已经明确记载了存储在用于任何生物医学研究或用于治疗和/或诊断目的的生物库中的生物材料的值可能被预分析的混杂因素(其干扰样本组成)减少的事实(Aguilar-Mahecha等人(2012),PLoS ONE 7(6):e38290；Ahmed,FE(2011),Analytical Methods 3:1029；Baechler等人(2004),Genes and Immunity 5:3473)；Becker&Lockwood(2013),Clinical Biochemistry 46:861；Messaoudi等人(2013),Clinica Chimica Acta 424:222；Greystoke等人(2008),Annals of Oncology 19:990；Hebels等人(2013),Environmental Health Perspectives 121(4):480；Kamlage等人(2014)；Clinical Chemistry 60:2:399；Odozze等人(2012),Clinical Biochemistry 45:464；Rai&Vitzthum(2006),Expert Rev Proteomics 3(4):409；Tuck等人(2009)J Proteome Res.8(1):113；Vaught等人(2011),J Natl Cancer Inst Monogr 42:1；Yang等人Anal.Chem.85,2606；Yin等人(2013),Clinical Chemistry 59(5):833)。例如，在代谢物分析(metabolite profiling)中使用的样本中，生物标记物识别和验证的潜力可以被预分析的混杂因素减少，其干扰样本代谢物组并可能导致不平衡的系统性偏差、增加的可变性、不稳定的效果和不能再现的结果。因此，决定性的是评估生物材料的质量，以确保代谢物分析或其它分析或诊断方法的质量和适用性。具体地，相关的混杂因素是血液、血浆或血清样本处理和存储的增加的时间和温度，离心规程、冷冻规程和其它预分析步骤的作用。
对于生物库的质量保证和质量控制，有许多标准，例如ISO 9001，ISO指南34，ISO 17025等等(例如，见Carter 2011,Biopreservation and Biobanking 9(2):157-163；Elliott 2008,Int J Epidemiology 37:234-244)。为了评估生物材料的质量，目前测定生化标准参数，如样本中的核酸量和完整性、凝血活性的存在、或细胞组分、细胞完整性和细胞数目。但是，这样的标准参数评估将不适合所有样本的使用，并可能是成本密集的。
有确保用于蛋白质组分析的样本质量的蛋白质生物标记物的报道(参见，例如，WO2012/170669)。此外，据报道，孵育影响血浆和血清样本的代谢物组分(Liu等人2010,Anal Biochem 406:105-115；Fliniaux等人2011,Journal of Biomolecular NMR 51(4):457-465；Boyanton 2002,Clinical Chemistry 48(12):2242-2247；Bernini等人2011,Journal of Biomolecular NMR 49:231-243)。
然而，尚没有用于评估生物材料质量的标准，但却非常需要。
本发明的技术问题可以视为提供用于符合前述需要的手段和方法。通过权利要求和下文表征的实施方案解决技术问题。
因此，本发明涉及用于评估血液制品样本的质量的方法，包括：
a)测定所述样本中表1中的至少一组的标记物的值；
b)比较步骤a)中测定的值与相应的参照值，和，
c)评估所述血液制品样本的质量。
本发明的方法优选是一种体外方法；相应地，该方法优选是离体进行的方法，即不在人体或动物体上实施。此外，本发明的方法可以包括除了上面明确提到的那些步骤之外的步骤。例如，进一步的步骤可以涉及，例如，计算步骤a)的两个或更多个生物标记物的样本内比率，或在步骤c)前或步骤c)中获得质量的额外指标。本发明的方法优选通过自动化辅助。例如，样本处理或预处理可以由机器人自动完成。数据处理和比较优选由适当的计算机程序和数据库辅助。如本文之前所描述的自动化允许以高通量方式使用本发明的方法。优选，用于评估血液制品样本质量的方法还包括为所述至少一组中的至少一个、优选所有标记物测定外部和/或内部标准。术语“外部标准”和“内部标准”是本领域技术人员公知的。
在优选的实施方案中，本发明的方法另外包括以下步骤中的一个或多个：i)使所述血液制品样本与试剂接触，所述试剂特异性地与至少一个本发明的生物标记物相互作用，并测定所述生物标记物和特异性地与所述生物标记物相互作用的所述试剂之间形成的复合物的量；ii)使所述血液制品样本与酶接触，所述酶特异性地与至少一个本发明的生物标记物反应，并测定通过所述酶从所述生物标记物形成的产物的量；iii)使所述血液制品样本与试剂接触，所述试剂修饰至少一个生物标记物的化学结构，优选地，以形成所述生物标记物的非天然存在的衍生物，并检测所述衍生物；iv)在评估为质量不足的情况下，丢弃所述血液制品样本，和v)在评估为质量不足的情况下，从进一步的使用中排除所述血液制品样本。
如本文所用，术语“质量”涉及本发明可以用于预期用途、或不可以用于预期用途的样本的性质。本发明样本的预期用途是本领域技术人员公知的，包括样本的任何诊断、治疗、非诊断、或非治疗用途。优选地，预期用途是非治疗用途；更优选地，预期用途是非治疗和非诊断用途。优选地，预期用途是体外用途。更优选地，预期用途是分析和/或实验用途。本发明样本的优选分析和/或实验用途是基因组分析中的用途、转录组分析中的用途、或蛋白质组分析中的用途。本发明样本的更优选的分析和/或实验用途是食物组学(foodomic)分析或脂质组分析中的用途。本发明样本的最优选的分析和/或实验用途是代谢物组中的用途和/或测定至少一个临床相关参数中的用途，优选包括临床化学、药代动力学研究、药效学研究、和/或分子诊断。在一个优选的实施方案中，预期用途是蛋白质组分析中的用途。
因此，术语“足够的质量”涉及本发明样本的提供不被样本处理干扰的测量值的性质，即，优选地，含有与预期用途相关的，其浓度基本上是新鲜提取的样本中发现的浓度的一种或多种代谢物的性质。更优选地，足够的质量是以下性质：含有与预期用途相关的一种或多种代谢物，其浓度基本上是在根据标准规程处理的样本中发现的浓度。足够质量的样本允许恰当的分析，优选是因为相对于代谢物的量和代谢物的化学性质，组分不变化。优选地，用于血液制品样本处理的标准规程包括在室温下血液样本的抽取；在控制温度18℃至22℃下在离心机中60分钟内离心所述血液样本以除去血细胞，优选持续10分钟至15分钟；将离心的上清液(血浆)转移到新的容器中，在至多-80℃的温度下存储所述血浆持续至多一年。还更优选地，足够的质量涉及本发明样本的不受任何混杂因素引起的变化影响的性质(ⅰ)采血(血液的抽取)和从血细胞分离血浆之间的延长的时间；(ii)采血和从血细胞分离血浆之间不合适的温度，(iii)血浆存储的时间延长，和(iv)血浆存储期间的温度升高。本领域技术人员理解，不同种类的代谢物，以及这些种类之一中的不同成员，其随样本内的时间和温度而变化的倾向不同。例如，蛋白质通常比RNA更稳定；以及蛋白质如IgG通常比肽激素或细胞因子更稳定。
如将被本领域技术人员所理解的，血液对冷却敏感，因为血小板被寒冷激活，这将改变来自这些样本的相应血浆的代谢物组和蛋白质组，以及其它生物分子。因此，根据预期的应用血液冷却可能是不利的，血液处理温度的定义在(例如多中心)研究中是关键的，以避免研究组中的不平衡。一旦血细胞从血浆除去，冷却就是有利的，以最小化酶和/或化学氧化的预分析对样本的作用。优选的样本制备规程在本领域中是已知的，并且例如描述在如上所述的文献中，包括例如对于蛋白质组规程的综述在Rai&Vitzthum(出处同上)。从以上所述，可以理解的是，优选地，标准规程可以根据预期的用途变化。
在一个优选的实施方案中，预期的用途是本发明的样本在代谢物组中和/或在测定至少一个生物标记物中的用途，并且足够的质量涉及样本组分，其允许对代谢物组分进行恰当的分析。在一个更优选的实施方案中，预期的用途是本发明的样本在代谢物组中和/或在测定至少一个生物标记物中的用途，并且足够的质量涉及本发明样本的不受任何下述混杂因素引起的变化影响的性质(ⅰ)采血和开始去除血细胞之间的时间超过60分钟；(ii)采血和开始去除血细胞之间不合适的温度或在去除血细胞时不合适的温度，(iii)血浆存储在高于5℃的温度下超过30分钟，和(iv)血浆存储在-80℃或更高的温度下超过一年。对于血浆存储，Arrhenius方程的近似适用于其它存储温度和存储时间。
相反，术语“质量不足”涉及本发明样本的提供被样本处理干扰的测量值的性质，即，优选地，不含有与预期用途相关的，其浓度基本上是新鲜提取的样本中发现的浓度的一种或多种代谢物。更优选地，质量不足是以下性质：含有与预期用途相关的一种或多种代谢物，其浓度偏离、优选显著偏离根据以上文中描述的标准规程处理的样本中发现的浓度。质量不足的样本可能引起不正确的分析，因为相对于代谢物的量和代谢物的化学性质，代谢物的组分变化了。优选地，代谢物的降解和/或所述代谢物的化学变化可能引起质量不足。还更优选地，质量不足涉及本发明样本的受下述混杂因素中的至少一种引起的变化影响的性质(ⅰ)采血和从血细胞分离血浆之间的时间延长；(ii)采血和从血细胞分离血浆之间不合适的温度，(iii)血浆存储的时间延长，和(iv)血浆存储期间的温度升高。在一个优选的实施方案中，预期的用途是本发明的样本在代谢物组中和/或在测定至少一个生物标记物中的用途，并且质量不足涉及样本组分，其不允许对代谢物组分进行恰当的分析。在一个更优选的实施方案中，预期的用途是本发明的样本在代谢物组中和/或在测定至少一个生物标记物中的用途，并且质量不足涉及本发明样本的被下述混杂因素中的至少一种引起的变化影响的性质(ⅰ)采血和开始去除血细胞之间的时间超过60分钟；(ii)采血和开始去除血细胞之间不合适的温度或移除血细胞时不合适的温度，(iii)血浆存储在高于5℃的温度下超过30分钟，和(iv)血浆存储在-80℃或更高的温度下超过一年。
如本文使用的术语“评估”，涉及区分血液制品样本的质量不足和足够的质量。优选地，评估涉及排除任何如本文别处所述的混杂因素已影响的样本，即，优选地，评估涉及将样本分类为对于预期用途是可接受的(即具有足够的质量)或不可接受的(即具有不足的质量)。在进一步优选的实施方案中，评估还包括区分样本是否被涉及血液处理的混杂因素影响(即，优选地，采血和从血细胞分离血浆之间的时间延长或者采血和从血细胞分离血浆之间的温度升高)，或者所述样本是否被涉及血浆处理和/或存储的混杂因素影响(即，优选地，血浆存储的时间延长或者血浆存储期间的温度升高)。如将被本领域技术人员所理解的，这种评估尽管是优选的，但是通常不是对100％研究样本是正确的。但是，该术语要求样本统计学上显著的部分可被正确地评估。本领域技术人员可以使用各种熟知的统计评价工具在不付出过度劳动的情况下地确定一个部分是否是统计学上显著的，例如，确定置信区间，p值确定，学生t检验，Mann-Whitney检验等。细节见于Dowdy和Wearden,Statistics for Research,John Wiley&Sons,New York 1983。优选的置信区间为至少50％、至少60％、至少70％、至少80％、至少90％或至少95％。p值优选为0.2、0.1、或0.05。
优选地，评估包括根据两个以上质量等级对样本分类，例如高质量、中等质量、低质量三个质量等级。更优选地，根据本文所述的任何方法样本的分类甚至可以包括(或导致)对施加到各样本的处理条件的更精确评估；例如，优选地，对于血液处理相关的混杂因素，“高质量”可被描述为在抽血后二小时期间内的样本离心；“中等质量”可被描述为在抽血后二至六小时期间内的样本离心；和“低质量”可被描述为在抽血后超过六小时的样本离心或血小板激活对样本的影响。对于血浆处理相关的混杂因素，“高质量”可被描述为在室温在离心和实验台处理时间后六小时或少于六小时期间内的样本处理；“中等质量”可被描述为在离心后六至24小时期间内的样本处理；和“低质量”可被描述为在离心后超过24小时期间内的样本处理。优选地，样本的分类包括确定如下文所指定的质量得分。
优选地，在期望样本的数值质量评估(质量得分)的情况下，通过与预定义的截止值比较分类一组标记物的值，并优选地，将其组合成单个的值然后将其按比例缩放，例如，1到100之间。
更优选地，由于其重要性对代谢物加权。
最优选地，通过使用多变量模型(例如逻辑回归模型)将一组标记物的个别数值翻译成组合值。
此外，如上面所指出的，优选地，(i)对于血液处理相关的混杂因素(抽血(采血)和从细胞分离血浆(例如，通过血液离心管)之间的时间和温度)和(ii)对于血浆处理相关的混杂因素(冷冻或液体血浆的短和长期存储的时间和温度)，分别计算数值质量评估(质量得分)。优选根据表3完成血液或血浆处理相关的混杂因素的标记物分配。
如本文所用，术语“标记物”涉及用作如本说明书中提及的质量指标的任何化学或数学实体。优选地，所述标记物是如下文中特指的生物标记物，即，优选地，所述生物标记物的存在或不存在；更优选地，所述标记物是在样本中绝对或优选地相对浓度的生物标记物，或以任何标准的数学计算衍生于其的值。因此，标记物，优选地，是本发明的至少两个生物标记物浓度的样本内比例。
术语“标记物组”和“组”涉及在本发明表1和2之一中鉴定为组的特定标记物组合之一。优选地，一组包括至少三个标记物，其中至少一个标记物适于指示与血液处理相关的混杂因素有关的质量不足，和其中至少第二标记物适于指示与血浆处理相关的混杂因素有关的质量不足。
如本文中所使用的术语“生物标记物”，指的是用作本说明书中提及的质量指标的化学分子。优选地，所述化学分子是受试者样本中发现的代谢物本身。此外，生物标记物也可以是衍生自所述代谢物的分子种类。在这样的情况下，实际的代谢物在样本中或在测定方法中被化学修饰，作为该修饰的结果，化学上不同的分子种类，即分析物，将是被测定的分子种类。应该理解的是，在这种情况下，分析物代表实际代谢物，并具有相同的作为质量指标的潜能。而且，根据本发明的生物标记物不必然对应一种分子种类。更确切地，生物标记物可以包括化合物的立体异构体或对映异构体(enantiomeres)。因此，例如，生物标记物甘油-3-磷酸优选包括其立体异构体甘油-1-磷酸。此外，生物标记物也可以代表异构体分子生物类别的异构体的总和。所述异构体优选在某些情况下显示相同的分析特征，因此，不能通过各种分析方法(包括在下面描述的所附实施例中应用的那些)区分。然而，异构体将至少共享相同的总的通式参数，因此，例如，在脂质的情况下，在脂肪酸和/或鞘基部分(sphingo base moieties)有相同链长和相同双键数。极性生物标记物可以优选地，通过在本说明书其它部分提到的、并在如下实施例中所述的技术获得。脂质生物标记物可以根据本发明获得，优选地，如在本说明书其它部分中描述的，尤其是，或者作为蛋白质沉淀至水性极性后通过样本分离的脂质部分和有机脂质相(例如，如下实施例描述的乙醇和二氯甲烷的混合物)。可替代地或另外，生物标记物可以使用固相萃取(SPE)从样本中富集。作为本发明的生物标记物还包括至少部分外源添加至样本的化学化合物的存在或不存在，或者优选地该化合物的浓度，例如乙二胺四乙酸(EDTA)或柠檬酸盐，或数学上从其衍生的值。
如本文所用的术语“矩阵校验”，涉及确定抗凝类型或其不存在。优选地，矩阵校验确定样本是否包含作为抗凝剂的EDTA、柠檬酸盐或肝素或不包含抗凝剂。更优选地，矩阵校验确定样本类型是否是EDTA血浆样本、柠檬酸盐血浆样本、肝素血浆样本或血清样本。因此，优选地，矩阵校验验证样本中存在的抗凝剂是符合旨在存在于所述样本中的抗凝剂。
如本文所用的术语“代谢物”，涉及特定代谢物的至少一个分子到多个所述特定代谢物的分子。还应当理解一组代谢物意味着多种化学上不同的分子，其中对于每种代谢物可以存在至少一个分子到多个分子。根据本发明的代谢物包括有机或无机化学化合物的所有类别，包括被生物材料如生物体包含的那些。因此，优选地，该代谢物是生物大分子，例如优选，DNA、RNA、蛋白质、或其片段。更优选地，根据本发明的代谢物是小分子化合物。更优选地，在设想多种代谢物的情况下，所述多种代谢物代表代谢物组，即，生物体、器官、组织、体液或细胞在特定时间和特定条件下包含的代谢物的集合。除了说明书中叙述的特定生物标记物，其它生物标记物和/或指标可以，优选地，同样地在本发明的方法中测定。这样的生物标记物可以包括肽或多肽生物标记物，例如，在WO2012/170669，Liu等人2010,Anal Biochem 406:105-115,或Fliniaux等人2011,Journal of Biomolecular NMR 51(4):457-465)中提及的那些。
在根据本发明的方法中，至少测定表1中的至少一组的标记物的值。在一个优选的实施方案中，至少测定至少组3_a,13_a,15_a,16_a,1_a,1_b,10_a,11_a,12_a,13_b,14_a,14_b,17_b,18_b,19_a,19_b,2_b,20_b,3_b,4_a,5_a,5_b,6_a,7_a,7_b,8_b,1,2,3,4,5,6,7,8,10,11,12,13,14,15,16,17,18,19,20,3_m,6_m,10_m,15_m,16_m,17_m,18_m,19_m或20_m的标记物的值。
优选地，至少测定表1的组2_b的标记物，其可以优选地通过酶促方法测定；或至少测定表1的组4_a的标记物，其可以优选地通过SPE与LC和质谱法的组合进行分析，特别是通过侧重于类花生酸的SPE-LC-MS/MS方法；或至少测定表1的组5_a或5_b的标记物，其可以优选地通过LC和质谱法的组合(特别是通过LC-MS/MS)从脂质部分分析；或至少测定表1的组6_a的标记物，其可以优选地通过LC和质谱法的组合(特别是通过LC-MS/MS)从极性部分分析；或至少测定表1的组7a或7b-的标记物(特别是组7a的标记物)，其可以优选地通过SPE与LC和质谱法的组合(特别是通过侧重于鞘氨基醇(sphingoids)的SPE-UPLC-MS/MS方法)测定；或至少测定表1的组12_a的标记物，其可以优选地从脂质部分分析；或至少测定表1的组14_a或14_b的标记物，其侧重于和血浆短期和长期存储(无论是冷冻、或是液体)的时间和温度相关的混杂因素；或者，优选地，至少测定表1的组1_a，10_a，11_a，13_a，13_b，15_a，16_a，18_b，19_a，19_b，20_b，3_a，或3_b的标记物，其可以优选地通过GC和质谱法组合(特别是通过GC-MS)从极性部分分析；或者，优选地，至少测定表1的组1_a，10_a，11_a，13_a，13_b，15_a，16_a，18_b，19_a，19_b，20_b，3_a，或3_b的标记物，其可以优选地通过LC和质谱法的组合(特别是LC-MS/MS)从极性部分分析。最优选地，在本发明的方法中至少测定表1的组3_a，3_b，10_a，11_a，13_a，13_b，15_a，16_a，17_b，18_b，19_a，19_b或20_b中至少一个的标记物的值。
表1：本发明的标记物组；表明了组的编号、包含在其中的标记物和质量不足的变化指示的方向。
更优选地，在本发明的方法中至少测定生物标记物(ⅰ)甘油-3-磷酸、甘油酸酯和鸟氨酸的量；(ii)甘油-3-磷酸、甘油酸酯和次黄嘌呤的量；(iii)甘油-3-磷酸、鸟氨酸和次黄嘌呤的量；或(iv)甘油酸酯、鸟氨酸和次黄嘌呤的量。本领域技术人员理解，在测定生物标记物的量后可计算来自其的进一步标记物的值；例如，优选地，测定的鸟氨酸的量可以用于计算作为标记物的鸟氨酸/精氨酸样本内比例。
还更优选地，至少测定表2中至少一组的至少标记物的值。表1中的组是表2所示组的亚组；亚组的编号表示其来源的表2的组。因此，亚组X_a和/或X_b，其中X＝1，2，3，4，5，6，7，8，10，11，12，13，14，15，16，17，18，19或20，其来自表2中的组X。然而，理解的是，亚组可包括表2的进一步组中所包含的标记物。
优选地，至少测定表2中组1的标记物，其侧重于采血和从细胞分离血浆之间的时间和温度相关的混杂因素；或至少测定表2中组2的标记物，其优选可通过酶促方法测定；或至少测定表2中组4的标记物，其优选可通过SPE与LC和质谱法的组合(特别是通过侧重于类花生酸的SPE-LC-MS/MS方法)分析；或至少测定表2中组5的标记物，优选地其可以通过LC与质谱法的组合(特别是通过LC-MS/MS)从脂质部分分析；或至少测定表2中组6的标记物，优选地其可以通过LC与质谱法的组合(特别是通过LC-MS/MS)从极性部分分析；或至少测定表2中组7的标记物，优选地其可通过SPE与LC和质谱法的组合(特别是通过侧重于鞘氨基醇的SPE-UPLC-MS/MS方法)分析；或至少测定表2中组8的标记物，其侧重于冷冻血浆长期存储的时间和温度相关的的混杂因素；或至少测定表2中组12的标记物，优选地其可以从脂质部分分析；或至少测定表2中组14的标记物，其侧重于血浆的短期和长期存储(无论是冷冻的、或液体的)的时间和温度相关的混杂因素，或者，优选地，至少测定表2中组3，15，16，18，19，或20的标记物，优选地其可以通过GC和质谱法的组合(特别是通过GC-MS)从极性部分分析；或者，优选地，至少测定表2中组3，15，16，18，19，或20的标记物，优选地其可以通过LC和质谱法的组合(特别是通过LC-MS/MS)从极性部分分析。最优选地，在本发明的方法中至少测定表2中组3，10，11，13，15，16，17，18，19或20中的至少一组的标记物。
表2：本发明的进一步改善的标记物组；表明了组的编号、包含在其中的标记物和质量不足的变化指示的方向。
在一个优选的实施方案中，除了表1或2中的至少一组的标记物之外，测定生物标记物天冬氨酸、柠檬酸盐和乙二胺四乙酸(EDTA)(所有三个的组合也被称为“组编号9”)中的至少一个、更优选至少两个、最优选所有三个，优选地作为如上文所特定的矩阵校验。优选地，在样本中EDTA的存在表明EDTA用作抗凝剂，而增加的柠檬酸盐的量表明柠檬酸盐用作抗凝剂。此外，天冬氨酸的增加表示没有使用凝血抑制剂。因此，生物标记物天冬氨酸、柠檬酸盐和EDTA允许区分样本是否被标本采集管选择相关的因素损害。因此，优选地，如果EDTA血浆用作参照，各自的变化方向是：EDTA向下和/或柠檬酸盐向上和/或天冬氨酸向上，并且其中，优选地，在所述方向上的变化指示所述样本不是EDTA样本。
因此，在一个优选的实施方案中，至少测定表1中组3_a，13_a，15_a，16_a，1_a，1_b，10_a，11_a，12_a，13_b，14_a，14_b，17_b，18_b，19_a，19_b，2_b，20_b，3_b，4_a，5_a，5_b，6_a，7_a，7_b，或8_b的标记物并组合测定组9的标记物。在进一步优选的实施方案中，至少测定表2中组1，2，3，4，5，6，7，8，10，11，12，13，14，15，16，17，18，19，或20的标记物并组合测定组9的标记物。在一个更优选的实施方案中，至少测定表2a中组6_m或表17_m的标记物并组合测定组9的标记物。在一个还更优选的实施方案中，参照是包含EDTA作为抗凝剂的样本，更优选地，参照是EDTA血浆，而且，优选地，在本发明的方法中至少测定表2a中组3_m，10_m，16_m，18_m，19_m，或20_m中的至少一组的标记物。在另一个优选的实施方案中，至少测定表2a中组6_m的标记物，优选地其可以通过LC-MS/MS对极性组分分析；或至少测定表2a中组15_m的标记物；或在本发明的方法中至少测定表2a中组17_m的标记物，其具有最高性能(AUC值)。在另一个优选的实施方案中，至少测定表2a中组3_m，15_m，16_m，18_m，19_m，或20_m的标记物，优选地其可以通过GC和质谱法的组合(特别是通过GC-MS)从极性组分分析；或者，优选地，至少测定表2a中组3_m，15_m，16_m，18_m，19_m，或20_m的标记物，优选地其可以通过LC和质谱法的组合(特别是通过LC-MS/MS)从极性组分分析。
表2a：在本发明的进一步改善的标记物组，其额外纳入了“矩阵校验”标记物(根据组9的矩阵校验标记物)；表明了组的编号、包含在其中的标记物和质量不足的变化指示的方向。
如本文所用的术语“样本”，是指包含生物材料、特别是如本文以上指出的生物标记物的样本。优选地，根据本发明的样本是来自体液的样本，优选地，是来自泪液、乳汁、唾液或尿液的样本，或是例如，通过活组织检查，来自细胞、组织或器官的样本。更优选地，样本是血液或血液制品，最优选地是血浆样本。上述样本可以来自如本文其它地方特定的受试者。用于获得上述不同类型生物样本的技术在本领域中是公知的。例如，血液样本可以通过采血获得而组织或器官样本，例如通过活组织检查获得。优选地，所述样本是全血、血清或血浆样本。在一个优选的实施方案中，样本是血浆样本，优选是柠檬酸盐血浆样本或EDTA血浆样本。在另一个优选的实施方案中，样本是血清样本。
上述样本优选地在其用于本发明的方法之前预处理。如下面更详细描述的，所述预处理可包括释放或分离化合物或除去过量的物质或废物所需要的处理。此外，预处理可以目标在于对样本杀菌和/或移除污染物，如不希望的细胞、细菌或病毒。合适的技术包括离心、提取、分级、超滤和蛋白质沉淀，然后是化合物的过滤和纯化和/或富集。此外，优选地进行其它预处理，以便提供适合化合物分析的形式或浓度的化合物。例如，如果气相色谱法联合质谱法在本发明的方法中使用，可能需要在所述气相色谱法之前衍生化合物。合适的和必要的预处理还取决于用于实施本发明方法的手段，其是本领域技术人员所公知的。在一个优选的实施方案中，缓冲化合物(优选是水性溶液)加入到样本中。缓冲化合物，特别是中性缓冲化合物，原则上是本领域技术人员已知的。在进一步优选的实施方案中，包含在样本中的蛋白质被沉淀，优选通过加入适当的有机溶剂。用于沉淀蛋白质的适当的有机溶剂在本领域中是公知的。在进一步优选的实施方案中，至少一种相分离试剂被加入到样本，使得极性相和亲脂相分离，优选通过样本离心。如之前所描述的预处理的样本也包括在根据本发明使用的术语“样本”中。
在一个优选的实施方案中，从根据上述步骤的样本获得极性和亲脂相。在进一步优选的实施方案中，从极性相或从亲脂相测定本发明标记物的值。本领域技术人员知道如何调整参数，以确保给定的标记物包括在极性相或者亲脂相中。在进一步优选的实施方案中，从极性相或从亲脂相测定本发明的至少两个、或至少三个标记物的值。在一个优选的实施方案中，从极性相测定组的所有标记物的值。在另一个优选的实施方案中，从亲脂相测定组的所有标记物的值。
在一个优选的实施方案中，包含在样本中的组中的至少一个、至少两个、或至少三个标记物如本文其它地方和实施例中特定的被衍生。在进一步优选的实施方案中，包含在样本中的组的所有标记物如本文其它地方和实施例中特定的被衍生。在一个优选的实施方案中，包含在极性相中的标记物由甲氧基化(methoxymation)和甲硅烷基化衍生，优选由三甲基硅烷化衍生。在进一步优选的实施方案中，包含在亲脂相中的标记物由转甲基作用(transmethylation)、甲氧基化(methoxymation)和甲硅烷基化衍生，优选由三甲基硅烷化衍生。
在进一步优选的实施方案中，包含在样本中的组中的至少一个、至少两个、或至少三个标记物不被衍生。在进一步优选的实施方案中，包含在样本中的组中的标记物没有被衍生。
根据本发明提及的样本优选地来自受试者。如本文所用的术语“受试者”，涉及动物，优选地涉及哺乳动物。更优选地，受试者是农场、实验室或同伴动物，包括，例如，优选地，小鼠、大鼠、山羊、绵羊、猪、马、驴、狗、猫、豚鼠或灵长类动物。最优选地，受试者是人。受试者优选地，被怀疑患有疾病或医学病症或者没有该疾病或医学病症，或处于发展成疾病或医学病症的风险，或没有该风险。
术语“值”是本领域技术人员理解的，其涉及基于测量本发明生物标记物中的至少一个的浓度的任何测量或计算的参数。优选地，值是生物标记物的绝对或相对浓度或至少两种生物标记物的浓度比例，优选至少两种生物标记物的样本内比例。
因此，术语“测定值”优选涉及测定本发明的标记物的值。优选地，测定值是测定来自生物标记物的至少一个浓度值的计算值，或测定值是测定如下文限定的生物标记物的量。如本文所用的术语“测定量”涉及测定通过本发明的方法在样本中测定的生物标记物的至少一个特征性特征。根据本发明的特征性特征是表征物理和/或化学特性的性质，包括标记物的生化特性。这样的特性包括，例如，分子量、粘度、密度、电荷、自旋、光学活性、颜色、荧光、化学发光、元素组成、化学结构、与其它化合物反应的能力、在生物读出系统引发反应的能力(例如，报告基因的诱导)等等。所述特性的值可以作为特征性特征，并且可以通过本领域中公知的技术测定。此外，该特征性特征可以通过标准操作衍生自生物标记物的物理和/或化学特性的值的任何性质，例如，数学计算如乘法、除法或对数微积分。最优选地，该至少一个特征性特征允许测定和/或化学鉴别所述至少一个标记物和其量。因而，特征值优选还包括生物标记物丰度相关的信息，所述特征值来自该生物标记物。例如，生物标记物的特征值可以是质谱中的峰。这样的峰含有生物标记物的特征性信息，即，m/z的信息，以及与所述生物标记物在样本中的丰度(即其量)相关的强度值。
在一个优选的实施方案中，特征性特征的值也可以是计算值或组合值，如分类算法的得分，如本文其它地方所述的“弹性网络(elastic net)”。在一个优选的实施方案中，可以设想根据本发明方法的标记物的量计算得分，特别是单个的得分，并且比较这个得分与参照得分。优选地，组合值(“得分”)是基于来自血液制品的样本中标记物的量。例如，如果测定组3_a的生物标记物的量，计算的得分是基于样本中鸟氨酸、甘油-3-磷酸和甘油酸酯的量。在一个优选的实施方案中，计算的得分结合标记物量的信息。优选地，在得分中，根据其对建立的结果的贡献加权标记物。根据在本发明的方法中应用的标记物的组合，单个生物标记物的权重可以是不同的。优选地，得分可以被视为用于评估血液制品样本质量的分类参数。更优选地，其使得能够根据单个得分基于与参照得分的比较进行评估。参照得分优选地是值，特别是截止值，其允许区分血液制品的足够的质量和质量不足。优选地，参照是单个的值；因此，操作者不必解释关于单个标记物的量的全部信息。优选地，使用如本文所述的评分系统，有利地，可以使用生物标记物的不同量纲或单位的值，因为该值将在数学上转化成得分。因此，在本发明的一个优选实施方案中，如本发明方法的步骤b)中所述的标记物的量与参照的比较包括步骤b1)基于在步骤a)中提到的标记物的测定值计算得分，和步骤b2)比较由此计算的得分和参照得分。更优选地，逻辑回归方法用于计算得分，最优选地，所述逻辑回归方法包括弹性网络正则化。
在进一步优选的实施方案中，每个标记物的量与相应的参照比较，其中，该比较结果用于组合值(得分)的计算，特别是单个得分的计算，其中如本文其它地方所限定的所述得分与参照得分比较。
在一个优选的实施方案中，基于适当的评分算法计算得分。所述评分算法优选地应该允许基于测定的标记物的值区分血液制品是否是足够的质量或不是。优选地，通过比较已知质量足够的样本中与已知质量不足的样本中关于单个标记物的量的信息，预先确定所述评分算法。因此，如果本发明的方法步骤b)还可以包括确定或执行评分算法的步骤b0)。优选地，在步骤b1)和b2)之前进行该步骤。本领域技术人员能够在不付出过度劳动的情况下地使用本发明的标记物确定合适的评分算法。例如，评分算法可以是数学函数，该数学函数使用关于一些质量足够和质量不足的样本中标记物的量的信息。确定评分算法的方法在本领域是公知的，包括微阵列的显著性分析、树收获、CART、MARS、自组织地图、频率项集、贝叶斯网络、微阵列的预测分析(PAM)、SMO、简单逻辑回归、逻辑回归、多层感知器、贝叶斯网络、朴素贝叶斯、朴素贝叶斯简单、朴素贝叶斯升级、IB1、lbk、Kstar,LWL,AdaBoost、ClassViaRegression、Decorate、多类分类、随机委员会、j48、LMT、NBTree、部分随机森林、有序分类、稀疏线性规划(SPLP)、稀疏逻辑回归(SPLR)、弹性网络、支持向量机、剩余误差平方和的预测(PRESS)、惩罚逻辑回归、交互信息。典型地，可以使用分类算法用于评分，如实施弹性网络方法的那些(Zou 2005,Journal of the Royal Statistical Society,Series B:301-320,Friedman 2010,J.Stat.Sotw.33)。因此，对于血液制品的得分可以是，优选地，使用逻辑回归模型计算的，例如，通过使用弹性网络算法如在R package glmnet中应用的算法而拟合该模型。
在一个优选的实施方案中，从已知质量不足的血液制品的样本获得参照组合值(“参照得分”)。在这样的情况下，与参照得分基本上相同的样本中的得分指示为质量不足。此外，参照得分也可以优选地来自已知质量足够的血液制品的样本。在这样的情况下，相对于参照得分测试样本中得分的变化指示为质量不足。可替代地，与所述参照得分基本上相同的样本中的得分指示足够的质量。
在本发明(例如，方法、设备、用途等)优选的实施方案中，参照得分是截止值，优选地是单个截止值。优选地，所述值允许将血液制品分配至质量足够的血液制品组或者质量不足的血液制品组。在本发明(例如，方法、设备、用途等)另一个优选的实施方案中，参照得分是参照得分的范围。在这种情况下，参照得分范围指示足够的质量，参照得分范围指示质量不足，或者可以应用两个参照得分范围(即一个参照得分范围指示足够的质量和一个参照得分范围指示质量不足)。
如之前讨论的，样本包含的每个生物标记物优选地可以根据本发明定量或半定量测定。对于定量测定，根据上文提及的对于特征性特征所测定的值，或者测定生物标记物的绝对或精确的量、或者测定生物标记物的相对量。在生物标记物的精确量不能或者不应该测定的情况下，测定相对量。在所述情况下，可以确定生物标记物存在的量相对于包含第二量的所述生物标记物的第二样本是否是增加或减少。在一个优选的实施方案中，包含所述生物标记物的所述第二样本应是本文其它地方说明的计算的参照。从而，定量分析生物标记物还包括有时被称为生物标记物的半定量分析的那些。
此外，如本发明方法中使用的测定优选包括在之前提及的分析步骤前使用化合物的分离步骤。优选地，所述化合物的分离步骤产生了样本所包含代谢物的时间和/或空间的可分辨的分离。因此，根据本发明优选使用的合适的分离技术包括所有色谱分离技术例如液相色谱法(LC)、高效液相色谱法(HPLC)、气相色谱法(GC)、薄层色谱法、大小排阻或亲和色谱法。这些技术在本领域中是公知的，并且可以由本领域技术人员在不付出过度劳动的情况下地应用。最优选地，LC和/或GC是由本发明方法中设想的色谱技术。用于这种生物标记物测定的合适的装置在本领域中是公知的。优选地，使用质谱特别是气体色谱质谱法(GC-MS)、液相色谱质谱法(LC-MS)、直接输注质谱法或傅里叶变换离子回旋共振质谱法(FT-ICR-MS)、毛细管电泳质谱法(CE-MS)、高效液相色谱法结合质谱法(HPLC-MS)、超高效液相色谱质谱法(UPLC-MS)、四极质谱法、任何顺序结合的质谱法，如MS-MS或MS-MS-MS、电感耦合等离子体质谱法(ICP-MS)、热解质谱法(PY-MS)、离子迁移率质谱法或飞行时间质谱法(TOF)。所述技术公开于，例如，Nissen 1995,Journal of Chromatography A,703:37-57,US 4,540,884或US 5,397,894，其公开内容在此通过引用并入本文。更优选地，如本文所用的质谱法包括四极MS。最优选地，所述四极MS如下进行：a)选择由质谱仪的第一分析四极中电离所产生的离子的质量/电荷商(m/z)，b)通过在附加的后续四极(其中填充有碰撞气体和用作碰撞室)中施加加速电压片段化步骤a)中选择的离子，c)选择在步骤b)在附加的后续四极中由片段化方法所产生的离子的质量/电荷商(m/z)，由此进行该方法的步骤a)至c)至少一次，分析作为电离方法结果的存在于物质混合物中所有离子的质量/电荷商，其中在分析期间四极填充碰撞气体，但没有施加加速电压。根据本发明使用的所述质谱法最优选的细节可在WO2003/073464中找到。作为替代或者除了质谱技术外，以下技术可用于化合物测定：核磁共振(NMR)、磁共振成像(MRI)、傅里叶变换红外分析(FT-IR)、紫外(UV)光谱法、折射指数(RI)、荧光检测、放射化学检测、电化学检测、光散射(LS)、色散型拉曼光谱或火焰离子化检测器(FID)。这些技术是本领域技术人员公知的，可以在不付出过度劳动的情况下地应用。
更优选地，质谱法是LC-MS和/或GC-MS，即质谱法可操作地连接到在先的色谱分离步骤。如本文使用的液相色谱法是指允许在液体或超临界相中分离化合物(即代谢物)的所有技术。液相色谱法的特征在于在移动相中的化合物流经固定相。当化合物以不同速率流经固定相时，其在时间上分离，因为每个单独的化合物具有其特定的保留时间(即化合物流经系统需要的时间)。如本文使用的液相色谱法还包括HPLC。用于液相色谱法的装置是市售的，例如，来自美国的安捷伦科技公司。根据本发明应用的气相色谱，在原则上，操作上媲美液相色谱法。然而，化合物(即代谢物)不是在流经固定相的液体流动相中，而是该化合物存在于气体容积中。化合物流经柱，该柱可包含作为固定相的固体载体或者其壁可以用作固定相或涂覆有固定相。再次，每个化合物具有流经该柱所需要的特定时间。而且，在气相色谱法的情况下，优选地设想化合物在气相色谱法之前是衍生化的。对于衍生化适合的技术是本领域中公知的。优选地，根据本发明衍生化优选地，涉及极性化合物的甲氧基化(methoxymation)和甲硅烷基化，更优选地三甲基硅烷，和优选地非极性(即亲脂性)化合物的转甲基作用(transmethylation)、甲氧基化(methoxymation)和甲硅烷基化，更优选地三甲基硅烷化。
另外，还可以通过特定的化学或生物分析法测定至少一种生物标记物。所述分析法应包含允许特异性检测样本中至少一种生物标记物的装置。优选地，所述装置能够特异性识别生物标记物的化学结构或能够根据其与其它化合物反应的能力或其在生物读出系统中引发反应(例如，诱导报道基因)的能力特异性鉴别该生物标记物。能够特异性识别生物标记物化学结构的手段优选地是抗体或与化学结构特异性相互作用的其它蛋白质，如受体或酶。特异性抗体，例如，可以使用生物标记物作为抗原通过本领域中公知的方法得到。如本文提及的抗体包括多克隆和单克隆抗体，以及能够结合抗原或半抗原的其片段，如Fv，Fab和F(ab)2片段。本发明还包括人源化杂交抗体，其中表现出所需抗原特异性的非人供体抗体的氨基酸序列与人受体抗体的序列相结合。此外，还包括单链抗体。供体序列通常至少包括供体的抗原结合氨基酸残基，但还可以包括供体抗体的其它结构和/或功能相关的氨基酸残基。这种杂合体可以通过本领域中熟知的几种方法制备。能够特异性识别生物标记物的合适的蛋白质优选地是参与所述生物标记物代谢转化的酶。所述酶可以使用生物标记物作为底物，或者可以将底物转化成生物标记物。此外，所述抗体可以用作基础来生成特异性识别生物标记物的寡肽。这些寡肽例如，应包含酶的结合结构域或对于所述生物标记物的口袋。基于合适的抗体和/或酶的分析法可以是RIA(放射免疫分析法)、ELISA(酶联免疫吸附分析法)、夹心酶免疫测试、电化学发光夹心免疫分析法(ECLIA)、解离-增强镧系元素荧光免疫分析法(DELFIA)或固相免疫测试。此外，也可以根据其与其它化合物反应(即，特定的化学反应)的能力测定生物标记物。此外，可以由其在生物读出系统中引发反应的能力在样本中测定生物标记物。生物反应应当测定为指示包含在样本中的生物标记物的存在和/或量的读出值。生物反应可以是，例如，基因表达的诱导或细胞或生物体的表型反应。在一个优选的实施方案中，至少一种生物标记物的测定是定量方法，例如，还允许测定样本中至少一种生物标记物的量。
如本文中所使用的术语“参照”，指的是已知质量的一个样本或多个样本中本发明标记物的特征性特征值或该值的范围。优选地，参照是针对标记物的阈值(例如，量或量的比例)，由此所述阈值将特征性特征的可能值的范围划分为第一和第二部分。这些部件中的一个与质量不足相关，而另一个与足够的质量相关。阈值本身也可以与足够的质量相关或者与质量不足相关。因此，在阈值与质量不足相关的情况下，待调查样本中发现的值与该阈值基本上相同或落入与质量不足相关的部分，表明该样本的质量不足。在阈值与足够的质量相关的情况下，待调查样本中发现的值与该阈值基本上相同或落入与足够的质量相关的部分，表明该样本的质量足够。因此，优选地，阈值是截止值。如文中以上详述的，在评估涉及将样本分类为两个类别(例如，优选地，可接受的质量或不可接受的质量)之一的情况下，参照可以优选地是阈值或截止值。本领域技术人员将理解，在进行分类成多于两个类别的情况下，多于一个的参照值可以在所述分类中是相关的，例如，优选地，二个参照值可以用于定义三个类别之间的边界。
优选地，所述参照值(例如，优选地，针对至少一个标记物的至少一个特征性特征的值或其比例)将被存储在适当的数据存储介质如数据库中，因此，也可用于未来的评估。如本领域技术人员将理解的，从参照值的出乎意料的高偏差，例如优选地，十倍以上的偏差，也可以由系统错误引起，作为非限制性的示例，系统错误可以是样本的错误稀释或设备故障；在这样的情况下本领域技术人员知道结果应被复查。
根据本发明的上述方法，参照优选地是从已知质量的一个样本或多个样本(即，优选地，多于1，2，3，4，5，10，50或100个样本)获得的参照。如何计算合适的参照值，优选平均值或中值，在本领域中是公知的。优选地，参照来自已知质量不足的一个样本或多个样本。在这样的情况下，样本中发现的标记物的值基本上与参照相同指示为质量不足，而样本中发现的标记物的值与参照不同指示为足够的质量。优选地，在这种情况下，如果一组的至少x个标记物基本上与所述参照相同，其中x选自1,2，...，(n-1)和n＝所述组中的标记物的数量，则样本被分类为具有不足质量；更优选地，如果一组中的所有标记物基本上与所述参照相同，则样本被分类为具有不足质量。
还优选地，所述参照来自已知质量足够的一个样本或多个样本。更优选地，在样本中标记物的值与所述参照基本上相同的情况下，指示足够的质量，而与所述参照不同的量指示为质量不足。优选地，在表1、表2、或表2a中所示的方向上的变化指示质量不足。优选地，在这种情况下，如果一组的至少x个标记物与所述参照不同，其中x选自1,2，...，(n-1)和n＝所述组中的标记物的数量，则样本被分类为具有不足质量；更优选地，如果一组中的所有标记物与所述参照不同，则样本被分类为具有不足质量。优选地，在样本是血液制品样本的情况下，已知质量足够的样本是根据如本文其它地方指定的标准规程所获得的样本。
如果针对特征性特征的值，并且在定量测定的情况下，测试样本的至少一个标记物的值和参照值实质上相同，则强度值或由其计算的值基本上是相同的。基本上相同意味着两个值之间的差异优选地是不显著的，并其特征应该在于该值是至少在参照值的第1和第99百分位、第5和第95百分位、第10和第90百分位、第20和第80百分位、第30和第70百分位、第40和第60百分位之间的区间内，优选地，参照值的第50、第60、第70、第80、第90或第95百分位。用于测定两个值是否是基本上相同的统计学检验在本领域中是公知的，并且在本文其它地方也有所说明。
在另一方面，观察到的两个值的差异，应优选地是统计学上显著的。在该值中的差异优选地是显著地在参照值的第45和第55百分位、第40和第60百分位、第30和第70百分位、第20和第80百分位、第10和第90百分位、第5和第95百分位、第1位和第99百分位数之间的区间以外。在本说明书的表中，生物标记物的优选的相对变化被表示为“方向”列中的“向上”(用于增加)和“向下”(用于减少)。
术语“相应的参照”是被本领域技术人员所理解的，其涉及从不同样本(优选在参照样本中)的相同标记物获得的值。本领域技术人员理解的是，例如，优选地，两个生物标记物的样本内比例与参照样本内相同生物标记物的比例进行比较，以及一个生物标记物的相对浓度与相同生物标记物的参照相对浓度进行比较，等等。
术语“比较”指的是确定标记物的值是否与参照基本上相同或不同于参照。优选地，如果所观察到的差异是统计学上显著的(其可以通过在本说明书其它地方提到的统计学技术来确定)，标记物的值被认为与参照不同。如果差异在统计学上不显著，该生物标记物值和参照基本上相同。根据上面提到的比较，可以评估样本的质量，即，可以评估该样本是否是质量足够的，或者不是。比较优选地通过自动化辅助。例如，可以使用包含用于比较两个不同数据集(例如，数据集包含特征性特征的值)的算法的合适的计算机程序。这样的计算机程序和算法在本领域中是公知的。尽管如上所述，比较也可以手动进行。
有利的是，已在本发明的研究中发现标记物(组)的特定组合允许灵敏地检测样本是否暴露于如本文所限定的混杂因素之一。出人意料的是，统计学分析表明，不是显示最高AUC值的标记物(当用作单个标记物时)最适合用于该测定。显然地，较低指示值的标记物(作为单个标记物)显示出与其它标记物的协同作用，得到分析样本质量的令人惊讶的强效方法。表1中的组的预测值，可通过包括进一步的标记物而进一步提高，从而得到表2和表2a中的优化组。
上面所做的定义比照适用于以下内容。以下做出的附加定义和说明也比照适用于本说明书中描述的所有实施方案。
本发明还涉及一种用于评估血液制品样本质量的设备，其包括：
a)用于所述样本的分析单元，其包括用于表1中至少一组的至少标记物的至少一个检测器，所述至少一个检测器测定所述样本中的所述标记物的量；和，可操作地连接至(thereto)，
b)包含数据处理单元和数据库的评估单元，所述数据库包括存储的相应参照值和所述数据处理单元任选地具有有形地嵌入的算法，所述算法计算两个生物标记物的样本内比例并比较由分析单元所确定的标记物的值或由评估单元所计算的值和所述存储的参照值，并产生输出信息，在此基础上建立质量评估。
如在本文中使用的术语“设备”，应至少包括上述单元。该设备的单元可操作地彼此连接。如何以操作方式连接设备将取决于包含在设备中的单元类型。例如，当检测器允许生物标记物的自动定性或定量测定时，通过所述自动操作分析单元获得的数据可以通过例如计算机程序处理，以便有助于在所述评估单元中的评估。优选地，在这种情况下单元包含在单个设备中。优选地，设备包括用于生物标记物的分析单元和作为评估单元的计算机或数据处理设备，用于处理得到的数据来评估和建立输出信息。优选地，该分析单元包括至少一个检测器，用于根据本发明的组的至少标记物，或者更优选地，(i)用于至少标记物甘油-3-磷酸、甘油酸酯和鸟氨酸；(ii)用于至少甘油-3-磷酸、甘油酸酯和次黄嘌呤；(iii)用于至少甘油-3-磷酸、鸟氨酸和次黄嘌呤；或(iv)用于至少甘油酸酯、鸟氨酸和次黄嘌呤；或尤其用于至少标记物甘油-3-磷酸、甘油酸酯和鸟氨酸；所述至少一个检测器测定所述样本中的所述标记物的量。优选的设备是可以在没有专门临床医生的特定知识时应用的那些，例如，仅仅需要装载样本的电子设备。该设备的输出信息优选地是数值，其允许对样本质量得出结论，因此，是诊断的可靠性或故障排除的辅助。在一个优选的实施方案中，该设备的分析单元包括至少一个检测器，其用于组3_a,13_a,15_a,16_a,1_a,1_b,10_a,11_a,12_a,13_b,14_a,14_b,17_b,18_b,19_a,19_b,2_b,20_b,3_b,4_a,5_a,5_b,6_a,7_a,7_b,8_b,1,2,3,4,5,6,7,8,10,11,12,13,14,15,16,17,18,19,20,3_m,6_m,10_m,15_m,16_m,17_m,18_m,19_m或20_m的至少标记物。
被用作根据本发明设备的存储参照的优选参照是待分析的标记物的值或者是由其衍生的值，其来自质量不足的一个样本或多个样本。在这种情况下，有形地嵌入的算法优选地比较确定的标记物的值与参照值，其中相同或基本上相同的值应为质量不足样本的指示，而值的不同(优选地，其显示与表1、2、2a、或3所指示的方向相反的变化方向)表示足够质量的样本。
可替代地，被用作根据本发明设备的存储参照的优选参照是待分析的标记物的值或者是由其衍生的值，其来自足够质量的一个样本或多个样本。在这种情况下，有形地嵌入的算法优选地比较确定的标记物的值与参照值，其中相同或基本上相同的值应为足够质量的样本的指示，而值的不同表示质量不足的样本。
还优选地，设备的单元可以在一个系统中实施，该系统包含可操作地连接到彼此的几个设备。取决于用于本发明系统中的单元，通过允许数据在所述装置之间传输的方式(例如，玻璃纤维电缆和其它用于高通量数据传输的电缆)连接各装置与其它装置，所述装置可以功能性地连接。尽管如此，装置之间的无线数据传输也涵盖在本发明中，例如，通过LAN(无线LAN，W-LAN)。优选的系统包括用于测定生物标记物的装置。如本文所用的用于测定生物标记物的装置包括用于分离生物标记物的装置，如色谱设备，以及用于代谢物测定的装置，如质谱设备。合适的设备已经在上面详细描述。在本发明的系统中使用的用于化合物分离的优选装置包括色谱设备，更优选地用于液相色谱法、HPLC和/或气相色谱法的设备。用于化合物测定的优选设备包括质谱设备，更优选地GC-MS、LC-MS、直接输注质谱、FT-ICR-MS、CE-MS、HPLC-MS、四极质谱、连续偶联质谱(包括MS-MS或MS-MS-MS)、ICP-MS、Py-MS或TOF。分离和测定装置优选地相互连接。最优选地，LC-MS和/或GC-MS用于本发明的系统中，如在本说明书的其它地方详细描述的。进一步包括用于比较和/或分析从测定生物标记物的装置获得的结果的装置。用于比较和/或分析结果的装置可包括至少一个数据库和用于比较测量值与相应的参照的实施计算机程序。前述系统和设备的优选实施方案也将在下面详细描述。
此外，本发明涉及数据集，其包括表1、表2或表2a中至少一组的至少一个标记物的特征值，指示样本的足够质量或质量不足。
术语“数据集”指的是可以物理和/或逻辑地组合在一起的数据的集合。因此，数据集可以在单个数据存储介质中实施，或者在可操作地彼此连接的物理上分离的数据存储介质中实施。优选地，数据集通过数据库的方式来实施。因此，如本文所用的数据库包括在适合的存储介质上的数据集。而且，数据库优选进一步包含数据库管理系统。数据库管理系统优选地是基于网络的、分级的或面向对象的数据库管理系统。此外，数据库可以是联合或集成数据库。更优选地，数据库将作为分布式(联合)系统，例如作为客户端-服务器-系统实施。更优选地，数据库被构造为以允许搜索算法来比较测试数据组与数据集中包含的数据组。具体而言，通过使用这样的算法，可搜索数据库中指示样本质量的相似或相同的数据组，如上所设定的(例如查询搜索)。因此，如果相同或相似的数据组可以在数据集中识别，则测试数据组与所述质量相关。因此，由数据集得到的信息可以用作，例如，上述本发明方法的参照。更优选地，数据集包括在上面列举的组中的任何一个中包含的所有生物标记物的特性值。
根据以上所述，本发明包括数据存储介质，其包含上述数据集。
如本文所用的术语“数据存储介质”包括基于单个物理实体的数据存储介质，如CD、CD-ROM、硬盘、光存储介质或软盘。此外，该术语还包括由物理上分开的实体组成的数据存储介质，所述物理上分开的实体以提供上述数据集的方式可操作地连接到彼此，优选地，以适合查询搜索的方式可操作地连接到彼此。
本发明还涉及一种分析系统，其包括：
(a)用于比较样本标记物的特征值的装置，其可操作地连接到
(b)根据本发明的数据存储介质。
如本文所用的术语“分析系统”，涉及可操作地彼此连接的不同的装置。所述装置可以在单个设备中实施，或者在彼此可操作地连接的物理上分开的设备上实施。用于比较标记物特征值的，优选地，基于用于比较的算法或得分，如前所述。数据存储介质优选地包含前述的数据集或数据库，其中各存储的数据组指示上面提到的样本质量。因此，本发明的分析系统允许识别测试数据组是否包含于存储在数据存储介质中的数据集中。因此，本发明的方法可以由本发明的分析系统实施。
在分析系统优选的实施方案中包括用于测定样本中生物标记物特征值的装置。术语“用于测定生物标记物特征值的装置”优选涉及用于测定代谢物的前述设备，如质谱设备、NMR设备或用于进行生物标记物的化学或生物测定法的设备。
本发明还涉及表1中至少一组的至少标记物、或用于其的一种或多种检测试剂，用于评估血液制品样本质量的用途。优选地，所述组包括：(i)甘油-3-磷酸、甘油酸酯和鸟氨酸；(ii)甘油-3-磷酸、甘油酸酯和次黄嘌呤；(iii)甘油-3-磷酸、鸟氨酸和次黄嘌呤；(iv)甘油酸酯、鸟氨酸和次黄嘌呤；或(v)谷氨酰胺、甘油-3-磷酸、谷氨酸和次黄嘌呤；特别是所述组包括甘油-3-磷酸、甘油酸酯和鸟氨酸或所述组包括谷氨酰胺、甘油-3-磷酸、谷氨酸和次黄嘌呤。在一个优选的实施方案中，所述至少一组是组3_a，13_a，15_a，16_a，1_a，1_b，10_a，11_a，12_a，13_b，14_a，14_b，17_b，18_b，19_a，19_b，2_b，20_b，3_b，4_a，5_a，5_b，6_a，7_a，7_b，8_b，1，2，3，4，5，6，7，8，10，11，12，13，14，15，16，17，18，19，20，3_m，6_m，10_m，15_m，16_m，17_m，18_m，19_m或20_m。
此外，本发明涉及用于评估血液制品样本质量的试剂盒，其包含至少一种用于表1中至少一组的至少标记物的检测试剂，和/或用于所述标记物的参照，包含在一个包装(a housing)内。
如本文所用的术语“试剂盒”，是指以上述组分的集合，优选地，分开地或在单一容器内提供。所述容器还包括用于执行本发明方法的说明书。这些说明书可以是手动的形式。优选地，说明书指示如何建立质量评估，最优选地包括使用户能够建立质量评估的说明。所述说明书优选地由计算机程序代码提供，当在计算机或数据处理设备上实施时，其能够执行在本发明的方法中提到的比较，并建立样本的质量评估。计算机程序代码可以提供在数据存储介质上或设备上，如光学存储介质(例如，光盘)，或直接地在计算机上或数据处理设备上。在另一个实施方案中，容器不包括用于执行本发明方法的说明书；因此，在一个优选的实施方案中，试剂盒是上述组分的集合，优选地分开地或在单一容器内提供。此外，试剂盒应优选地包含如本文上述定义的每个生物标记物的至少一个参照标准，即，具有对于代表参照量的至少一个生物标记物的预先定义量的溶液。这样的标准可以代表，例如，来自足够的质量或质量不足的一个或多个样本的生物标记物的量。在一个优选的实施方案中，试剂盒包括用于以下组的至少标记物的至少一种检测试剂：组3_a,13_a,15_a,16_a,1_a,1_b,10_a,11_a,12_a,13_b,14_a,14_b,17_b,18_b,19_a,19_b,2_b,20_b,3_b,4_a,5_a,5_b,6_a,7_a,7_b,8_b,1,2,3,4,5,6,7,8,10,11,12,13,14,15,16,17,18,19,20,3_m,6_m,10_m,15_m,16_m,17_m,18_m,19_m或20_m。
如何根据生物标记物来制造检测试剂是本领域技术人员熟知的。例如，可以生产特异性结合至少一个生物标记物的抗体或适体。类似地，生物标记物本身可以在试剂盒中用作参考，例如，在复合物内或以修饰或衍生的形式，例如，当通过GCMS分析时。本领域技术人员理解，如果标记物是计算值时，检测试剂优选地是用于测定用于计算所述标记物的值的生物标记物的检测试剂的组合。
此外，本发明涉及提供足够质量的血液制品或血液制品样本的集合的方法，包括
a)提供血液制品或血液制品样本的池，
b)在所述血液制品的池的每个成员的样本上或在所述血液制品样本的池的每个成员的样本上进行本发明的血液制品样本质量评估的方法的步骤，
c)如果评估为质量不足，丢弃血液制品或血液制品样本，和/或如果评估为质量不足，从进一步的使用中排除血液制品或血液制品样本；由此提供质量足够的血液制品或血液制品样本的集合。
本发明的提供质量足够的血液制品集合的方法优选地是体外方法。此外，它可以包括除了上面明确提到的那些步骤以外的步骤。此外，所述步骤中的一个或多个可以通过自动化设备来完成。
在本说明书中引用的所有文献在此通过参照以其全部公开的内容和在本说明书中具体提及的公开内容并入。
鉴于上述情况，下面的实施方案是优选的：
实施方案1.一种用于评估血液制品样本质量的方法，包括：
a)测定所述样本中表1中的至少一组的标记物的值；
b)比较步骤a)中测定的值与相应的参考，和，
c)评估所述血液制品样本的质量。
实施方案2.根据实施方案1所述的方法，其中在步骤a)中测定标记物(i)甘油-3-磷酸、甘油酸酯和鸟氨酸；(ii)甘油-3-磷酸、甘油酸酯和次黄嘌呤；(iii)甘油-3-磷酸、鸟氨酸和次黄嘌呤；或(iv)甘油酸酯、鸟氨酸和次黄嘌呤的量。
实施方案3.根据实施方案1所述的方法，其中在步骤a)中测定表2中至少一组的标记物的值。
实施方案4.根据实施方案1至3中任一项所述的方法，其中在步骤a)中测定表2中的组3，13，15，18，19或20中的至少一组的标记物的值。
实施方案5.根据实施方案1至4中任一项所述的方法，其中评估血液制品样本的质量是确保所述血液制品样本没有受到以下任何混杂因素的影响(i)采血和从血细胞中分离血浆之间的时间延长，(ii)采血和从血细胞中分离血浆之间的温度升高，(iii)血浆存储的时间延长，和(iv)血浆存储期间的温度升高。
实施方案6.根据实施方案1至5中任一项所述的方法，其中，在鉴定为质量不足的血液制品样本的情况下，所述方法包括区分所述样本是被血液处理相关的混杂因素损害还是被血浆处理相关的混杂因素损害的进一步的步骤。
实施方案7.根据实施方案6所述的方法，其中所述的血液处理相关的混杂因素是(i)采血和从血细胞中分离血浆之间的时间延长，(ii)采血和从血细胞中分离血浆之间的温度升高。
实施方案8.根据实施方案6或7所述的方法，其中所述血浆处理相关的混杂因素是(i)血浆存储的时间延长，和(ii)血浆存储期间的温度升高。
实施方案9.根据实施方案1至8中任一项所述的方法，其中在步骤a)中额外地测定标记物乙二胺四乙酸(EDTA)、柠檬酸盐和天冬氨酸的量，和其中在步骤b)中所述额外标记物的量与相应的参照进行比较。
实施方案10：根据实施方案9所述的方法，其中评估血液制品样本的质量还包括区分所述样本是否被标本采集管选择相关的因素损害。
实施方案11.根据实施方案1至10中任一项所述的方法，其中所述参照值通过测定根据以下条件处理的样本中标记物的值获得：(i)在18℃和22℃之间的温度下血液处理在抽血和离心之间的60分钟以内和(ii)血浆存储在低于5℃的温度下少于30分钟，和(iii)血浆存储在低于-80℃的温度下少于1年。
实施方案12.根据实施方案1至11中任一项所述的方法，其中所述的血液制品样本是血液样本或血浆样本。
实施方案13.根据实施方案1至12中任一项所述的方法，其中，测定所述标记物的值包括使所述标记物中的至少一个、优选全部与一种或多种酶反应。
实施方案14.根据实施方案1至12中任一项所述的方法，其中，测定所述标记物的值包括质谱(MS)方法。
实施方案15.根据实施方案1至12和14中任一项所述的方法，其中，测定所述标记物的值包括固相萃取(SPE)与液相色谱(LC)和质谱法(MS)的组合，优选SPE-LC-MS/MS或SPE-超高效液相色谱(UPLC)-MS/MS。
实施方案16.根据实施方案1至12和14中任一项所述的方法，其中测定所述标记物的值包括LC与质谱的组合，优选LC-MS/MS。
实施方案17.根据实施方案1至12和14中任一项所述的方法，其中测定所述标记物的值包括气相色谱法(GC)与质谱法(MS)的组合，优选GC-MS或GC-MS/MS。
实施方案18.根据实施方案1至17中任一项所述的方法，还包括测定所述标记物中至少一个的内部标准的步骤，优选测定所述标记物中的全部的内部标准的步骤。
实施方案19.根据实施方案1至18中任一项所述的方法，还包括测定所述标记物中至少一个的外部标准的步骤，优选测定所述标记物中的全部的外部标准的步骤。
实施方案20.根据实施方案1至19中任一项所述的方法，其中所述测定标记物的值是测定所述标记物的量或测定从标记物的至少一个浓度值导出的计算值，优选地，至少两个生物标记物的浓度的比例。
实施方案21.根据实施方案1至20中任一项所述的方法，其中通过使用多变量模型，优选地逻辑回归模型将所述标记物的各个数值转换成组合值。
实施方案22.根据实施方案1至21中任一项所述的方法，其中所述步骤b)包括以下步骤
b1)基于步骤a)中提及的所述标记物的测定值计算组合值，其中，优选地，在所述计算的组合值中，归于其重要性对标记物加权；和
b2)从而，比较计算的组合值与参照组合值。
实施方案23.根据实施方案1至21中任一项所述的方法，其中所述步骤b)包括以下步骤
b1)比较步骤a)中测定的值与相应的参照，和基于所述比较计算组合值，其中，优选地，在所述计算的组合值中，归于其重要性对标记物加权；和
b2)从而，比较计算的组合值与参照组合值。
实施方案24.根据实施方案1至23中任一项所述的方法，其中所述的评估血液制品样本质量是建立样本的数值质量评估，和其中所述标记物的所述值通过与预定义的截止值比较分类。
实施方案25.根据实施方案24所述的方法，其中通过与预定义的截止值比较分类的所述标记物组合成单个的值然后将其按比例缩放，其中，优选地，在所述按比例缩放中归于其重要性对标记物加权。
实施方案26.根据实施方案1至25中任一项所述的方法，其包括测定至少组3_a,13_a,15_a,16_a,1_a,1_b,10_a,11_a,12_a,13_b,14_a,14_b,17_b,18_b,19_a,19_b,2_b,20_b,3_b,4_a,5_a,5_b,6_a,7_a,7_b,8_b,1,2,3,4,5,6,7,8,10,11,12,13,14,15,16,17,18,19,20,3_m,6_m,10_m,15_m,16_m,17_m,18_m,19_m或20_m的标记物的值。
实施方案27：一种用于评估血液制品样本质量的设备，其包括：
a)用于所述样本的分析单元，其包括用于表1、表2或表2a中至少一组的至少标记物的至少一个检测器，所述至少一个检测器测定所述样本中的所述标记物的量；和，可操作地连接至，
b)包含数据处理单元和数据库的评估单元，所述数据库包括存储的相应参照值和所述数据处理单元任选地具有有形地嵌入的算法，所述算法计算两个生物标记物的样本内比例并比较由分析单元所确定的标记物的值或由评估单元所计算的值与所述存储的参照值，和产生输出信息，在此基础上建立质量评估。
实施方案28.根据实施方案27所述的设备，其中所述分析单元包括至少一个检测器，其(i)用于至少标记物甘油-3-磷酸、甘油酸酯和鸟氨酸；(ii)用于至少标记物甘油-3-磷酸、甘油酸酯和次黄嘌呤；(iii)用于至少标记物甘油-3-磷酸、鸟氨酸和次黄嘌呤；(iv)用于至少标记物甘油酸酯、鸟氨酸和次黄嘌呤；或(v)至少一个检测器，其用于至少标记物谷氨酰胺、甘油-3-磷酸、谷氨酸和次黄嘌呤，所述至少一个检测器测定所述样本中所述标记物的量。
实施方案29.根据实施方案26或27所述的设备，其中所述分析单元包括至少一个检测器，其用于组3_a,13_a,15_a,16_a,1_a,1_b,10_a,11_a,12_a,13_b,14_a,14_b,17_b,18_b,19_a,19_b,2_b,20_b,3_b,4_a,5_a,5_b,6_a,7_a,7_b,8_b,1,2,3,4,5,6,7,8,10,11,12,13,14,15,16,17,18,19,20,3_m,6_m,10_m,15_m,16_m,17_m,18_m,19_m或20_m的至少标记物。
实施方案30.表1、表2或表2a中至少一组的至少标记物，或用于其的一种或多种检测试剂，用于评估血液制品样本质量的用途。
实施方案31.根据实施方案30所述的用途，其中，所述组包括：(i)甘油-3-磷酸、甘油酸酯和鸟氨酸；(ii)甘油-3-磷酸、甘油酸酯和次黄嘌呤；(iii)甘油-3-磷酸、鸟氨酸和次黄嘌呤；(iv)甘油酸酯、鸟氨酸和次黄嘌呤；或(v)谷氨酰胺、甘油-3-磷酸、谷氨酸和次黄嘌呤。
实施方案32.根据实施方案30或31所述的用途，其中所述的至少一组是组3_a,13_a,15_a,16_a,1_a,1_b,10_a,11_a,12_a,13_b,14_a,14_b,17_b,18_b,19_a,19_b,2_b,20_b,3_b,4_a,5_a,5_b,6_a,7_a,7_b,8_b,1,2,3,4,5,6,7,8,10,11,12,13,14,15,16,17,18,19,20,3_m,6_m,10_m,15_m,16_m,17_m,18_m,19_m或20_m。
实施方案33.一种用于评估血液制品样本质量的试剂盒，其包含至少一种用于表1中至少一组的至少标记物的检测试剂，和/或用于所述标记物的参照，包含在一个包装内。
实施方案34.根据实施方案33所述的试剂盒，其中所述组包括：(i)甘油-3-磷酸、甘油酸酯和鸟氨酸；(ii)甘油-3-磷酸、甘油酸酯和次黄嘌呤；(iii)甘油-3-磷酸、鸟氨酸和次黄嘌呤；(iv)甘油酸酯、鸟氨酸和次黄嘌呤；或(v)谷氨酰胺、甘油-3-磷酸、谷氨酸和次黄嘌呤。
实施方案35.根据实施方案33或34所述的试剂盒，其中所述试剂盒包含至少一种检测试剂，其用于组3_a,13_a,15_a,16_a,1_a,1_b,10_a,11_a,12_a,13_b,14_a,14_b,17_b,18_b,19_a,19_b,2_b,20_b,3_b,4_a,5_a,5_b,6_a,7_a,7_b,8_b,1,2,3,4,5,6,7,8,10,11,12,13,14,15,16,17,18,19,20,3_m,6_m,10_m,15_m,16_m,17_m,18_m,19_m,或20_m的至少标记物。
实施方案36.一种提供足够质量的血液制品的集合的方法，包括
a)提供血液制品的集合，
b)在血液制品的所述集合的每个成员的样本上进行实施方案1至26任一项的血液制品样本质量评估的方法的步骤，
c)如果评估为质量不足，丢弃血液制品，和/或如果评估为质量不足，从进一步的使用中排除血液制品；由此提供质量足够的血液制品的集合。
实施方案37.一种数据集，其包括表1、表2或表2a中至少一组的至少标记物的特征值，其指示血液制品样本的质量足够或质量不足。
实施方案38.根据实施方案37所述的数据集，其包含组3_a,13_a,15_a,16_a,1_a,1_b,10_a,11_a,12_a,13_b,14_a,14_b,17_b,18_b,19_a,19_b,2_b,20_b,3_b,4_a,5_a,5_b,6_a,7_a,7_b,8_b,1,2,3,4,5,6,7,8,10,11,12,13,14,15,16,17,18,19,20,3_m,6_m,10_m,15_m,16_m,17_m,18_m,19_m或20_m的至少标记物的特征值。
实施方案39.一种数据存储介质，其包含实施方案37或38所述的数据集。
实施方案29.一种系统，其包括：
(a)用于比较样本的至少一个生物标记物的特征值的装置，其可操作地连接到
(b)根据实施方案39所述的数据存储介质。
以下实施例应仅仅是说明本发明。无论如何，它们不应当被解释为限制本发明的范围。
实施例
实施例1：创建对于血浆预处理的高质量和低质量样本的实验设计。
设计实验以创建对于血浆处理的时间和温度的高质量和低质量的人血浆样本，以鉴定用于血浆生物库标本的质量控制的多变量生物标记物。用于本实验的样本的EDTA血浆池，是在2小时内从血液处理到血浆、在存储过程中连续保持在-80℃、并且在存储期间没有再次的解冻和冻结。将该池分为1ml等分试样，这些等分试样孵育在4℃、12℃、21℃的温度下。在时间点0小时、0.5小时、5小时和16小时，每10等分试样在-80℃冷冻，如实施例4中所述分析(在实施例1中没有分析鞘脂)。以随机分析序列设计分析血浆样本。原始峰数据被归一化至每个分析序列所有样本的中值，以解释方法偏差(所谓的“比例”)。为了允许半定量数据的实验全面比对，在实验中用12个重复的样本分析MxPoolTM(市售人EDTA血浆的大池，适于代谢谱研究的比对)，进一步归一化至MxPoolTM样本中值的比例(即来自该研究的比例)在同一水平上，因此，与归一化至相同MxPoolTM的其它等分试样的其它项目的数据是可比较的。来自目标方法的总的定量数据(类花生酸，儿茶酚胺)保留了其绝对定量数据。数据对数10转化以接近正态分布。
在任何温度下在0小时或0.5小时处理的样本被认为是高质量的；在任何温度下在16小时处理的样本被认为是低质量的；在21℃在5小时处理的样本被认为是低质量的；所有其它样本在这种方法中被忽略。
实施例2：创建对于血液至血浆处理的高质量和低质量样本的实验设计。
设计该实验以创建对于预分析的混杂因素(发生在血液至血浆的预处理期间)高质量和低质量的人血浆样本，以鉴定用于血浆生物库标本的质量控制的多变量生物标记物。
不同的血液处理组包括以下步骤：
·在0℃延长孵育
·在室温下长延长孵育
·溶血
招募20名健康志愿者(女13名，男7名)，使用标准尺寸-20的安全飞行采血系统、通过静脉穿刺抽取64ml血液，抽入3个9-ml-K3EDTA monovettes管，随后1ml抽入中性monovette管(样本被丢弃)，随后9-ml中性monovette管，随后3个9-ml-K3EDTA monovettes管。通过倒置轻轻混合monovettes管，以防止溶血。打开K3EDTA monovettes管，在各受试者内合并。
不同组内每个受试者的血液处理如下：
在0℃下延长孵育
将2×5ml血池在0℃分别孵育4小时和6小时。在此时期之后，在冷冻离心机中在1500×g下离心15分钟制备血浆。将血浆储存在-80℃直至分析。
在室温下延长孵育
将5ml血池在室温下孵育1小时。在此时期之后，在冷冻离心机中在1500×g下离心15分钟制备血浆。将血浆储存在-80℃直至分析。
溶血
2×6ml血池分别通过标准尺寸-25的注射器(1级溶血)和标准尺寸-27的针(2级溶血)。在冷冻离心机中在1500×g下离心15分钟制备血浆。将血浆储存在-80℃直至分析。
对照
作为对照组的样本没有任何延迟立即处理。剩余的血池在冷冻离心机中在1500×g下离心15分钟。抽取上部血浆上清液，在离心管中混合。冷冻该血浆样本的等分试样，在-80℃储存直至作为对照分析。
如实施例4所述在随机化分析序列设计中分析本实验的血浆样本。代谢物谱提供了半定量分析平台，其获得相对定义参照组的相对代谢物水平(“比例”)。为了支持这一概念，并也允许不同分析批次的(“实验”)的比对，整个过程中平行运行两个不同的参照样本类型。首先，从所有样本的等分试样生成项目池，并在每个分析序列中重复4次测量。对于所有半定量分析的代谢物，针对每个分析序列中参照样本池中的中值对数据进行归一化，给出池归一化的比例(对每个代谢物的每个样本进行)。这补偿了工具间和工具内的偏差。第二，在实验中用12个重复样本分析MxPoolTM，进一步针对MxPoolTM样本的中值对池归一化的比例进行归一化，即来自本研究的比例在相同水平上，因此，与来自相对相同MxPoolTM的其它等分试样归一化的其它项目的数据是可比的。来自目标方法(类花生酸，儿茶酚胺)的总的定量数据保持其绝对定量数据。
对照组样本被认为是高质量的，来自这个实验中的其它样本被认为是低质量的。
实施例3：创建对于长期血浆储存的高质量和低质量样本的实验设计。
设计该实验以创建对于长期的血浆储存的高质量和低质量人血浆样本，以鉴定用于血浆生物库标本的质量控制的多变量生物标记物。EDTA血浆池的等分试样分别存储在4℃或-20℃或-80℃或液氮中。第1天、5天、55天、181天和365天后，存储在各温度下的样本的4个等分试样如实施例4所述通过代谢物谱进行分析(实施例3中没有分析鞘脂)。此外，在t＝0和1天后分析保持在20℃的样本。在随机分析序列设计中分析血浆样本。从所有样本的等分试样生成项目池，在每个分析序列中4次重复测量。针对每个分析序列项目池的中值归一化原始峰数据，以解释方法偏差(所谓的“比例”)。比例对数10转化以接近数据的正态分布。
存储在-80℃或在液氮中的样本在任何存储时间被认为是高质量的样本。此外，在t＝0或在-20℃存储1天而分析的样本被认为是高质量的样本。
存储在4℃下的样本在任何存储时间被认为是低质量的样本。存储在-20℃下的样本当存储55天或更长时间时被认为是低质量的样本。
其它样本忽略。
实施例4：MS分析样本制品
制备人血浆样本，如下所述进行LC-MS/MS和GC-MS或SPE-LC-MS/MS(激素)分析。通过沉淀从血浆中分离蛋白质，具体地将中性缓冲液加入到样本中，使用适当的沉淀溶剂通过沉淀从血浆中分离蛋白质。加入水和乙醇和二氯甲烷的混合物后，剩余的样本分为水性极性相和有机的亲脂相，尤其通过离心进行分相。
对于脂质提取物的转甲醇分解作用(transmethanolysis)，140μl氯仿、37μl盐酸(水中37％(重量)HCl)、320μl甲醇和20μl甲苯的混合物加入到蒸发的提取物中。将容器紧密密封，在100℃下振荡加热2小时。溶液随后蒸发至干。将残余物完全干燥。
羰基的甲肟化(methoximation)通过在紧密密封的容器中与甲氧基胺盐酸盐(吡啶中20mg/ml，100l在60℃持续1.5小时)的反应进行。20μl奇数个直链脂肪酸溶液(在3/7(v/v)吡啶/甲苯中7至25个碳原子的脂肪酸各0.3mg/mL的溶液和具有27、29和31个碳原子的脂肪酸各0.6mg/mL的溶液)作为时间标准加入。最后，用100μl N-甲基-N-(三甲基硅烷基)-2,2,2-三氟乙酰胺(MSTFA)进行衍生化，再次在紧密密封的容器中在60℃下持续30分钟。注射到GC中之前的终体积为220μl。
对于极性相，以下列方式进行衍生化：羰基的甲肟化通过在紧密密封的容器中与甲氧基胺盐酸盐(吡啶中20mg/ml，50l在60℃持续1.5小时)的反应进行。10μl奇数个直链脂肪酸溶液作为时间标准加入，所述奇数个直链脂肪酸溶液是在3/7(v/v)吡啶/甲苯中7至25个碳原子的脂肪酸各0.3mg/mL的溶液和具有27、29和31个碳原子的脂肪酸各0.6mg/mL的溶液)。最后，用50μl N-甲基-N-(三甲基硅烷基)-2,2,2-三氟乙酰胺(MSTFA)进行衍生化，再次在紧密密封的容器中在60℃下持续30分钟。注射到GC中之前的终体积为110μl。
包含在上述甲肟化反应中的奇数个直链脂肪酸作为GC的时间标准被包含，支持正确峰批注的验证。具体地如果少量标记物进行分析，如本发明的组中的那些，所述时间标准不是绝对必要的。
GC-MS系统由Agilent 6890GC结合Agilent 5973MSD组成。自动进样器(autosamplers)是来自CTC的CompiPal或GCPal。
为了分析，使用一般商业毛细管分离柱(30m×0.25mm×0.25μm)，其具有不同的聚甲基硅氧烷固定相，含0％到最多35％的芳族部分，这取决于所分析的样本材料和来自相分离步骤中的级分(例如：DB-1ms,HP-5ms,DB-XLB,DB-35ms,Agilent Technologies)。最终体积至多1μL无分流注入，烘箱温度程序开始在70℃并结束在340℃，加热速率依据样本材料和来自相分离步骤的级分而不同，以在每个分析物峰内获得足够的色谱分离和扫描数。另外RTL(Retention Time Locking，Agilent Technologies)用于分析，通常的GC-MS标准条件，例如恒定流量标称1至1.7ml/分钟，氦作为流动相气体，通过用70eV的电子碰撞进行电离，在15至600的m/z范围内、扫描速率2.5至3个扫描/秒扫描、和标准调试条件。
HPLC-MS系统由Agilent 1100LC系统(Agilent Technologies,Waldbronn,Germany)结合API 4000质谱仪(Applied Biosystem/MDS SCIEX,Toronto,Canada)组成。在市售的反相分离柱与C18固定相上进行HPLC分析(例如：GROM ODS 7pH，Thermo Betasil C18)。注射蒸发的和重构的极性和亲脂相的最终样本体积至多10μL，使用甲醇/水/甲酸或乙腈/水/甲酸梯度以200μL/分钟的流速使用梯度洗脱进行分离。
如下进行质谱法，对于非极性级分以正模式电喷雾电离，对于极性级分以负或正模式电喷雾电离，使用多反应监控-(MRM)模式和100-1000amu的全扫描。
血浆样本中儿茶酚胺的分析：
如Yamada等人(Yamada H,Yamahara A,Yasuda S,Abe M,Oguri K,Fukushima S,Ikeda-Wada S:Dansyl chloride derivatization of methamphetamine:a methode with advantages for screening and analysis of methamphetamine in urine.Journal of Analytical Toxicology,26(1):17-22(2002))所述，通过在线SPE-LC-MS测量儿茶酚胺及其代谢物。
血浆样本中类花生酸的分析
通过离线和在线SPE LC-MS/MS(固相提取LC-MS/MS)从血浆中测量类花生酸(Masoodi M and Nicolaou A:Rapid Commun Mass Spectrom.2006；20(20):3023–3029。用稳定同位素标记的标准方法进行绝对定量。
血浆样本中鞘氨基醇的分析：
在一个优选的方法中，通过样本的离线SPE清除测量鞘氨基醇和随后通过UHPLC-MS/MS半定量测定：亲水-亲油平衡μElution SPE柱体(Waters)用正己烷、甲醇及甲醇/磷酸条件化。施加血浆样本后，用甲醇/磷酸洗涤柱体，而后用乙腈/异丙醇洗脱鞘氨基醇。样本直接注入UHPLC-MS/MS系统。
或者，在基于目标定量质谱法的分析中使用标准曲线或稳定的同位素标记的内部标准分析代谢物。在这种情况下，样本制备(蛋白质沉淀、极性和脂质部分的分离和衍生化，如果适用)如上所述进行。对于目标代谢物的检测，在选择的离子监测(SIM)或选择的反应监测(SRM)模式中进行质谱法。
实施例5：统计数据分析
软件R 2.8.1(包nlme)用于数据分析和可视化。在对数10转化的数据上进行使用随机森林(Liaw and Wiener(2002).Classification and Regression by random Forest.R News 2(3),18-22)和弹性网络(Zou and Hastie(2005)Regularization and variable selection via the elastic net,Journal of the Royal Statistical Society,Series B)的分类分析。代谢物的最终组通过如下确定：考虑技术方面(意味着在样本分析方法设定(例如基于MS的方法或基于酶促试验测定法)中哪个生物标记物组可以一起进行分析)；或在处理尽可能多的预分析混杂因素的能力方面；或特定关注预分析方面，例如血液至血浆的处理或长期存储；或特定关注矩阵校验；或以最小的方式，意味着尽可能少的代谢物。对于八个代谢物，计算样本内比例意味着替代或除了对项目池或对MxPoolTM的比例以外，计算和分析各样本中每两个代谢物的商。这解释了个体间偏差。
所得分类器对实施例1-3的整个合并数据进行重新训练。我们分析了低质量样本对高质量样本。为了分析我们选择的组的性能，使用代谢物的这些组用随机森林或弹性网络分析建立分类器，使用接受者操作特征(ROC)分析的曲线下面积(AUC)估算交叉验证的分类性能。对于实验对代谢物基线水平的具体影响，用或不用代谢物数据在先的ANOVA修正进行性能计算。
实施例6：组选择标准
质量标记物组基于其以下诊断性能选择：分类高和低质量样本、其质量控制目标、通过不同分析方法的其分析能力、其在人血浆中的浓度、在一般差异方面如禁食、年龄和性别方面其偏差、和其在临床性能验证测试中的再现性和诊断性能。
实施例7：单个标记物的性能
多种代谢物作为单个标记物获得的AUC值示于表3。对于标本采集管相关的混杂因素，EDTA血浆被用作参照，如上所述。
表3：各个代谢物的受者作用特征的单变量AUC值
实施例8：优化组的性能
基于标准最佳性能和如上述的进一步的标准(实施例5和6)，具体如上述选择组，得到在表2中总结的组。表2中所述组的性能，表示为AUC估算，示于表4。
表4：适合检测预分析的混杂因素的血浆样本质量控制的代谢物/标记物组的性能(估计的AUC值)。
表4a：适合检测预分析的混杂因素的血浆样本质量控制的代谢物/标记物组的性能(估计的AUC值)，带有附加包含的“矩阵校验标记物”(组9)
实施例9：亚组的性能
校验表2的优化组的标记物的发生频率。这种频率鉴定的标记物的特定组合可以组合成亚组(表1)，其具有令人惊奇的高性能(表5)。
表5：适合检测预分析的混杂因素的血浆样本质量控制的最小标记物组的性能(估计的AUC值)。
实施例10：创建对于血液至血清处理的高质量和低质量样本的实验设计。
为了明确表明鉴定的用于血浆质量控制的组也适合血清，从20名健康志愿者抽取血液。
不同的样本处理组包括下列步骤：
·延长的血液凝固
·延长的室温下血清孵育
招募20名健康志愿者(女15名，男5名)，使用标准尺寸-20的安全飞行采血系统、通过静脉穿刺抽取血液入2个无抗凝剂的血液标本采集管。不同组内的每个受试者的血液如下处理：
对照
对于每个受试者，血液标本采集管之一在室温下孵育40分钟，在控制温度的离心机中在20℃在2000×g下离心20分钟制备血清。在新管中轻轻混合上清液血清，并在-80℃以等分试样存储直至分析。
延长的血液凝固
对于每个受试者，血液标本采集管之一在室温下孵育6小时，在控制温度的离心机中在20℃在2000×g下离心20分钟制备血清。在新管中轻轻混合上清液血清，并在-80℃以等分试样存储直至分析。
延长的室温下血清孵育
对照组血清的等份试样在室温下孵育24小时，然后在-80℃冷冻和存储直至分析。
如实施例4中所述通过Broad Profiling在随机分析序列设计和随后的如实施例2所述的池和MxPoolTM概念中分析该实验的血清样本。对照组样本被认为是高质量，来自该实验的其它样本被认为是低质量的。使用弹性网络算法如实施例5所述，分析了选择的组的如下性能：鉴定低质量样本，区分这些低质量样本与对照。组编号是指由表1-2给出的代谢物列表。组的AUC估算示于表6-7。
表6：特别适合通过检测预分析的混杂因素质量控制血清样本的代谢物/标记物组的性能(估计的AUC值)。
表7：特别适合通过检测预分析的混杂因素质量控制血清样本的最小标记物组的性能(估计的AUC值)。
实施例11：显示对于其它下游分析应用样本的质量控制的实验设计。
为了明确地示出如本发明中描述的质量控制也可以适用于其它下游应用(如蛋白质分析)，并允许评估生物库样本或临床试验样本对其它应用的适合性，从健康志愿者抽取血液并处理成血浆。
不同的样本处理组包括下列步骤：
·延长的离心前EDTA血液孵育
·延长的室温下血浆孵育
招募20名健康志愿者(女15名，男5名)，使用标准尺寸-20的安全飞行采血系统、通过静脉穿刺抽取血液入3个K3EDTA血液标本采集管。不同组内的每个受试者的血液如下处理：
对照
对于每个受试者，血液标本采集管之一在没有任何延迟的情况下进行处理，在控制温度的离心机中在20℃在2500×g下离心10分钟制备血浆。上清液血浆转移到另一个离心管并在控制温度的离心机中在20℃在16000×g下再次离心10分钟。在新管中轻轻混合上清液血浆，并在-80℃以等分试样存储直至分析。
延长的血液孵育
对于每个受试者，血液标本采集管之一在室温下孵育6小时，然后在控制温度的离心机中在20℃在2500×g下离心10分钟制备血浆。上清液血浆转移到另一个离心管并在控制温度的离心机中在20℃在16000×g下再次离心10分钟。在新管中轻轻混合上清液血浆，并在-80℃以等分试样存储直至分析。
延长的血浆孵育
对于每个受试者，血液标本采集管之一在没有任何延迟的情况下进行处理，在控制温度的离心机中在20℃在2500×g下离心10分钟制备血浆。上清液血浆转移到另一个离心管并在控制温度的离心机中在20℃在16000×g下再次离心10分钟。在新管中轻轻混合上清液血浆，在室温下孵育24小时，然后在-80℃以等分试样存储直至分析。
通过本领域技术人员公知的、并且是临床化学实验室常规应用的方法分析蛋白质。这些方法包括酶联免疫吸附测定法(ELISA)、放射免疫测定法(RIA)、电化学发光结合测定法(ECLIA)或其它测定。
统计分析使用对数10转化的蛋白质浓度的配对t检验进行。测试各蛋白质在血液处理相关的混杂组或血浆处理相关的混杂组相对于对照组的显著性差异。结果示于表8-9。
表8：血浆中的蛋白质对血液处理相关的预分析差异的易感性
表9：血浆中的蛋白质对血浆处理相关的预分析差异的易感性
表8和9的数据显示根据本发明的方法鉴定为低质量的样本显示出测试蛋白质的活性和/或浓度的显著变化，相应地，例如，对于诊断或蛋白质组的目的是质量不足的。