沃特世与东京大学合作开展脂质组学研究

东京大学医学研究生院的小田义也教授在深入挖掘人类生物群时，希望通过离子迁移技术来发现洞察力的沉淀。

一个既定的事实是，人们的年龄越大，他们往往比年轻时更多地与医疗保健提供者接触。但不太确定的是区分健康人和糖尿病、癌症、心血管或神经退行性疾病患者的指标或 "标记"，以及如何利用这些信息让人们过上更长、更健康的生活。

我们与脂质组学领域的领导者小田教授坐下来，了解更多关于他的研究以及离子移动质谱法带来的优势。

你想通过研究达到什么目的？

日本的人口老化速度比任何其他国家都快。不仅如此，日本人的寿命也在延长。这意味着医疗保健成本正在上升，给日本经济带来压力。 经济的压力。我们研究的目标是根据对人类血液和血浆的分子组成的测量，更清楚地了解健康的含义。

为什么是脂类？

与蛋白质和碳水化合物一样，脂质也是人类的基础。在我们的实验室里，我们正在做非目标或全球脂质组学。换句话说，我们想识别和测量我们能找到的每一种脂质，因为我们知道，脂质概况的变化与各种疾病有关。脂质很难通过质谱以外的任何手段进行分析。它们不溶于水。许多人没有强烈的紫外线吸收剂，所以它们不能被传统的反相色谱法和紫外线检测所检测。在一个生物系统中，各种脂类的浓度范围是非常显著的。一些以低浓度存在，而另一些则是过多的存在。 

随着离子迁移率质谱技术的进步，我们现在可以确定脂质的结构，并识别单个脂质分子，而不考虑其浓度或其在质量电荷比或分子量方面的相似度。

我还选择了使用Waters UPLC和离子流动质谱仪，因为该技术是快速的。产量对我来说非常重要。我们所属的东京大学医院每天收集1300个病人的血样。我的实验室每天要分析其中的100-500个样本。筛选如此多的样本需要高通量的分析测定。我们已经将每个样品的运行时间降低到了三分钟。

你要克服的最大挑战是什么？

作为人类，我们需要煤炭或石油形式的能源。要找到这些能源需要时间和金钱。实验数据也是如此。通过质谱技术，我们可以一次获得10000个单独的脂质分子的信息。这些数据是一个丰富的未开发的知识资源。大数据时代已经来临：人工智能（AI）即将到来，但没有数据，AI就什么都不是。我认为质谱数据是人工智能的能源。人工智能可以挖掘这些数据，为我们提供关于人类生物学的丰富知识，这是我们以前从未拥有的。

在任何给定的样本中，有这么多的分子需要查看，我们在识别它们时面临的挑战是一个更好的搜索引擎，以便我们能够识别它们。如果没有一个足够的图书馆或数据库和一个可靠的引擎来搜索，就很难回答科学问题并将脂质与生物功能联系起来。

是什么促使你出类拔萃？

我的爱好是跑步。我喜欢跑马拉松。去年我跑了六、七个，只用了三个多小时。科学研究就像一场马拉松。我没有一个100米的目标。我的目标是26英里远。有时步伐很快。有时会放慢速度。而有时我们要休息一下。但只要有一个目标，我们就有目标。