新陈代谢是机体生命活动的基础，影响细胞的各个方面。生长、增殖、分化或凋亡等不同的细胞过程，存在着显著不同的代谢网络[1,4]。细胞内的新陈代谢除了受信号通路等多种机制调控外，也可作为信号分子，或独立调控生物学过程[8]。最近研究表明，新陈代谢参与调控表观遗传[6,7]、自噬[3,5]、凋亡、坏死[9]等多种细胞生命活动。代谢异常是引起肥胖、糖尿病及肿瘤等多种疾病的重要因素（图1）。肿瘤被认为是一种代谢疾病，代谢改变是癌症发生的显著标志之一。癌细胞进行代谢重编程，以满足肿瘤转化、起始、发展、侵袭与迁移等不同阶段以及不同营养环境下的代谢需求[1,8]（图2）。系统地分析疾病的代谢改变，对寻找有效的代谢标记物与疾病治疗靶点非常必需。
      Arraystar公司新推出的NuRNA™ Human Central Metabolism PCR Array，可同时检测373个编码重要代谢酶与代谢物转运蛋白的转录本，是进行代谢研究必不可少的工具。该芯片检测的代谢通路与代谢物转运系统包括：葡萄糖转运蛋白，糖酵解、TCA循环、脂类合成、乳酸合成及转运、糖异生途径、糖原代谢、氨基己糖代谢、磷酸戊糖旁路、一碳单位代谢、谷氨酰胺转运及代谢、氧化还原平衡与GSH合成、脂肪酸氧化、乙酸代谢、核苷酸代谢等。研究不同生物学过程的代谢特征，寻找生理病理状态下的代谢改变，将有助于深入理解细胞生命活动，并为代谢疾病的治疗提供新的思路。

图1. 新陈代谢与生理病理过程。

图2. 肿瘤代谢示意图

产品信息：

芯片特点：
• 覆盖度高—覆盖了关键代谢途径与重要代谢物转运系统中的酶和蛋白因子
• 注释全面—整合了基因/转录本水平信息与蛋白水平信息，为每个代谢基因提供详细注释
• 转录本水平检测—检测编码Uniprot经典蛋白的转录本
• 严谨性强—所有引物都通过了多样本严格测试
• 快速简易—即用型384孔板规格，只需将cDNA与qPCR Master Mix混合试剂加入PCR板中，4小时内得到实验结果。cDNA无需预先扩增。

数据库：

PCR芯片实验流程
1.RNA抽提与质量检测
进行RNA常规抽提，使用NanoDrop ND-1000检测RNA浓度和纯度，使用琼脂糖凝胶电泳检测RNA纯度和完整性。详细的样品QC结果见Arraystar服务报告。
2.cDNA合成
每样本取1.5 μg RNA，使用rtStar™ First-Strand Synthesis Kit (Cat# AS-FS-001, Arraystar) 试剂盒合成cDNA第一链。详细步骤参照Arraystar产品操作手册。
3.Real-time PCR扩增
将cDNA与 Arraystar SYBR Green qPCR Master Mix (Cat# AS-MR-005-5, Arraystar)混合，加入至384孔板中，在ABI 7900 PCR仪上进行Real-time PCR扩增。
4.熔解曲线分析与原始数据导出
PCR扩增完成后，进行熔解曲线分析，使用PCR仪自带软件导出原始数据。出具Raw Data文件夹，包含原始Ct值、PCR扩增曲线图和熔解曲线图。

PCR芯片数据分析流程
1.PCR芯片数据质控
质控参数：Ct(Blank)>35; Ct(GDC)>35; Ct(RNA Spike-in)<25; Ct (PPC) <25. 符合上述条件的样本进入下一步分析。
2.数据校正与△Ct值计算
板间校正：使用Ct(PPC)对不同PCR板进行板间校正。
内参校正与△Ct值计算：挑选最优内参，使用内参均值计算△Ct值。
3.差异倍数计算 (2^(-△△Ct))
使用 △△Ct 方法计算不同样品组之间的表达差异倍数。
4.P值计算
对样本组进行t检验，计算P值。
5.其他常规数据分析
散点图分析；火山图分析；TOP20表达上调和下调transcript柱形图分析
6.提供服务报告与数据分析结果
a.Arraystar服务报告（包括RNA样本QC和详细实验数据分析步骤）
b.Excel芯片结果汇总表（包括transcript列表，数据分析结果和各类图表）
c.Raw Data文件夹 (包含原始数据、扩增曲线图和熔解曲线图)

NuRNA™ Human Central Metabolism PCR芯片服务部分结果展示

1.差异表达转录本列表（默认筛选参数：差异倍数>2；P<0.05，客户可指定筛选参数值）
 

2.散点图 (黑色斜线代表差异倍数为1，红色斜线代表差异倍数为2)

3.火山图（黑色垂线代表差异倍数为1；粉色垂线代表上调或下调倍数为2；蓝色水平线代表P值为0.05）

4.TOP20表达上调transcript柱状图

5.TOP20表达下调transcript柱状图

参考文献
1. Agathocleous, M., and Harris, W.A. (2013). Metabolism in physiological cell proliferation and differentiation. Trends in cell biology 23, 484-492, PMID:23756093.
2. Enns, G. Metabolic disease (Encyclopædia Britannica, inc.).
3. Galluzzi, L., et al. (2014). Metabolic control of autophagy. Cell 159, 1263-1276, PMID:25480292.
4. Green, D.R., et al. (2014). Cell biology. Metabolic control of cell death. Science 345, 1250256, PMID:25237106.
5. Kaur, J., and Debnath, J. (2015). Autophagy at the crossroads of catabolism and anabolism. Nature reviews Molecular cell biology 16, 461-472, PMID:26177004.
6. Kinnaird, A., et al. (2016). Metabolic control of epigenetics in cancer. Nature reviews Cancer 16, 694-707, PMID:27634449.
7. Lu, C., and Thompson, C.B. (2012). Metabolic regulation of epigenetics. Cell metabolism 16, 9-17, PMID:22768835.
8. Metallo, C.M., and Vander Heiden, M.G. (2013). Understanding metabolic regulation and its influence on cell physiology. Molecular cell 49, 388-398, PMID:23395269.
9. Vanden Berghe, T., et al. (2014). Regulated necrosis: the expanding network of non-apoptotic cell death pathways. Nature reviews Molecular cell biology 15, 135-147, PMID:24452471.

 上海康成生物工程有限公司