Access Agilent 电子期刊（2015 年 8 月）

揭示暴露组：用于系统生物学解决方案的 Agilent 7010 三重四极杆气质联用系统

作者：Melissa Churley
安捷伦高级应用科学家

Anthony Macherone 博士
安捷伦高级应用科学家和
约翰霍普金斯大学医学院客座教授

全球三分之二的死亡病例由慢性疾病引起。其中，呼吸系统疾病、心血管疾病和癌症占比最大 [1]。在科学界，一些人认为这些慢性疾病是由遗传引起的，他们相信通过对个体的基因组 (G) 测序可以提前几年预测个体的健康结果 [2]。事实上，在1300 多个有关基因组的研究 (GWAS)中，很少有关于风险相关系数大于 1.2 的重要单核苷酸多态性 (SNP)的报道。因此，慢性病的基因遗传风险相对较低 — 大约为 10% 到 20% [3]。

放大图片

图 1. 常见化合物的血液内暴露浓度。转载自 Environmental Health Perspectives（环境健康展望）。

现在发现大多数的慢性疾病与日暴露相关

虽然基因会引起某些慢性疾病，但这种情况并不多。科学家们逐渐发现个体每日接触的暴露物才是引起多达 90% 复杂慢性病的核心原因。暴露物源自我们食用的食物、服用的药物和外部环境污染物中所含的化学物质，还源自我们内部的化学物质，包括我们体内的活性微生物群（图 1）。暴露组 (E) 被定义为一生中这些暴露物的总和 [4]。在本范例中，慢性病风险主要与暴露组有关，或者与遗传和暴露组两者有关，包括表观遗传学。液相和气相分析技术中使用基于发现的靶向质谱方法来测试复杂方式中的暴露组。ICP-MS 也可以用于测定金属暴露。

靶向 GC-MS/MS 技术非常适合检测血液中浓度低至 5.0 pg/mL (5 ppt) 的持久性有机污染物 (POP)，血浆样品量可低至 200 µL。这些工作流程中获得的数据可以使用Agilent Mass Profiler Professional (MPP) 软件进行缩减，以进行统计学和差异分析，测定给定群组的显著性特征。

放大图片

图 2. PCB 118 的 MRM 离子对。5.0 pg/mL 血清校准液的信噪比大于 25。内插图：5-1000 pg/mL 范围的校准曲线；进样量为 5-1000 fg。

放大图片

图 3. 协变量分层聚类分析根据化合物的丰度和出现频率鉴别出每个群组中实验组与对照组存在明显差异。

使用新一代 GC/MS/MS 系统筛查人血浆

为进一步研究，对来自两个群组的未匹配的实验/对照组共 51 个血浆萃取物进行了盲法分析。采用靶向 GC/MS/MS 技术对 66 种 POP（15 种多环芳烃、12 种类二噁英多氯联苯、11 种多溴二苯醚、18 种有机氯农药、5 种二噁英类、5 种呋喃类化合物）进行了分析，分析仪器为 Agilent 7890B 气相色谱与配备了 EI MRM 模式高效离子源 (HES) 的 Agilent 7010 三重四极杆气质联用系统。色谱柱采用 HP-5MS (30 m x 250 µm, 0.25 µm)。为每个化合物定义了一个定量 MRM 和一个定性 MRM。在3 个浓度水平上对系统性能和精度进行了测试。每个萃取样品进样三次。

从结果可见，13C12-DDT 内标重复进样的面积精密度的平均 RSD ≤ 3%（最小值 = 0.38% RSD；最大值 = 6.79% RSD；n = 153）。保留时间精密度为 ± 0.122 min (n = 9608)。结果表明能对 200 µL 血浆样品中更宽浓度范围的 POP 进行有效分析，检测限可低至 5 pg/mL（图 2）。协变量分层聚类分析基于变量（如化合物出现频率/丰度和群组）对实验组和对照组进行了区分（图 3）。

使用高效 GC/MS/MS 检测更多化合物

人血中 POP 的浓度比膳食化学品、药物和代谢物的浓度低 1000 倍。许多使用液相色谱飞行时间质谱或傅立叶变换质谱的基于发现的非靶向分析不能检测约 70% 的这类化合物 [5]。在本研究中，靶向 GC/MS/MS 方法可检测的POP 浓度范围更广，检测限低至 5 pg/mL。主成分分析和分层聚类分析基于频率、群组和其他元数据区分实验组、对照组和参比样品，为未来设计实验验证 POP 和疾病发病之间的关系铺平了道路。

安捷伦分析仪器和软件用于评估环境暴露

暴露和人体健康的因果关系非常复杂。安捷伦分析仪器和软件可为您提供整合生物学解决方案所需的工具。了解安捷伦广泛的解决方案如何充分利用多组学分析来解析暴露组。您也可以下载信息丰富的 Agilent 7010 三重四极杆气质联用系统产品样本，该系统可以帮助用户定量在以往气质联用系统上无法实现的分析物。

我们衷心感谢来自加利福尼亚大学伯克利分校公共卫生学院的 Sarah Daniels 和 Martyn T. Smith，以及来自 NMS 实验室的 Alex L. Maggitti 和 Matthew McMullin 对本文章的贡献。

参考文献

R. Lozano, et al. “Global and regional mortality from 235 causes of death for 20 age groups in 1990 and 2010: a systematic analysis for the Global Burden of Disease Study”. Lancet, 2012, 380, 2095–2128.
P. Brodin, V. Jojic, T. Gao, S. Bhattacharya, C.J. Lopez Angel. “Variation in the human immune system is largely driven by non-heritable influences”. Cell, 2015, 160, 37–47.
S.M. Rappaport, M.T. Smith. “Environment and disease risks”. Science, 2010, 330, 460–461.
C.P. Wild. “Complementing the genome with an ‘Exposome’: the outstanding challenge of environmental exposure measurement in molecular epidemiology”. Cancer Epidemiol Biomarkers Prev., 2005, 14, 1847–1850.
S.M. Rappaport, D.K. Barupal, D. Wishart, P. Vineis, A. Scalbert. “The blood exposome and its role in discovering causes of disease”. Environ Health Perspect, 2014, 122(8), 769–774.