讓自己更好的生活提案論文書籍站
輔仁大學 化學系 李慧玲所指導 陳昭宇的 液相層析質譜技術於環境代謝質體學的方法開發與生化分析應用 （2016），提出MI VI BI AI EI關鍵因素是什麼，來自於環境風險因子、非目標物質譜分析、代謝物標靶質譜分析、生物效應代謝物、綠色化學。
而第二篇論文國立陽明大學 生物醫學資訊研究所 巫坤品所指導 田惟升的 裁切膜蛋白預測工具與資料庫建置 （2016），提出因為有 膜蛋白的重點而找出了 MI VI BI AI EI的解答。
液相層析質譜技術於環境代謝質體學的方法開發與生化分析應用
為了解決MI VI BI AI EI 的問題，作者陳昭宇 這樣論述：
液相層析質譜技術具有高靈敏度及高準確度的優點，目前已被廣泛應用於眾多領域包含代謝質體學、蛋白質體學、脂質體學、加成物質體學或是食品安全、生化與環境檢測分析等，而本研究論文以液相層析質譜技術探討相關環境風險因子於小鼠與人類生物性樣品的環境代謝質體學方法開發與應用，研究可分為兩大方面，第一方面為非目標物分析的質譜技術研究，第二方面為代謝物標靶分析的質譜技術研究。 第一方面的非目標物分析的質譜技術研究應用於第二章探討環境風險因子如空氣中懸浮微粒採集物來建立模擬暴露的動物實驗，利用高解析度質譜儀如液相層析飛行時間式質譜儀結合代謝質體學策略研究，找尋小鼠血清及肺泡沖洗液中的相關生物效應代謝物如胺基酸
與類花生四烯酸等代謝物，進而以液相層析串聯式質譜儀定量小鼠生物性樣品中的內生性代謝物，進行全面性解析相關代謝物輪廓圖譜分析。 第二方面為代謝物標靶分析的質譜技術研究於第三章則是探討三價無機砷 (inorganic arsenic, AsIII)、多環芳香烴如苯并[a]芘 (benzo[a]pyrene, BaP) 及環境職業暴露物質如奈米氧化鋅 (zinc oxide nanoparticle, ZnONP) 等三種環境風險因子所建立的動物實驗下，開發線上自動濃縮固相萃取結合液相層析串聯式質譜儀 (on-line solid-phase extraction liquid chromatog
raphy tandem mass spectrometry, on-line SPE LC-MS/MS) 技術來研究脂質體學，找尋生物效應代謝物，研究結果小鼠血清的前處理方法僅需10 μL的樣品量即可完成分析，同時本研究所開發的分析方法準確性可達82.4 % 以上，而精密性則在17.4 % 以內。 流行病學研究證實菸草中含有大量致癌物質，其中尼古丁 (nicotine) 則是菸草中主要成分，同時菸草經燃燒過後亦會產生揮發性有機物 (volatile organic compounds, VOCs)，本研究的第四章以脂質體學、加成物質體學、環境質體學等概念以線上自動濃縮固相萃取結合液相層析串
聯式質譜儀定量人類尿液中相關標靶代謝物的濃度，以統計軟體SPSS®探討標靶代謝物彼此間的相關性，結果可知吸菸者尿液中的GAMA、AAMA、8-isoPGF2α、2,3-dinor-8-isoPGF2α、PGF2α、8-OHdG及cotinine具高度相關性。 然而，開發環境友善的樣品前處理方法乃是綠色化學重要研究，因此在第五章的研究選擇二氧化矽材料 (MCM-41) 進行研究，將生物性樣品如人類血漿利用分散式微固相萃取法 (dispersive micro-solid phase extraction, d-μSPE) 樣品前處理技術快速選擇性萃取人類血漿中標靶代謝物類花生四烯酸之目的，利用
線上自動濃縮固相萃取結合液相層析串聯式質譜儀技術來探討脂質體學，可達省時、省力、簡單化等相關優點進而取代商業用固相萃取管柱。
裁切膜蛋白預測工具與資料庫建置
為了解決MI VI BI AI EI 的問題，作者田惟升 這樣論述：
Chinese Abstract隨著越來越多癌症與疾病相關的生物標記被識別之後，生物標記的開發在生物研究和醫學診斷已成為新興的領域。由於非侵入性的生物標記，在臨床上易於取得，針對非侵入性的生物標誌進行開發已成為一個新趨勢，也因此分泌蛋白生物標記的識別一直受到高度重視。已知大多數分泌蛋白會透過傳統的分泌途徑進行蛋白分泌，然而，有些細胞膜蛋白也會透過細胞外切被釋放到細胞外環境。由於研究發現，細胞膜蛋白的細胞外切現象參與了細胞各種不同的生理和疾病的調節過程，因此，被外切並釋放到細胞外的膜蛋白或許也可成為非侵入性的生物標記的來源之一。先前關於膜蛋白的研究顯示，只有大約2％或4％細胞表面分子的會有細胞
外切的現象;因此，很顯然，不是每一個膜蛋白都會通過細胞外切被釋放至細胞外。在此種情況下，去評估一個膜蛋白是否會從細胞中被釋放，以及識別出藉由外切釋放到細胞外並具有臨床應用潛力的膜蛋白標記，已經是重要不可或缺的。本篇論文研究首先開發出一個計算模型產生的分類工具ShedP，用以預測膜蛋白的細胞外切的現象。當ShedP與其他目前已存在的預測工具整合，我們建立了一個篩選的工具平台SecretePipe，能夠同時預測具有信號胜肽的非膜蛋白類型的分泌蛋白質和預測會藉由細胞外切現象而從細胞中被釋放的膜蛋白。我們的結果顯示，藉由整合了ShedP，SecretePipe預測分泌蛋白數據的結果勝過其他當前最先進的
預測工具。因為具備了預測膜蛋白細胞外切的能力，SecretePipe預測膜蛋白釋放至細胞外的預測能力比其他預測工具更好，也增強了SecretePipe在識別非侵入性的生物標記上應用的潛力。此外，在論文研究中也建構了關於細胞外切膜蛋白的資料庫SheddomeDB。藉由收集在公開文獻中已被證實具有細胞外切現象的膜蛋白，SheddomeDB可供生物研究和臨床人員研究查詢目前已知具有細胞外切現象的膜蛋白。 從445關於膜蛋白細胞外切研究文獻中，收錄了401個經過驗證會經由細胞外切而釋放至細胞外的膜蛋白，其中199膜蛋白尚未被已知的資料庫標註或驗證。 SheddomeDB試圖針對細胞外切膜蛋白提供全面性
的的資訊，包括膜蛋白外切機制調控和相關的功能或疾病。 SheddomeDB資料庫可用於幫助識別找出可作為生物標誌的細胞外切膜蛋白，並幫助了解膜蛋白細胞外切的生理和病理過程中的調控作用。因此，當越來越多膜蛋白被發現藉由細胞外切的方式被釋放至細胞外，並且越來越多的研究揭示膜蛋白細胞外切參與各種過程和病理調節的作用，去識別因細胞外切而釋放的膜蛋白已成為非侵入性生物標記開發和sheddome蛋白質體學領域重要不可或缺的。為了幫助在膜蛋白細胞外切的研究並提供細胞生物學家和臨床研究人員提供了有用的資料庫資源，在本篇的論文研究提供了兩個生物資訊學的專案工具。首先，整合細胞外切預測工具ShedP的平台Secr
etePipe有助於評估一個未知的或未記錄膜蛋白被切割並從細胞釋放的可能性。接著，SheddomeDB資料庫整理出目前已知存在經過實驗驗證的細胞外切膜蛋白。這兩種設計研究已可公開並利用以下的網址使用查詢 http://bal.ym.edu.tw/SecretePipe/ 以及http://bal.ym.edu.tw/SheddomeDB/.