[发明专利]用于分析复杂混合物中小分子成分的设备和相关方法

说明书

技术领域

本公开内容涉及测定复杂混合物中小分子成分的领域，更具体而言，涉及用于分析复杂混合物中小分子成分的设备和相关方法，这种小分子分析包括代谢物组学（metabolomics），其是指对有机体的新陈代谢过程所产生的小分子的研究，或者对通过新陈代谢所产生的小分子的其它分析。

背景技术

代谢物组学是指对细胞、组织或器官（包括流体）中所包含的以及参与初级代谢和中间代谢的小分子或代谢物的研究。术语“代谢物组（metabolome）”是指在有机体中存在的代谢物集合。人类代谢物组包括天然的小分子（可天然生物合成的非聚合化合物），这些天然的小分子为普通代谢反应中的参与物，并且是细胞维持、生长和正常功能所必需的。因此，代谢物组学是一种对细胞生理状态的直接观察，并因此可对特定有机体中的疾病具有预见性。微妙的生化变化（包括选定代谢物的存在）在特定疾病中是固有的。因此，将这些变化精确映射到已知途径上可使得研究者能够对疾病建立起一种生化假设。基于这种假设，对该疾病关键的酶类和蛋白质能够是无包被的，使得疾病标靶可被识别出，以使用靶向药物组合物或其它疗法进行治疗。

未覆盖疾病下的生化过程的分子生物技术着眼于基因组，其包括构成DNA的基因，DNA被转录成RNA，并然后被转译成蛋白质，蛋白质则构成了人类代谢物组的小分子。虽然基因组学（genomics）（研究DNA级别的生物化学）、转录体表达概况分析（transcript profiling）（研究RNA级别的生物化学），以及蛋白质组学（proteomics）（研究蛋白质级别的生物化学）对于疾病途径的识别是有用的，但是由于在人类细胞中存在超过25,000种基因、100,000至200,000种RNA转录物以及高达1,000,000种蛋白质，这些方法是非常复杂的。然而，据估计在人类代谢物组中可能仅有2,500种小分子。

因此，代谢物组学技术提供了超越基因组学、转录体表达概况分析和/或蛋白质组学的巨大飞跃。借助代谢物组学，代谢物和它们在代谢中的作用可被易于识别出来。在这种背景下，可以比其它已知方法更高的准确性来加速处理对疾病标靶的识别。正如在例如Metabolon，Inc的第7,005,255和7,329,489号，名称分别为“Methods for Drug Discovery”和“Diagnosis Using Metabolomics”的美国专利中大体上所描述的那样，在本领域中，用于识别疾病途径的代谢物组学数据集合通常是已知的。代谢物组学的其他应用在其中进行了描述，并且包括，例如，测定对于治疗剂（即，药品）或其它外源物的反应、监控药物反应、测定药物安全性和药物的发现。但是，对取自各种样本（例如，来自患者种群）的代谢物组学数据的收集和分类耗费了大量的时间和运算量。例如，依据一些已知的代谢物组学技术，用于某些样本的光谱测定数据被收集，以三维的形式被描绘出，并被存储在与每一个样本对应的单独文件中。然后通过单独文件，将该数据与对应于多种已知代谢物的数据进行比较，以便识别出可能是疾病标靶的已知代谢物。该数据还可用于识别有毒物质和/或药物代谢物。此外，这样的数据还可用于监控外源物的作用，和/或用于监控/测量/识别外源物以及处理（代谢）这些外源物而产生的相关代谢物。但是，这种常规的“基于文件”的方法（涉及针对每一种样本生成的单独数据文件）需要使用大量的运算力和能够处理对大量已知代谢物进行筛选的内存。而且，“基于文件”的数据处理可能不适合于在许多样本中来编译样本种群数据，这是因为，依据已知的代谢物组学数据处理技术，每一个样本被独立地分析，而没有将可更易于在样本种群中检测的代谢物组成的微小变化考虑在内。而且，现有的“基于文件”的方法可能有其它限制，这包括：有限的可靠性和可审查性；并且，在多文件副本中的数据设置的一致性较差。此外，单独的文件可能不支持多索引（即，每日收集、样本ID、对照对已治疗、药物剂量，等），使得在仅需要特定子集的时候，所有文件都必须扫描。