パデュー大学の研究者らがマルチオミクス解析へのより迅速な経路を提案
パデュー大学のチームは、多くの実験室ワークフローで最も時間のかかる部分の一つであるサンプル前処理を省く方法を開発したと発表した。この方法は表面接触抽出イメージング（STEi）と呼ばれ、液体クロマトグラフィー-タンデム質量分析（LC-MS/MS）での使用を想定し、代謝物、脂質、環境化合物、タンパク質を複雑な表面から直接分析することを可能にする。
この進歩が重要なのは、従来の前処理工程が、機器がデータを生成し始める前に実験時間と予算の大部分を消費することが多いためである。パデュー大学チームの捉え方では、これらの工程はサンプル自体を変形させることもある。混合、遠心分離、移し替え、乾燥は多くの分析ワークフローで日常的な工程だが、それらは検体の元の構造を破壊し、特定の化学物質がどこにあったかという情報を消し去ってしまう可能性がある。
この損失は、空間分析において特に重要である。組織片や魚の切り身など、不均一または不規則な表面を研究したい場合、従来の方法では抽出と分析の前に材料を薄切して平らにする必要があるかもしれない。パデュー大学の研究者らは、STEiがサンプル表面に直接作用することで、そのようなトレードオフを回避することを意図していると述べている。
このアプローチの仕組み
提供されたソーステキストによると、この方法では、抽出液をあらかじめ充填したピペットチップが組織や食品サンプルの表面に短時間接触する。この接触により、検体を通常の多段階の前処理シーケンスにかけることなく、対象分子を回収することを目的としている。概念は単純だが、その実用的な意義はより大きい。それは、空間化学を、後で高度に処理されたサンプルから再構築するものではなく、採取時点で保存すべきものとして扱うことだ。
研究者らは、この技術をより広範なマルチオミクスワークフローの一部として説明している。実際には、単一のアプローチでタンパク質や脂質を含む複数の層の生物学的または化学的情報をサポートし、環境化合物や代謝物も扱うことができる。この広さが、この技術をニッチな実験室のトリックではなく、複数の分野で役立つものとして位置づける理由の一つである。
ソーステキストは、食品科学と毒性学を恩恵を受ける可能性のある分野として挙げている。これらは論理的な初期ターゲットである。なぜなら、それらは分析用に標準化することが難しい、化学的に複雑で不均一な材料を頻繁に扱うからである。生物医学的設定での組織切片は不規則な場合がある。食品サンプルはその表面全体で変動する場合がある。環境残留物は、きちんと均一な分布ではなく、局所的なポケットに現れることがある。したがって、化合物がどこにあるかを保存する方法は、速度だけでなく、研究室が答えられる質問の種類も変えることができる。
なぜサンプル前処理がそれほどボトルネックなのか
サンプル前処理は、実験室科学の最も目に見える部分であることはめったにないが、それがスループット、再現性、コストを決定することが多い。機器段階で単純に見えるワークフローも、その前に反復的な手動または半手動のハンドリングに依存している場合がある。追加のステップごとに、時間、消耗品、およびラン間またはオペレーター間の変動の機会が増える。
パデュー大学チームの説明では、STEiはその負担を軽減するように構築されている。前処理ステップを削除することは、ターンアラウンドを加速するだけではない。特に研究者が多くのサンプルを処理したり、困難な材料からマルチオミクスデータセットを生成したりする必要がある設定では、分析の経済性も変えることができる。この方法が広く転用可能であることが証明されれば、研究室は機器の互換性のためにサンプルを再形成する時間を減らし、解釈とフォローアップ作業により多くの時間を費やすことができるようになる。
また、パデュー大学のプレゼンテーションには、データ品質に関する議論もある。従来の前処理は、測定前にサンプルを混合または変更することにより、位置のコンテキストを破棄する可能性がある。それが起こると、結果はどの化合物が存在するかを示すかもしれないが、それらが元の材料のどこに集中していたかを示さない。場所が重要な研究では、その情報を保存することは、速度を向上させることと同じくらい価値がある。
不規則な表面と幅広い研究室使用に対応
ソーステキストは、STEiが複数の用途向けに開発およびテストされたことを強調している。これは、多くの分析的イノベーションが厳密に管理された条件下または狭いクラスのサンプルでのみうまく機能するため、重要である。パデュー大学の提案はより広いものである：不規則な表面と多様な機器にわたって動作し、マルチオミクスデータを生成できる方法。
この研究は、パデュー大学のBindleyバイオサイエンスセンターの研究助教授で食品科学の兼任を持つChristina Ferreira氏と、パデュー大学化学科のJonathan Amy化学計測施設の助ディレクターであるRyan Hilger氏が主導している。彼らのコラボレーションは、問題のハイブリッドな性質を反映している。これは単なる化学の問題でも、単なるワークフローの問題でもない。それは、計測、生物学、食品科学、そして実際の実験室運営の交差点に位置している。
この記事はまた、パデュー大学が知的財産を保護するための措置を講じたことにも言及している。Ferreira氏は、このイノベーションをパデュー大学の技術商業化オフィスであるPurdue Innovatesに開示し、特許を申請した。これはそれ自体で技術を検証するものではないが、大学がこの技術を単一の学術論文やデモンストレーションを超えて、より広い使用に移行する可能性を見ていることを示している。
今後の展開
今のところ、STEiは、すべての運用上の問題が解決された完成したプラットフォームではなく、実現可能な方法と見なされるべきである。ソーステキストは、前処理を排除することの重要性について強い主張をしているが、採用を検討している研究室は、自らの条件下で性能、再現性、機器の互換性、スループットを評価する必要があるだろう。分析科学において、有望なワークフローと広く普及した標準の間のギャップは大きいことがある。
それでも、パデュー大学の発表は、現代の研究における実際の圧力点を指し示している。マルチオミクスは科学者が測定できるものを拡大したが、そのプロセスのフロントエンドは依然として遅く、労働集約的であることが多い。ハンドリング時間を圧縮しながら空間情報を保存する技術は、乱雑で不均一で処理が難しい実世界のサンプルに対する高価値分析のより日常的な使用を可能にするのに役立つかもしれない。
STEiがパデュー大学の期待通りに機能するならば、その重要性は単なる新規性だけにかかっているわけではない。それは、研究室が前処理時間、サンプル破壊、ワークフローの摩擦という通常のペナルティを支払うことなく、より豊かな空間的質問をすることができるかどうかにかかっている。それは科学的実践を静かに再形成できる種類の改善である：機器が何であるかを変えるのではなく、そもそもどれだけの有用な情報が機器に到達するかを変えることによって。
この記事はPhys.orgの報道に基づいています。 元の記事を読む.
Originally published on phys.org
