Purpose: 대사체학 생체지표 발견을 위한 자동화된 Workflow와 장비 사용의 개발
Methods: Extended Fed와 Fasted Rat 으로 부터 추출한 Serum에 관한 연구를 위해서 Thermo사의 신모델인 Q-Exactive Benchtop LC-MS/MS을 이용하여 고분해능, 고정확도 질량분석 데이터를 획득하였다. Chemical Noise를 축소하기 위해 특별히 고안된 Component Elucidator(CE) 알고리즘을 이용한 Thermo사 SIEVE 2.0 Software는 신뢰성 있는 양적 변화를 분석하기 위해 필요한 High Quality Data로 좋은 재현성을 보여준다.
Results: SIEVE 2.0 Software를 이용한 데이터의 처리는 시스템으로부터 오는 비슷한 Noise를 제거하여 Differential Analysis와 Putative Assignment에서 보다 신뢰성 있고 정밀한 Statistical Groupings를 이끌어 냈다.

대사체학은 잠재적인 약물 후보물질에 관해서 약리작용 반응으로부터 오는 생화학적 변화의 결과를 연구하기 위해 제약 산업과 함께 사용되어 왔다. 독성/효력의 표지를 확인 하는 능력은 약품 발견과 적합한 임상계획의 정의를 도울 수 있다. LC-MS Metabolomics Profiling 실험으로 얻은 데이터는 종종 Biomarker Discovery와 혼돈하여 많은 수의 Chemical Background를 포함한다. 새로운 질량분석기 기술과 데이터 처리 소프트웨어는 Chemical Background의 제거에 활용된다. 동물 실험은 약물로 야기된 변화와 분별하기 위해서 관련된 동물의 나이와 영양에 관한 연구를 위해 설계되었다. 기존의 LC-MS를 이용한 대사체학 연구는 성분당 Multiple charge에 의한 중복과 Chemical Noise와 같은 관련성 없는 것들로 인해서 불필요한 데이터들이 많이 포함된 것에서 분석을 해 왔다. Metabolic Profile(나이와 영양)의 영향과 관계된 외적인 인자는 생물학적 변화를 증가시킨다. 많은 Chemical 성분들이 미지시료이고, 이것들이 특히 구조 규명을 실행하기 전에 False Positive로서 제거되는 것이 중요하다. 따라서, 고분해능 질량분석기와 결합된 UHPLC는 Chemical Background로부터 대사체를 구별하기 위해서 충분한 분해능을 제공함으로써 반복적으로 나타나는 Chemical Noise를 구별할 수 있다. 고정확도 질량 데이터는 목적하는 대사체의 정량분석을 개선하고, 데이터 사이즈를 함축적으로 축소하기 위해 관련된 Signals Leading을 알아내는데 고성능의 데이터 처리를 필요로 한다. 생물학적 인자는 Metabolic Profile에 충분한 영향력을 가지고, 심지어 간소한 신진대사의 변화는 약물로 야기된 신진대사의 효과를 알기 어렵게 할 수 있다. 쥐를 이용한 일반적인 신진대사의 변화는 “Biological Noise”를 최소화 하고 특히 약물과 관계된 신진대사의 변화에 좀 더 신뢰성을 제공하는데 도움을 준다.

혈액 샘플은 Fully Satiated, Acute과 Chronic Fasting, Different Ages 그룹에서 LC-MS를 이용하여 분석하였다. 단백질은 0.1% Formic Acid가 첨가된 Cold Methanol 100μL를 첨가하여 Serum 샘플(50μL)로부터 제거하였다. 샘플은 말린 후 H2O/Methanol 90:10의 200uL로 희석하였다. 모든 LC-MS 분석은 Positive와 Negative 이온 모드에서 Q-Exactive Orbitrap Mass Speactrometer를 이용하여 Resolution 70,000(FWHM)에서 실행하였다(FIGUER 1참조).

본 연구에서는 쥐를 이용한 음식 결핍의 대사체 효과를 결정하기 위해 Alpha SIEVE^TM 2.0 Software의 Component Elucidator (CE) 데이터 처리 알고리즘을 이용하여 분석하였다.