• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利:CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法,用中文像聊天一样搜索,搜遍4000万医学文献。AI智能推荐,让科研检索更轻松。

立即免费搜索

文件翻译

保留排版,准确专业,支持PDF/Word/PPT等文件格式,支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述,25分钟生成高质量综述,智能提取关键信息,辅助科研写作。

立即免费体验

使用iMS2Net对小鼠多器官进行代谢协同分析的方案。

Protocol for metabolic synergy analysis of multi-organs in mice using iMS2Net.

作者信息

Dong Jiyang, Peng Qianwen, Deng Lingli, Zhao Chao, Cai Zongwei

机构信息

Department of Electronic Science, National Institute for Data Science in Health and Medicine, Xiamen University, Xiamen 361005, China.

Department of Information Engineering, East China University of Technology, Nanchang 33000, China.

出版信息

STAR Protoc. 2023 Mar 13;4(2):102159. doi: 10.1016/j.xpro.2023.102159.

DOI:10.1016/j.xpro.2023.102159
PMID:36920911
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC10025265/
Abstract

Biomolecule regulation and communication between cells and organs show specific network and regional features and play an important role in disease progression. Here, we describe steps for in situ detection of biomolecules with detailed spatial distribution using imaging mass spectrometry (iMS). Using the information on inter-cells and inter-organs metabolic interactions provided by iMS, we detail the establishment of an iMS-dataset-sourced multiscale network strategy and present steps for exploring metabolic responses in environmental-exposure-induced disease model. For complete details on the use and execution of this protocol, please refer to Dong et al. (2022)..

摘要

生物分子在细胞和器官之间的调节与通讯呈现出特定的网络和区域特征,并在疾病进展中发挥重要作用。在此,我们描述了使用成像质谱(iMS)原位检测具有详细空间分布的生物分子的步骤。利用iMS提供的细胞间和器官间代谢相互作用信息,我们详细阐述了一种源自iMS数据集的多尺度网络策略的建立,并展示了在环境暴露诱导的疾病模型中探索代谢反应的步骤。有关本方案使用和执行的完整详细信息,请参阅Dong等人(2022年)的文章。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b71c/10025265/fbb4ba730bb5/gr5.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b71c/10025265/36cbc48ed099/fx1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b71c/10025265/868e717d2d0f/gr1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b71c/10025265/88d91d93f181/gr2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b71c/10025265/0486301bccd3/gr3.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b71c/10025265/cd05e304a7c9/gr4.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b71c/10025265/fbb4ba730bb5/gr5.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b71c/10025265/36cbc48ed099/fx1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b71c/10025265/868e717d2d0f/gr1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b71c/10025265/88d91d93f181/gr2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b71c/10025265/0486301bccd3/gr3.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b71c/10025265/cd05e304a7c9/gr4.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b71c/10025265/fbb4ba730bb5/gr5.jpg

相似文献

1
Protocol for metabolic synergy analysis of multi-organs in mice using iMS2Net.使用iMS2Net对小鼠多器官进行代谢协同分析的方案。
STAR Protoc. 2023 Mar 13;4(2):102159. doi: 10.1016/j.xpro.2023.102159.
2
iMS2Net: A multiscale networking methodology to decipher metabolic synergy of organism.iMS2Net:一种用于解读生物体代谢协同作用的多尺度网络方法。
iScience. 2022 Aug 8;25(9):104896. doi: 10.1016/j.isci.2022.104896. eCollection 2022 Sep 16.
3
Protocol for automated N-glycan sequencing using mass spectrometry and computer-assisted intelligent fragmentation.基于质谱和计算机辅助智能碎裂的自动化 N-糖链测序方案。
STAR Protoc. 2024 Jun 21;5(2):102976. doi: 10.1016/j.xpro.2024.102976. Epub 2024 Apr 16.
4
Calculating the spatial density of regulatory chromatin interactions using multi-modal datasets from the same cell line.使用来自同一细胞系的多模态数据集计算调控染色质相互作用的空间密度。
STAR Protoc. 2023 Mar 30;4(2):102188. doi: 10.1016/j.xpro.2023.102188.
5
Protocol to explain graph neural network predictions using an edge-centric Shapley value-based approach.使用基于边缘中心 Shapley 值的方法解释图神经网络预测的协议。
STAR Protoc. 2022 Dec 16;3(4):101887. doi: 10.1016/j.xpro.2022.101887. Epub 2022 Nov 24.
6
A deep learning based CT image analytics protocol to identify lung adenocarcinoma category and high-risk tumor area.一种基于深度学习的 CT 图像分析协议,用于识别肺腺癌类别和高风险肿瘤区域。
STAR Protoc. 2022 Sep 16;3(3):101485. doi: 10.1016/j.xpro.2022.101485. Epub 2022 Jun 22.
7
In vivo imaging of the human retina using a two-photon excited fluorescence ophthalmoscope.使用双光子激发荧光检眼镜对人视网膜进行体内成像。
STAR Protoc. 2023 Apr 13;4(2):102225. doi: 10.1016/j.xpro.2023.102225.
8
Protocol for training MERGE: A federated multi-input neural network for COVID-19 prognosis.MERGE 训练方案:一种用于 COVID-19 预后的联邦多输入神经网络。
STAR Protoc. 2024 Mar 15;5(1):102812. doi: 10.1016/j.xpro.2023.102812. Epub 2024 Jan 4.
9
Protocol for vision transformer-based evaluation of drug potency using images processed by an optimized Sobel operator.基于视觉变换器的药物效力评估协议,使用经优化的Sobel算子处理的图像。
STAR Protoc. 2023 May 1;4(2):102259. doi: 10.1016/j.xpro.2023.102259.
10
Protocol for engineering E. coli Nissle 1917 to diagnose, record, and ameliorate inflammatory bowel disease in mice.工程改造大肠杆菌Nissle 1917以诊断、记录和改善小鼠炎症性肠病的方案。
STAR Protoc. 2023 Apr 26;4(2):102254. doi: 10.1016/j.xpro.2023.102254.

本文引用的文献

1
iMS2Net: A multiscale networking methodology to decipher metabolic synergy of organism.iMS2Net:一种用于解读生物体代谢协同作用的多尺度网络方法。
iScience. 2022 Aug 8;25(9):104896. doi: 10.1016/j.isci.2022.104896. eCollection 2022 Sep 16.
2
Cardinal: an R package for statistical analysis of mass spectrometry-based imaging experiments.Cardinal:一个用于基于质谱成像实验统计分析的R软件包。
Bioinformatics. 2015 Jul 15;31(14):2418-20. doi: 10.1093/bioinformatics/btv146. Epub 2015 Mar 15.
3
MALDIquant: a versatile R package for the analysis of mass spectrometry data.
MALDIquant:用于质谱数据分析的多功能 R 包。
Bioinformatics. 2012 Sep 1;28(17):2270-1. doi: 10.1093/bioinformatics/bts447. Epub 2012 Jul 12.