Een nieuw hulpmiddel voor eiwitanalyse, ontwikkeld aan de universiteit van Buffalo, zou de snelheid en precisie waarmee ziekte- en medicijneffecten worden geanalyseerd enorm kunnen verhogen.

Het baanbrekende instrument, genaamd IonStar, is de eerste die bijna perfecte nauwkeurigheid biedt bij het kwantificeren en vergelijken van de overvloed aan eiwitten in de lichamen van mensen die gezond en ziek zijn.

Vergeleken met de industriestandaard MaxQuant, IonStar verbeterde de meetconsistentie van eiwitten in lage abundantie en verlaagde de hoeveelheid ontbrekende gegevens in resultaten van 17 procent naar 0,1 procent, een niveau dat nog nooit is bereikt met grote monsters.

De nieuwe tool zou de kwaliteit en nauwkeurigheid van medische diagnoses kunnen verhogen en het tempo van de farmaceutische ontwikkeling kunnen versnellen.

"IonStar zal het aanzien van klinisch en farmaceutisch onderzoek en de industrie totaal veranderen, waar grote onderzoeken vaak van cruciaal belang zijn, " zegt Jun Qu, doctoraat, hoofdonderzoeker en professor aan de UB School of Pharmacy and Pharmaceutical Sciences.

Het onderzoek is gisteren gepubliceerd in de Proceedings van de National Academy of Sciences (PNAS) .

Spelen Zoek de verschillen

De overvloed aan eiwitten in het lichaam die overeenkomen met ziekte of farmaceutische reacties, kan onderzoekers essentiële aanwijzingen geven voor het nauwkeurig diagnosticeren van een aandoening, en voor het ontwikkelen van mogelijke therapieën en het evalueren van de effecten van geneesmiddelen.

Eiwitanalysetools worden gebruikt om de overvloed aan eiwitten in groepen gezonde individuen te kwantificeren en te vergelijken met mensen die ziek zijn of met een medicijn worden behandeld. Veranderingen in eiwit-abundanties, wanneer ze samen worden geanalyseerd, onthullen vaak nieuwe biomarkers.

De uitdaging voor onderzoekers is dat de huidige tools niet efficiënt zijn in het analyseren van grote aantallen monsters. Een soort methode, de etiketteringsmethode, gebruikt chemische tags om eiwitten te labelen. Het probleem:de software kan maximaal 10 monsters tegelijk analyseren, waardoor het voor onderzoekers moeilijk wordt om typische farmaceutische en klinische studies uit te voeren, zegt Qu.

Het alternatief, de labelvrije methode, kan een groot aantal monsters tegelijk analyseren ten koste van nauwkeurigheid en precisie, waardoor onderzoekers tijd en middelen verspillen aan het valideren van verkeerd geïdentificeerde biomarkers.

IonStar verhoogt de nauwkeurigheid en precisie en vermindert ontbrekende gegevens door verbetering van de monstervoorbereidingsmethoden, uitlijning en functiedetectieontwerpen voor massaspectrometrieanalyse.

"Bijvoorbeeld, bij klinische proeven, als je een handvol patiënten vergelijkt, kom je nergens, ", zegt Qu. "Als je een groot aantal patiënten kunt analyseren met hoogwaardige gegevens, je kunt biomarkers veel nauwkeuriger en betrouwbaarder ontdekken en volgen. Hetzelfde geldt voor farmaceutisch onderzoek."

Het concept bewijzen bij traumatisch hersenletsel

Onderzoekers gebruikten IonStar om eiwitten te kwantificeren bij ratten met traumatisch hersenletsel, een slopende aandoening die jaarlijks 2,2 miljoen bezoeken aan de spoedeisende hulp in de Verenigde Staten vertegenwoordigt.

Met behulp van 100 weefselmonsters, IonStar geïdentificeerd 7, 000 eiwitten, inclusief 1, 000 die in overvloed verschilden, zonder gegevens te missen.

IonStar heeft ook eiwitten met een lage overvloed gemeten met een hogere nauwkeurigheid en precisie dan andere gangbare analysetools. Dit vermogen is cruciaal, zegt Qu, omdat eiwitten die in kleinere hoeveelheden voorkomen een meer invloedrijke rol spelen in het lichaam.

"Als eiwitten van een hoger niveau soldaten zijn, dan zijn eiwitten op een lager niveau de commandanten. Het zijn de regulatoren die de eiwitten van een hoger niveau vertellen wat ze moeten doen, " zegt Q.

Qu heeft IonStar en vergelijkbare technieken gebruikt om eiwitvariatie bij kanker te analyseren, suikerziekte, hart-en vaatziekte, neurodegeneratie en netvliesdegeneratie ook.

Toekomstig werk aan IonStar zal gericht zijn op het uitbreiden van het aantal monsters dat de tool kan analyseren.