尿液混合作为总QC样本,再进行上述操作)
CG-MS(Agilent7890B-5975A)分析条件将样品进样至配备DB-5msUI毛细管柱(Agilent 0.25mm×30m×0.25μm,J&WScientific,Folsom,CA,USA)和FID检测器的GC-MS(Agilent 7890B-5977A,Agilent,Palo Alto,CA,USA)系统中。进样量为1μL,分流模式(10:1)。以氦气(99.9996%)为载气,前入口吹扫流量为3ml/min,过柱气体流速为1ml/min。初始温度70℃保持1min,然后以10℃min-1的速率升至300℃,然后保持在300℃9min。进样、传输线和离子源温度分别为280℃、270℃和230℃。电子轰击模式下能量为-70eV。溶剂延迟240s后,以全扫描模式(m/z范围为50-650)以每秒20个光谱的速率采集质谱数据。
代谢物数据处理:GC-MS的原始数据经MSD ChemStation Data AnalysisApplication进行预处理,并用Agilent7890B-5975AGC-MS谱库(NIST14)进行峰挑选、比对和峰强度提取。选择匹配度≥60的分子特征进行代谢物鉴别,导出CSV格式的三维数据矩阵,这个三维矩阵包括的信息有:样品信息、代谢物名称和质谱响应强度,内标峰以及任何已知的假阳性峰(包括噪音、柱流失和衍生物化试剂峰)均从数据矩阵中去除。最终获得一个含有化合物编号、保留时间和响应值的Excel表格。将表格中的数据整理成含有实验组编号、化合物编号、响应值的Excel表格,所得表格导入R4.0.2软件进行合并、数据清洗,删除对照组与实验组缺失值占比超过60%的代谢物,删除QC样本缺失值占比超过50%的代谢物;然后以内标“Docosane”进行归一化处理,通过QCRSC算法,进行QC矫正;然后利用Randomforest算法对缺失值进行插补;最后通过log2进行数据转化。将预处理过的数据进行统计分析,采用无监督的主成分分析(PCA)观察数据的分布,利用差异性t检验计算p值,FC检验计算fc值,有监督的正交偏最小二乘法-判别分析(OPLS-DA)计算vip值,根据p值<0.05以及vip值>1的标准筛选差异代谢物,fc值>1记为上调,fc值<1记为下调。
受试者工作曲线:在TCGA_BRCA数据集和GEO_BRCA数据集中,借助“pROC”R包,对差异代谢物的受试者工作特征(ROC)曲线进行分析,评估各差异代谢物的诊断价值,AUC值越大,说明诊断性能越高。
实施例2实验结果
(1)尿液差异代谢物筛选
对砷暴露小鼠30天、60天、90天、120天、150天和180天尿液代谢组进行检测,发现在这些时间段尿液差异代谢物中都检测出肌醇,而在60天、90天、120天、150天和180天都检测出D-松醇,并且相对对照组中的含量都上调,AUC曲线显示,肌醇从第一个月至第六个月的AUC值分别是0.875、0.75、0.969、1、0.797、1,D-松醇从第一个月至第六个月的AUC值分别是0.906、0.969、0.969、1、1。通常AUC值>0.80可将该物质作为生物标志物,这意味着肌醇和D-松醇具有对iAs应激的协同效应。即这两种代谢物很好的表征了砷暴露引起的尿液代谢紊乱,AUC值随暴露时间的延长而增加的趋势暗示了生物标志物对砷暴露的时间依赖性。
(2)大米砷暴露后小鼠体重变化情况
小鼠体重随暴露时间变化结果见表1和图1。体重在砷暴露后两组均无显著差异,但是从趋势图1所示,可看出对照组小鼠体重逐渐高于砷暴露组体重,p值也逐渐减小,说明大米砷对机体的损害是一个缓慢的过程。
表1食物砷暴露6个月小鼠体重变化情况(体重:mg)
(3)测量方法的可靠性
在代谢组学分析过程中,通常伴随着显著的质谱信号漂移,为了消除这种变化,常添加一种或种内标校正信号,或采用QC样品评估信号漂移状态并进行信号校正。本研究采用QCRSC算法对QC进行矫正,每一批次样本都覆盖4个QC样本,通过对所有QC样品数据中代谢物离子的保留时间和信号强度进行分析,可以检验方法的可靠性及GC-MS平台的稳定性。采用PCA方法对所有时间批次的样品数据进行模式识别,结果如图2所示,图A为砷暴露第一个月,PC1:61.7%,PC2:7.59%;图B为砷暴露第二个月,PC1:55.55%,PC2:9%;图C为砷暴露第三个月,PC1:67.49%,PC2:11.86%;图D为砷暴露第四个月,PC1:75.76%,PC2:5.62;图E为砷暴露第五个月,PC1:67.06%,PC2:7.34%;图F为砷暴露第六个月,PC1:62.17%,PC2:13.94%;a为对照组,b为实验组,以上结果说明QC样品聚合良好,表明本研究中代谢组学分析方法稳定可靠,数据质量满足进一步多变量组学分析的要求。
(4)代谢组学分析
在代谢组学数据分析中,正交-偏最小二乘判别分析(OPLS-DA)作为偏最小二乘法-判别分析(PLS-DA)的改进方法,常被用于区分两组或多组数据,与PLS-DA相比,OPLS-DA模型的假阳性率更低,结果更准确。分别对暴露组与对照组进行OPLS-DA分析和置换检验。如图3所示,OPLS-DA分析表明,砷暴露组与对照组均能够实现良好的聚类区分,模型经过验证可靠,表明长期大米神暴露对小鼠的尿液代谢组产生了显著影响。
火山图显示对照组和砷处理组之间的差异代谢物。如图4所示1到6个月的砷暴露差异代谢物如火山图所示,与对照组相比,红色表示该代谢物的含量上调,蓝色表示下调。在第1个月至第6个月分别鉴定出10、15、18、15、10、18种差异代谢物,图5为肌醇和D-松醇在砷暴露6个月内尿液中相对于对照组的含量,Control为对照组的含量,As为砷暴露组的含量,其中肌醇在第一个月至第6个月在砷组中的相对含量显著高于对照组,D-松醇从第二个月开始至第6个月在砷组中的相对含量显著高于对照组。
(4)受试者工作曲线
ROC曲线被广泛用于评估生物标志物的诊断性能。通过使用二元分类器系统,可以通过ROC曲线评估生物标志物的敏感性和特异性;AUC的值通常用于总结整体性能。如图6所示两个差异代谢物从第一个月到第六个月的ROC曲线组合模式,左边为肌醇,从砷暴露第一个月至第六个月的AUC值分别是0.875、0.75、0.969、1、0.797、1;右边为D-松醇,从砷暴露第二个月至第六个月的AUC值分别是0.906、0.969、0.969、1、1。通常AUC值>0.80可将该物质作为生物标志物,这意味着肌醇和D-松醇具有对iAs应激的协同效应。即这两种代谢物很好的表征了砷暴露引起的尿液代谢紊乱,AUC值随暴露时间的延长而增加的趋势暗示了生物标志物对砷暴露的时间依赖性。
综合以上实施例,本发明提供一种大米砷暴露损伤的尿液生物标志物及其筛选方法和应用。所述生物标志物包括肌醇和D-松醇中的任意一种或两种。筛选方法包括如下步骤:S1:用大米砷对小鼠进行全生命周期暴露;S2:随后GC-MS检测不同暴露时间的小鼠尿液中的小分子代谢物;S3:从尿液的代谢谱中筛选出因砷暴露在时间尺度上重现的小分子代谢物,作为指示大米砷暴露损伤的生物标志物。本发明首次提出基于时间序列对长期砷暴露小鼠的尿液代谢组的生物标志物筛选研究,筛选出的生物标志物可以提示对暴露人群采取相应的防护和治疗措施,脱离有害因素的接触环境,极大的降低疾病或死亡发生所带来的经济或社会负担。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种大米砷暴露损伤的尿液生物标志物,其特征在于,所述生物标志物包括肌醇和D-松醇中的任意一种或两种。
2.根据权利要求1所述的大米砷暴露损伤的尿液生物标志物,其特征在于,所述肌醇从砷暴露第一个月至第六个月的AUC值分别是0.875、0.75、0.969、1、0.797、1。
3.根据权利要求1所述的大米砷暴露损伤的尿液生物标志物,其特征在于,所述D-松醇从砷暴露第二个月至第六个月的AUC值分别是0.906、0.969、0.969、1、1。
4.一种大米砷暴露损伤的尿液生物标志物的筛选方法,其特征在于,包括如下步骤:
S1:用大米砷对小鼠进行全生命周期暴露;
S2:随后GC-MS检测不同暴露时间的小鼠尿液中的小分子代谢物;
S3:从尿液的代谢谱中筛选出因砷暴露在时间尺度上重现的小分子代谢物,作为指示大米砷暴露损伤的生物标志物。
5.根据权利要求4所述的筛选方法,其特征在于,所述步骤S1中用高剂量大米砷对小鼠进行全生命周期暴露,所述高剂量总砷浓度为30mg/kg。
6.根据权利要求4所述的筛选方法,其特征在于,所述小鼠均为同性别。
7.根据权利要求4所述的筛选方法,其特征在于,所述步骤S2中检测暴露时间分别为30天、60天、90天、120天、150天和180天的小鼠尿液。
8.根据权利要求4所述的筛选方法,其特征在于,所述步骤S3中GC-MS的原始数据经MSDChemStation Data Analysis Application进行预处理,并用Agilent7890B-5975AGC-MS谱库进行峰挑选、比对和峰强度提取。
9.权利要求1-3任一项所述的大米砷暴露损伤的尿液生物标志物在制备检测砷暴露损伤的辅助诊断试剂盒中的应用。
10.一种用于检测砷暴露损伤的辅助诊断试剂盒,其特征在于,所述试剂盒含有采用GC-MS检测尿液中肌醇和D-松醇中的任意一种或两种的试剂。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210577076.5A CN114965813B (zh) | 2022-05-25 | 2022-05-25 | 大米砷暴露损伤的尿液生物标志物及其筛选方法和应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210577076.5A CN114965813B (zh) | 2022-05-25 | 2022-05-25 | 大米砷暴露损伤的尿液生物标志物及其筛选方法和应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114965813A true CN114965813A (zh) | 2022-08-30 |
CN114965813B CN114965813B (zh) | 2023-08-08 |
Family
ID=82956125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210577076.5A Active CN114965813B (zh) | 2022-05-25 | 2022-05-25 | 大米砷暴露损伤的尿液生物标志物及其筛选方法和应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114965813B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117690476A (zh) * | 2023-12-11 | 2024-03-12 | 广东医科大学附属医院 | 利用斑马鱼模型评估肠道菌群对砷代谢贡献率的预测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104502328A (zh) * | 2014-12-10 | 2015-04-08 | 敖云霞 | 一种初步探讨砷中毒大鼠肾损伤的敏感生物学标志及其接触限值的方法 |
US20170067884A1 (en) * | 2015-09-03 | 2017-03-09 | Greenwood Genetic Center | Method for the Early Detection of Autism Spectrum Disorder by use of Metabolic Biomarkers |
CN110082443A (zh) * | 2019-04-23 | 2019-08-02 | 中国科学院城市环境研究所 | 基于代谢组学表征颗粒物暴露肺代谢异常标志物筛选的小鼠模型构建方法 |
CN110894501A (zh) * | 2019-12-24 | 2020-03-20 | 河南农业大学 | 一种玉米砷胁迫抗性基因ZmAsR2及其分子内SNP标记与应用 |
CN113155983A (zh) * | 2020-01-22 | 2021-07-23 | 中国科学院大连化学物理研究所 | 一种组合标志物及其应用和检测试剂盒 |
CN113657799A (zh) * | 2021-08-26 | 2021-11-16 | 北京市环境保护科学研究院 | 一种土壤中苯并[a]芘环境健康风险测评方法及动物模型 |
-
2022
- 2022-05-25 CN CN202210577076.5A patent/CN114965813B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104502328A (zh) * | 2014-12-10 | 2015-04-08 | 敖云霞 | 一种初步探讨砷中毒大鼠肾损伤的敏感生物学标志及其接触限值的方法 |
US20170067884A1 (en) * | 2015-09-03 | 2017-03-09 | Greenwood Genetic Center | Method for the Early Detection of Autism Spectrum Disorder by use of Metabolic Biomarkers |
CN110082443A (zh) * | 2019-04-23 | 2019-08-02 | 中国科学院城市环境研究所 | 基于代谢组学表征颗粒物暴露肺代谢异常标志物筛选的小鼠模型构建方法 |
CN110894501A (zh) * | 2019-12-24 | 2020-03-20 | 河南农业大学 | 一种玉米砷胁迫抗性基因ZmAsR2及其分子内SNP标记与应用 |
CN113155983A (zh) * | 2020-01-22 | 2021-07-23 | 中国科学院大连化学物理研究所 | 一种组合标志物及其应用和检测试剂盒 |
CN113657799A (zh) * | 2021-08-26 | 2021-11-16 | 北京市环境保护科学研究院 | 一种土壤中苯并[a]芘环境健康风险测评方法及动物模型 |
Non-Patent Citations (3)
Title |
---|
FEN WU ET AL.: "Association Between Arsenic Exposure From Drinking Water and Plasma Levels of Cardiovascular Markers", AM J EPIDEMIOL., vol. 175, no. 12 * |
代安娜 等: "不同产地裸燕麦代谢产物差异分析", 食品与机械, vol. 38, no. 3, pages 33 * |
张艳欣: "基于代谢组学技术的4-壬基酚暴露生物标志物研究", 医药卫生科技, pages 23 - 25 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117690476A (zh) * | 2023-12-11 | 2024-03-12 | 广东医科大学附属医院 | 利用斑马鱼模型评估肠道菌群对砷代谢贡献率的预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114965813B (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yin et al. | Application and development trends of gas chromatography–ion mobility spectrometry for traditional Chinese medicine, clinical, food and environmental analysis | |
Turner et al. | A longitudinal study of ethanol and acetaldehyde in the exhaled breath of healthy volunteers using selected‐ion flow‐tube mass spectrometry | |
Kim et al. | Associations of lifestyle factors with phthalate metabolites, bisphenol A, parabens, and triclosan concentrations in breast milk of Korean mothers | |
Pesesse et al. | Multimodal chemometric approach for the analysis of human exhaled breath in lung cancer patients by TD-GC× GC-TOFMS | |
Alkhouri et al. | Breathprints of childhood obesity: changes in volatile organic compounds in obese children compared with lean controls | |
US11692978B2 (en) | VOC markers in saliva for diagnosis of gastric cancer and gastric cancer diagnostic method using same | |
US20210302432A1 (en) | Monitoring mycotoxins in the blood of pigs or broiler chickens | |
CN114965813A (zh) | 大米砷暴露损伤的尿液生物标志物及其筛选方法和应用 | |
Chalmers et al. | Measurement of 4-hydroxyphenylacetic aciduria as a screening test for small-bowel disease. | |
Links et al. | Biomarkers and mechanistic approaches in environmental epidemiology | |
Jiang et al. | Quantification of major royal jelly proteins using ultra performance liquid chromatography tandem triple quadrupole mass spectrometry and application in honey authenticity | |
Hanai et al. | Simple liquid-chromatographic measurement of vanillylmandelic acid and homovanillic acid in urine on filter paper for mass screening of neuroblastoma in infants. | |
Harahap et al. | Analysis of acrylamide in dried blood spots of lung cancer patients by ultrahigh-performance liquid chromatography tandem mass spectrometry | |
Tsiomidou et al. | Clonidine suppression test for a reliable diagnosis of pheochromocytoma: when to use | |
Liu et al. | Volatile organic compounds for early detection of prostate cancer from urine | |
Zhang et al. | Identification of biomarkers for risk assessment of arsenicosis based on untargeted metabolomics and machine learning algorithms | |
Rodríguez-Hernández et al. | Application of volatilome analysis to the diagnosis of mycobacteria infection in livestock | |
Oxner et al. | The versatility and diagnostic potential of VOC profiling for noninfectious diseases | |
Ahmad et al. | A review Hair tissue analysis: an analytical method for determining essential elements, toxic elements, hormones and drug use and abuse | |
Mathieu et al. | A 5-year (1990–1994) neuroblastoma screening feasibility study in France. Methodology and preliminary observations | |
Bowman et al. | Interindividual variation in the levels of certain urinary polycyclic aromatic hydrocarbon metabolites following medicinal exposure to coal tar ointment | |
Ogasawara et al. | Stable isotope ratios of carbon, nitrogen and selenium concentration in the scalp hair of Crohn's disease patients who ingested the elemental diet Elental® | |
CN112180013B (zh) | 用于心肌梗死诊断的肠道微生物代谢标志物组合物及其检测方法和应用 | |
CN110749732B (zh) | 诊断多发性骨髓瘤的血液代谢物标志物及应用 | |
CN113866285A (zh) | 用于糖尿病诊断的生物标志物及其应用 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |