代谢组是基因组、转录组和蛋白组的“终端”，是生命体特征的直接体现。代谢组学已经成为新的临床化学(new clinical chemistry)。sensichip公司在代谢组学领域的业务包括以下方面：
1 疾病的识别(Disease identification)
2 疾病的诊断和预测(Disease prognosis & prediction)
3 疾病的监测(Disease monitoring)
4 药物代谢和毒性分析(Drug metabolism and toxicology)
5 代谢组与基因组的关系(Linkage between metabolome & genome)
6 代谢组分析软件开发(Development of software for metabolomics)

实验设计方案-

典型的代谢组分析流程见下图，针对客户的不同要求，具体的分析方案将有所不同：


实验操作方案-

(1)确定研究目标：研究何种疾病的代谢组?
(2)选定样本来源(人)，尤其注意正常样本的代表性和普遍性。
(3)对样本来源进行分组，并记录性别、年龄、病情、治疗等信息。
(4)对个样本采集血浆后于-20℃ 冰箱中保存。如果利用核磁共振谱获得数据，见(a)； 如果用色质联用，见(b)。
(a) 解冻, 离心, 取上清, 添加0.1的2,2,3,3-三甲基甲硅烷基丙酸 (TSP)重水溶液，于４ ℃存，做H NMR，积分，记录并保存数据。
(b) 参照相关文献和已有知识，初步确定重点要分析的代谢物的成分和性质，并选择适当的LC-MS实验条件，记录并保存数据。

数据分析方案-

目的：

找到正常与对照样本在代谢组水平上的差异，以期作为临床诊断的标准。

分析步骤：

一、数据校正

以内标做参照。通过相关算法的运行，得出的数据作为校正后的数据。

二、统计学分析

用T-test或F-test等方法，计算每种化合物在不同样品组中差异的显著性，设置P阈值，判断p值小于阈值的化合物为检测含量有显著性差异的化合物。

三、聚类分析

用聚类方法对差异结果进行同源聚类，通过聚类图展示各样品之间的关系

四、PCA分析（principal component analysis）

通过对有显著性差异的化合物数据做PCA分析，将样品的特征量压缩，在低维度空间反映样品之间的关系。用score plot展示PCA分析结果，如下三维图形所示：、

五、ROC（Receiver/Relative Operating Characteristic）诊断分析

该方法广泛用于医学诊断性能的评价,将灵敏度设为纵轴，特异性设在横轴，该曲线下的积分面积大小与诊断试验的优劣密切相关：

六、预测模型构建

利用R中的PAMR软件包，采用Nearest Shrunken Centroids s(NSC)方法（Tibshirani R et al, PNAS. 2002,）构建了预测癌症预后的预测模型。

代谢组学整体解决方案信息由上海敏芯信息科技有限公司为您提供，如您想了解更多关于代谢组学整体解决方案报价、型号、参数等信息，欢迎来电或留言咨询。

注：该产品未在中华人民共和国食品药品监督管理部门申请医疗器械注册和备案，不可用于临床诊断或治疗等相关用途