炎癥反應是生物醫(yī)學研究中至關重要的生物學過程，被認為是導致各種疾?。◤摹敖浀洹毖装Y狀態(tài)到心血管疾病和**）病理生理的關鍵基礎因素。炎癥panel檢測時*需 1μL 的生物樣本就可以同時對96個樣本檢測92種炎癥相關biomarkers，其中包含已知的炎癥標記物以及具有巨大潛力的候選marker。每一個蛋白質都由該領域的**共同精心挑選而來，涉及類風濕關節(jié)炎，克羅恩病，潰瘍性結腸炎，神經炎癥和呼吸系統(tǒng)疾病等多種疾病。每種關注的低豐度蛋白分析物均已根據(jù)樣品材料，特異性，精密度，靈敏度，動態(tài)范圍，基質效應和干擾進行了評估。OLINK蛋白質組學疾病預測，診斷及預后；病例分層； 基礎研究；BioMarker篩選；新藥靶點。江蘇代謝panelOLINK蛋白質組學售后服務
Olink Proteomics創(chuàng)立于蛋白質科學的中心-瑞典烏普薩拉，致力于為血漿等體液蛋白質組/生物標志物的發(fā)現(xiàn)、轉化醫(yī)學提供創(chuàng)新方案。我們基于**的PEA技術，秉承創(chuàng)新、嚴謹和透明的科學精神，開發(fā)并充分驗證了一系列開創(chuàng)性的Olink Panel，通過在1-4ul體液中精確檢測48-1536種生物標志物，幫助科學家做出更加精細的研究決策；加速藥物研發(fā)進程，降低藥物研發(fā)成本；借由更好地理解實時生物學，為理解疾病過程帶來新的見解；改善疾病預測和檢測，精細招募/入組，開發(fā)伴隨診斷，并**終達致精細醫(yī)學。廣東細胞調控panelOLINK蛋白質組學方案OLINK蛋白質組學依托其PEA-鄰位延伸技術，為蛋白質組學提供了可靠的技術支撐。
蛋白質作為生命活動的功能執(zhí)行體，其研究價值越來越受到重視，由于翻譯調控和翻譯后調控的存在，RNA 的表達量與實際對應蛋白質的含量相關性并不高，特別是低豐度蛋白與 mRNA 的相關性尤其低。然而諸如蛋白激酶，轉錄因子等絕大多數(shù)低豐度蛋白卻又是科研，臨床**為青睞的研究對象。所以即使有了 RNA-seq 等高通量的實驗方法，直接對蛋白質本身定性定量的檢測是十分有必要的。Olink Proteomics致力于發(fā)現(xiàn)人類蛋白質生物標志物，依托其****PEA-鄰位延伸技術，為精細蛋白質組學提供了可靠的技術支撐。Olink能夠有效的深入挖掘疾病的發(fā)***展機制，更能改善疾病檢測，發(fā)現(xiàn)更多質量的生物標志物。
OLINK精細蛋白質組學服務(炎癥 PANEL):炎癥反應是生物醫(yī)學研究中至關重要的生物學過程，被認為是導致各種疾?。◤摹敖浀洹毖装Y狀態(tài)到心血管疾病和**）病理生理的關鍵基礎因素。炎癥panel檢測時*需1μL的生物樣本就可以同時對96個樣本檢測92種炎癥相關biomarkers，其中包含已知的炎癥標記物以及具有巨大潛力的候選marker。每一個蛋白質都由該領域的**共同精心挑選而來，涉及類風濕關節(jié)炎，克羅恩病，潰瘍性結腸炎，神經炎癥和呼吸系統(tǒng)疾病等多種疾病。每種關注的低豐度蛋白分析物均已根據(jù)樣品材料，特異性，精密度，靈敏度，動態(tài)范圍，基質效應和干擾進行了評估。OLINK蛋白質組學診斷標志物開發(fā)藥物研發(fā)基礎研究新的應用開發(fā)。
??微量樣本&高通量1ul血漿中可以同時檢測48—384種蛋白標志物，3.2ul血漿中可以檢測1500多種蛋白標志物，并即將拓展至3000+biomarkers。??超靈敏目標蛋白檢測靈敏度（低至fg/ml水平），可以在組學水平上檢測疾病相關的成百上千種低豐度蛋白（尤其是血漿、血清、腦脊液等各種體液樣本中的低豐度biomarker）。??寬動態(tài)范圍整個Pannel橫跨10個log值，可以同時兼顧不同豐度的蛋白marker。??高特異基于PEA**、質控設計和充分驗證，每一個目標蛋白都是明確的靶向biomarker，克服了既往蛋白組學方法的特異性挑戰(zhàn)。OLINK蛋白質組學可靠性高： 嚴格驗證，從7200+候選蛋白中篩選出1500+。江蘇代謝panelOLINK蛋白質組學售后服務
OLINK蛋白質組學服務(細胞調控 PANEL)。江蘇代謝panelOLINK蛋白質組學售后服務
阿爾茲海默癥： 該研究使用臨近延伸分析技術（PEA）分別檢測180位香港市民1160個血漿蛋白水平，訓練包括106位AD患者和74位健康對照（HC）組成，驗證隊列包括36位AD患者和61位HC。 在訓練隊列中，與HC相比，AD患者共有429種差異蛋白，其中包括61種***上調的蛋白和368種***下調的蛋白。蛋白質聚類分析共找到了19個與AD相關的血漿蛋白簇。研究者選擇19個蛋白簇中的關鍵蛋白，構建了一個AD的診斷模型。在驗證隊列中該診斷模型的AUC = 0.9690，且再次比血漿ATN生物標記物的模型（AUC = 0.8871）更準確。此外，研究者再次驗證，該模型生成的AD分類分數(shù)與認知能力相關。對兩個**隊列的綜合分析顯示，整合模型可準確地對AD進行分類，敏感性為90.51％，特異性為90.91％（AUC=0.9594）。且19種蛋白標志物模型確定的AD嚴重程度水平與p-tau181狀態(tài)***相關：嚴重組中≈80％的個體為p-tau181陽性，而正常組中為≈20％。這些結果共同證明該19蛋白模型對tau病理分類的AD具有特別高的準確性，為開發(fā)針對AD的高度特異性的基于血液的診斷工具提供了基礎。江蘇代謝panelOLINK蛋白質組學售后服務