使用基于 NMR 的代谢组学鉴定和定量危重患者紊乱的代谢物
November 29th, 2024
核磁共振 （NMR） 波谱用于识别各种疾病患者代谢物的失调。该技术允许量化紊乱的代谢物，揭示病理生理学的见解。在这里，我们描述了基于 NMR 的方法用于患者代谢表征的分步程序。
我们的研究使用基于 NMR 的代谢组学来识别危重症 ICU 患者发生改变的失调代谢物和生化途径，我们还包括 ARDS 患者，这是一种严重的肺部疾病。通过分析和比较代谢特征，我们的目标是揭示与疾病进展相关的生化紊乱，并定制治疗方法以改善结果。实际上，我们正在努力解决在所有类别的 ARDS 患者（包括轻度、中度和重度 ARDS 患者）中了解代谢失调方面的差距。
提高我们的洞察力，更好地了解疾病及其进展，总体目标是通过提供精准和个性化的医疗来改善患者的预后。NMR 提供了简单的样品制备，保持血清完整性以进行再分析，并在不进行化学衍生化的情况下检测已知和未知的代谢物。它提供可重现的定量数据，确保可靠的代谢物测量。
与靶向方法不同，NMR 能够对代谢变化进行灵敏、公正的探索，使其成为发现疾病进展中的特征和途径的理想选择。我们的发现将通过揭示研究不足的不同阶段的代谢变化来加强 ARDS 研究。使用基于 NMR 的代谢组学，我们的目标是识别失调的代谢物和途径，从而为早期诊断、预后、更及时的预测和治疗提供潜在的特征。
这种方法促进了个性化管理并加深了多状态代谢分析方面的知识。我们的结果为新的科学问题铺平了道路，例如:在 ARDS 不同阶段鉴定的特定代谢物如何影响疾病进展？这些失调的途径是否可以作为早期治疗干预的目标？
此外，这些代谢变化在其他呼吸系统或炎症性疾病中有何变化？首先，使用无菌针头从诊断为轻度或中度急性呼吸窘迫综合征或 ARDS 的患者的动脉中采集 2 毫升血液。将血液转移到无菌小瓶中，使其在室温下凝结 30 分钟。
将凝结的血液以 3， 100 G 离心 15 分钟以分离血清。将血清转移到无菌微量离心管中，制成 400 至 500 μL 的等分试样。在管子上贴上患者的详细信息标签，并将其储存在 80 摄氏度。
对于 NMR 实验，将 250 微升血清等分试样与 250 微升磷酸盐水缓冲液混合，以尽量减少 pH 值变化。涡旋混合物约 15 秒，以确保均匀混合。将制备的样品转移到带有浓度为 0.05 毫摩尔的 TSP 的同轴插件的干净 NMR 管中。
接下来，将 NMR 管放入磁体中。键入 WRPA 并选择合适的实验编号，以使用 CPMG 脉冲程序设置质子实验。点击 标题 选项以输入患者的姓名和其他必要的详细信息。
键入 lock 并按 Enter 键以锁定磁场。然后，选择选项 90%water 和 10% deuterium oxide。然后，键入 ATMM 并按 Enter 键以执行探针的调谐和匹配。
接下来，从 Acquisition Parameters 选项中，选择 64， 000 个点进行 128 次扫描的参数以收集优化数据。将弛豫延迟设置为 5 秒，频谱扫描宽度为 12 PPM，回波时间为 200 微秒，重复 300 次。使用指数窗口函数应用 0.3 赫兹的线展宽。
接下来，使用 NMR 处理和分析工具，获取 NMR 波谱。获得最终光谱后，键入 APK 和 ABSN 分别进行相位校正和基线校正。然后，单击上面板中的 Calibrate Axis（校准轴）选项，自动或手动将 TSP 峰校准为 0 PPM。
最后，将采集的数据从 NMR 系统传输到工作站进行进一步分析。在获取诊断为轻度或中度 ARDS 的患者的 NMR 波谱后，打开 NMR 代谢物定量软件进行数据处理。要使用 Whitaker 方法进行手动基线校正，请在 NMR 代谢物定量软件的处理器模块中打开光谱文件。
选择 baseline correction（基线校正），然后选择 Whitaker method（惠特克方法）。将点放在整个光谱中峰的底部。完成后，将基线校正后的光谱文件保存在一个文件夹中。
接下来，要使用 Profiler 模块执行频谱分箱，请选择 Tools（工具），然后选择 Batch Process（批处理），然后选择 Spectral Binning（频谱分箱）。要生成用于统计分析的最终像素合并表，请选择包含所有基线校正光谱文件的文件夹。将光谱分成大小相等的分箱，定义光谱宽度范围为 0.01 至 0.04 ppm。
指定存储桶大小以及开始和结束 PPM 值。选择一个文件夹以保存输出分箱表。排除与水和溶剂 TSP 对应的化学位移区域，以防止光谱干扰。
最终的电子表格将在一行中显示样品名称，在其他行中显示带有相应 PPM 的 bin 值。在执行统计分析之前，请使用一些标准化、对数转换和 Pareto 缩放对数据进行标准化。对于多变量分析，执行主成分分析、偏最小二乘判别分析和正交偏最小二乘判别分析以观察组间的区分，从而产生导致代谢谱差异的每种代谢物的预测分数的可变重要性。
执行学生 t 检验以鉴定 p 值小于 0.05 的重要代谢物。T 检验生成显示代谢物浓度差异的箱须图。然后，进行生物标志物分析以生成受试者工作特征曲线图下的面积。
根据投影得分大于 1 的变量重要性、小于 0.05 的 Bonferroni 校正 p 值和大于 0.8 的曲线下面积选择显著代谢物的最终列表。使用人类代谢组数据库，鉴定与特定 PPM 值相对应的代谢物。在开始定量之前，使用处理器模块校准为研究选择的参比化合物。
单击 Calibrate Chemical Shift T指示剂选项，然后输入参比化合物的浓度。将软件峰拖动到光谱参考峰上，并调整其高度和宽度。光谱参比峰与软件峰对齐后，单击 Accept（接受）。
接下来，在 Profiler 模块中打开所需的谱图，并选择合适的化合物库进行研究。在屏幕底部，将显示代谢物列表。从列表中选择感兴趣的代谢物。
单击屏幕右上角的 PPM 值。将光谱放大到代谢物的特定 PPM 尺度。此时，屏幕上会出现两个峰值，一个代表记录的数据，另一个显示为虚线，代表软件峰值。
拖动软件峰值以使其与录制的峰值对齐，并调整高度和位置以匹配。峰正确对齐后，从标题 浓度（以毫摩尔为单位）下显示的值读取代谢物的浓度。要生成输出文件，请在 工具 菜单下，单击 批量作 选项并指定用于保存输出文件的所需文件夹。
主成分分析显示轻度和中度 ARDS 患者组之间存在明显的聚类。正交偏最小二乘判别分析显示轻度和中度 ARDS 组之间有明显的差异，强调代谢差异。学生 t 检验和生物标志物分析揭示了轻度和中度 ARDS 之间关键的失调代谢物。
乳酸和异亮氨酸被确定为与 ARDS 严重程度相关的显着失调代谢物。
概述
本研究采用基于核磁共振的代谢组学方法，旨在探讨重症监护病房（ICU）重症患者的代谢失调，特别关注急性呼吸窘迫综合症（ARDS）的不同阶段。研究旨在加深对与疾病进展相关的生化紊乱的理解，并提出个性化治疗方法。
关键研究组成部分
研究领域
- 代谢组学
- 急性呼吸窘迫综合症（ARDS）
- 精准医疗
背景
- ARDS患者中代谢物和通路的失调
- 理解代谢变化对患者预后的重要性
- ARDS各阶段代谢谱研究的空白
所用方法
- 使用ARDS患者血液的样本收集和处理
- 通过核磁共振光谱进行定量和分析
- 统计分析，包括主成分分析和t检验
主要结果
- 识别与ARDS严重程度相关的不同代谢特征
- 提供早期诊断和治疗选择的见解
- 建立基线代谢谱以供进一步研究
结论
- 研究突出了代谢谱在理解ARDS进展中的作用
- 这些发现为精准医学和呼吸系统疾病的未来研究方向做出了贡献
常见问题
Executive Industry Relevance
NMR-based metabolomics enables high-confidence identification and quantification of dysregulated metabolites in critically ill patients, supporting mechanistic de-risking and translational biomarker discovery. This approach strengthens predictive confidence at the target validation and early discovery inflection points, informing portfolio decisions in respiratory and inflammatory disease research. Quantitative metabolic profiling facilitates risk-adjusted advancement and cross-functional data integration for enterprise R&D.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables unbiased interrogation of metabolic pathways implicated in disease progression.
- Supports functional target validation by linking metabolite changes to clinical phenotypes.
- Facilitates mechanistic de-risking through quantitative, reproducible metabolic signatures.
- Provides data for predictive confidence in target selection and triage.
Screening & Assay Development
- Delivers validated, quantitative readouts for downstream biomarker and pathway assays.
- Standardizes metabolite measurement across patient cohorts and disease stages.
- Enables reproducible spectral data for scalable screening and platform reuse.
- Supports robust compound evaluation by clarifying metabolic endpoints.
Translational & Preclinical Research
- Aligns metabolic signatures with disease severity for translational biomarker development.
- Ensures continuity from discovery through preclinical validation in ARDS and related conditions.
- Informs risk-adjusted advancement by quantifying disease-relevant metabolic changes.
- Strengthens predictive de-risking for early diagnostic and therapeutic strategies.
Pipeline & Workflow Integration
This NMR-based metabolomics workflow integrates from early discovery through lead identification and preclinical research, supporting hypothesis testing and translational continuity.
- Discovery Biology: Quantitative metabolic profiling clarifies disease mechanisms and pathway involvement.
- Screening: Standardized spectral outputs enable reproducible assay development and compound screening.
- Analytics: Multivariate and univariate statistical analyses provide robust, quantitative comparisons across patient groups.
- Translational Research: Identified metabolic signatures inform biomarker alignment and preclinical model selection.
- Enterprise Reuse: The workflow is adaptable for diverse disease cohorts and supports cross-study data integration.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in disease research.
- Operational Value: Delivers standardized, reproducible, and scalable metabolite quantification.
- Strategic Value: Enables informed go/no-go decisions and capital-efficient portfolio management.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of translational programs.
Implementation Considerations
- Requires expertise in NMR spectroscopy and metabolomics data analysis.
- Needs access to high-field NMR instrumentation and specialized quantification software.
- Demands rigorous cross-team standardization for sample processing and data normalization.
- Adaptable to various disease models but dependent on spectral quality and cohort selection.
- Statistical analysis and pathway mapping are essential for actionable interpretation.
