什么是代謝組學
代謝是生物體內所有生化反應的總成,是生命體維持生命的物質基礎,也是研究生命活動的重要基礎。代謝組學是研究生命在內、外環境影響下的內源代謝活動,包括對代謝產物種類、數量及其變化規律的檢測和分析,從而研究集體生命活動發生和發展的本質。與其他組學相比,代謝組學具有多種優勢:
1. 代謝物的種類、數量變化易于檢測;
2、相比于基因組學和蛋白組學,技術手段更為簡單;
3、與基因組學和的蛋白組學相比,代謝物數量少,易于檢測、驗證和分析;

4、代謝水平變化可實時揭示機體生理病理狀態。

代謝組學分類

代謝組學根據研究目的的不同,可進一步分為非靶向和靶向代謝組學。非靶向代謝組學是對有機體內源性代謝物的全面、系統的分析,是一種無偏向的代謝組學分析,可以發現新的生物標記物。靶向代謝組學是針對特定一類代謝物的研究分析。二者各有優缺點,經常結合使用,用于差異代謝產物的發現和精準定量,對后續代謝分子標志物進行深入的研究和分析,這在食品鑒定、疾病研究、動物模型驗證、生物標志物發現、疾病診斷、藥物研發、藥物篩選、藥物評估、臨床研究、植物代謝研究、微生物代謝研究中發揮重要作用。

非靶向代謝組學

非靶向代謝組學是在背景知識有限的基礎上,對整個生命體代謝組進行的系統、全面的鑒定分析,獲取大量代謝物數據,從中發現差異代謝物。非靶向代謝組學主要包含以下流程:

1. 樣本采集與處理

常見的代謝組學分析樣本包括血漿、尿液、組織、細胞、細胞器等。足夠大的樣本量可以減少樣本個體差異造成的誤差。這些復雜樣本中含有很多其他成分,可能對結果產生干擾,是影響代謝組學研究是否成功的關鍵因素。常用的樣本處理方法包括蛋白質沉淀,差速離心和萃取(固相萃取、液液萃取、超臨界流體萃取、加速溶劑萃取)等。

2. 實驗分析

代謝組學常常需要運用多種分析技術手段來滿足不同的實驗需求。常見的代謝組學分析技術包括核磁共振(NMR)、液相色譜-質譜聯用(LC-MS)、氣相色譜-質譜聯用(GC-MS)、毛細管電泳-質譜聯用(CD-MS)、HILIC--MS等。高分辨質譜技術主要有TOF-MS、FTICR-MS、Orbitrap-MS、Sector-MS等。

3. 數據分析

數據預處理:利用XCMS、MZmine和MarkerView等工具進行原始數據處理。

鑒定差異代謝物:常用的分析方法包括主成分分析(PCA)、偏最小二乘判別分析(PLS-DA)、正交偏最小二乘判別分析(OPLS-DA)等。數據分析結果還需要經過t檢驗和變量權重重要性排序(variable importance in projection, VIP)值篩選差異性代謝產物。一般認為,同時滿足P<0.05,VIP>1.0的變量為差異代謝物。

代謝通路分析:常見的代謝組學通路數據庫包括HMDB、KEGG、Reactome、BioCyc、MetaCyc等數據庫,可以利用這些數據庫進行代謝通路和互作網絡分析。

多組學分析:多組學分析已經是組學發現不可避免的趨勢了。可用的數據庫和工具包括IMPaLA網站、iPEAP軟件、MetaboAnalyst網站、SAMNetWeb網站、pwOMICS、MetaMapR、MetScape、Grinn、WGCNA、MixOmic、DiffCorr、qpgraph、huge等。

由于兩種代謝組學方法各有優缺點,非靶向代謝組學無偏差,全面系統反應生命體代謝組特征,但是重復性較差且線性范圍有限;而靶向代謝組學的重復性和敏感性有顯著提高,代謝物確證簡單,線性范圍寬,但是需要有預先的知識背景,是一種有偏向的代謝組分析方法。因此在實際應用中,兩者常常結合使用,共同發揮作用。