Metabolomika

Centralny dogmat biologii ukazujący przepływ informacji z DNA do fenotypu. Z każdym etapem związane jest odpowiednie narzędzie biologii systemowej, od genomiki po metabolomikę.

Metabolomika to naukowe badanie procesów chemicznych z udziałem metabolitów , substratów małocząsteczkowych, półproduktów i produktów metabolizmu komórkowego. W szczególności metabolomika to „systematyczne badanie unikalnych chemicznych odcisków palców, które pozostawiają po sobie określone procesy komórkowe”, badanie profili ich małocząsteczkowych metabolitów . Metabolom reprezentuje pełny zestaw metabolitów w biologicznej komórce, tkance, narządzie lub organizmie, które są końcowymi produktami procesów komórkowych . Komunikator RNA (mRNA), ekspresja genów dane, a analizy proteomiczne ujawniają zestaw produktów genów wytwarzanych w komórce, dane reprezentujące jeden aspekt funkcji komórkowej. I odwrotnie, profilowanie metaboliczne może dać natychmiastowy obraz fizjologii tej komórki, a zatem metabolomika zapewnia bezpośredni „funkcjonalny odczyt stanu fizjologicznego” organizmu. Rzeczywiście istnieją wymierne korelacje między metabolomem a innymi zespołami komórkowymi ( genomem , transkryptomem , proteomem i lipidomem) . ), które można wykorzystać do przewidywania liczebności metabolitów w próbkach biologicznych, na przykład z obfitości mRNA. Jednym z największych wyzwań biologii systemów jest integracja metabolomiki ze wszystkimi innymi informacjami -omicznymi , aby zapewnić lepsze zrozumienie biologii komórkowej.

Historia

Koncepcję, że jednostki mogą mieć „profil metaboliczny”, który można odzwierciedlić w składzie ich płynów biologicznych, wprowadził Roger Williams pod koniec lat czterdziestych XX wieku, który za pomocą chromatografii bibułowej zasugerował, że charakterystyczne wzorce metaboliczne w moczu i ślinie są związane z takimi chorobami jako schizofrenia . Jednak dopiero dzięki postępowi technologicznemu w latach sześćdziesiątych i siedemdziesiątych XX wieku możliwe stało się ilościowe (w przeciwieństwie do jakościowego) mierzenie profili metabolicznych. Termin „profil metaboliczny” został wprowadzony przez Horninga i in. w 1971 roku po tym, jak wykazali, że chromatografia gazowa ze spektrometrią mas (GC-MS) może być stosowana do pomiaru związków obecnych w ludzkim moczu i ekstraktach tkanek. Grupa Horninga wraz z Linusem Paulingiem i Arthurem B. Robinsonem kierowała rozwojem metod GC-MS do monitorowania metabolitów obecnych w moczu w latach siedemdziesiątych XX wieku.

Równocześnie spektroskopia NMR , odkryta w latach czterdziestych XX wieku, również przeżywała szybki postęp. W 1974 Seeley i in. wykazali użyteczność zastosowania NMR do wykrywania metabolitów w niezmodyfikowanych próbkach biologicznych. To pierwsze badanie na mięśniach podkreśliło wartość NMR, ponieważ ustalono, że 90% komórkowego ATP jest skompleksowane z magnezem. Ponieważ czułość poprawiła się wraz z ewolucją wyższych natężeń pola magnetycznego i wirowania pod magicznym kątem , NMR nadal jest wiodącym narzędziem analitycznym do badania metabolizmu. Ostatnie wysiłki mające na celu wykorzystanie NMR do metabolomiki były w dużej mierze napędzane przez laboratorium Jeremy'ego K. Nicholsona w Birkbeck College na Uniwersytecie Londyńskim, a później w Imperial College London . W 1984 roku Nicholson wykazał, że 1H NMR można potencjalnie wykorzystać do diagnozowania cukrzycy, a później był pionierem w zastosowaniu metod rozpoznawania wzorców do danych spektroskopowych NMR.

W 1995 roku Gary Siuzdak przeprowadził eksperymenty metabolomiczne ze spektrometrią mas z chromatografią cieczową, współpracując z Richardem Lernerem (ówczesnym prezesem The Scripps Research Institute) i Benjaminem Cravattem, w celu analizy płynu mózgowo-rdzeniowego zwierząt pozbawionych snu. Zaobserwowano jedną cząsteczkę o szczególnym znaczeniu, oleamid , a później wykazano, że ma ona właściwości nasenne. Ta praca jest jednym z najwcześniejszych tego typu eksperymentów łączących chromatografię cieczową i spektrometrię mas w metabolomice.

Siuzdak w Instytucie Badawczym Scripps opracowano pierwszą bazę danych metabolomicznej tandemowej spektrometrii mas, METLIN , służącą do charakteryzowania ludzkich metabolitów . Od tego czasu METLIN rozrósł się i od 1 lipca 2019 r. METLIN zawiera ponad 450 000 metabolitów i innych jednostek chemicznych, z których każdy ma dane eksperymentalnej tandemowej spektrometrii mas wygenerowane ze standardów molekularnych przy wielu energiach zderzeń oraz w trybach jonizacji dodatniej i ujemnej. METLIN to największe tego rodzaju repozytorium danych tandemowej spektrometrii mas. Rok 2005 był także rokiem, w którym po raz pierwszy ukazało się dedykowane czasopismo akademickie Metabolomics, założone przez jego obecnego redaktora naczelnego Roya Goodacre'a .

W 2005 r. laboratorium Siuzdak zajmowało się identyfikacją metabolitów związanych z posocznicą i starając się rozwiązać problem statystycznej identyfikacji najbardziej istotnych rozregulowanych metabolitów w setkach zestawów danych LC/MS, opracowano pierwszy algorytm umożliwiający nieliniowe dopasowanie dane metabolomiki spektrometrii mas. Nazywa się XCMS, gdzie „X” oznacza dowolną technologię chromatograficzną, od 2012 roku jest rozwijany jako narzędzie online i od 2019 roku (z METLIN) ma ponad 30 000 zarejestrowanych użytkowników.

W dniu 23 stycznia 2007 r. Human Metabolome Project , kierowany przez Davida S. Wisharta , ukończył pierwszy projekt ludzkiego metabolomu, składający się z bazy danych zawierającej około 2500 metabolitów, 1200 leków i 3500 składników żywności. Od kilku lat prowadzone są podobne projekty dotyczące kilku gatunków roślin, w szczególności Medicago truncatula i Arabidopsis thaliana .

Jeszcze w połowie 2010 roku metabolomika była nadal uważana za „wschodzącą dziedzinę”. Ponadto zauważono, że dalszy postęp w tej dziedzinie zależał w dużej mierze od sprostania „nierozwiązywalnym wyzwaniom technicznym”, od technicznej ewolucji oprzyrządowania do spektrometrii mas .

W 2015 roku po raz pierwszy zademonstrowano profilowanie metabolomu w czasie rzeczywistym.

Metabolom

Projekt ludzkiego metabolomu
Zobacz także: Baza danych metabolomu i ludzkiego metabolomu

Metabolom odnosi się do pełnego zestawu metabolitów małocząsteczkowych (<1,5 kDa) (takich jak półprodukty metaboliczne, hormony i inne cząsteczki sygnałowe oraz metabolity wtórne), które można znaleźć w próbce biologicznej, takiej jak pojedynczy organizm . Słowo to powstało w analogii do transkryptomiki i proteomiki ; podobnie jak transkryptom i proteom, metabolom jest dynamiczny, zmieniając się z sekundy na sekundę. Chociaż metabolom można dość łatwo zdefiniować, obecnie nie jest możliwe przeanalizowanie całego zakresu metabolitów za pomocą jednej metody analitycznej.

Pierwsza baza danych metabolitów (zwana METLIN ) do wyszukiwania danych fragmentacji z eksperymentów tandemowej spektrometrii mas została opracowana przez laboratorium Siuzdak w The Scripps Research Institute w 2005 r. METLIN zawiera ponad 450 000 metabolitów i innych jednostek chemicznych, z których każdy ma dane z eksperymentalnej tandemowej spektrometrii mas. W 2006 r. laboratorium Siuzdak opracowało również pierwszy algorytm umożliwiający nieliniowe wyrównanie danych metabolomicznych spektrometrii mas. Nazywa się XCMS, gdzie „X” oznacza dowolną technologię chromatograficzną, od 2012 roku jest rozwijany jako narzędzie online i od 2019 roku (z METLIN) ma ponad 30 000 zarejestrowanych użytkowników.

W styczniu 2007 roku naukowcy z University of Alberta i University of Calgary ukończyli pierwszy szkic ludzkiego metabolomu. Human Metabolome Database (HMDB) jest prawdopodobnie najobszerniejszą jak dotąd publiczną bazą danych widm metabolomicznych. HMDB przechowuje ponad 110 000 różnych wpisów dotyczących metabolitów. Skatalogowali około 1200 leków i 3500 składników żywności, które można znaleźć w organizmie człowieka, jak podaje literatura. Ta informacja jest dostępna w bazie danych Human Metabolome Database (www.hmdb.ca) i oparty na analizie informacji dostępnych w aktualnej literaturze naukowej, jest daleki od kompletności. Natomiast znacznie więcej wiadomo o metabolomach innych organizmów. Na przykład scharakteryzowano ponad 50 000 metabolitów z królestwa roślin, a wiele tysięcy metabolitów zidentyfikowano i / lub scharakteryzowano z pojedynczych roślin.

Każdy typ komórki i tkanki ma unikalny „odcisk palca” metaboliczny, który może wyjaśniać informacje specyficzne dla narządu lub tkanki. Próbki biologiczne wykorzystywane do analizy metabolomicznej obejmują między innymi osocze, surowicę, mocz, ślinę, kał, mięśnie, pot, wydychany oddech i płyn żołądkowo-jelitowy. Łatwość zbierania ułatwia wysoką rozdzielczość czasową, a ponieważ są one zawsze w dynamicznej równowadze z ciałem, mogą opisywać żywiciela jako całość. Genom może powiedzieć, co może się wydarzyć, transkryptom może powiedzieć, co się dzieje, proteom może powiedzieć, co powoduje, że to się dzieje, a metabolom może powiedzieć, co się stało i co się dzieje.

Metabolity

Część serii o
mikrobiomach
Plant microbiota.png
Mikrobiomy roślinne
Mikrobiomy morskie
Ludzkie mikrobiomy
Inne mikrobiomy
Mikrobiom
holobionty
Wiromy
Powiązany
Projektowanie

Metabolity to substraty, produkty pośrednie i produkty przemiany materii . W kontekście metabolomiki metabolit jest zwykle definiowany jako dowolna cząsteczka o wielkości mniejszej niż 1,5 kDa . Istnieją jednak wyjątki w zależności od próbki i metody wykrywania. Na przykład makrocząsteczki, takie jak lipoproteiny i albumina są niezawodnie wykrywane w badaniach metabolomicznych osocza krwi opartych na NMR. W metabolomice opartej na roślinach często mówi się o metabolitach „pierwotnych” i „wtórnych”. Główny metabolit jest bezpośrednio zaangażowany w prawidłowy wzrost, rozwój i reprodukcję. Metabolit wtórny nie bierze bezpośredniego udziału w tych procesach, ale zwykle pełni ważną funkcję ekologiczną . Przykłady obejmują antybiotyki i pigmenty . Z kolei w metabolomice opartej na ludziach częściej opisuje się metabolity jako endogenne (wytwarzane przez organizm gospodarza) lub egzogenne . Metabolity obcych substancji, takich jak leki, nazywane są ksenometabolitami.

Metabolom tworzy dużą sieć reakcji metabolicznych , w których dane wyjściowe z jednej enzymatycznej reakcji chemicznej są danymi wejściowymi do innych reakcji chemicznych. Takie systemy zostały opisane jako hipercykle . [ potrzebne źródło ]

Metabonomika

Metabonomika jest definiowana jako „ilościowy pomiar dynamicznej, wieloparametrycznej odpowiedzi metabolicznej żywych systemów na bodźce patofizjologiczne lub modyfikację genetyczną”. Słowo pochodzenie pochodzi od greckiego μεταβολή oznaczającego zmianę i nomos oznaczającego zbiór reguł lub zbiór praw. Podejście to zostało zapoczątkowane przez Jeremy'ego Nicholsona z Murdoch University i było stosowane w toksykologii, diagnostyce chorób i wielu innych dziedzinach. Historycznie rzecz biorąc, podejście metabonomiczne było jedną z pierwszych metod zastosowania zakresu biologii systemowej do badań metabolizmu.

Nie było zgody co do dokładnych różnic między „metabolomiką” a „metabonomią”. Różnica między tymi dwoma terminami nie jest związana z wyborem platformy analitycznej: chociaż metabonomika jest bardziej związana ze spektroskopią NMR , a metabolomika ze spektrometrią mas opartych na technikach, dzieje się tak po prostu z powodu zwyczajów różnych grup, które spopularyzowały różne terminy. Chociaż nadal nie ma absolutnej zgody, rośnie zgoda co do tego, że „metabolomika” kładzie większy nacisk na profilowanie metaboliczne na poziomie komórkowym lub narządowym i dotyczy przede wszystkim normalnego metabolizmu endogennego. „Metabonomika” rozszerza profilowanie metaboliczne o informacje o zaburzeniach metabolizmu spowodowanych czynnikami środowiskowymi (w tym dietą i toksynami), procesami chorobowymi oraz wpływem czynników pozagenomicznych, takich jak mikroflora jelitowa . To nie jest trywialna różnica; badania metabolomiczne powinny z definicji wykluczać wkład metaboliczny ze źródeł pozagenomicznych, ponieważ są one zewnętrzne w stosunku do badanego systemu. Jednak w praktyce w dziedzinie badań nad chorobami ludzkimi nadal istnieje duży stopień nakładania się sposobu używania obu terminów i często są one w rzeczywistości synonimami.

egzometabolomika

Główny artykuł: egzometabolomika

Egzometabolomika, czyli „odcisk stopy metabolicznej”, to badanie metabolitów pozakomórkowych. Wykorzystuje wiele technik z innych dziedzin metabolomiki i ma zastosowanie w opracowywaniu biopaliw , bioprzetwarzaniu , określaniu mechanizmu działania leków i badaniu interakcji międzykomórkowych.

Technologie analityczne

Kluczowe etapy badania metabolomicznego

Typowy przepływ pracy w badaniach metabolomicznych pokazano na rysunku. Najpierw pobiera się próbki z tkanki, osocza, moczu, śliny, komórek itp. Następnie metabolity ekstrahuje się często z dodatkiem wzorców wewnętrznych i derywatyzacją. Podczas analizy próbki metabolity są oznaczane ilościowo ( chromatografia cieczowa lub chromatografia gazowa sprzężona ze spektroskopią MS i/lub NMR ). Surowe dane wyjściowe można wykorzystać do ekstrakcji cech metabolitów i dalej przetwarzać przed analizą statystyczną (taką jak PCA ). Dostępnych jest wiele narzędzi i oprogramowania bioinformatycznego do identyfikowania powiązań ze stanami chorobowymi i wynikami, określania istotnych korelacji i charakteryzowania sygnatur metabolicznych z istniejącą wiedzą biologiczną.

Metody separacji

Początkowo anality w próbce metabolomicznej stanowią bardzo złożoną mieszaninę. Tę złożoną mieszaninę można uprościć przed wykryciem, oddzielając niektóre anality od innych. Separacja pozwala osiągnąć różne cele: na tym etapie można rozdzielić anality, których detektor nie może rozdzielić; w analizie MS tłumienie jonów jest zmniejszone; czas retencji analitu służy jako informacja dotycząca jego tożsamości. Ten etap rozdzielania nie jest obowiązkowy i często jest pomijany w podejściach opartych na NMR i „strzelbach”, takich jak lipidomika strzelby .

Chromatografia gazowa (GC), zwłaszcza połączona ze spektrometrią mas ( GC-MS ), jest szeroko stosowaną techniką rozdzielania w analizie metabolomicznej. GC oferuje bardzo wysoką rozdzielczość chromatograficzną i może być używany w połączeniu z detektorem płomieniowo-jonizacyjnym (GC/FID) lub spektrometr masowy (GC-MS). Metoda jest szczególnie przydatna do identyfikacji i oznaczania ilościowego małych i lotnych cząsteczek. Jednak praktycznym ograniczeniem GC jest wymóg chemicznej derywatyzacji wielu biomolekuł, ponieważ tylko lotne chemikalia można analizować bez derywatyzacji. można zastosować chromatografię dwuwymiarową ( GCxGC ).

Wysokosprawna chromatografia cieczowa (HPLC) stała się najpowszechniejszą techniką rozdzielania w analizie metabolomicznej. Wraz z pojawieniem się jonizacji przez elektrorozpylanie , HPLC połączono z MS. W przeciwieństwie do GC , HPLC ma niższą rozdzielczość chromatograficzną, ale nie wymaga derywatyzacji cząsteczek polarnych i rozdziela cząsteczki w fazie ciekłej. Dodatkowo HPLC ma tę zaletę, że znacznie szerszy zakres analitów może być mierzony z wyższą czułością niż metody GC.

Elektroforeza kapilarna (CE) ma wyższą teoretyczną wydajność rozdziału niż HPLC (chociaż wymaga znacznie więcej czasu na rozdział) i nadaje się do stosowania z szerszym zakresem klas metabolitów niż GC. Podobnie jak w przypadku wszystkich technik elektroforetycznych, jest ona najbardziej odpowiednia dla naładowanych analitów.

Metody wykrywania

Porównanie najczęściej stosowanych metod metabolomicznych

Spektrometrię mas (MS) stosuje się do identyfikacji i oznaczania ilościowego metabolitów po ewentualnym rozdzieleniu za pomocą GC , HPLC lub CE . GC-MS była pierwszą opracowaną techniką z łącznikiem. Identyfikacja wykorzystuje różne wzorce fragmentacji analitów. Wzory te można traktować jako odcisk palca w widmie masowym. Istnieją biblioteki, które umożliwiają identyfikację metabolitu zgodnie z tym wzorem fragmentacji [ potrzebny przykład ] . Stwardnienie rozsiane jest zarówno czułe, jak i może być bardzo specyficzne. Istnieje również szereg technik wykorzystujących MS jako samodzielną technologię: próbka jest podawana bezpośrednio do spektrometru mas bez wcześniejszego rozdzielania, a MS zapewnia wystarczającą selektywność zarówno do rozdzielania, jak i wykrywania metabolitów.

W przypadku analizy metodą spektrometrii mas anality muszą zostać naładowane i przeniesione do fazy gazowej. Jonizacja elektronowa (EI) jest najpowszechniejszą techniką jonizacji stosowaną do rozdzielania GC, ponieważ jest podatna na niskie ciśnienia. EI powoduje również fragmentację analitu, dostarczając jednocześnie informacji strukturalnych, jednocześnie zwiększając złożoność danych i prawdopodobnie zasłaniając jon cząsteczkowy. Jonizacja chemiczna pod ciśnieniem atmosferycznym (APCI) jest techniką ciśnienia atmosferycznego, którą można zastosować do wszystkich powyższych technik rozdzielania. APCI to metoda jonizacji w fazie gazowej, która zapewnia nieco bardziej agresywną jonizację niż ESI, która jest odpowiednia dla mniej polarnych związków. Jonizacja przez elektrorozpylanie (ESI) jest najpowszechniejszą techniką jonizacji stosowaną w LC/MS. Ta miękka jonizacja jest najbardziej skuteczna w przypadku cząsteczek polarnych z jonizowalnymi grupami funkcyjnymi. Inną powszechnie stosowaną techniką miękkiej jonizacji jest wtórna jonizacja przez elektrorozpylanie (SESI) .

Powierzchniowa analiza masy odrodziła się w ostatniej dekadzie, a nowe technologie MS skupiły się na zwiększeniu czułości, zminimalizowaniu tła i ograniczeniu przygotowania próbki. Możliwość analizowania metabolitów bezpośrednio z biopłynów i tkanek nadal stanowi wyzwanie dla obecnej technologii MS, głównie ze względu na ograniczenia narzucone przez złożoność tych próbek, które zawierają tysiące do dziesiątek tysięcy metabolitów. Wśród technologii opracowywanych w celu sprostania temu wyzwaniu znajduje się Nanostructure-Initiator MS (NIMS), metoda desorpcji/jonizacji, która nie wymaga zastosowania matrycy, a tym samym ułatwia identyfikację małych cząsteczek (tj. metabolitów). Używany jest również MALDI ; jednakże zastosowanie matrycy MALDI może dodać znaczące tło przy <1000 Da, co komplikuje analizę zakresu małych mas (tj. metabolitów). Ponadto rozmiar powstałych kryształów matrycy ogranicza rozdzielczość przestrzenną, którą można osiągnąć w obrazowaniu tkanek. Ze względu na te ograniczenia do analizy biopłynów i tkanek zastosowano kilka innych podejść do desorpcji/jonizacji bez matrycy.

Spektrometria masowa jonów wtórnych (SIMS) była jedną z pierwszych metod desorpcji/jonizacji bez matrycy stosowanych do analizy metabolitów z próbek biologicznych. [ potrzebne źródło ] SIMS wykorzystuje wysokoenergetyczną wiązkę jonów pierwotnych do desorpcji i generowania jonów wtórnych z powierzchni. Podstawową zaletą SIMS jest wysoka rozdzielczość przestrzenna (tak mała jak 50 nm), potężna cecha obrazowania tkanek z SM. Jednak SIMS nie został jeszcze łatwo zastosowany do analizy płynów biologicznych i tkanek ze względu na ograniczoną czułość przy> 500 Da i fragmentację analitu generowaną przez wysokoenergetyczną wiązkę jonów pierwotnych. Desorpcyjna jonizacja przez elektrorozpylanie (DESI) to bezmatrycowa technika analizy próbek biologicznych, w której do desorpcji jonów z powierzchni wykorzystuje się naładowany rozpuszczalnik w aerozolu. Zaletą DESI jest to, że nie jest wymagana żadna specjalna powierzchnia, a analiza jest przeprowadzana pod ciśnieniem otoczenia z pełnym dostępem do próbki podczas akwizycji. Ograniczeniem DESI jest rozdzielczość przestrzenna, ponieważ „skupienie” rozpylonego naładowanego rozpuszczalnika jest trudne. Jednak niedawne odkrycie zwane ablacją laserową ESI (LAESI) jest obiecującym podejściem do obejścia tego ograniczenia. [ potrzebne źródło ] Ostatnio techniki pułapek jonowych, takie jak spektrometria mas orbitrapowych , są również stosowane w badaniach metabolomicznych.

magnetycznego rezonansu jądrowego (NMR) jest jedyną techniką wykrywania, która nie polega na rozdzielaniu analitów, dzięki czemu próbkę można odzyskać do dalszych analiz. Wszystkie rodzaje metabolitów małocząsteczkowych można mierzyć jednocześnie - w tym sensie NMR jest bliski bycia uniwersalnym detektorem. Głównymi zaletami NMR są wysoka powtarzalność analityczna i prostota przygotowania próbki. Praktycznie jednak jest stosunkowo mało czuły w porównaniu z technikami opartymi na spektrometrii mas. Porównanie najczęściej stosowanych metod metabolomicznych przedstawiono w tabeli.

Chociaż NMR i MS są najczęściej stosowane, współczesne techniki to inne metody wykrywania, które zostały użyte. Obejmują one rezonans cyklotronowy z transformacją Fouriera , spektrometrię ruchliwości jonów , detekcję elektrochemiczną (połączoną z HPLC), spektroskopię Ramana i radioznakowanie (w połączeniu z chromatografią cienkowarstwową). [ potrzebne źródło ]

metody statystyczne

Lista oprogramowania do analizy metabolicznej

Dane generowane w metabolomice zwykle składają się z pomiarów przeprowadzonych na podmiotach w różnych warunkach. Pomiary te mogą być zdigitalizowanymi widmami lub listą cech metabolitów. W najprostszej postaci generuje to macierz z wierszami odpowiadającymi podmiotom i kolumnami odpowiadającymi cechom metabolitów (lub odwrotnie). Obecnie dostępnych jest kilka programów statystycznych do analizy zarówno NMR, jak i spektrometrii mas dane. Dostępnych jest już wiele darmowych programów do analizy danych metabolomicznych przedstawionych w tabeli. Niektóre narzędzia statystyczne wymienione w tabeli zostały zaprojektowane do analizy danych NMR, były również przydatne w przypadku danych MS. W przypadku danych spektrometrii mas dostępne jest oprogramowanie, które identyfikuje cząsteczki, które różnią się w grupach tematycznych na podstawie wartości nadmiaru masy, a czasami czasu retencji, w zależności od projektu eksperymentu.

Po określeniu macierzy danych metabolitów można zastosować techniki redukcji danych bez nadzoru (np. PCA) w celu wyjaśnienia wzorców i powiązań. W wielu badaniach, w tym oceniających toksyczność leków i niektóre modele chorób, interesujące metabolity nie są znane a priori . To sprawia, że ​​metody nienadzorowane, czyli te, które nie mają uprzedniego założenia o przynależności do klasy, są popularnym pierwszym wyborem. Najpopularniejsza z tych metod obejmuje analizę głównych składowych (PCA), który może skutecznie zredukować wymiary zbioru danych do kilku, które wyjaśniają największą zmienność. Podczas analizy w niskowymiarowej przestrzeni PCA można wykryć grupowanie próbek o podobnych metabolicznych odciskach palców. Algorytmy PCA mają na celu zastąpienie wszystkich skorelowanych zmiennych znacznie mniejszą liczbą zmiennych nieskorelowanych (zwanych głównymi składnikami (PC)) i zachowanie większości informacji w oryginalnym zbiorze danych. To grupowanie może wyjaśnić wzorce i pomóc w określeniu biomarkerów choroby - metabolitów, które najbardziej korelują z przynależnością do klasy.

Modele liniowe są powszechnie stosowane w danych metabolomicznych, ale wpływa na nie współliniowość . Z drugiej strony, statystyki wielowymiarowe są dobrze prosperującymi metodami wielowymiarowych skorelowanych danych metabolomicznych, z których najpopularniejszą jest regresja projekcji do struktur ukrytych (PLS) i jej wersja klasyfikacyjna PLS-DA. Inne eksploracji danych , takie jak losowy las , maszyny wektorów nośnych , itp. zwraca się coraz większą uwagę na nieukierunkowaną analizę danych metabolomicznych. W przypadku metod jednowymiarowych zmienne są analizowane pojedynczo przy użyciu klasycznych narzędzi statystycznych (takich jak test t-Studenta , ANOVA lub modele mieszane) i tylko te z odpowiednio małymi wartościami p są uznawane za istotne. Jednak strategie korygujące powinny być stosowane w celu zmniejszenia liczby fałszywych odkryć podczas wielokrotnych porównań, ponieważ nie ma standardowej metody pomiaru całkowitej ilości metabolitów bezpośrednio w nieukierunkowanej metabolomice. Do analizy wielowymiarowej , modele powinny zawsze podlegać walidacji, aby zapewnić możliwość uogólnienia wyników.

Uczenie maszynowe i eksploracja danych

Uczenie maszynowe jest również potężnym narzędziem, które można wykorzystać w analizie metabolomicznej. Niedawno naukowcy opracowali oprogramowanie do przewidywania czasu retencji. Narzędzia te pozwalają naukowcom zastosować sztuczną inteligencję do przewidywania czasu retencji małych cząsteczek w złożonej mieszaninie, takiej jak ludzkie osocze, ekstrakty roślinne, żywność lub kultury drobnoustrojów. Przewidywanie czasu retencji zwiększa szybkość identyfikacji w chromatografii cieczowej i może prowadzić do lepszej biologicznej interpretacji danych metabolomicznych.

Kluczowe aplikacje

toksyczności / toksykologia poprzez profilowanie metaboliczne (zwłaszcza próbek moczu lub osocza krwi) wykrywa zmiany fizjologiczne spowodowane przez toksyczne działanie substancji chemicznej (lub mieszaniny substancji chemicznych). W wielu przypadkach obserwowane zmiany mogą być związane z określonymi zespołami, np. specyficzną zmianą w wątrobie lub nerce. Ma to szczególne znaczenie dla firm farmaceutycznych, które chcą przetestować toksyczność potencjalnych na leki : jeśli związek może zostać wyeliminowany przed rozpoczęciem badań klinicznych ze względu na jego niekorzystną toksyczność, oszczędza to ogromnych kosztów badań.

W przypadku genomiki funkcjonalnej metabolomika może być doskonałym narzędziem do określania fenotypu spowodowanego manipulacją genetyczną, taką jak delecja lub insercja genu. Czasami może to być wystarczającym celem samym w sobie — na przykład w celu wykrycia jakichkolwiek zmian fenotypowych w genetycznie zmodyfikowanej roślinie przeznaczonej do spożycia przez ludzi lub zwierzęta. Bardziej ekscytująca jest perspektywa przewidywania funkcji nieznanych genów przez porównanie z zaburzeniami metabolicznymi powodowanymi przez delecję/insercję znanych genów. Takie postępy najprawdopodobniej pochodzą od organizmów modelowych, takich jak Saccharomyces cerevisiae i Arabidopsis thaliana . Laboratorium Cravatta w Instytucie Badawczym Scrippsa zastosowało ostatnio tę technologię do układów ssaków , identyfikując N -acyltauryn jako wcześniej niescharakteryzowane endogenne substraty dla enzymu hydrolazy amidu kwasów tłuszczowych (FAAH) i etery monoalkiloglicerolu (MAGE) jako endogenne substraty dla niescharakteryzowanego hydrolaza KIAA1363 .

Metabologenomika to nowe podejście do integracji danych metabolomicznych i genomicznych poprzez korelację metabolitów eksportowanych przez drobnoustroje z przewidywanymi genami biosyntetycznymi. Ta oparta na bioinformatyce metoda parowania umożliwia odkrywanie produktów naturalnych na większą skalę poprzez udoskonalanie nieukierunkowanych analiz metabolomicznych w celu identyfikacji małych cząsteczek z pokrewną biosyntezą i skupienia się na tych, które mogą nie mieć wcześniej dobrze znanej struktury.

Fluksomika jest dalszym rozwinięciem metabolomiki. Wadą metabolomiki jest to, że dostarcza ona użytkownikowi jedynie obfitości lub stężeń metabolitów, podczas gdy fluksomika określa szybkość reakcji reakcji metabolicznych i może śledzić metabolity w układzie biologicznym w czasie.

Nutrigenomika to ogólny termin, który łączy genomikę, transkryptomikę, proteomikę i metabolomikę z żywieniem człowieka. Ogólnie rzecz biorąc, na metabolom w danym płynie ustrojowym wpływają czynniki endogenne, takie jak wiek, płeć, skład ciała i genetyka, a także leżące u ich podstaw patologie. Mikroflora jelita grubego jest również bardzo istotnym potencjalnym czynnikiem zakłócającym profile metaboliczne i może być sklasyfikowana jako czynnik endogenny lub egzogenny. Głównymi czynnikami egzogennymi są dieta i leki. Dietę można następnie podzielić na składniki odżywcze i nieodżywcze. Metabolomika jest jednym ze sposobów określenia biologicznego punktu końcowego lub metabolicznego odcisku palca, który odzwierciedla równowagę wszystkich tych sił w metabolizmie jednostki.

Metabolomika roślin ma na celu badanie ogólnych zmian w metabolitach próbek roślin, a następnie przeprowadzanie głębokiej eksploracji danych i analizy chemometrycznej. Wyspecjalizowane metabolity są uważane za składniki systemów obronnych roślin biosyntetyzowanych w odpowiedzi na stresy biotyczne i abiotyczne. Podejścia metabolomiczne zostały ostatnio wykorzystane do oceny naturalnej zmienności zawartości metabolitów między poszczególnymi roślinami, co ma ogromny potencjał w zakresie poprawy jakości składu upraw .

Zobacz też

Dalsza lektura

Linki zewnętrzne

Pobrane z „ https://en.wikipedia.org/w/index.php?title=Metabolomics&oldid=1133603316 ”