基于质谱空间代谢组学方法研究帕金森病小鼠脑内神经细胞损伤的动态代谢特征

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    21904058
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    26.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    B0403.谱学方法与理论
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

Nerve cell damage is the main pathological feature of Parkinson's disease, but the formation mechanism of nerve cell damage in the brain is still unclear. In-situ quantitative analysis of metabolites in the brain and elucidation of metabolic signatures of nerve cell damage in the brain are important for improving the understanding, diagnosis and treatment of Parkinson's disease. This project was proposed to develop a spatial metabolomics method based on the laser microdissection combined with nano-liquid chromatography-mass spectrometry. The major procedures include the in situ capture of a small amount of nerve cell in the brain, intracellular metabolites extraction, and nano-liquid chromatography-isotope dilution high resolution tandem mass spectrometry analysis, enabling highly sensitive and accurate measurement of the spatial distribution and content of metabolites and their metabolic pathways. Meanwhile, we found that the development of early Parkinson's disease is related to the tryptophan pathway, histidine pathway, etc., but the mechanism is unclear. By using the mouse model of Parkinson's disease, the dynamic changes of metabolites and their metabolic pathways related to nerve cell damage in the brain were elucidated, and the results will be furtherly verified. This project is beneficial to solve the problem of in situ detection of trace metabolites in the brain, and offer a new method for resolving the metabolic mechanism of in situ neural cells, providing new ideas for early diagnosis and treatment of Parkinson's disease.
神经细胞损伤是帕金森病的主要病理特征,但脑内神经细胞损伤的机制目前仍不清楚。实现脑内代谢物组的原位精准分析以及阐明脑内神经细胞损伤的代谢特征,对于提高帕金森病的认识、诊断和治疗具有极其重要的意义。本项目拟发展基于激光显微切割-纳升液相色谱-质谱联用技术的空间代谢组学方法,该方法原位捕获少量脑内神经细胞,提取细胞内代谢物,结合纳升液相色谱-同位素稀释高分辨串联质谱技术,实现高灵敏度的、精准的测量代谢物及其代谢通路的空间分布和含量。同时,我们发现帕金森病的早期症状与色氨酸代谢通路、组氨酸代谢通路等有关,但机制不详。通过帕金森病小鼠模型,阐明脑内神经细胞损伤相关的代谢物及其代谢通路的动态变化规律,并进行生物学验证。该研究有利于解决脑内微量代谢物原位检测的难题,为解析原位神经细胞的代谢行为、机制等提供了新方法,为帕金森病早期诊断和治疗提供新思路。

结项摘要

帕金森病是全世界第二大常见的中枢神经系统退行性疾病。预计到2050年,中国帕金森病患者将达到800万人,占全世界该病患的一半以上,给患者的家庭和社会带来极大的负担。帕金森病病理变化为中脑黑质神经细胞以及多巴胺能神经元的损伤,进而导致小分子代谢物多巴胺含量显著降低而出现静止性震颤、肌肉僵直、运动迟缓等症状。有研究发现,遗传因素、环境因素、氧化压力以及衰老都与病理进程相关,但是导致脑内神经细胞损伤的代谢机制目前仍不清楚。该项目发展了激光显微切割和液相色谱-质谱联用技术,建立高灵敏度、高重复性、高准确性的定量空间代谢组学方法对少量脑神经细胞中的代谢物进行分析。该空间代谢组学方法具有空间分辨率高、灵敏度高、定量精确、背景噪音低、线性范围宽等特点。空间代谢组学方法主要包括脑组织上神经细胞获取,微量样品提取,液相色谱-质谱方法的条件优化,质谱数据处理,以及脑空间代谢组学数据库建立等。我们构建了帕金森病细胞与小鼠模型,采用Leica CM 1900冰冻切片机分别制作中脑黑质的三层冰冻切片,观察多巴胺能神经元的空间分布与损伤情况,以及小鼠不同脑组织区域分布的代谢物丰度的差异性分析。 我们通过结合激光显微切割技术和衍生化策略的空间代谢组学方法,具有较高的灵敏度、准确度和精密度,发现了在帕金森病小鼠模型上解析脑内神经细胞损伤过程中代谢物及其代谢通路的变化,阐明脑内神经细胞损伤发生发展的原位动态代谢特征以及潜在的生物标志物。该项目所建立的空间代谢组学方法不仅可以用于帕金森病研究,还可用于阿尔兹海默病、抑郁症等其他脑部疾病的研究。该项目研究成果将有利于帕金森病生物标志物的发现和治疗靶标的深入研究,因此,具有重要的学术意义和临床应用价值。

项目成果

期刊论文数量(5)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
CPVA: a web-based metabolomic tool for chromatographic peak visualization and annotation
CPVA:一种基于网络的代谢组学工具,用于色谱峰可视化和注释
  • DOI:
    10.1093/bioinformatics/btaa200
  • 发表时间:
    2020-06-15
  • 期刊:
    BIOINFORMATICS
  • 影响因子:
    5.8
  • 作者:
    Luan, Hemi;Jiang, Xingen;Zhang, Wenyong
  • 通讯作者:
    Zhang, Wenyong
Combinatory Data-Independent Acquisition and Parallel Reaction Monitoring Method for Deep Profiling of Gangliosides
用于神经节苷脂深度分析的组合数据独立采集和平行反应监测方法。
  • DOI:
    10.1021/acs.analchem.0c02313
  • 发表时间:
    2020
  • 期刊:
    Analytical Chemistry
  • 影响因子:
    7.4
  • 作者:
    Li Hua;Xu Ruilian;Yang Lijun;Luan Hemi;Chen Shili;Chen Lan;Cai Zongwei;Tian Ruijun
  • 通讯作者:
    Tian Ruijun
Serum metabolomic and lipidomic profiling identifies diagnostic biomarkers for seropositive and seronegative rheumatoid arthritis patients.
血清代谢组学和脂质组学分析可确定血清阳性和血清阴性类风湿性关节炎患者的诊断生物标志物
  • DOI:
    10.1186/s12967-021-03169-7
  • 发表时间:
    2021-12-07
  • 期刊:
    Journal of translational medicine
  • 影响因子:
    7.4
  • 作者:
    Luan H;Gu W;Li H;Wang Z;Lu L;Ke M;Lu J;Chen W;Lan Z;Xiao Y;Xu J;Zhang Y;Cai Z;Liu S;Zhang W
  • 通讯作者:
    Zhang W
Machine Learning for Screening Active Metabolites with Metabolomics in Environmental Sciences
环境科学中利用代谢组学筛选活性代谢物的机器学习
  • DOI:
    10.1039/d2va00107a
  • 发表时间:
    2022
  • 期刊:
    Environmental Science: Advances
  • 影响因子:
    --
  • 作者:
    Hemi Luan
  • 通讯作者:
    Hemi Luan
Machine Learning for Investigation on Endocrine-Disrupting Chemicals with Gestational Age and Delivery Time in a Longitudinal Cohort.
机器学习在纵向队列中研究内分泌干扰化学物质与孕龄和分娩时间的关系
  • DOI:
    10.34133/2021/9873135
  • 发表时间:
    2021
  • 期刊:
    Research (Washington, D.C.)
  • 影响因子:
    --
  • 作者:
    Luan H;Zhao H;Li J;Zhou Y;Fang J;Liu H;Li Y;Xia W;Xu S;Cai Z
  • 通讯作者:
    Cai Z

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码