產品介紹
基于(13)C或者(15)N標記的靶標代謝流分析能夠系統地定量細胞或者組織內特定代謝通路代謝網絡的流量分布及各代謝途徑的相對貢獻，其優點是可以利用細胞內代謝物的質量同位體信息的分析方法，不但在很多情況下能夠直觀地表明代謝流量的整體走向，而且通過計算能夠準確定量地揭示細胞內各個代謝反應的活性，以及深入理解平行反應、可逆反應等多種復雜的細胞內代謝過程，直觀揭示細胞胞內的主要活性途徑及各個途徑的相對貢獻及其分布變化特點，從而鑒定出相關疾病發生發展過程的早期診斷的標志物及其關鍵的主要代謝通路，并揭示其相互調控規律，為疾病發生的臨床早期診斷、藥物靶點治療和預后判斷提供強有力的科學依據。
技術優勢
? 技術成熟、靈敏度高
? 專業的數據分析團隊，通過Matlab flux-8等軟件進行原始數據處理，并進行PCA、柱狀圖、熱力圖、 Bi-plot等分析
樣本要求
液體 | 100 μL/sample |
組織 | 100 mg/sample |
類器官 | 100 mg/sample |
細胞 | 1×10? cells/sample |
檢測平臺
LC-MS/MS
應用方向
? 通過比較不同環境條件及各種代謝性疾病的不同代謝途徑的代謝流量的分布變化，揭示出相關疾病發生發展過程中的主要代謝通路及其早期診斷的標志物
? 通過(13)C代謝流量技術對胞內外的中間代謝物的變化示蹤，可以鑒定出基因工程菌的關鍵的代謝通路和活性，為提高目標代謝產物的合成提供直接的依據
? 可以比較分析細胞，組織及其血樣和尿液在基因改造的前后的代謝功能變化
案例應用
英文標題：Development of a high-efficiency N-acetylneuraminic acid production platform through multi-pathway synergistic engineering
發表期刊：Trends in Biotechnology
影響因子：14.9
研究結果：該研究團隊通過基因工程改造大腸桿菌，從而實現對葡萄糖和甘油的高效共利用。研究團隊對兩條起點與終點相同的合成途徑進行重構，以提高N-乙酰甘露糖胺(ManNAc())前體的水平；同時，利用人工智能(AI)技術和機器學習(ML)序列挖掘方法對N-乙酰神經氨酸()(NeuAc)合酶進行優化。隨后，通過捕獲競爭再生途徑中的碳流來提高磷酸烯醇式丙酮酸(PEP)的水平，從而平衡胞內PEP與ManNAc的比例，以促進NeuAc的合成。除葡萄糖外，還研究開通了甘油這一額外碳源輸入途徑，在補料分批發酵中實現了70.4 g/l的NeuAc滴度，生產率為1.17 g/l/h。該研究構建了用于NeuAc生物合成的高效微生物細胞工廠，并提供了一種可應用于其他高價值化合物生產的通用系統工程策略。
靶標代謝流綜合解決方案，數據分析軟件，質譜檢測技術及介紹，全面的聯用技術等。
