CN1875274A - 用于确定多组分天然产品混和物对一组活体系统体内的疾病的生物特征谱的影响以及基于天然产品的药物的开发和质量控制的方法 - Google Patents

用于确定多组分天然产品混和物对一组活体系统体内的疾病的生物特征谱的影响以及基于天然产品的药物的开发和质量控制的方法 Download PDF

Info

Publication number
CN1875274A
CN1875274A CNA2004800325525A CN200480032552A CN1875274A CN 1875274 A CN1875274 A CN 1875274A CN A2004800325525 A CNA2004800325525 A CN A2004800325525A CN 200480032552 A CN200480032552 A CN 200480032552A CN 1875274 A CN1875274 A CN 1875274A
Authority
CN
China
Prior art keywords
disease
biological profile
mixture
natural
group
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
Application number
CNA2004800325525A
Other languages
English (en)
Inventor
王梅
伦格尔·威特凯姆普
扬·范德格雷夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nederlandse Organisatie voor Toegepast Natuurwetenschappelijk Onderzoek TNO
Original Assignee
Nederlandse Organisatie voor Toegepast Natuurwetenschappelijk Onderzoek TNO
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nederlandse Organisatie voor Toegepast Natuurwetenschappelijk Onderzoek TNO filed Critical Nederlandse Organisatie voor Toegepast Natuurwetenschappelijk Onderzoek TNO
Publication of CN1875274A publication Critical patent/CN1875274A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
    • 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
    • G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
    • G01N33/5008—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics
    • G01N33/502—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics for testing non-proliferative effects
    • G01N33/5023—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics for testing non-proliferative effects on expression patterns
    • 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
    • G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
    • G01N33/5008—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics
    • G01N33/5082—Supracellular entities, e.g. tissue, organisms
    • G01N33/5088—Supracellular entities, e.g. tissue, organisms of vertebrates
    • 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
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2550/00—Electrophoretic profiling, e.g. for proteome analysis
    • 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
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biotechnology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Cell Biology (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Food Science & Technology (AREA)
  • Medical Informatics (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Microbiology (AREA)
  • Medicinal Chemistry (AREA)
  • Tropical Medicine & Parasitology (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Genetics & Genomics (AREA)
  • Toxicology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Medicines That Contain Protein Lipid Enzymes And Other Medicines (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明提供了一种用于确定多组分天然产品混和物对疾病的生物特征谱的影响的方法，其包括步骤：(a)利用多变量分析，通过比较一组具有疾病症状的活体系统的生物特征谱与一个参照(或健康)组的活体系统的生物特征谱确定疾病的生物特征谱；(b)利用多变量分析，确定一系列多组分混和物样品对疾病的生物特征谱的影响，其中样品中的一种或多种天然组分或天然组分组的浓度不同；(c)利用多变量分析，确定已经在步骤(b)中显示出对疾病的生物特征谱的所需影响的多组分混和物样品的组成(d)利用多变量分析，鉴定在步骤(c)中所确定的组成中的有效组分或组分组和它们对疾病的生物特征谱具有所需影响所需的相应浓度。本发明也提供了一种用于制备药物的方法，其中按具有对疾病的生物特征谱的所需影响所需的相应浓度组合在步骤(d)中所鉴定出的有效的天然组分或天然组分组。本发明还提供了一种用于设计和控制多组分混和物的组合物的法，其中调整混和物中的至少一种天然组分的浓度以确保混和物中的至少一种天然组分对疾病的生物特征谱具有影响。本发明也涉及本发明的方法作为一种用于优化用于基于天然产品的药物的天然产品的育种、培育或收获后处理的工具的用途。

Description

用于确定多组分天然产品混和物对一组活体系统体内的疾病的生物 特征谱的影响以及基于天然产品的药物的开发和质量控制的方法
本发明涉及生命科学领域以及健康和疾病领域，特别是涉及用于疾病的预防、治疗或治愈的策略和产品的开发。
与制药公司开发新药物所传统上采用的还原论(reductionistic)方法不同，本发明是依据于针对活体的整体方法。
例如，这样一种针对活体生物体的整体方法在早期就已经成为应用草药例如中医(TCM)的基础。基于草药的方法的一个重要的出发点就是每个健康的生物体都处于平衡中。平衡被认为是机体和精神之间的复杂的相互作用，它在从生物化学组分到我们身体的能量系统控制的所有水平上都有所反映。很多种因素都可以造成内在的失衡，并导致多种从短期干扰到慢性疾病过程的病变。另外，在如TCM的这样一种方法中，都会认识到每个人的独特性并推进了发展个体化药物的必要性，以获得基于多组分治疗的最优结果。
粗略一看，“西方”医学似乎与此有着很大不同。但是，在过去十年间发生在生命科学的基因组革命已经为诊断和治疗的更整体化观点提供了大量的支持。此外，因为在药物基因组上的新发现，个体化药物的看法现在正受到了大量的关注。尽管内环境稳定的原理作为西方生理学的基石已经超过了1个世纪，但是生物系统的庞大的复杂性推动着药物研究朝向仅仅设法鉴定出并影响造成健康和疾病之间的差异的单个靶点。这个方法的确生成了多种有用的药物，但是也出现了很大的缺陷。事实上，人们都设法通过与常常作为复杂途径的一部分并参与反应级联和反馈环中的单个蛋白质相互作用而影响系统。而现实是绝大多数疾病都是多因素的，这就意味着治疗单个靶点只提供了部分治疗(减轻症状)，而不能治愈大多数病例。尽管这个认识并不是新的，但是因为所提及的系统的复杂性，发现不同的途径仍还是不可能的。
但是，现在已经发展出一种方法，它能极为详细地特征性描述复杂的混和物以及之后在生物系统例如体外(例如细胞培养物)和体内系统(例如动物模型、人)中测量复杂的多组分诱导的变化(生物效应)。在这个方法中，利用一特殊组的步骤可以非常有效地测定出复杂混和物，例如天然产品或提取物或其混和物(包括营养产品、功能性食物产品、草药产品、其它天然化合物和生物液体)中的多个组分与活体生物系统之间的相互作用，其中利用了例如生物统计学和生物信息学等技术。通过这样的测定方法，可以便利地确定出多组分混和物对疾病的生物特征谱(biological profile)的影响。此外，这些测定使得能鉴定出多组分混和物中的有效组分并且可以鉴定出它们对疾病的生物特征谱具有影响所需的相应浓度。
因此，本发明涉及一种用于确定一种多组分天然产品混和物对一组活体系统(living system)体内的疾病的生物特征谱的影响的方法，其包括步骤：
(a)利用多变量分析，通过比较一组具有疾病症状的活体系统的生物特征谱和一个参照(或健康)组的活体系统的生物特征谱确定疾病的生物特征谱；
(b)利用多变量分析，确定一系列多组分混和物样品对疾病的生物特征谱的影响，其中样品中的一种或多种天然组分或天然组分组的浓度不同；
(c)利用多变量分析，确定已经在步骤(b)中显示出对疾病的生物特征谱具有所需影响的多组分混和物样品的组成；
(d)利用多变量分析，鉴定在步骤(c)中所确定的组成中的有效天然组分或天然组分组和它们对疾病的生物特征谱具有所需影响所需的相应浓度。
在本发明的一个优选的实施方案中，将多组分混和物最优化，使得其在有效性和安全性(治愈或治疗)方面具有最优化的用于治愈或预防活体系统的疾病状态的进展的活性。
因此，本发明也涉及一种本发明的方法，其中在步骤(d)之后是步骤(e)，其中根据在步骤(d)中所获得的信息制备一组多组分天然产品混和物，其中预期所述混和物能表现出对疾病的生物特征谱的所需影响；在步骤(e)之后是步骤(f)，其中利用多变量分析，确定在步骤(e)中所制备的一组多组分混和物对疾病的生物特征谱的影响。
因此，本发明也涉及一种用于确定一种多组分天然产品混和物对疾病的生物特征谱的影响的方法，其包括步骤：
(a)利用多变量分析，通过比较一组具有疾病症状的活体系统的生物特征谱与一个参照(或健康)组的活体系统的生物特征谱确定疾病的生物特征谱；
(b)利用多变量分析，确定一系列多组分混和物样品对疾病的生物特征谱的影响，其中样品中的一种或多种天然组分或天然组分组的浓度不同；
(c)利用多变量分析，确定已经在步骤(b)中显示出对疾病的生物特征谱具有所需影响的多组分混和物样品的组成；
(d)利用多变量分析，鉴定在步骤(c)中所确定的组成中的有效的天然组分或天然组分组和它们对疾病的生物特征谱具有所需影响所需的相应浓度；
(e)根据在步骤(d)中获得的信息制备一组多组分天然产品混和物，预期所述混和物能表现出对疾病的生物特征谱的所需影响；和
(f)确定在步骤(e)中所制备的一组多组分混和物对疾病的生物特征谱的影响。
在本发明的另一个优选的实施方案中，在步骤(g)中，选出在步骤(e)中制备的一种或多种多组分混和物，其中混和物在步骤(f)中能表现出对疾病的生物特征谱的所需的及改良的影响。因此，当与在步骤(e)中制备的其它多组分混和物比较时，在步骤(g)中选出的一种或多种多组分混和物能表现出对疾病的生物特征谱的改良的影响。
在本发明的另一个吸引人的实施方案中，通过往混和物中添加一种或多种其它的组分的方式调整在步骤(g)中获得的一种或多种所选出的多组分混和物，然后利用多变量分析确定所调整的混和物对疾病的生物特征谱的影响。
本发明的另一个优点是可以在给定的质量范围内开发出多组分天然产品混和物的事实。这是非常重要的，因为尽管实行了良好农业规范，但由于例如在培养期间的天气条件不同，可以使得相应的天然组分或天然组分组的质量可以区域性地不同。如果一种或多种天然组分或一种或多种天然组分组没有达到所需的质量，可以调整多组分混和物中的所述一种或多种天然组分或天然组分组，使其对疾病的生物特征谱具有所需影响。例如，这一点可以通过调整相应的一种或多种天然组分或一种或多种天然组分组的量以获得所需的一种或多种天然组分或一种或多种天然组分组的浓度而实现，确保多组分混和物对疾病的生物特征谱具有所需影响。
因此，在本发明的一个优选的实施方案中，调整混和物的至少一种天然组分或天然组分组的浓度以确保混和物的至少一种天然组分或天然组分组对疾病的生物特征谱具有所需影响。
根据本发明，可以非常吸引人地实现对基于天然产品的药物的开发和质量控制。
在本文中，多组分天然产品混和物被定义为天然组分或天然组分组的混和物，其中不是通过化学合成生产组分而是通过一种天然过程生产。例如，一种多组分草药混和物将包括两种或多种草药，其中这些草药可以由多种不同的组分组成。
活体系统包括人和所有类型的动物。当其应用于动物时，活体系统的组适当地选自一种特殊类型的动物。
本发明的方法能进行对多种靶干预(intervention)的作用的测定和产品的开发，使得能用独特的方法最优化地实施这些干预，揭示有效组分的生物特征谱。因此，本发明提供了在TCM和西方医学中所用的两种互补的方法之间的重要的桥梁作用，因为它除了能揭示像单个药物的简单干扰作用以外，还能揭示利用多组分混和物例如草药产品和功能性食物产品的复杂干扰的作用。这种独特的方法被称为多维药物学(multidimensional pharmacology，MDP)并应用了系统生物学方法，其中通过测定并整合代谢数据与其它的特征谱数据例如遗传学和/或蛋白质组学的数据研究生物学系统。
在干预策略中，通过草药产品的实例举例说明了本发明的对生物学作用、特别是对协同的多组分作用的确定。对这些作用的确定不仅仅限于在哺乳动物系统中的生物学协同作用，还能应用于具有来源于相同的生命组成的复杂混和物的所有可能形式的活体系统。
本发明并不限于一种特殊类型的疾病，它还包括所有的疾病，其中可以确定疾病的生物特征谱并且可以将其对等地应用于预防性应用。
本发明一个重要的优点存在于这样一种事实，就是它给所测定的多组分混和物的效力和安全性提供了科学基础。
对于TCM产品，本发明的方法容许对复杂的多组分混和物和这些产品在哺乳动物系统中的作用进行鉴定，以揭示TCM对患者的生物学效应和作用。
本发明方法的另一个非常重要的方面是它容许对所有的生物效应包括加合作用和协同作用进行测定。
在健康和疾病研究中，可以用来自对照组(参照组)和患者组(具有有着生物特征谱的疾病的症状的组)例如血浆样品的体液特征谱测定尽可能多的组分，并评价在两组之间的单个组分或组分模式的差异，以获得对潜在的生物学机制的更好的了解，以检测新的生物标记物/替代(surrogate)标记物，以预测毒理学或药理学应答或开发新的干预途径。在本文中，生物标记物被定义为具有可被客观测定的并被评价为正常生物学过程、致病过程或对治疗干预的药理学应答的指示物的特征。生物标记物可以是基因、转录物、蛋白质、代谢物、(微量)元素或这些组分的任一组合。
本发明利用用于直接的或在非线性或线性多维压缩之后的动态模拟的模式的概念打开了利用基于组分模式的系统描述研究动态过程的独特途径。在这些研究中，可以以多维方式监测并评价例如经药物干预途径的干扰，以及可以应用例如时间序列分析、时间扭曲(timewarping)和非线性动态技术的方法。在对用本发明的方法生成的数据的评价中，添加来自其它来源的其它数据和信息也是重要的，例如来自描述医学诊断和临床化学的患者的临床病历的信息、或在行为、认知、心理学、社会等水平上的疾病研究数据。这些数据可以被包含或结合到本发明的方法所生成的数据组中，以分类患者或发现亚类(sub-class)或进行其它相关的观察。特别是在设计新的草药时，产生生物活性的动物模型常常是优选的，例如在对代谢综合征(肥胖、II型糖尿病、高血压和其它CV相关疾病)的研究中测定胰岛素抗性(insulin resistance)。当研究新的混和物时，这些草药的组合物与在模型中的生物应答特征谱的数据的直接相关是本发明的一个优选的实施方案。当混和物已经被证实在人体内或在动物体内(对于兽医学应用)是安全的时候，可以将人的生物标记物特征谱直接地用于评价。
本发明的应用生成了很多种利用体液的代谢物组学、蛋白质组学和/或其它组分特征谱的新方法以强化生物医学或药物发现、开发包括临床评价、诊断性应用和上市后监督的所有过程。首先用所生成的特征谱获得对潜在的生物过程的更好了解，也将其用于进行毒理学评价(预期毒理学)、生物标记物/替代标记物或生物标记物/替代标记物模式的发现、蛋白靶的确认、动物模型的比较和将其与人体研究相关联、通常在代谢物和/或蛋白水平上的表型分型、应答者/非应答者的评价、动物模型例如转基因模型的确认、提供将代谢物水平数据与系统生物学中的其它水平例如基因、mRNA、RNAi和蛋白质数据相关联的能力。
本发明方法产生了组分模式以及所用的多变量分析产生了用于给定情况或研究的相关组分模式。在现代生物学和相关的营养、制药和生物技术产业中，这是一个用于推动科学研究和产业发现及开发过程的重要的新范例。基本的理解是在一般过程和特别是疾病过程中的生物学都是多因素性质的，因此对这些过程的理解要求基于大量组分的描述或了解。在绝大多数情况中，对于效力或区分对照组和患者组，开发过程例如基于用单个生物标记物评价的单个靶点。但是，本发明提供了一种方法，它产生了能力上的突破，以通过多因素模式以及对例如在组合治疗(化疗)或在评价草药、功能性食物和营养应答中的多因素输入变量的多因素应答描述多因素疾病。
根据本发明，在步骤(a)中优选地用至少一种光谱测定技术、至少一种基于电迁移的技术或至少一种色谱技术确定疾病的特征谱。更优选地，所述应用是由两种或多种光谱测定技术组成，但是也可以包括特殊的检测技术例如激光诱导的荧光和电化学检测联合分离技术((nano)-HPLC、基于电迁移的方法)。最优选地，在步骤(a)中，确定疾病特征谱的所述应用是由至少一种核磁共振技术和/或质谱技术组成。
在步骤(a)中所确定的生物特征谱优选地包括一种或多种代谢的、遗传的和/或争论(polemic)的特征谱。可以使用这些特征谱的任一组合。这些组合物优选地包含一种或多种代谢特征谱。更优选地，生物特征谱包含代谢的、遗传的和蛋白质组学特征谱。
在步骤(a)中，优选地确定至少一种类型的体液或至少一种类型的组织的生物特征谱。更优选地，在步骤(a)中，确定至少两种不同类型的体液的生物特征谱。
在步骤(a)中，利用一种或多种下面的生物标记物确定生物特征谱，所述标记物为基因、转录物、蛋白质、代谢物和(微量)元素。
在步骤(b)中，确定系列多组分混和物样品对疾病的生物特征谱的影响优选地使用至少一种光谱测定技术、至少一种基于电迁移的技术或至少一种色谱技术进行。更优选的，使用两种或多种光谱测定技术，其中最优选地，使用至少一种核磁共振技术和/或质谱技术。对于蛋白特征谱，也可以包含其它的技术例如基于凝胶的电泳技术。
在步骤(c)中，确定样品的组成优选地使用至少一种光谱测定技术、至少一种基于电迁移的技术或至少一种色谱技术进行。更优选地，使用两种或多种光谱测定技术，其中最优选地，使用至少一种核磁共振技术和/或质谱技术。在步骤(c)中，在(c)中确定组成的样品的数目优选地为至少2个，以及更优选地是在5-100。
在步骤(d)中，鉴定有效组分或组分组以及它们对疾病的生物特征谱具有影响所需的相应浓度优选地是使用至少一种光谱测定技术、至少一种基于电迁移的技术或至少一种色谱技术进行。更优选地，使用两种或多种光谱测定技术。最优选地，步骤(d)中使用至少一种核磁共振技术和一种质谱技术。
在步骤(f)中，鉴定有效组分或组分组以及它们对疾病的生物特征谱具有影响所需的相应浓度优选地是使用由至少一种光谱测定技术、至少一种基于电迁移的技术或至少一种色谱技术。更优选地，使用两种或多种光谱测定技术。最优选地，步骤(e)中使用至少一种核磁共振技术和一种质谱技术。
本发明所用的多组分混和物可以是任何的对疾病的生物特征谱具有(潜在)影响的多组分混和物。这些多组分混和物可以是任何天然产品。这些混和物的适当的实例包括营养产品、功能性食物产品、草药、藻类、微生物、真菌药用产品或生物液体(提取物)。多组分天然产品混和物优选地是草药混和物。
在步骤(a)-(d)和(f)(e)的每个步骤中，优选地使用至少一种光谱测定技术。可以适当地使用核磁共振技术(“NMR”)或质谱技术(“MS”)，而后一种技术着重于有限数目的小分子化合物。但是，这两种方法都有局限性。NMR方法局限于它们通常只提供高浓度化合物的可靠信息。另一方面，整体(global)或聚焦(focused)质谱技术不要求高浓度，但是只能提供广泛的筛选水平上的信息或生物特征谱的有限部分的信息。术语“小分子”和“代谢物”在此可以交互使用。小分子和代谢物包括但不限于脂类、类固醇、氨基酸、有机酸、胆酸、类花生酸、肽、碳水化合物和微量元素。
因此，在步骤(a)-(d)和(f)(e)的每个步骤中，优选使用至少一种核磁共振技术和/或一种质谱技术，在蛋白特征谱(蛋白质组学)领域优先使用质谱技术。
作为一个实例，讨论了小分子的情况。利用冷冻干燥和D2O重构进行的用于NMR的样品制备一般可以是非常直接的，因为焦点是较高浓度的组分，即通常浓度＞100纳克/mL的组分。对于MS，可以使用多种样品制备方法，范围从固相提取和液/液提取到更特异的利用例如基于亲和力的方法或去衍生化方法的方法如GC-MS和LC-MS。
在步骤(a)-(d)和(f)e)的每个步骤中，所述应用是由从一种或多种平台中获得的光谱数据组成，平台包括但不限定于MS、NMR、液相色谱(“LC”)、气相色谱(“GC”)、高效液相色谱(“HPLC”)、毛细管电泳(“CE”)和任何已知形式的低或高分辨率模式的带连字符号的质谱，例如LC-MS、GC-MS、CE-MS、LC-UV、MS-MS、MSn等。通过利用更多的组分特异性检测仪例如激光诱导的荧光和电化学检测法也可以获得常用的特征谱数据。
术语“光谱测定数据”在此包括来自任何光谱测定或色谱技术的数据。光谱测定技术包括但不限于共振光谱测定、质谱和光学光谱测定。色谱技术包括但不限于液相色谱、气相色谱和电泳。
如果用标准的光谱方法获得了光谱特征谱，非常必需的步骤是调整光谱中的在强度维度(dimension)和在光谱或色谱维度上的小偏移。偏移可以是因为仪器因素、环境条件、或是因为不同浓度的组分(这在尿液检查中是常见的情况)。作为一个实例，NMR化学偏移的变异通常会发生并需要补偿，但是在单个特征谱(定量维度)的强度(或峰值面积)上的可重复性和标准化通常是非常令人满意的。这与MS不同，MS需要仔细地调整或将峰强度(离子丰度)维度标准化，因为缺少在特征谱中所具有的各种组分的定标。在带有连字符号的技术中，也需要仔细地评价分离方法(GC、CL或电迁移驱动技术例如毛细管电泳(CE))的可重复性。在这个方面，近红外光谱特征谱是令人印象深刻的，它几乎不需要任一维度上的校正。
一般而言，当所收集的数据特征谱被用于进行模式识别分析时，在光谱(可变)维度上的小的仪器偏移将被错误地解释为代表不同的组分。解决这个问题的直接方法是利用分仓(binning)技术，其中将光谱的分辨率降低足够的程度以确保所给出的峰值仍在其仓内，尽管在分析物之间有着较小的光谱偏移。例如，在NMR中，可以离散并粗略地框并化学偏移轴，以及在MS中，可以将光谱精确度圆钝(rounded)到整数原子质量单位数值。但是，更多的精细方法是优选的，例如NMR的部分线性拟合或MS的其它排列方法。
在最初的数据预处理之后，设定用于模式识别(多变量分析)的光谱特征谱。
用多路多变量分析最优化地利用用不同技术生成体液特征谱的能力，并容许测定相同系统中的不同体液(例如血浆和尿液或血浆和CSF)以揭示对系统生物学的新的认识，例如当比较血浆和尿液特征谱时，可认识到血脑屏障的作用。因此，在步骤(a)-(d)的每个步骤中，所述应用优选地是由多路多变量分析组成。
本发明提供了一种光谱测定数据处理的方法，它利用等级方法(hierarchal procedure)中的多步骤的多变量分析处理数据(步骤(a)-(d)和(f)e))。在步骤(a)-(d)和(f)e)的每个步骤中，可以在多个数据组中应用第一个多变量分析以辨别数据组之间的一组或多组差异和/或相似性，之后，可以用第二个多变量分析确定这些差异组(或相似组)中的至少一组和多个数据组中的一组或多组数据之间的相关性(和/或反向相关性即负相关)。在步骤(a)中，对疾病的生物特征谱的确定也可以基于相关性。
术语“数据组”在此指的是与一种或多种光谱测定相关的光谱数据。例如，光谱测定技术是NMR时，数据组可以包括一种或多种NMR光谱。光谱测定技术是UV光谱时，数据组可以包括一种或多种UV发射或吸收光谱。相似地，光谱测定技术是MS时，数据组可以包括一种或多种质谱。光谱测定技术是色谱-MS技术(例如，LC-MS、GC-MS等)时，数据组可以包括一种或多种质量色谱图。或者，数据组是色谱图或重建(reconstructed)的TIC色谱图。另外，应当认识到术语“数据组”包括原始的光谱测定数据和已经被预处理过(例如去除噪音、基线、检测峰等)的数据。
此外，术语“数据组”在此可以指基本上所有的与一种或多种光谱测定相关的光谱测定数据或它们的亚组。例如，可以将与不同样品来源(具有疾病症状的组的样品(实验组样品)对参照或健康组的样品(对照组样品))的光谱测定相关的数据编成不同的数据组。因此，第一数据组可以指的是实验组样品测定值以及第二数据组可以指的是对照组样品测定值。另外，数据组可以指的是依据任何其它分类所考虑的相关因素所编组的数据。
本发明也提供了一种光谱测定数据处理的方法，它利用多变量分析在两个或多个相关性的等级水平上处理数据。在步骤(a)到(d)和(f)e)的每个步骤中，辨别数据组之间在第一个相关性水平上的相关性(和/或反向相关性)的所述应用可以是由对多个数据组的多变量分析组成，之后可以用多变量分析辨别数据组之间在第二相关性水平上的相关性(和/或反向相关性)。在步骤(a)中，对生物系统的生物特征谱的确定也可以基于在一种或多种相关性水平上所辨别的相关性。
根据本发明，在等级方法中，利用多步骤的多变量分析处理数据组可以实现步骤(a)到(d)和(f)e)的每个步骤中的光谱测定数据的处理，其中一种或多种多变量分析步骤还包括在两种或多种相关性等级水平上处理数据。例如，在步骤(a)到(d)的每个步骤中，可以用第一个多变量分析处理多个数据组以辨别数据组之间的一组或多组差异和/或相似性；可以用第二个多变量分析确定第一组差异(或相似性)与一种或多种数据组之间的第一相关性(和/或反向相关性)水平；以及可以用第二个多变量分析确定在第一组差异(或相似性)与一种或多种数据组之间的第二相关性(和/或反向相关性)水平。在步骤(a)中，对疾病的生物特征谱的确定可以基于在一种或多种相关性水平上所辨别的相关性。
多变量分析的合适形式包括例如主成分分析(“PCA”)、判别分析(“DA”)、PCA-DA、因素分析、正则相关(“CC”)、部分最小二乘法(“PLS”)、预测线性判别分析(“PLDA”)、神经元网络、多水平/多路/多模块分析、迭代目标分析、广义procrustus分析、支持向量机(“SVM”)、parafac和模式识别技术。
上述的多变量分析技术的应用在本领域都是熟知的。对于更为详细的描述，例如可引用待定美国临时专利申请No.60/312,145(Method and System for Profiling Biological Systems)，在此通过引用将其全部内容引入本申请。
为了从数据中提取出最大值，可以与附加的统计学和信息学策略一起协同地使用如上罗列的多变量分析工具。例如，在确定并定量样品组中的代谢物丰度时，一旦存在统计学显著性差异，目的就变成了了解结果的潜在的生物学原因和背景。第一步是鉴定在数据光谱中观察到的和通过多变量分析揭示出在样品中具有显著性差异的代谢组分。这样的鉴定通常包括查询多种已知的代谢物组分光谱和结构的数据库。下一步是通过搜索公共和私人数据库挖掘出现有的关于分子相互作用的知识。这使得在解释在代谢组学特征谱结果中所观察到的关联性和行为上可以有所帮助。但是，因为大多数代谢的、基因组的、蛋白质组学的和相互作用数据库都描述静态的生物化学事件，而日益增多地需要复杂的分析和数学工具将杂乱的生物学线索整合成更适合于解释例如病理过程的动态模型。
事实上，线性和非线性多变量分析都能发现生物分子组分之间的统计学显著的关联性，而通过挖掘现在的数据库或文献并不能解释这些。
本发明的方法的一个优选的实施方案包括下面的步骤：
1.选择相关的样品，例如体液(血浆、尿液、CSF、唾液、皮脂、滑液等)；
2.选择生物特征谱的宽度(width)：转录物、蛋白质、代谢物等；
3.根据用于确定生物学特征谱的光谱测定技术(例如GCMS、LCMS、CEMS、MS/MS组合不同NMR方法学、基于凝胶的电泳技术等)制备样品；
4.对于包括脂质、类固醇、胆酸、类花生酸、(神经)肽、维生素、有机酸、神经递质、氨基酸、碳水化合物、离子型有机物、核苷、无机物、异生素等的代谢物组学，优选地包括肽，利用光谱测定技术、基于凝胶的技术、NMR特征谱和优选的MS方法确定特征谱。在可以包括主要高浓度组分的单一实验中也描述了整体MS特征谱，除了NMR特征谱以外，整体MS特征谱常常是用于系统的平衡/内环境稳定的好的指征。
5.利用在荷兰专利申请1016034中描述的优选技术，组合PCA-DA、基于线性和非线性技术及部分线性拟合算法的多模块/多路多变量分析预处理所获得的数据。
6.组合4的结果和其它的相关数据来源，例如病史、临床化学记录、医学描述和行为的、社会的、心理学数据等。
7.通过利用其中一种特征性描述(profiling)的组分或特征性描述的组分的任何组合，优选通过利用非线性压缩和动态建模技术的组合研究动态疾病的(非线性或线性)动力学。
本发明的概念适当地基于以下方面，通过NMR和选择带连字符号的质谱技术(GC-、LC-、-CE-MS/MS、ICPMS)中的一种的组合对复杂混和物例如体液的特征性描述，对在多模块/多路多变量分析之前与数据预处理/定标(scaling)组合的评价，所生成的仪器数据组和其它相关数据组的组合，从来自一个系统的样品而由不同体液特征谱所生成的数据组与研究所有形式的非线性动力学的能力的结合。
对于其中检测到生物活性组分或活性组分组并揭示出具有所需作用的组合物的情况，可以用知识设计混和物或新的草药。
因此，本发明也涉及一种用于制备基于天然产品的药物的方法，其中按对疾病的生物特征谱具有所需影响所需的相应浓度组合在步骤(d)中所鉴定出的有效的天然组分或组分组。
本发明也涉及在步骤(a)中制备的多组分混和物用于制备基于天然产品的药物的用途。本发明也涉及在步骤(g)中从在步骤(e)中制备的混和物的组中所选出的多组分混和物用于制备基于天然产品的药物的用途。
本发明也涉及在步骤(e)中制备的多组分混和物在食物应用中的用途。本发明也涉及在步骤(g)中选出的多组分混和物在食物应用中的用途。合适的食物应用包括营养的和功能性的食物。本发明也能适用于确定食物产品的安全性。
本发明还涉及一种包括在步骤(e)中制备的多组分混和物的药物。
对混和物例如草药产品中的生物活性模式的检测也使得能够对植物进行着重的(focused)质量控制或最优化生产，使得能生成有效的和良好控制的产品。这在现有的对天然产品的质量控制的状况中是一个关键的步骤和主要的瓶颈。尽管光谱测定技术已经被建议用于控制混和物的组成，见例如WO0047922(Dunn等)，但是不能将产品中一种组分的浓度变化或多种组分之间的组成比例的或然性与生物活性结合在一起限制了对浓度-效应控制的强制性需求。因此，本发明构成了一个突破，因为可以进行对多组分产品的特征性描述和对生物应答的特征性描述，以及可以关联所获得的两种特征谱。因此，本发明也涉及一种用于设计多组分混和物和控制多组分混和物的组成的方法，其中调整混和物的至少一种天然组分或至少一种天然组分组的浓度以确保混和物的至少一种天然组分或天然组分组对疾病的生物特征谱具有所需影响。例如在植物中可以含有多组分混和物，可以控制并调整其质量以生成高质量的产品。
对混和物例如草药产品中的生物活性模式的检测也使得能够对植物进行着重的质量控制或最优化的生产，使得能生成有效的和良好控制的产品。
对于其中检测到所有的或部分的生物活性组分并揭示出具有最佳作用的组合物的情况，可以用知识设计合成获得的组分的混和物。在后一种情况中，可以生成药物制品。
本发明也涉及本发明的方法用于设定育种计划、良好农业/生产规范(GAP/GMP)方案和用于对用于基于天然产品的药物中的天然产品的收获后处理。
实施例
在图1中图解描述了本发明的方法。
本发明的一个草药的典型实验基于系统生物学方法所生成的指纹。一个典型实验基于以下步骤：
1.如在图1左侧部分中的1-n批次中所示，通过特征性描述技术例如NMR或质谱测定(采集指纹)多批次混和物或一组不同的草药混和物，优选具有组成上的显著性差异。
2.在给予动物模型体内或在人体试验中被给予之后，测定那些批次物的作用的特征谱，以及测定没有被处理过的或被选定用其它方式处理的参照组(包括患病动物和野生型或健康对象/患者)。
3.参照组提供了疾病的生物标记物特征谱以及另一个实验提供了混和物对疾病模式的影响，同时也揭示了其它作用。另外，可以将人体试验中的临床终点或在细胞模型和/或动物模型中所测定到的典型的生物作用用于评价多组分混和物。这就产生了对特殊患病组的作用的证明。对于没有控制组的情况，可以用比较分析揭示关于临床终点或假说的最优化的生物学作用。
4.混和物组分的模式与作用特征谱(也包括所有其它的信息例如临床终点或在其它模型(基于细胞的或动物模型)中的任何生物学作用)的(非)线性多因素相关性使得能检测造成生物学作用的组分的模式。
5.在设计草药时，产品的组成可以不同，以及可以用基于动物模型中的生物应答或疾病生物标记物指纹的评价优化效力和安全性。在图2中，给出的实例是对测定草药混和物对胰岛素抗性和肝脏安全性的动物实验的解析。不同的组成在模型中产生了不同的疗效(胰岛素抗性)并且也表现出了如经肝酶(ALAT)所测定的不同的安全性特征谱。另外，可以如在图3中所示的评价每种混和物的生物标记指纹，其中与对照(患病)组比较，将对其中一种混和物的多变量分析作为时间函数。在治疗4周后就清楚地显示出了作用，以及对数据的进一步分析生成了组分特异的和生物学途径或系统通讯特异的信息。与图2和图3相关的实验的结果之间的相关性提供了信息，就是组分或组分组负责所述的生物学作用。在鉴定或没有鉴定混和物的组分时，就可以实现最优化。
6.在设计了最优化的多组分混和物后，根据如在4中所得到的信息可以控制混和物的指纹。用分离方法可以进行对多组分混和物例如草药的特征性描述，但更优选地是用光谱测定技术例如NMR或利用与或GC/MS和LC/MS方法学直接融合的光谱测定技术。假定高分辨率能力以及独特的鉴定能力，基于傅立叶转换质谱的直接指纹策略是特别吸引人的，这对于草药产品的复杂性常常是优选的。
7.对于植物的生长和生产，可以用所述的发明最优化地选择生产/培育这些植物的条件以及对生产的质量控制。

Claims (26)

1.用于确定多组分天然产品混和物对一组活体系统体内的疾病的生物特征谱的影响的方法，包括步骤：
(a)利用多变量分析，通过比较一组具有疾病症状的活体系统的生物特征谱与一个参照(或健康)组的活体系统的生物特征谱确定疾病的生物特征谱；
(b)利用多变量分析，确定一系列多组分混和物样品对疾病的生物特征谱的影响，其中样品中的一种或多种天然组分或天然组分组的浓度不同；
(c)利用多变量分析，确定已经在步骤(b)中显示出对疾病的生物特征谱的所需影响的多组分混和物样品的组成；
(d)利用多变量分析，鉴定在步骤(c)中所确定的组成中的有效的天然组分或天然组分组和它们对疾病的生物特征谱具有所需影响所需的相应浓度。
2.权利要求1的方法，其中在步骤(d)之后是步骤(e)，其中根据在步骤(d)中所获得的信息制备一组多组分天然产品混和物，预期所述混和物能表现出对疾病的生物特征谱的所需影响；在步骤(e)之后是步骤(f)，其中利用多变量分析，确定在步骤(e)中所制备的一组多组分混和物对疾病的生物特征谱的影响。
3.权利要求1或2的方法，其中在步骤(g)中，从在步骤(e)中所制备的一组多组分混和物中选出一种或多种多组分混和物，其中所选出的多组分混和物能表现出对疾病的生物特征谱的所需的及改良的影响。
4.权利要求1到3中任一项的方法，其中在步骤(a)中，确定疾病的特征谱组成是使用至少一种光谱测定技术、至少一种基于电迁移的技术或至少一种色谱技术进行。
5.权利要求1到4中任一项的方法，其中在步骤(b)中，确定一系列多组分混和物的样品对疾病的生物特征谱的影响是使用至少一种光谱测定技术、至少一种基于电迁移的技术或至少一种色谱技术进行。
6.权利要求1到5中任一项的方法，其中在步骤(c)中，确定样品的组合物是使用至少一种光谱测定技术、至少一种基于电迁移的技术或至少一种色谱技术进行。
7.权利要求1到6中任一项的方法，其中在步骤(d)中，鉴定有效组分以及它们对疾病的生物特征谱具有影响所需的相应浓度的是使用至少一种光谱测定技术、至少一种基于电迁移的技术或至少一种色谱技术进行。
8.权利要求1到7中任一项的方法，其中在步骤(f)中，鉴定有效组分以及它们对疾病的生物特征谱具有影响所需的相应浓度是使用至少一种光谱测定技术、至少一种基于电迁移的技术或至少一种色谱技术进行。
9.权利要求2到8中任一项的方法，其中使用两种或多种光谱测定技术。
10.权利要求9的方法，其中使用至少一种核磁共振技术和一种质谱技术。
11.权利要求1到10中任一项的方法，其中生物特征谱包含一种或多种代谢的、遗传的和/或蛋白质组学的特征谱。
12.权利要求11的方法，其中生物特征谱包含代谢的、遗传的和蛋白质组学的特征谱。
13.权利要求1到12中任一项的方法，其中多组分混和物包括一种营养产品、功能性食品、草药产品或生物液体(提取物)。
14.权利要求1到13中任一项的方法，其中在(a)中确定至少一种类型的体液的生物特征谱。
15.权利要求1到14中任一项的方法，其中在(a)中确定至少一种类型的组织的生物特征谱。
16.权利要求14的方法，其中在(a)中确定至少两种不同类型的体液的生物特征谱。
17.权利要求1到16中任一项的方法，其中在(a)中利用一种或多种下述生物标记物确定生物特征谱：基因、转录物、蛋白质、代谢物和(微量)元素。
18.权利要求1到17中任一项的方法，其中在(c)中确定组成的样品的数目至少是2个。
19.权利要求18的方法，其中在(c)中确定组成的样品的数目的范围是从5到100。
20.权利要求1到19中任一项的方法，其中多组分天然产品混和物是草药混和物。
21.用于制备基于天然产品的药物的方法，其中按对疾病的生物特征谱具有所需影响所需的相应浓度组合在权利要求1到20中任一项所定义的步骤(d)中所鉴定出的有效的天然组分或天然组分组。
22.在权利要求2到20中任一项所定义的步骤(e)中制备的或在权利要求3到20中任一项所定义的步骤(g)中选出的多变量混和物在制备基于天然产品的药物中的用途。
23.在权利要求2到20中任一项所定义的步骤(e)中制备的或在权利要求3到20中任一项所定义的步骤(g)中选出的多变量混和物在食物应用中的用途。
24.包括在权利要求2到20中任一项所定义的步骤(e)中制备的或在权利要求3到20中任一项所定义的步骤(g)中选出的多组分混和物的药物。
25.权利要求1到20中任一项的方法，其中调整混和物中的至少一种天然组分或天然组分组的浓度以确保混和物中的至少一种天然组分或天然组分组具有对疾病的生物特征谱具有所需影响。
26.权利要求1到20中任一项的方法在建立育种计划、良好农业/生产规范(GAP/GMP)方案和对用于基于天然产品的药物的天然产品的收获后加工中的用途。
CNA2004800325525A 2003-09-05 2004-09-03 用于确定多组分天然产品混和物对一组活体系统体内的疾病的生物特征谱的影响以及基于天然产品的药物的开发和质量控制的方法 Pending CN1875274A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP03077804.7 2003-09-05
EP03077804A EP1512970A1 (en) 2003-09-05 2003-09-05 Method for determining the impact of a multicomponent mixture on the biological profile of a disease

Publications (1)

Publication Number Publication Date
CN1875274A true CN1875274A (zh) 2006-12-06

Family

ID=34130247

Family Applications (2)

Application Number Title Priority Date Filing Date
CNA2004800324024A Pending CN1875273A (zh) 2003-09-05 2004-09-03 用于确定多组分合成产品混和物对一组活体系统体内的疾病的生物特征谱的影响以及开发新组合干预的方法
CNA2004800325525A Pending CN1875274A (zh) 2003-09-05 2004-09-03 用于确定多组分天然产品混和物对一组活体系统体内的疾病的生物特征谱的影响以及基于天然产品的药物的开发和质量控制的方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CNA2004800324024A Pending CN1875273A (zh) 2003-09-05 2004-09-03 用于确定多组分合成产品混和物对一组活体系统体内的疾病的生物特征谱的影响以及开发新组合干预的方法

Country Status (10)

Country Link
US (2) US20070160990A1 (zh)
EP (3) EP1512970A1 (zh)
JP (2) JP2007508603A (zh)
CN (2) CN1875273A (zh)
AT (2) ATE378593T1 (zh)
DE (2) DE602004010154T2 (zh)
DK (2) DK1664767T3 (zh)
EA (1) EA011959B1 (zh)
ES (2) ES2297476T3 (zh)
WO (2) WO2005024421A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102741689A (zh) * 2009-12-29 2012-10-17 韩国基础科学支援研究院 利用高分辨率质谱和药理学活性测试发现天然产物的药理学活性物质的方法
CN111180007A (zh) * 2019-12-03 2020-05-19 深圳市开物成务中医药科技有限公司 一种安全、有效、高质量中药开发平台系统及实现方法

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7425700B2 (en) 2003-05-22 2008-09-16 Stults John T Systems and methods for discovery and analysis of markers
EP1512970A1 (en) * 2003-09-05 2005-03-09 Nederlandse Organisatie voor toegepast-natuurwetenschappelijk Onderzoek TNO Method for determining the impact of a multicomponent mixture on the biological profile of a disease
US7729789B2 (en) * 2004-05-04 2010-06-01 Fisher-Rosemount Systems, Inc. Process plant monitoring based on multivariate statistical analysis and on-line process simulation
US20080183101A1 (en) * 2006-08-17 2008-07-31 Jonathan Richard Stonehouse Salivary analysis
JP5491377B2 (ja) * 2007-03-30 2014-05-14 ９８９８リミテッド 天然物開発のための薬剤プラットフォーム技術
DE102008011013B4 (de) * 2008-02-25 2014-11-13 Mevitec Gmbh Verfahren und Einrichtung zur komplexen Stoffwechselanalyse
US9886545B2 (en) * 2011-03-02 2018-02-06 Berg Llc Interrogatory cell-based assays and uses thereof
CN108048521B (zh) * 2012-04-02 2022-05-27 博格有限责任公司 基于细胞的探询式分析及其应用
JP2014020831A (ja) * 2012-07-13 2014-02-03 Kyoto Univ 混合物試料の属性を識別する方法及び装置
CA2917231A1 (en) * 2013-07-01 2015-01-08 Ixcela, Inc. Systems biology approach to therapy
JP6541669B2 (ja) * 2014-09-10 2019-07-10 一般財団法人ニッセンケン品質評価センター タンパク質繊維の鑑別方法
AU2015314956A1 (en) 2014-09-11 2017-04-06 Berg Llc Bayesian causal relationship network models for healthcare diagnosis and treatment based on patient data
CN109115904B (zh) * 2018-07-25 2021-02-02 山西广誉远国药有限公司 一种定坤丹uplc指纹图谱的构建方法及其应用
CN117233413A (zh) 2019-08-05 2023-12-15 禧尔公司 用于样品制备、数据生成和蛋白质冠分析的系统和方法
CN111060640A (zh) * 2019-12-27 2020-04-24 深圳市开物成务中医药科技有限公司 测定与胰岛素耐受性相关的血脂谱的方法、应用及装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5885782A (en) * 1994-09-13 1999-03-23 Nce Pharmaceuticals, Inc. Synthetic antibiotics
US5563043A (en) * 1994-10-24 1996-10-08 Spiral Biotech, Inc. Method for measuring the bactericidal and bacteriostatic effects of antimicrobial agents
US6379714B1 (en) * 1995-04-14 2002-04-30 Pharmaprint, Inc. Pharmaceutical grade botanical drugs
WO1997020076A1 (en) * 1995-11-29 1997-06-05 Nexstar Pharmaceuticals, Inc. Methods for optimizing multicomponent formulations
JP3978529B2 (ja) * 1998-08-03 2007-09-19 大正製薬株式会社 冬虫夏草の判別法
US20030044846A1 (en) * 2001-04-03 2003-03-06 Gary Eldridge Screening of chemical compounds purified from biological sources
CA2373708A1 (en) * 2000-03-09 2001-09-13 Yale University Phytomics: a genomic-based approach to herbal compositions
CA2429824A1 (en) * 2000-11-28 2002-06-06 Surromed, Inc. Methods for efficiently mining broad data sets for biological markers
IL160324A0 (en) * 2001-08-13 2004-07-25 Beyond Genomics Inc Method and system for profiling biological systems
TW573125B (en) * 2001-08-29 2004-01-21 Combinatorx Inc A screening system for identifying drug-drug interactions and methods of use thereof
EP1512970A1 (en) * 2003-09-05 2005-03-09 Nederlandse Organisatie voor toegepast-natuurwetenschappelijk Onderzoek TNO Method for determining the impact of a multicomponent mixture on the biological profile of a disease
DE602006018578D1 (de) * 2005-01-28 2011-01-13 Childrens Medical Center Diagnose- und prognoseverfahren von blasenkrebs.

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102741689A (zh) * 2009-12-29 2012-10-17 韩国基础科学支援研究院 利用高分辨率质谱和药理学活性测试发现天然产物的药理学活性物质的方法
CN102741689B (zh) * 2009-12-29 2014-12-17 韩国基础科学支援研究院 利用高分辨率质谱和药理学活性测试发现天然产物的药理学活性物质的方法
CN111180007A (zh) * 2019-12-03 2020-05-19 深圳市开物成务中医药科技有限公司 一种安全、有效、高质量中药开发平台系统及实现方法
WO2021109923A1 (zh) * 2019-12-03 2021-06-10 深圳市开物成务中医药科技有限公司 一种安全、有效、高质量中药开发平台系统及实现方法

Also Published As

Publication number Publication date
EP1664770B1 (en) 2007-11-14
JP2007508603A (ja) 2007-04-05
EA011959B1 (ru) 2009-06-30
WO2005024420A1 (en) 2005-03-17
JP4675896B2 (ja) 2011-04-27
DE602004010154D1 (de) 2007-12-27
EP1512970A1 (en) 2005-03-09
EP1664767B1 (en) 2007-11-14
EA200600539A1 (ru) 2006-08-25
DK1664767T3 (da) 2008-03-25
US20070020180A1 (en) 2007-01-25
ATE378594T1 (de) 2007-11-15
WO2005024421A1 (en) 2005-03-17
DE602004010155D1 (de) 2007-12-27
US20070160990A1 (en) 2007-07-12
EP1664767A1 (en) 2006-06-07
DE602004010154T2 (de) 2008-09-25
DE602004010155T2 (de) 2008-09-25
DK1664770T3 (da) 2008-03-25
ATE378593T1 (de) 2007-11-15
JP2007510132A (ja) 2007-04-19
CN1875273A (zh) 2006-12-06
ES2297476T3 (es) 2008-05-01
ES2297475T3 (es) 2008-05-01
EP1664770A1 (en) 2006-06-07

Similar Documents

Publication Publication Date Title
Blaženović et al. Software tools and approaches for compound identification of LC-MS/MS data in metabolomics
Klåvus et al. “Notame”: workflow for non-targeted LC–MS metabolic profiling
Rauniyar Parallel reaction monitoring: a targeted experiment performed using high resolution and high mass accuracy mass spectrometry
Schroeder et al. Generation of a collision cross section library for multi-dimensional plant metabolomics using UHPLC-trapped ion mobility-MS/MS
CN1875274A (zh) 用于确定多组分天然产品混和物对一组活体系统体内的疾病的生物特征谱的影响以及基于天然产品的药物的开发和质量控制的方法
Yang et al. Accurate quantification of lipid species by electrospray ionization mass spectrometry—meets a key challenge in lipidomics
Mörén et al. Metabolomic screening of tumor tissue and serum in glioma patients reveals diagnostic and prognostic information
Moretti et al. Determination of antidepressants and antipsychotics in dried blood spots (DBSs) collected from post-mortem samples and evaluation of the stability over a three-month period
Menikarachchi et al. In silico enzymatic synthesis of a 400 000 compound biochemical database for nontargeted metabolomics
Deng et al. Soil organic carbon chemical functional groups under different revegetation types are coupled with changes in the microbial community composition and the functional genes
Opialla et al. Towards a more reliable identification of isomeric metabolites using pattern guided retention validation
Baker et al. Perspectives on Data Analysis in Metabolomics: Points of Agreement and Disagreement from the 2018 ASMS Fall Workshop
Kistner et al. High-intensity interval training decreases resting urinary hypoxanthine concentration in young active men—a metabolomic approach
Jonsson et al. Identification of pre-diagnostic metabolic patterns for glioma using subset analysis of matched repeated time points
Bogusiewicz et al. Profiling of carnitine shuttle system intermediates in gliomas using solid-phase microextraction (Spme)
Vincenti et al. Simultaneous quantification of 25 fentanyl derivatives and metabolites in oral fluid by means of microextraction on packed sorbent and LC–HRMS/MS analysis
Ma et al. LC–MS3 Strategy for Quantification of Carbamazepine in Human Plasma and Its Application in Therapeutic Drug Monitoring
Tran et al. Developing prediction models using near-infrared spectroscopy to quantify cannabinoid content in Cannabis Sativa
Renai et al. Combining feature-based molecular networking and contextual mass spectral libraries to decipher nutrimetabolomics profiles
Li et al. A sample and sensitive HPLC-MS/MS method for simultaneous determination of Ziyuglycoside I and its metabolite Ziyuglycoside II in rat pharmacokinetics
Rochat et al. LC-HRMS metabolomics for untargeted diagnostic screening in clinical laboratories: a feasibility study
Sivapalan et al. An LC-MS/MS method to measure S-methyl-l-cysteine and S-methyl-l-cysteine sulfoxide in human specimens using isotope labelled internal standards
Slosse et al. Gas chromatographic fingerprint analysis for the comparison of seized cannabis samples
Hu et al. Biocatalytic amplification of UV signal in capillary electrophoresis of microRNA
Zhong et al. A Multi-level strategy based on metabolic and molecular genetic approaches for the characterization of different Coptis medicines using HPLC-UV and RAD-seq techniques

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1095629

Country of ref document: HK

C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Open date: 20061206

REG Reference to a national code

Ref country code: HK

Ref legal event code: WD

Ref document number: 1095629

Country of ref document: HK