2022年12月23日
本文采用超高效液相色谱-高分辨串联质谱法(UPLC-MS/MS),对原生及经醋制处理的莎草根(CR)在原发性痛经大鼠模型中的样本进行了比较分析。研究考察了经CR与醋制莎草根(CRV)处理的大鼠体内代谢物及其样本成分在血液中水平的变化。
代谢组学可检测整体且动态的代谢响应,这与评价中药整体疗效的理念相一致。通过代谢组学可以确定药物组分在机体代谢反应作用下的变化,从而利用该技术缩小中药活性成分的筛选范围。
通过研究各个组分可以避免片面性。该方法可同时检测内源性代谢物以及被吸收进入血液的外源性成分。代谢组学已广泛应用于中药、药物毒理学、健康管理、运动、食品及其他领域的研究。
首先,确定治疗六只Sprague Dawley大鼠连续三天所需的莎草根提取物(CR)或醋制莎草根(CRV)的用量。使用以下公式计算每只大鼠所需的CR或CRV体积。制备CRV时,将100克莎草根与20克醋(每100毫升含超过5.5克乙酸)充分混合,并孵育12小时。
孵育后,将混合物放入铁锅中,在110至120摄氏度下翻炒10分钟。然后取出混合物,于室温下冷却。制备CR提取物时,取CR药材,加入其重量10倍的纯化水浸泡2小时,并确保药材完全浸没于液面以下。
接下来,将水与药物的混合物用大火加热至沸腾,然后转小火保持沸腾20分钟。随后,用100目滤布过滤溶液,收集滤液。再使用旋转蒸发仪将收集的滤液浓缩成每毫升含1克药材的提取物。
为制备CRV提取物,按照CR提取所示的方法进行浸泡、煮沸和浓缩步骤。在测试CR和CRV提取物时,将500微升提取物加入含有500微升甲醇的1.5毫升微量离心管中,涡旋振荡30秒以混匀。在4摄氏度、16,500 g条件下离心样品15分钟。
然后,移除上清液,并将其转移至样品瓶中用于检测。样品检测完成后,使用分析软件进行主成分分析(PCA)及建模。将代谢物的标准化数据导入软件,然后使用Autofit构建分析模型。
最后,利用得分生成主成分分析(PCA)的得分散点图。为了进行正交偏最小二乘判别分析(OPLS-DA),将代谢物的标准化数据以及CR组和CRV组信息导入软件中,随后将CR和CRV的数据分别导入其对应的分组中。
然后,使用Autofit构建分析模型,并通过得分获得OPLS-DA的得分散点图。最后,利用VIP获取OPLS-DA中投影变量重要性(VIP值)。为鉴定潜在的差异代谢物,筛选出VIP值大于1的代谢物。
然后,使用统计学软件通过学生t检验计算筛选出的代谢物的P值。接着,利用已注释的代谢物鉴定差异代谢物,并筛选出需在KEGG数据库中进行匹配的差异代谢物。通过绘制热图展示CR组和CRV组中差异代谢物的变化情况。
为了研究潜在的代谢通路,请访问 MetaboAnalyst 数据库。使用通路分析功能上传差异代谢物,以获取潜在的代谢通路。将差异代谢物上传至 KEGG 数据库,以分析其潜在的代谢通路。
分析痛经模型实验显示,前列腺素水平存在显著差异。模型CR组和CRV组大鼠在注射催产素后表现出明显的扭体反应。PCA分析结果表明,在正离子和负离子模式下,CR组和CRV组与模型组的聚类均显著分离。
采用OPLS-DA分析筛选代谢差异,散点图结果显示CR组与CRV组之间实现了分离。通过单变量统计分析鉴定代谢物的变化。图中显示了火山图,其中每个点代表一种不同的代谢物。
在正离子模式下观察到63种代谢物发生显著变化,在负离子模式下有30种代谢物发生显著变化。利用KEGG和HDMB数据库确定差异代谢物,并列出准确匹配的化合物。计算并聚类分析了CR组与CRV组之间差异代谢物的定量数值。
颜色色块表示各代谢物相对于其他代谢物的表达情况。与CR组相比,在正离子模式下,CRV组中有4种差异代谢物水平升高,11种代谢物水平降低。在负离子模式下,有4种差异代谢物水平升高,7种代谢物水平降低。
KEGG通路分析结果表明,差异代谢物在正离子模式和负离子模式下与九条通路相关。差异代谢物越多,结果越理想,因此能够关联足够的代谢通路,筛选出的关键代谢通路也将更加准确。
查看完整文字稿并访问数千部科学视频
本研究采用超高效液相色谱-高分辨串联质谱法(UPLC-MS/MS),对原生及醋制 Cyperi rhizoma(CR)样品在原发性痛经大鼠模型中的代谢物和样品成分在血液中的水平变化进行了比较分析,考察了经CR处理与经醋制CR(CRV)处理大鼠之间的差异。
通过代谢组学驱动的分析方法,在痛经大鼠模型中对中药莎草根(CR)及其醋制形式(CRV)进行代谢谱分析,可精确描绘代谢通路调控情况及成分的生物利用度。该方法有助于降低植物药治疗机制研究中的风险并验证作用靶点,为早期药物发现和转化研究决策提供依据。定量代谢物分析可提高对天然药物研发项目组合筛选与优先排序的预测可靠性。
该基于超高效液相色谱-串联质谱(UPLC-MS/MS)的代谢组学工作流程涵盖了从早期发现到临床前验证的全过程,可支持植物源性治疗药物的先导化合物识别及作用机制的风险评估。