Hromatogrāfiskās analīzes metodes un datu apstrādes algoritmu optimizācija biomarķieru kompleksa identifikācijai metabolomā

Abstract

Modernās instrumentālās analīzes iekārtas paver plašas iespējas visaptverošai un kvantitatīvai daudzu metabolītu analīzei. Metabolomikas eksperimenta laikā tiek iegūti lieli datu apjomi. Metabolītu identificēšanas vai kvantificēšanas kvalitāte ir atkarīga no šo sarežģīto datu masīvu pareizas apstrādes. Šī pētījuma mērķis ir izstrādāt metabolomikas pētījumu stratēģiju 2. tipa diabēta metabolītu profilu izpētei. Urīna paraugu analīzei izmantota šķidrumu hromatogrāfijas ar masselektīvo detektēšanu instrumentālā metode (LC/MS). Lai iegūtu datu tabulas, kuras iespējams analizēt ar daudzdimensiju statistikas metodēm, apskatītas vairākas pieejas datu masīvu apstrādei un reducēšanai. Urīna paraugu metaboloma pētījumi deva plašāku izpratni par eksperimentālajiem pētījuma apstākļiem datu iegūšanai, apstrādei un biomarķieru identificēšanai.

Modern analytical technologies afford comprehensive and quantitative investigation of a multitude of different metabolites. Typical experiments can therefore produce large amounts of data. Handling such datasets is an important step that has big impact on extent and quality at which the metabolite identification and quantification can be made. The goal of this study was to develop metabolomic analysis strategy based on analytical methods of liquid chromatography coupled with mass spectrometry (LC/MS) to obtain metabolite profiles for Type 2 diabetes urine samples. Several strategies were applied to handle the large amount of data and to generate data sets for analysis by multivariate statistical methods. The metabolomic studies of urine samples provided further insights concerning experimental methodologies for data generation and processing.