Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 上海大学葛菲获国家专利权

上海大学葛菲获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉上海大学申请的专利一种基于LC-MS/MS建立的神经酰胺色谱特征预测与定性方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116500180B

龙图腾网通过国家知识产权局官网在2025-09-02发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310464923.1,技术领域涉及:G01N30/86;该发明授权一种基于LC-MS/MS建立的神经酰胺色谱特征预测与定性方法是由葛菲;董昕;晁玉凡;李娜;高松燕设计研发完成,并于2023-04-26向国家知识产权局提交的专利申请。

一种基于LC-MS/MS建立的神经酰胺色谱特征预测与定性方法在说明书摘要公布了:本发明涉及生物检测技术领域,提供了一种基于LC‑MSMS建立的神经酰胺色谱特征预测与定性方法,所述方法包括以下步骤:根据神经酰胺的结构将其分为三大类;根据现有的SphCer标准品按照每一大类构建保留时间和XlogP的一元二次方程,得到三大类鞘氨醇神经酰胺的理论方程;根据理论方程可预测待测样品中神经酰胺的保留时间,即可对待测样品中的神经酰胺进行定性研究。本方法可针对SphCer总结出一段完整、准确、可以在MSMS理论数据库验证下成功定性的RT预测曲线。基于已有标准品信息与目标分子XlogP的预测模式,结合MSMS信息验证结构的定性方法在鞘氨醇神经酰胺对象上已经被证明具有较高的可行性。

本发明授权一种基于LC-MS/MS建立的神经酰胺色谱特征预测与定性方法在权利要求书中公布了:1.一种基于LC-MSMS建立的神经酰胺色谱特征预测与定性方法,其特征在于,包括以下步骤: (1)根据神经酰胺的结构将神经酰胺数据库中的鞘氨醇神经酰胺分为三大类:饱和非羟基SphCer;不饱和羟基SphCer;α羟基取代SphCer; (2)利用LogP在线计算软件XlogP3对数据库中每一分子鞘氨醇神经酰胺的分子式进行XlogP计算; (3)根据现有的SphCer标准品进行LC-MSMS分析,得到各标准品的保留时间; (4)将SphCer标准品分为试验集和验证集,将试验集中的SphCer标准品按照每一大类构建保留时间和XlogP的一元二次方程,使用验证集中的SphCer标准品的保留时间和XlogP对一元二次方程进行验证,得到三大类鞘氨醇神经酰胺的理论方程; (5)对待测样品进行预处理,然后进行LC-MSMS分析,将目标神经酰胺的XlogP代入步骤(4)中的理论方程预测目标神经酰胺的保留时间,与实际得到的待测样品中多种神经酰胺的保留时间进行对比,即可在待测样品中定性多种神经酰胺; 所述LC-MSMS分析中的色谱参数为: 色谱柱:BEHC18column; 流速:0.2~0.3mLmin; 流动相:A相为内含10mM乙酸铵的乙腈-水混合液,乙腈与水的体积比6:3~5,B相为内含10mM乙酸铵的异丙醇-乙腈混合液,异丙醇与乙腈的质量比为5~12:1; 梯度洗脱程序:0~1.5min,68%A相和32%B相;1.5~15.5min,68%A相和32%B相;15.5~15.6min,15%A相和85%B相;15.6~18min,3%A相和97%B相;18~18.1min,3%A相和97%B相;18.1~20min,68%A相和32%B相; 所述LC-MSMS中的质谱参数为: 电喷雾离子源; 毛细管温度:320℃; 喷雾电压:3.8kV; 最大喷雾电流:100μA; 鞘气流量:30Lmin; 辅气流量:5Lmin; 探针加热温度:300℃; 步骤(5)中待测样品包括血清; 所述待测样品的预处理方法为:血清与提取液混合孵育后,加入氢氧化钾溶液水解,中和后加水离心得到上层提取液,将上层提取液吹干并复溶; 所述提取液为甲基叔丁基醚与甲醇的混合液,所述甲基叔丁基醚与甲醇的体积比为5~6:1; 所述血清与提取液的体积比为1:8~15; 所述孵育的温度为40~50℃,所述孵育的时间为1~3h。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人上海大学,其通讯地址为:200444 上海市宝山区上大路99号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。