Message

临床组学研究

蛋白质和代谢物作为生命活动的执行者和终产物,其状态的改变可以反映疾病的发生、发展状况。相比于基因来说,蛋白质与代谢物更适合作为一种动态指标,精准地发现与诊断疾病。基于质谱技术的蛋白质组与代谢组的研究,正引领着精准医疗的发展。

临床组学研究的三个阶段

通过血液、尿液、活检组织等样本,发现特定疾病状态下,健康人群和疾病患者等蛋白质组与代谢组等定量变化,进行横断面研究或队列研究,筛选与该疾病关联等潜在标志物或标志物集,深度挖掘与疾病相关联的蛋白质变化、准确发现疾病标志物。
通过中等规模样本,对发现的潜在标志物进行靶向检测和分析,排除个体差异和实验差异,验证潜在标志物的稳定性和特异性。
对经验证的标志物进行大规模样本分析,最终确证标志物的临床应用价值,建立标准化操作流程,对获得并不断积累的大数据进行建模、机器学习、优化,最终建立能够用于疾病风险评估、诊断、预后、伴随诊断等临床应用等前沿技术。

蛋白质组学临床研究

代谢组学和脂质组学研究

大数据分析

蛋白质组学临床研究

通过血浆、尿液等体液样本分析,寻找和验证全新疾病标志物;通过组织、细胞等样本分析,发现和验证疾病机理;蛋白质组学分析不光可以发现定量蛋白质本身等差异,还可以对蛋白质翻译后修饰如糖基化、零酸化、泛素化、甲基化等进行定性定量分析,深入研究疾病机理和表现遗传。

代谢组学、脂质组学临床研究

以人体体液、器官组织、细胞中的小分子代谢物群体为研究对象,通过非靶向分析或针对特定信号通路的靶向质谱分析,结合统计分析和生物功能分析,发现差异小分子代谢物,寻找全新疾病早期诊断及预后标志物、研究疾病发生发展机理。

临床组学大数据研究

机器学习和人工智能已经步入生命科学领域。医疗大数据时代的到来,更加坚定了品生医学的战略方向
将来自医学研究的海量组学数据转换为有价值的应用解决方案。品生医学推出的代谢组学数据整理平台和人工智能医学统计数据处理平台,可以实现对所获得的原始质谱数据自动进行预处理(过滤、峰对齐、峰识别、反卷积分析等)、多维统计分析、代谢物鉴定、分析及生物通路分析等,构建精准医疗数据库,建立基于机器学习的疾病模型,用于疾病研究、早期风险评估、辅助临床诊断等。

CopyRight 2017-2020 Qlife Lab

版权所有/品生医学 技术支持/华映尚诚 粤ICP备17081985号