Cíl studie: Plynová chromatografie se v diagnostice užívá pro speciální stanovení, například profilu organických kyselin v moči nebo séru. Tato metoda ovšem umožňuje, zejména pak ve svém dvojdimenzionálním uspořádání (GC×GC), mnohem ucelenější pohled na vybraný biologický materiál. Cílem práce bylo vyvinout postup pro komplexní analýzu biologického materiálu. Typ studie: Vývoj analytické metody Název a sídlo pracoviště: Laboratoř dědičných metabolických poruch, Fakultní nemocnice, Olomouc Materiál a metody: Analýzy byly provedeny na GC×GC (Agilent 7890) spojeném s průletovým hmotnostním analyzátorem (TOF MS) (LECO Pegasus 4D). Automatické zpracování dat bylo provedeno programem ChromaTOF (LECO) za použití „reference.“ Výsledky: V této studii byla vytvořena tzv. reference metabolitů, obsahující zejména organické kyseliny, aminokyseliny a látky podobné povahy, které byly derivatizovány dvěma postupy – silylací nebo alkylací methylchloroformiátem. Aplikací reference na naměřené vzorky bylo možno identifikovat (shoda 733–999) více než 100 analytů v každém vzorku. Závěry: GC×GC-TOF je vhodná metoda pro metabolomickou analýzu mnoha biologických matricí a může být také uplatněna v diagnostice metabolických onemocnění. Zpracování dat lze plně automatizovat., Objective: Gas chromatography is used in diagnostics mostly for special analyses e.g. organic acids profiling in urine or serum. But this method enables, especially in two-dimensional version (GC×GC), more comprehensive view on selected biological material. The aim of this work was to develop a method for complex analysis of biological material. Design: Analytical method development Settings: Laboratory for Inherited Metabolic Disorders, Palacky University and University Hospital, Olomouc Material and methods: Analyses were performed on GC×GC (Agilent 7890) coupled with time-of-flight mass analyzer (TOF MS) (LECO Pegasus 4D). An automated data processing was performed by the ChromaTOF software (LECO) using “reference” tool. Results: In this study, the list of metabolites was created. It covers predominantly organic acids, amino acids, sugars, and similar – silylated or alkylated via methylchloroformiate. After applying the reference we were able to identify (spectral matches of 733–999) more than 100 analytes in each sample. Conclusion: GC×GC-TOF is a valuable tool in metabolomic analysis of many biological matrices and enables also diagnosing metabolic disorders. Data processing can be fully automated., Wojtowicz P., Dostálová E., Adam T., and Literatura 2
Cíl studie: Metabolomika se stává důležitým nástrojem v klinickém výzkumu a diagnostice lidských onemocnění. V této studii byla použita necílená metabolomická analýza suchých krevních skvrn (DBS) pro diagnostiku dědičných metabolických poruch (DMP). Typ studie: Klinická aplikace Materiál a metody: Vzorky DBS byly analyzovány technikou vysoce účinné kapalinové chromatografie ve spojení s hmotnostním spektrometrem s vysokým rozlišením. Data byla zpracována a statisticky vyhodnocena s použitím softwaru R. Výsledky: Bylo porovnáváno 20 kontrolních vzorků vůči třem vzorkům od pacientů s fenylketonurií a třem vzorkům od pacientů s leucinózou. Všechny pacientské vzorky se podařilo rozlišit od kontrolních na základě příslušných markerů jednotlivých onemocnění. Závěry: Tato studie ukazuje, že necílená metabolomika může být uplatněna při diagnostice DMP., Objective: Metabolomics has become an important tool in clinical research and diagnosis of human diseases. In this work we applied untargeted metabolomic analysis of dry blood spots (DBS) for diagnosing inherited metabolic disorders (IMDs). Design: Clinical application Material and methods: DBS samples were analyzed by high performance liquid chromatography coupled with high-resolution mass spectrometer. Data were processed and statistically evaluated using R software. Results: We compared 20 control samples with three samples from patients with phenylketonuria and three samples from patients with maple syrup urine disease. All patient samples were distinguished from controls based on appropriate markers of the disorders. Conclusion: This study shows that untargeted metabolomics can be applied for diagnosing various IMDs., Janečková H., Wojtowicz P., Hron K., Friedecký D., Adam T., and Literatura 5