代谢组学检测公司应该怎么选择?代谢组学检测服务除了要考虑样本的价格、检测周期还需要考虑哪方面呢?当然还要考虑数据~

近期,BIOTREE推出了发现代谢组学-MIX版,实现了非靶标代谢组学物质鉴定数量的大幅度提升,物质定性数量高达2000+。

同时,物质鉴定数量的提升必须以可靠性为前提。BIOTREE非靶标代谢组学一直以严格的质控体系来保障数据质量,在这基础上联合全球顶尖仪器公司进行了室间质评来验证数据的准确性。

质控体系

关键词:6D,综合性,严格

BIOTREE非靶标代谢组学提供从代谢物提取到代谢物检测分析一站式服务。为了不断提高实验数据质量,BIOTREE在非靶标代谢组学检测平台上创建了基于QC和IS两大核心的6D质控体系,可综合考量实验各个环节。

Quality Control样本:是将所有实验样本混合而成的一例额外样本。理论上来说该样本含有所有样本中的所有种类物质,因此该样本可以作为全部样本的“代表”,可以在不影响实验样本检测的情况下,通过对QC样本的检测,来判断整个实验检测是否稳定。Internal standard(内标):是在实验样本中额外添加的一个或几个已知物质。在非靶标代谢组学中,由于并不知道会测到什么物质,因此需要在样本中添加一定的已知物,通过对该已知物检测结果的分析进而判断整个实验检测的稳定性。

过程质控

空白样本无明显内标检出由于空白样本仅是空的流动相其中并不含有IS或者被测代谢物,所以若是实验中有各种原因的残留,就会导致原本干净的空白样本中有IS被检测出。因此可以通过检测穿插在整个实验过程中的空白样本中是否有IS信号,从而及时判断实验中是否有残留现象。当所有空白中所有IS均无明显峰被检出才认为该项目合格。

内标峰高差在30%内每个电离模式BIOTREE会分别采用3种同位素内标,用以全面表征不同类型代谢物的检测状态。理论上来说由于QC样本是反复进样的重复样本,因此可以通过每个QC间IS的响应峰面积差异来判断检测是否稳定。 当所有QC中所有IS的峰高差小于30%才认为该项目合格。

数据质控

2D PCA:QC样本聚集程度通常来说过程质控多用于在实验中及时发现问题,以及针对发现问题的有效处理。而数据质控更多是对整个实验结果是否可靠的展示,多见于高分文章中,用以表明整个实验结果良好,其中又以二维PCA得分图最为常见。我们都知道PCA是非监督模型,样本自然地散落在模型空间中,因此样本间的距离代表样本之间的相似程度,又因为QC样本是重复进样的技术重复,因此QC样本间应该距离较近。当两个电离模式下所有QC的聚集程度均良好时才认为该项目合格。

1D PCA:QC样本分布在2std以内虽然二维PCA得分图是最常见的质控结果展示方式,但是存在对于聚集程度判断过于主观的问题,不同人对于样本是否聚集存在一定的主观判断,因此可以通过QC样本在一维PCA得分图中的分布来判断QC样本是否偏离。与二维PCA得分图一样,图中每个点代表一个样本,X轴代表了进样顺序,通常所有QC样本应该在2STD以内围绕X轴上下波动。当项目样本量过大时,由于仪器波动会出现一定的偏移。这种时候可以对结果进行一定的矫正。当全部QC样本均分布在2STD以内才认为该项目合格。

批次内QC相关性≥0.8PCA得分图更多是以图中样本位置来判断数据的质量,而QC样本相关性则是通过样本中测到的数据进一步判断数据质量。既然QC样本是技术重复,那QC样本间的差异应该是很小的,我们对QC样本中测到所有物质在一起计算相关性,这个相关性值越接近1越好。当同一批内QC样本的相关性>0.8时才认为该项目合格。

QC样品中内标响应稳定性最后一个质控是依据IS的响应偏差来做的,由于IS是我们在样本中额外加入的已知浓度的物质,所有样本中IS的浓度都是相同的,所以IS的响应差异越小,说明系统越稳定,数据质量越高。当同一批次QC样本中IS响应的RSD值中位数≤15%时,才认为该项目合格。 内标为引入的同位素标记代谢物,QC样品内标浓度相同,所以内标的响应差异越(RSD中位数 ≤ 15%),说明系统越稳定,数据质量越高。

数据结果

关键词:权威,盲测,高准确率

Biotree联合全球顶尖仪器公司Thermo Fisher Scientific进行了室间质评(EQA,external quality assessment),即Biotree检测中心和赛默飞应用开发中心分别对同一混标样本进行检测分析,通过数据结果的对比判定实验室的检测能力及质量控制水平。

我们使用数百种标准品混合的样本进行盲测,覆盖包括羧酸类及其衍生物(36%)、有机氧化合物(13%)在内的16种物质类型。

混标覆盖的物质类型混标评测过程中,同样是通过严格的质控体系(过程质控+数据质控),与赛默飞应用开发中心的数据结果对比,Biotree最终定性的物质准确率同水平,各类型物质综合准确率高达70%+,其中羧酸类及其衍生物(36%)定性准确率达89.74%,芳香类化合物(4%)定性准确率达100.00%。

代谢组学检测公司怎么挑选,需要考虑哪些方面?-百趣生物相关推荐

  1. 百趣代谢组学-牛磺酸通过增强CD8+T细胞的功能从而增强抗肿瘤免疫力

    百趣代谢组学分享-文章标题:Taurine enhances the antitumor efficacy of PD-1 antibody by boosting CD8+T cell functi ...

  2. 百趣代谢组学资讯:项目文章Nature,揭示低温暴露抑制实体瘤生长机制,‘饿死’癌细胞

    寒冷通过激活棕色脂肪抑制肿瘤生长的全新理念 文章标题:Brown-fat-mediated tumour suppression by cold-altered global metabolism 发 ...

  3. 海南大学植物代谢组学技术开发与创新应用课题组博士后招聘

    海南大学植物代谢组学技术开发与创新应用课题组隶属于代谢生物学团队,以水稻.番茄.药用植物和椰子为研究对象,以代谢组学为切入点,综合运用生物信息学.基因组学.生物化学.分子生物学.细胞生物学等多种手段, ...

  4. 代谢组学——最接近生物表型的组学

    ■ 什么是代谢组学 在基于基因组-转录组-蛋白质组-代谢组的系统生物学框架内,代谢组学 (metabolomics/metabonomics) 处于最下游,最接近生物表型,主要通过考察生物体系在某一特 ...

  5. 植物代谢组学-线虫信息素的植物代谢介导植物与线虫的相互作用

    近期,有很多趣粉在后台留言,问小趣什么时候推送关于植物代谢组学研究方面的文献.今天,小趣就满足趣粉们的需求,分享一篇发表在Nature Communications( IF=11.878)的文章,题目 ...

  6. 如何做好微生物组学代谢组学联合分析研究?

    微生物组学&代谢组学联合分析 近年来,随着微生物组学研究的不断发展和持续火热,越来越多的研究者跳出单一的微生物研究,开始将微生物组学和代谢组学联合起来,从物种.基因以及代谢产物等水平共同解释科 ...

  7. 百趣代谢组学分享:从SWATH到MRM:一种新型高覆盖度靶向代谢组学技术

    百趣代谢组学文献分享,SWATHtoMRM: Development of High-Coverage Targeted Metabolomics Method Using SWATH Technol ...

  8. Circulation(IF=23.054):更年期后的女性冠心病患者代谢组学研究

    冠心病(CHD,coronary heart disease)目前仍然是导致全球女性和男性死亡的主要原因.然而冠心病在不同性别中的临床表现不同,女性表现出更高比例的非阻塞性动脉粥样硬化和微血管疾病以及 ...

  9. 百趣代谢组学资讯:4篇经典案例助力科研不费力,均IF>12

    百趣代谢组学资讯:4篇经典案例助力科研不费力,均IF>12 2022年百趣生物的靶向代谢组学客户文章平均影响因子高达12分,本期小编就带大家看看我们近期发表的高分文章: 第一篇 微生物代谢组学产 ...

最新文章

  1. 服务器虚拟化集成项目投标方案,服务器虚拟化投标技术方案(纯方案,16页).doc...
  2. html缩进快捷键_Mac技巧|如何高效使用苹果便笺?利用便笺快捷键快速完成操作!
  3. mysql表设计很多非常大的varchar_聊一聊数据库(MySQL)设计中的数据类型优化
  4. 常见工具识别集锦---Windows应急响应工具
  5. verilog 中的 log2
  6. import time python_import time
  7. 基于GitHub的敏捷学习方法之道与术
  8. Arduino基础入门篇(认识开发板和面包板)
  9. SpringSecurity 简介
  10. 力扣解法汇总537-复数乘法
  11. 一个电子商务网站的设计及开发环境配置文档
  12. 向UBOOT 中添加自己的板子
  13. 不同系统之间数据对接方式
  14. 【最简单】STM32+ESP8266+MQTT+EMQX完成数据上传和点灯环节
  15. 美国盐湖城郊区一购物中心发生枪击案 致2人受伤
  16. CSS Class 3
  17. 使用base64编码加密解密
  18. 轻触开关正确测试方法
  19. 音频如何分割成两段音频?这些实用方法值得收藏
  20. 人在职场,要接受“丢车保帅” (转)

热门文章

  1. 【深度学习数学基础之线性代数】研究使用链式法则进行反向传播的求导算法
  2. 四川大学研究生计算机专业怎么样,川大和电子科技大学那个计算机考研专业好?...
  3. 人工智能基础知识总结
  4. windows 10 __同时管理多个窗口的使用技巧(拼接多个窗口,虚拟桌面等)
  5. EasySwoole 基础入门
  6. 图像处理——高斯拉普拉斯LOG(2)
  7. Mac 开发(一) 苹果沙盒机制sandbox 简介
  8. 三维切面(水平面、冠状面、矢状面)的几种操作
  9. MySQL数据库与登录注册
  10. 三维动画设计与制作【2】