在生物医学研究领域，对实验动物身体成分进行精确分析是理解疾病机制、评估治疗效果和推进药物研发的关键作用。体成分分析仪，运用双层X射线吸收测定法（DXA）技术，为科研提供一个强大的工具，以高精度和高效率对动物模型进行分析。
DXA技术，是通过发射两种不同能量的X射线并分析其穿透动物身体后的衰减情况，从而区分并测量动物骨密度（BMD）和身体成分（BMC、FAT、LEAN），并呈现超高分辨率的数字影像分析系统。这种方法速度快，扫描仅需50秒，准确度和精确度误差﹤1%，分辨率高达54um的微米级探测器，可提供高清X光图像；不仅可显示和分析全身数据的结果值，也可显示各个ROI分部位（感兴趣区）数据的结果值。而且辐射剂量低，根据管电压管电流和距离计算，在40-80 kV和1.25 mA的条件下，25 cm距离处的辐射剂量率大约在0.0032到0.0128 mGy/h之间。
DXA在大小鼠、兔子和豚鼠等实验动物的肥胖症、糖尿病、骨质疏松、骨骼和肌肉系统的疾病等方面应用广泛。
在骨骼代谢研究方面，通过精确测量骨密度和骨矿物质含量等，适用于骨骼分析、关节炎症、癌症、骨质疏松、脂肪比、骨密度测定等研究，评估疾病的发展和药物疗效。
在代谢疾病中，可全面评估动物的能量消耗、食入摄入和活动水平，对研究代谢疾病的整体影响和开发新的治疗方法具有重要作用。特别在糖尿病以及肌肉减少症等模型研究中，可监测动物的体重变化、体脂分布和肌肉量，这些指标对理解疾病的发展和影响具有重要价值。
在营养学研究方面，通过分析动物的体质量和肌肉量，研究营养摄入对动物身体成分的影响提供了数据支持；
在药物临床前研究中，用于评估药物对动物身体成分的影响，从而预测其对人体的潜在效果。
DXA的测量值包含：骨矿物质含量BMC、脂肪FAT、肌肉LEAN、总质量TOTAL MASS、脂肪百分比FAT%、骨矿物质密度BMD。
【骨质疏松】
下面我们举个例子简单阐述体成分分析仪在骨质疏松模型中的应用
骨质疏松症是一种以骨量减少、骨微结构破坏、骨脆性增加和骨折风险增高为特征的全身性骨骼疾病，动物模型以去势大鼠骨质疏松模型最为常用。该模型的评价标准：与对照组相比，模型组的BMD明显降低。从成本、效率和可靠性综合考虑，DXA为最合适的检测手段。
首先通过去除大鼠双侧卵巢构建模型，造模周期一般为12周。运用DXA可动态监测不同部位（股骨和胫骨）骨矿物质密度（BMD）、骨矿物质含量（BMC）、脂肪百分比（%Fat）的变化，动态观察模型构建的效果。
由这个文章结果可知，大鼠股骨、胫骨的BMD从第一个月开始降低，到第三个月更为明显。BMC方面，大鼠股骨、胫骨从第三个月开始明显降低。在脂肪百分比方面，两组并无明显差异。
如果要验证药物治疗效果，可如上所述通过DXA确认模型成功后，进行后续治疗，再持续进行观察。
除此之外，DXA通常联合Micro CT进行评估，这里就不进行展开了，尊龙凯时也可提供Micro CT检测，欢迎咨询。
【代谢性疾病】
体成分分析仪在代谢性疾病领域，如糖尿病，肥胖症模型等尤为常用。
有文章研究糖尿病相关肌肉减少症模型，给与药物干预后，检测骨骼肌质量作为检测指标。由
结果可见，糖尿病小鼠的骨骼肌质量明显较高，NaB干预后并没有明显变化。
另外，有文章研究肌肉生长抑制素缺乏是否会随着膳食脂肪摄入量的增加而减轻体脂增加，以野生型和基因缺陷鼠用正常喂养和高脂饮食喂养，比较两者的体成分变化。
结果表明，肌肉生长抑制素功能的丧失不仅增加了肌肉质量，而且还减少了通常伴随高脂饮食导致的体脂积累。
【参考文献】
1. Implications of combined ovariectomy and glucocorticoid (dexamethasone) treatment on mineral, microarchitectural,biomechanical and matrix properties of rat bone. Parameswari Govindarajan, Thaqif Khassawna,et al. Int. J. Exp. Path. (2013), 94, 387–398.
2. Sodium Butyrate Ameliorates Type 2 Diabetes-Related Sarcopenia Through IL-33- Independent ILC2s/IL-13/STAT3 Signaling Pathway. Yuan Cao , Yulin Li,,et al. Journal of Inflammation Research 2023:16 343–358.
3. Resistance to body fat gain in ‘double-muscled’ mice fed a high-fat diet. MW Hamrick, C Pennington. International Journal of Obesity (2006) 30, 868–870.
