Метаболомика - Metabolomics

Центральная догма биологии, показывающая поток информации от ДНК к фенотипу. С каждым этапом связан соответствующий инструмент системной биологии, от геномики до метаболомики.

Метаболомика это научное исследование химических процессов с участием метаболиты, низкомолекулярные субстраты, промежуточные продукты и продукты метаболизма. В частности, метаболомика - это «систематическое изучение уникальных химических отпечатков пальцев, которые оставляют после себя определенные клеточные процессы», изучение их малых молекул. метаболит профили.[1] В метаболом представляет собой полный набор метаболитов в биологической клетке, ткани, органе или организме, которые являются конечными продуктами клеточных процессов.[2] мРНК экспрессия гена данные и протеомный Анализы показывают набор продуктов генов, производимых в клетке, данные, которые представляют один из аспектов клеточной функции. И наоборот, метаболическое профилирование может дать мгновенный снимок физиологии этой клетки, и, таким образом, метаболомика обеспечивает прямое «функциональное считывание физиологического состояния» организма.[3] Одна из проблем системная биология и функциональная геномика заключается в интеграции геномика, транскриптомный, протеомный и метаболомная информация для лучшего понимания клеточной биологии.

История

Идея о том, что у людей может быть «метаболический профиль», который может отражаться в составе их биологических жидкостей, была введена Роджером Уильямсом в конце 1940-х годов.[4] кто использовал бумажная хроматография предположить, что характерные метаболические паттерны в моче и слюне были связаны с такими заболеваниями, как шизофрения. Однако только благодаря технологическим достижениям 1960-х и 1970-х годов стало возможным количественное (а не качественное) измерение метаболических профилей.[5] Термин «метаболический профиль» был введен Хорнингом, и другие. в 1971 году после того, как они продемонстрировали, что газовая хроматография-масс-спектрометрия (ГХ-МС) можно использовать для измерения соединений, присутствующих в экстрактах мочи и тканей человека.[6][7] Группа Хорнинга вместе с группой Линус Полинг и Артур Б. Робинсон руководил разработкой методов ГХ-МС для мониторинга метаболитов, присутствующих в моче, в течение 1970-х годов.[8]

Одновременно, ЯМР-спектроскопия открытая в 1940-х годах, также быстро развивалась. В 1974 г. Seeley et al. продемонстрировали полезность использования ЯМР для обнаружения метаболитов в немодифицированных биологических образцах.[9] Это первое исследование мышц подчеркнуло ценность ЯМР, поскольку было определено, что 90% клеточного АТФ образует комплекс с магнием. Поскольку чувствительность улучшилась с развитием более высоких значений напряженности магнитного поля и вращение под магическим углом, ЯМР продолжает оставаться ведущим аналитическим инструментом для исследования метаболизма.[6][10] Недавние[когда? ] усилия по использованию ЯМР для метаболомики в значительной степени были предприняты лабораторией Джереми К. Николсон в Биркбек-колледж, Лондонский университет а позже в Имперский колледж Лондон. В 1984 году Николсон показал 1Спектроскопия ЯМР 1Н потенциально может быть использована для диагностики сахарного диабета, а позже она стала пионером в применении методов распознавания образов к данным спектроскопии ЯМР.[11][12]

В 1995 г. жидкостная хроматография, масс-спектрометрия метаболомические эксперименты[13] были выполнены Гэри Сюздак во время работы с Ричард Лернер (тогдашний президент Исследовательского института Скриппса) и Бенджамина Краватта, чтобы проанализировать спинномозговую жидкость лишенных сна животных. Одна молекула, представляющая особый интерес, олеамид, как было обнаружено, и позже было показано, что он обладает способностью вызывать сон. Эта работа - один из первых подобных экспериментов, сочетающих жидкостную хроматографию и масс-спектрометрию в метаболомике.

В 2005 г. появилась первая база данных тандемной масс-спектрометрии метаболомики, МЕТЛИН,[14][15] для характеристики метаболитов человека был разработан в Сюздак лаборатория в Научно-исследовательский институт Скриппса. С тех пор METLIN вырос, и по состоянию на 1 июля 2019 года METLIN содержит более 450000 метаболитов и других химических соединений, каждое из которых имеет данные экспериментальной тандемной масс-спектрометрии, полученные из молекулярных стандартов при различных энергиях столкновения и в режимах положительной и отрицательной ионизации. METLIN - это крупнейшее в своем роде хранилище данных тандемной масс-спектрометрии. 2005 год был также годом, когда впервые появился специальный академический журнал Metabolomics, основанный его нынешним главным редактором профессором. Рой Гудакр.


В 2005 году лаборатория Siuzdak занималась определением метаболитов, связанных с сепсисом, и в попытке решить проблему статистической идентификации наиболее релевантных дисрегулируемых метаболитов в сотнях наборов данных ЖХ / МС был разработан первый алгоритм, позволяющий нелинейное сопоставление данные масс-спектрометрии, метаболомики. Называется XCMS,[16] где «X» обозначает любую хроматографическую технологию, с (2012 г.)[17] был разработан как онлайн-инструмент и по состоянию на 2019 год (вместе с METLIN) имеет более 30 000 зарегистрированных пользователей.


23 января 2007 г. Проект Метаболом человека под руководством Дэвида Уишарта из Университет Альберты, Канада, завершил первый проект метаболома человека, состоящий из базы данных, содержащей примерно 2500 метаболитов, 1200 лекарственных препаратов и 3500 пищевых компонентов.[18][19] Подобные проекты реализуются в отношении нескольких видов растений, в первую очередь Medicago truncatula[20] и Arabidopsis thaliana[21] на несколько лет.

Еще в середине 2010 года метаболомика все еще считалась «развивающейся областью».[22] Кроме того, было отмечено, что дальнейший прогресс в этой области во многом зависит от решения «неразрешимых технических проблем» и технической эволюции масс-спектрометрии приборы.[22]

В 2015 году впервые было продемонстрировано профилирование метаболома в реальном времени.[23]

Метаболом

Проект человеческого метаболома
Смотрите также: Метаболом и База данных метаболома человека

Метаболом относится к полному набору низкомолекулярных (<1,5 кДа)[24] метаболиты (такие как промежуточные продукты метаболизма, гормоны и другие сигнальные молекулы, а также вторичные метаболиты), обнаруживаемые в биологическом образце, таком как отдельный организм.[25][26] Слово было придумано по аналогии с транскриптомика и протеомика; Подобно транскриптому и протеому, метаболом является динамичным, изменяющимся от секунды к секунде. Хотя метаболом может быть определен достаточно легко, в настоящее время невозможно проанализировать весь спектр метаболитов одним аналитическим методом.

Первая база данных метаболитов (называемая МЕТЛИН ) для поиска фрагментационных данных из тандемных масс-спектрометрических экспериментов был разработан лабораторией Сюздак Научно-исследовательский институт Скриппса в 2005 году.[14][15] METLIN содержит более 450 000 метаболитов и других химических соединений, каждое из которых имеет данные экспериментальной тандемной масс-спектрометрии. В 2006 г.[16] лаборатория Siuzdak также разработала первый алгоритм, позволяющий нелинейно согласовывать данные масс-спектрометрии метаболомики. Названный XCMS, где «X» обозначает любую хроматографическую технологию, он используется с (2012 г.)[17] был разработан как онлайн-инструмент и по состоянию на 2019 год (вместе с METLIN) насчитывает более 30 000 зарегистрированных пользователей.

В январе 2007 г. ученые из Университет Альберты и Университет Калгари завершил первый набросок метаболома человека. База данных метаболома человека (HMDB), пожалуй, самая обширная общедоступная база данных метаболомных спектров на сегодняшний день.[27] HMDB хранит более 40 000 различных записей метаболитов. Они каталогизировали около 2500 метаболиты, 1200 наркотики и 3500 пищевых компонентов, которые могут быть найдены в организме человека, как сообщается в литературе.[18] Эта информация доступна на База данных метаболома человека (www.hmdb.ca) и основанный на анализе информации, доступной в современной научной литературе, далек от завершения.[28] Напротив, о метаболомах других организмов известно гораздо больше. Например, было охарактеризовано более 50 000 метаболитов из царства растений, и многие тысячи метаболитов были идентифицированы и / или охарактеризованы из отдельных растений.[29][30]

Каждый тип клетки и ткани имеет уникальный метаболический «отпечаток пальца», который может уточнить информацию, специфичную для органа или ткани. Биологические образцы, используемые для метаболомического анализа, включают, помимо прочего, плазму, сыворотку, мочу, слюну, кал, мышцы, пот, выдыхаемый воздух и желудочно-кишечную жидкость.[31] Простота сбора способствует высокому временному разрешению, а поскольку они всегда находятся в динамическом равновесии с телом, они могут описывать хозяина в целом.[32] Геном могу сказать, что могло случиться, транскриптом может сказать, что происходит, протеом может сказать, что заставляет это происходить, а метаболом может сказать, что произошло и что происходит.[33]

Метаболиты

Метаболиты субстраты, промежуточные продукты и продукты метаболизм. В контексте метаболомики метаболит обычно определяется как любая молекула размером менее 1,5 кДа.[24] Однако есть исключения в зависимости от образца и метода обнаружения. Например, макромолекулы, такие как липопротеины и альбумин надежно обнаруживаются в метаболомических исследованиях плазмы крови на основе ЯМР.[34] В метаболомике на основе растений принято относиться к «первичным» и «вторичным» метаболитам. Первичный метаболит напрямую участвует в нормальном росте, развитии и воспроизводстве. А вторичный метаболит не участвует напрямую в этих процессах, но обычно имеет важные экологический функция. Примеры включают антибиотики и пигменты.[35] Напротив, в метаболомике, основанной на человеке, метаболиты чаще описываются как эндогенный (продуцируется организмом-хозяином) или экзогенный.[36] [37]Метаболиты чужеродных веществ, таких как лекарства, называются ксенометаболитами.[38]

В метаболом образует большую сеть метаболический реакции, где выходы из одного ферментативный химическая реакция являются входами в другие химические реакции. Такие системы были описаны как гиперциклы.[нужна цитата ]

Метабономика

Метабономика определяется как «количественное измерение динамического многопараметрического метаболического ответа живых систем на патофизиологические стимулы или генетические модификации». Слово происхождение от греческого μεταβολή значение изменения и номос Имеется в виду набор правил или свод законов.[39] Этот подход был впервые предложен Джереми Николсоном в Университет Мердока и использовался в токсикологии, диагностике заболеваний и ряде других областей. Исторически метабономический подход был одним из первых методов, применивших область системной биологии к изучению метаболизма.[40][41][42]

Были некоторые разногласия по поводу точных различий между «метаболомикой» и «метабономикой». Разница между этими двумя терминами не связана с выбором аналитической платформы: хотя метабономика больше связана с ЯМР-спектроскопия и метаболомика с масс-спектрометрии основанные на методах, это просто из-за их употребления в различных группах, которые популяризировали разные термины. Хотя до сих пор нет абсолютного согласия, растет согласие с тем, что «метаболомика» делает больший упор на профилирование метаболизма на клеточном или органном уровне и в первую очередь касается нормального эндогенного метаболизма. «Метабономика» расширяет метаболическое профилирование, чтобы включать информацию о нарушениях метаболизма, вызванных факторами окружающей среды (включая диету и токсины), процессами заболевания и участием экстрагеномных влияний, таких как микрофлора кишечника. Это нетривиальная разница; Метаболомные исследования должны по определению исключать метаболический вклад из внегеномных источников, поскольку они являются внешними по отношению к изучаемой системе. Однако на практике в области исследования заболеваний человека все еще существует большая степень совпадения в способах использования обоих терминов, и они часто фактически являются синонимами.[43]

Экзометаболомика

Основная статья: Экзометаболомика

Экзометаболомика или «метаболический след» - это исследование внеклеточных метаболитов. Он использует многие методы из других областей метаболомики и находит применение в биотопливо развитие, биотехнология, определение наркотиков ' механизм действия, и изучение межклеточных взаимодействий.[44]

Аналитические технологии

Ключевые этапы исследования метаболомики

Типичный рабочий процесс исследований метаболомики показан на рисунке. Сначала отбираются образцы тканей, плазмы, мочи, слюны, клеток и т. Д. Затем метаболиты экстрагируются часто с добавлением внутренних стандартов и дериватизацией.[45] Во время анализа пробы метаболиты определяются количественно (жидкостная хроматография или газовая хроматография в сочетании с РС и / или ЯМР спектроскопия). Необработанные выходные данные могут использоваться для извлечения признаков метаболитов и дальнейшей обработки перед статистическим анализом (например, PCA ). Доступно множество биоинформатических инструментов и программного обеспечения для выявления ассоциаций с болезненными состояниями и исходами, определения значимых корреляций и характеристики метаболических сигнатур с существующими биологическими знаниями.[46]

Методы разделения

Первоначально аналиты в метаболомном образце представляют собой очень сложную смесь. Эту сложную смесь можно упростить перед обнаружением, отделив одни аналиты от других. Разделение позволяет достичь различных целей: аналиты, которые не могут быть обнаружены детектором, могут быть разделены на этом этапе; в MS анализе ионное подавление уменьшен; время удерживания аналита служит информацией относительно его идентичности. Этот этап разделения не является обязательным и часто опускается в подходах, основанных на ЯМР и «дробовике», таких как липидомика дробовика.

Газовая хроматография (ГХ), особенно в сочетании с масс-спектрометрией (ГХ-МС ) - широко используемый метод разделения для метаболомного анализа.[47] ГХ предлагает очень высокое хроматографическое разрешение и может использоваться в сочетании с пламенно-ионизационный детектор (ГХ / ПИД) или масс-спектрометр (ГХ-МС). Этот метод особенно полезен для идентификации и количественного определения небольших и летучих молекул.[48] Однако практическим ограничением ГХ является требование химической дериватизации многих биомолекул, поскольку без дериватизации можно анализировать только летучие химические вещества. В случаях, когда требуется большая разрешающая способность, двумерная хроматография (GCxGC ) может быть применено.

Высокоэффективная жидкостная хроматография (ВЭЖХ) стала наиболее распространенным методом разделения для метаболомного анализа. С появлением ионизация электрораспылением, ВЭЖХ была связана с МС. По сравнению с GC ВЭЖХ имеет более низкое хроматографическое разрешение, но не требует дериватизации полярных молекул и разделяет молекулы в жидкой фазе. Кроме того, преимущество ВЭЖХ состоит в том, что можно измерить гораздо более широкий диапазон аналитов с более высокой чувствительностью, чем методы ГХ.[49]

Капиллярный электрофорез (CE) имеет более высокую теоретическую эффективность разделения, чем ВЭЖХ (хотя требует гораздо больше времени на разделение), и подходит для использования с более широким диапазоном классов метаболитов, чем GC. Что касается всех электрофоретических методов, он наиболее подходит для заряженных аналитов.[50]

Методы обнаружения

Сравнение наиболее часто используемых методов метаболомики

Масс-спектрометрии (MS) используется для идентификации и количественного определения метаболитов после необязательного разделения GC, ВЭЖХ, или CE. ГХ-МС была первой разработанной техникой переноса слов. Идентификация использует различные паттерны, в которых фрагментируются аналиты, которые можно рассматривать как масс-спектральный отпечаток; существуют библиотеки, которые позволяют идентифицировать метаболит в соответствии с этим образец фрагментации[пример необходим ]. РС чувствителен и может быть очень специфичным. Существует также ряд методов, в которых МС используется как отдельная технология: образец вводится непосредственно в масс-спектрометр без предварительного разделения, и МС обеспечивает достаточную селективность как для разделения, так и для обнаружения метаболитов.

Для масс-спектрометрического анализа аналитам необходимо придать заряд и перевести их в газовую фазу. Электронная ионизация (EI) - это наиболее распространенный метод ионизации, применяемый для разделения с помощью ГХ, поскольку он поддается низкому давлению. EI также вызывает фрагментацию аналита, обеспечивая как структурную информацию, так и увеличивая сложность данных и, возможно, скрывая молекулярный ион. Химическая ионизация при атмосферном давлении (APCI) - это метод атмосферного давления, который может применяться ко всем вышеуказанным методам разделения. APCI - это метод ионизации в газовой фазе, немного более агрессивный, чем ESI, который подходит для менее полярных соединений. Электрораспылительная ионизация (ESI) - наиболее распространенный метод ионизации, применяемый в ЖХ / МС. Эта мягкая ионизация наиболее успешна для полярных молекул с ионизируемыми функциональными группами. Другой широко используемый метод мягкой ионизации - это вторичная ионизация электрораспылением (SESI).

В последнее десятилетие массовый анализ на поверхности снова возродился: новые технологии МС сосредоточены на повышении чувствительности, минимизации фона и сокращении подготовки проб. Возможность анализировать метаболиты непосредственно из биожидкостей и тканей продолжает бросать вызов современной технологии МС, в основном из-за ограничений, накладываемых сложностью этих образцов, которые содержат от тысяч до десятков тысяч метаболитов. Среди технологий, разрабатываемых для решения этой проблемы, - MS-инициатор наноструктуры (NIMS),[51][52] подход десорбции / ионизации, который не требует применения матрицы и тем самым облегчает идентификацию малых молекул (то есть метаболитов). МАЛДИ также используется, однако применение матрицы MALDI может добавить значительный фон при <1000 Да, что усложняет анализ диапазона малых масс (то есть метаболитов). Кроме того, размер получаемых матричных кристаллов ограничивает пространственное разрешение, которое может быть достигнуто при визуализации тканей. Из-за этих ограничений для анализа биожидкостей и тканей было применено несколько других подходов к десорбции / ионизации без матриц.

Масс-спектрометрия вторичных ионов (SIMS) был одним из первых подходов к десорбции / ионизации без матриц, используемых для анализа метаболитов из биологических образцов.[нужна цитата ] ВИМС использует пучок первичных ионов высокой энергии для десорбции и генерации вторичных ионов с поверхности. Основным преимуществом ВИМС является высокое пространственное разрешение (всего 50 нм), что является мощной характеристикой для визуализации тканей с помощью МС. Однако SIMS еще предстоит легко применить для анализа биожидкостей и тканей из-за ее ограниченной чувствительности при> 500 Да и фрагментации аналита, генерируемой пучком первичных ионов высокой энергии. Десорбционная ионизация электрораспылением (DESI) - это безматричный метод анализа биологических образцов, в котором используется заряженный аэрозоль растворителя для десорбции ионов с поверхности. Преимущества DESI заключаются в том, что не требуется специальной поверхности, а анализ проводится при атмосферном давлении с полным доступом к образцу во время сбора данных. Ограничением DESI является пространственное разрешение, потому что «сфокусировать» заряженную струю растворителя сложно. Однако недавняя разработка получила название лазерная абляция ESI (LAESI) - многообещающий способ обойти это ограничение.[нужна цитата ] В последнее время появились такие методы ионной ловушки, как орбитальная ловушка масс-спектрометрия также применяется в исследованиях метаболомики.[53]

Ядерный магнитный резонанс (ЯМР) спектроскопия - это единственный метод обнаружения, который не основан на разделении аналитов, и, таким образом, образец может быть восстановлен для дальнейшего анализа. Все виды низкомолекулярных метаболитов можно измерять одновременно - в этом смысле ЯМР близок к универсальному детектору. Основные преимущества ЯМР - высокая аналитическая воспроизводимость и простота пробоподготовки. На практике, однако, он относительно нечувствителен по сравнению с методами, основанными на масс-спектрометрии.[54][55] Сравнение наиболее часто используемых методов метаболомики представлено в таблице.

Хотя ЯМР и МС являются наиболее широко используемыми, современные методы используются и другие методы обнаружения. Они включают Ионный циклотронный резонанс с преобразованием Фурье,[56] спектрометрия ионной подвижности,[57] электрохимическое обнаружение (в сочетании с ВЭЖХ), Рамановская спектроскопия и радиоактивная метка (в сочетании с тонкослойной хроматографией).[нужна цитата ]

Статистические методы

Список программного обеспечения для метаболомического анализа

Данные, полученные в метаболомике, обычно состоят из измерений, выполненных на предметах в различных условиях. Эти измерения могут быть оцифрованными спектрами или списком характеристик метаболитов. В простейшей форме это генерирует матрицу со строками, соответствующими объектам, и столбцами, соответствующими характеристикам метаболитов (или наоборот).[6] В настоящее время доступно несколько статистических программ для анализа как ЯМР, так и масс-спектрометрии данные. Уже доступно большое количество бесплатных программ для анализа данных метаболомики, представленных в таблице. Некоторые статистические инструменты, перечисленные в таблице, были разработаны для анализа данных ЯМР, также были полезны для данных МС.[58] Для данных масс-спектрометрии доступно программное обеспечение, которое идентифицирует молекулы, которые различаются в группах испытуемых, на основе значения избыточной массы, а иногда и времени удерживания в зависимости от плана эксперимента.[59]

После определения матрицы данных метаболитов можно использовать неконтролируемые методы обработки данных (например, PCA) для выявления закономерностей и связей. Во многих исследованиях, включая те, которые оценивают токсичность лекарств и некоторые модели заболеваний, интересующие метаболиты не известны. априори. Это делает неконтролируемые методы, не предполагающие членства в классе, популярным первым выбором. Наиболее распространенный из этих методов включает: Анализ главных компонентов (PCA), который может эффективно уменьшить размеры набора данных до нескольких, которые объясняют наибольшие различия.[32] При анализе в пространстве PCA более низкой размерности можно обнаружить кластеризацию образцов со схожими метаболическими отпечатками пальцев. Алгоритмы PCA стремятся заменить все коррелированные переменные гораздо меньшим количеством некоррелированных переменных (называемых главными компонентами (ПК)) и сохранить большую часть информации в исходном наборе данных.[60] Эта кластеризация может прояснить закономерности и помочь в определении биомаркеров болезни - метаболитов, которые больше всего коррелируют с принадлежностью к классу.

Линейные модели обычно используются для данных метаболомики, но на них влияют мультиколлинеарность. С другой стороны, многомерная статистика - это эффективные методы получения высокоразмерных коррелированных данных метаболомики, наиболее популярным из которых является Проекция регрессии к скрытым структурам (PLS) и его классификационная версия PLS-DA. Другой сбор данных методы, такие как случайный лес, машины опорных векторов и др. уделяется все больше внимания нецелевому анализу данных метаболомики.[61] В случае одномерных методов переменные анализируются одна за другой с использованием классических инструментов статистики (таких как T-тест Стьюдента, ANOVA или смешанные модели), и только они с достаточно малыми p-значениями считаются актуальными.[31] Однако следует использовать стратегии коррекции, чтобы уменьшить количество ложных открытий, когда множественные сравнения проводятся. За многомерный анализ, модели всегда следует проверять, чтобы гарантировать возможность обобщения результатов.

Машинное обучение также является мощным инструментом, который можно использовать в метаболомическом анализе. Недавно авторы статьи, опубликованной в Аналитическая химия, разработала программное обеспечение для прогнозирования времени удерживания под названием Повторить. Этот инструмент, разработанный в сотрудничестве с НГАЛАБ, то Центр Метаболомики Западного побережья и Рикен предоставить всем лабораториям возможность применять искусственный интеллект для прогнозирования времени удерживания малых молекул в сложной матрице, например плазмы человека, растений, продуктов питания или микробов. Прогнозирование времени удерживания увеличивает скорость идентификации в жидкостной хроматографии и, следовательно, приводит к улучшенной биологической интерпретации данных метаболомики.[62].

Ключевые приложения

Токсичность оценка/токсикология с помощью метаболического профилирования (особенно образцов мочи или плазмы крови) обнаруживает физиологические изменения, вызванные токсическим воздействием химического вещества (или смеси химических веществ). Во многих случаях наблюдаемые изменения могут быть связаны с определенными синдромами, например специфическое поражение печени или почек. Это особенно актуально для фармацевтических компаний, желающих проверить токсичность потенциальных препарат, средство, медикамент кандидаты: если соединение может быть устранено до того, как оно достигнет клинические испытания из-за неблагоприятной токсичности он экономит огромные расходы на испытания.[43]

За функциональная геномика, метаболомика может быть отличным инструментом для определения фенотип вызвано генетической манипуляцией, такой как делеция или вставка гена. Иногда это может быть достаточной целью - например, для обнаружения любых фенотипических изменений в генетически модифицированном растении, предназначенном для употребления человеком или животными. Более увлекательной является перспектива предсказания функции неизвестного гены по сравнению с метаболическими нарушениями, вызванными делецией / вставкой известных генов. Такие достижения, скорее всего, будут модельные организмы такие как Saccharomyces cerevisiae и Arabidopsis thaliana. В Лаборатория Cravatt в Научно-исследовательский институт Скриппса недавно применил эту технологию к млекопитающее системы, определяющие N-ацилтаурины как ранее не охарактеризованные эндогенные субстраты для фермента амид гидролаза жирных кислот (FAAH) и моноалкилглицериновые эфиры (MAGE) в качестве эндогенных субстратов для не охарактеризованных гидролаза KIAA1363.[63][64]

Метабологеномика - это новый подход к интеграции данных метаболомики и геномики путем сопоставления метаболитов, экспортируемых микробами, с предсказанными генами биосинтеза.[65] Этот основанный на биоинформатике метод спаривания позволяет открывать естественные продукты в более крупном масштабе за счет уточнения нецелевых метаболомных анализов для выявления небольших молекул со связанным биосинтезом и сосредоточения внимания на тех, которые могут не иметь ранее хорошо известных структур.

Флюксомика является дальнейшим развитием метаболомики. Недостатком метаболомики является то, что она предоставляет пользователю информацию только о стационарном уровне, в то время как флуксомика определяет скорость метаболических реакций и может отслеживать метаболиты в биологической системе с течением времени.

Нутригеномика - это обобщенный термин, связывающий геномику, транскриптомику, протеомику и метаболомику с питанием человека. В общем, метаболом в данной жидкости организма зависит от эндогенных факторов, таких как возраст, пол, состав тела и генетика, а также лежащие в основе патологии. Микрофлора толстого кишечника также является очень важным потенциальным фактором, влияющим на метаболические профили, и может быть классифицирована как эндогенный или экзогенный фактор. Основные экзогенные факторы - диета и лекарства. Затем диету можно разбить на питательные и непитательные вещества. Метаболомика - это одно из средств определения биологической конечной точки или метаболического отпечатка пальца, который отражает баланс всех этих сил в метаболизме человека.[66]

Смотрите также

использованная литература

  1. ^ Дэвис Б. (апрель 2005 г.). «Растущие боли по метаболомике». Ученый. 19 (8): 25–28.
  2. ^ Джордан К.В., Норденштам Дж., Лауэрс Дж., Ротенбергер Д.А., Алави К., Гарвуд М., Ченг Л.Л. (март 2009 г.). «Метаболомическая характеристика аденокарциномы прямой кишки человека с помощью магнитно-резонансной спектроскопии интактных тканей». Заболевания толстой и прямой кишки. 52 (3): 520–5. Дои:10.1007 / DCR.0b013e31819c9a2c. ЧВК  2720561. PMID  19333056.
  3. ^ Голливуд К., Брисон Д. Р., Гудакр Р. (сентябрь 2006 г.). «Метаболомика: современные технологии и тенденции будущего». Протеомика. 6 (17): 4716–23. Дои:10.1002 / pmic.200600106. PMID  16888765. S2CID  14631544.
  4. ^ Gates SC, Sweeley CC (октябрь 1978 г.). «Количественное метаболическое профилирование на основе газовой хроматографии». Клиническая химия. 24 (10): 1663–73. Дои:10.1093 / Clinchem / 24.10.1663. PMID  359193.
  5. ^ Прети, Джордж (6 июня 2005 г.). "Метаболомика достигает совершеннолетия?". Ученый. 19 (11): 8.
  6. ^ а б c Ван дер Гриф и Смилд, J Chemomet, (2005) 19: 376-386
  7. ^ Шапиро И, Кавкало Д.Н., Петрова Г.В., Ганзин А.П. (2008). «[Ангиолейомиома брыжейки толстой кишки, осложненная разлитым перитонитом]». Советская Медицина. 866 (9): 26–47. Дои:10.1016 / j.jchromb.2007.10.007. ЧВК  2603028. PMID  18551752.
  8. ^ Гриффитс У. Дж., Ван И (июль 2009 г.). «Масс-спектрометрия: от протеомики к метаболомике и липидомике». Обзоры химического общества. 38 (7): 1882–96. Дои:10.1039 / b618553n. PMID  19551169. S2CID  12237358.
  9. ^ Холт Д.И., Басби С.Дж., Гадиан Д.Г., Радда Г.К., Ричардс Р.Э., Сили П.Дж. (ноябрь 1974 г.). «Наблюдение тканевых метаболитов с использованием ядерного магнитного резонанса 31P». Природа. 252 (5481): 285–7. Bibcode:1974Натура.252..285H. Дои:10.1038 / 252285a0. PMID  4431445. S2CID  4291661.
  10. ^ Николсон Дж. К., Линдон Дж. К. (октябрь 2008 г.). «Системная биология: метабономика». Природа. 455 (7216): 1054–6. Bibcode:2008Натура.455.1054Н. Дои:10.1038 / 4551054a. PMID  18948945. S2CID  4411723.
  11. ^ Холмс Э., Антти Х (декабрь 2002 г.). «Хемометрический вклад в эволюцию метабономики: математические решения для характеристики и интерпретации сложных биологических спектров ЯМР». Аналитик. 127 (12): 1549–57. Bibcode:2002Ana ... 127.1549H. Дои:10.1039 / b208254n. PMID  12537357.
  12. ^ Ленц Э.М., Уилсон И.Д. (февраль 2007 г.). «Аналитические стратегии в метабономике». Журнал протеомных исследований. 6 (2): 443–58. Дои:10.1021 / pr0605217. PMID  17269702.
  13. ^ Cravatt BF, Prospero-Garcia O, Siuzdak G, Gilula NB, Henriksen SJ, Boger DL, Lerner RA (июнь 1995 г.). «Химическая характеристика семейства липидов мозга, которые вызывают сон». Наука. 268 (5216): 1506–9. Bibcode:1995 Наука ... 268.1506C. Дои:10.1126 / science.7770779. PMID  7770779.
  14. ^ а б Smith CA, O'Maille G, Want EJ, Qin C., Trauger SA, Brandon TR, et al. (Декабрь 2005 г.). «МЕТЛИН: база данных масс-спектров метаболитов». Терапевтический мониторинг лекарственных средств. 27 (6): 747–51. Дои:10.1097 / 01.ftd.0000179845.53213.39. PMID  16404815. S2CID  14774455.
  15. ^ а б Guijas C, Montenegro-Burke JR, Domingo-Almenara X, Palermo A, Warth B, Hermann G, et al. (Март 2018 г.). «МЕТЛИН: технологическая платформа для выявления известных и неизвестных». Аналитическая химия. 90 (5): 3156–3164. Дои:10.1021 / acs.analchem.7b04424. ЧВК  5933435. PMID  29381867.
  16. ^ а б Смит CA, Want EJ, O'Maille G, Abagyan R, Siuzdak G (февраль 2006 г.). «XCMS: обработка данных масс-спектрометрии для профилирования метаболитов с использованием нелинейного пикового выравнивания, сопоставления и идентификации». Аналитическая химия. 78 (3): 779–87. Дои:10.1021 / ac051437y. PMID  16448051.
  17. ^ а б Таутенхан Р., Патти Дж. Дж., Райнхарт Д., Сюздак Г. (июнь 2012 г.). «XCMS Online: веб-платформа для обработки нецелевых метаболомных данных». Аналитическая химия. 84 (11): 5035–9. Дои:10.1021 / ac300698c. ЧВК  3703953. PMID  22533540.
  18. ^ а б Wishart DS, Tzur D, Knox C., Eisner R, Guo AC, Young N, et al. (Январь 2007 г.). "HMDB: база данных метаболизма человека". Исследования нуклеиновых кислот. 35 (Проблема с базой данных): D521-6. Дои:10.1093 / нар / gkl923. ЧВК  1899095. PMID  17202168.
  19. ^ Wishart DS, Knox C, Guo AC, Eisner R, Young N, Gautam B и др. (Январь 2009 г.). «HMDB: база знаний о метаболоме человека». Исследования нуклеиновых кислот. 37 (Проблема с базой данных): D603-10. Дои:10.1093 / nar / gkn810. ЧВК  2686599. PMID  18953024.
  20. ^ Фараг М.А., Хухман Д.В., Диксон Р.А., Самнер Л.В. (февраль 2008 г.). «Метаболомика обнаруживает новые пути и дифференциальные механистические и элиситорные реакции в биосинтезе фенилпропаноидов и изофлавоноидов в культурах клеток Medicago truncatula». Физиология растений. 146 (2): 387–402. Дои:10.1104 / стр.107.108431. ЧВК  2245840. PMID  18055588.
  21. ^ "www.Plantmetabolomics.org". 7 ноября 2012 г. Архивировано с оригинал на 2012-11-07. Получено 20 мая, 2020.
  22. ^ а б Морроу-младший KJ (1 апреля 2010 г.). «Массовый спектр, центральный элемент метаболизма». Новости генной инженерии и биотехнологии. 30 (7). п. 1. В архиве из оригинала 28 июня 2010 г.. Получено 28 июн 2010.
  23. ^ «Анализ продуктов обмена в реальном времени». Phys.org. Получено 20 мая, 2020.
  24. ^ а б Querengesser, Лори; Vogel, Hans J .; Сайкс, Брайан Д .; Марри, Том; Ли, Лян; Greiner, Russ; Клайв, Деррик; Бамфорт, Фиона; Даулатабади, Реза (01.01.2007). "HMDB: база данных метаболизма человека". Исследования нуклеиновых кислот. 35 (suppl_1): D521 – D526. Дои:10.1093 / нар / gkl923. ISSN  0305-1048. ЧВК  1899095. PMID  17202168.
  25. ^ Оливер С.Г., Винсон М.К., Келл Д.Б., Баганц Ф. (сентябрь 1998 г.). «Систематический функциональный анализ генома дрожжей». Тенденции в биотехнологии. 16 (9): 373–8. Дои:10.1016 / S0167-7799 (98) 01214-1. PMID  9744112.
  26. ^ Гриффин Дж. Л., Видаль-Пуч А. (июнь 2008 г.). «Текущие проблемы метаболомики для исследований диабета: жизненно важный функциональный инструмент генома или просто уловка для получения финансирования?». Физиологическая геномика. 34 (1): 1–5. Дои:10.1152 / физиолгеномика.00009.2008. PMID  18413782. S2CID  9416755.
  27. ^ HMDB 3.0 - база данных метаболома человека в 2013 году.
  28. ^ Пирсон Х (март 2007 г.). «Знакомьтесь, метаболом человека». Природа. 446 (7131): 8. Bibcode:2007Натура 446 .... 8П. Дои:10.1038 / 446008a. PMID  17330009. S2CID  2235062.
  29. ^ Де Лука V, Сен-Пьер Б. (апрель 2000 г.). «Клеточная и эволюционная биология биосинтеза алкалоидов». Тенденции в растениеводстве. 5 (4): 168–73. Дои:10.1016 / S1360-1385 (00) 01575-2. PMID  10740298.
  30. ^ Гриффин JL, Shockcor JP (июль 2004 г.). «Метаболические профили раковых клеток». Обзоры природы. Рак. 4 (7): 551–61. Дои:10.1038 / nrc1390. PMID  15229480. S2CID  527894.
  31. ^ а б Ulaszewska, Marynka M .; Weinert, Christoph H .; Триминьо, Алессия; Портманн, Рето; Андрес Лакуева, Кристина; Бадерчер, Рене; Бреннан, Лотарингия; Бруниус, Карл; Буб, Ахим; Капоцци, Франческо; Сиалие Россо, Марта; Cordero, Chiara E .; Даниэль, Ханнелора; Дюран, Стефани; Эгерт, Бьорн; Феррарио, Паола Дж .; Feskens, Edith J.M .; Франчески, Пьетро; Гарсия-Алой, март; Джакомони, Франк; Гисберц, Питер; Гонсалес-Домингес, Рауль; Ханхинева, Кати; Hemeryck, Lieselot Y .; Копка, Иоахим; Kulling, Sabine E .; Льорах, Рафаэль; Манах, Клодин; Маттиви, Фульвио; и другие. (2019). «Нутриметаболомика: комплексное действие для метаболических анализов в исследованиях питания человека». Молекулярное питание и пищевые исследования. 63 (1): 1800384. Дои:10.1002 / mnfr.201800384. PMID  30176196.
  32. ^ а б Николсон Дж. К., Уилсон И. Д. (август 2003 г.). «Мнение: понимание« глобальной »системной биологии: метабономика и континуум метаболизма». Обзоры природы. Открытие наркотиков. 2 (8): 668–76. Дои:10.1038 / nrd1157. PMID  12904817. S2CID  23743031.
  33. ^ Деттмер, Катя; Аронов, Павел А .; Гамак, Брюс Д. (2007). «Метаболомика на основе масс-спектрометрии». Обзоры масс-спектрометрии. 26 (1): 51–78. Bibcode:2007MSRv ... 26 ... 51D. Дои:10.1002 / mas.20108. ISSN  0277-7037. ЧВК  1904337. PMID  16921475.
  34. ^ Николсон Дж. К., Фоксолл П. Дж., Спраул М., Фаррант Р. Д., Линдон Дж. К. (март 1995 г.). «750 МГц 1H и 1H-13C ЯМР-спектроскопия плазмы крови человека». Аналитическая химия. 67 (5): 793–811. Дои:10.1021 / ac00101a004. PMID  7762816.
  35. ^ Bentley R (1999). «Биосинтез вторичных метаболитов: первый век». Критические обзоры в биотехнологии. 19 (1): 1–40. Дои:10.1080/0738-859991229189. PMID  10230052.
  36. ^ Нордстрём А., О'Майл Дж., Цинь С., Сюздак Г. (май 2006 г.). «Нелинейное сопоставление данных для метаболомики на основе UPLC-MS и HPLC-MS: количественный анализ эндогенных и экзогенных метаболитов в сыворотке крови человека». Аналитическая химия. 78 (10): 3289–95. Дои:10.1021 / ac060245f. ЧВК  3705959. PMID  16689529.
  37. ^ Линь, Вэйфэн; Конвей, Луи П .; Блок, Анника; Сомми, Грета; Вуясинович, Мирослав; Лёр, Ж.-Маттиас; Глобиш, Даниэль (2 июня 2020 г.). «Чувствительный масс-спектрометрический анализ метаболитов карбонила в образцах мочи и кала человека с использованием хемоселективной модификации». Аналитик. 145 (11): 3822–3831. Bibcode:2020Ana ... 145.3822L. Дои:10.1039 / D0AN00150C. PMID  32393929.
  38. ^ Crockford DJ, Maher AD, Ahmadi KR, Barrett A, Plumb RS, Wilson ID, Nicholson JK (сентябрь 2008 г.). «Статистическая гетероспектроскопия 1H ЯМР и UPLC-MS (E): характеристика метаболитов лекарств (ксенометаболома) в эпидемиологических исследованиях». Аналитическая химия. 80 (18): 6835–44. Дои:10.1021 / ac801075m. PMID  18700783.
  39. ^ Николсон Дж. К. (2006). «Глобальная системная биология, персонализированная медицина и молекулярная эпидемиология». Молекулярная системная биология. 2 (1): 52. Дои:10.1038 / msb4100095. ЧВК  1682018. PMID  17016518.
  40. ^ Николсон Дж. К., Линдон Дж. К., Холмс Э. (ноябрь 1999 г.). "'Метабономика: понимание метаболических реакций живых систем на патофизиологические стимулы посредством многомерного статистического анализа биологических данных ЯМР-спектроскопии ». Xenobiotica; Судьба чужеродных соединений в биологических системах. 29 (11): 1181–9. Дои:10.1080/004982599238047. PMID  10598751.
  41. ^ Николсон Дж., Коннелли Дж., Линдон Дж. К., Холмс Э. (февраль 2002 г.). «Метабономика: платформа для изучения токсичности лекарств и функций генов». Обзоры природы. Открытие наркотиков. 1 (2): 153–61. Дои:10.1038 / nrd728. PMID  12120097. S2CID  17881327.
  42. ^ Холмс Э., Уилсон И. Д., Николсон Дж. К. (сентябрь 2008 г.). «Метаболическое фенотипирование в здоровье и болезни». Ячейка. 134 (5): 714–7. Дои:10.1016 / j.cell.2008.08.026. PMID  18775301. S2CID  6677621.
  43. ^ а б Робертсон Д.Г. (июнь 2005 г.). «Метабономика в токсикологии: обзор». Токсикологические науки. 85 (2): 809–22. Дои:10.1093 / toxsci / kfi102. PMID  15689416.
  44. ^ Silva LP, Northen TR (август 2015 г.). «Экзометаболомика и MSI: анализ того, как клетки взаимодействуют, чтобы трансформировать среду их малых молекул». Текущее мнение в области биотехнологии. Elsevier BV. 34: 209–16. Дои:10.1016 / j.copbio.2015.03.015. PMID  25855407.
  45. ^ Деттмер К., Аронов П.А., Гамак Б.Д. (2007). «Метаболомика на основе масс-спектрометрии». Обзоры масс-спектрометрии. 26 (1): 51–78. Bibcode:2007MSRv ... 26 ... 51D. Дои:10.1002 / mas.20108. ЧВК  1904337. PMID  16921475.
  46. ^ Расмиена AA, Ng TW, Meikle PJ (март 2013 г.). «Метаболомика и ишемическая болезнь сердца». Клиническая наука. 124 (5): 289–306. Дои:10.1042 / CS20120268. PMID  23157406.
  47. ^ Огбага CC, Степьен П., Дайсон BC, Рэттрей, штат Нью-Джерси, Эллис Д.И., Goodacre R, Johnson GN (6 мая 2016 г.). «Биохимические анализы сортов сорго показывают различную реакцию на засуху». PLOS ONE. 11 (5): e0154423. Bibcode:2016PLoSO..1154423O. Дои:10.1371 / journal.pone.0154423. ЧВК  4859509. PMID  27153323.
  48. ^ "Информация о газовой хроматографии и масс-спектрометрии (ГХ-МС) | Thermo Fisher Scientific - США". www.thermofisher.com. Получено 2018-09-26.
  49. ^ Gika HG, Theodoridis GA, Wingate JE, Wilson ID (август 2007 г.). «Воспроизводимость в течение дня метода на основе ВЭЖХ-МС для метабономического анализа: приложение к человеческой моче». Журнал протеомных исследований. 6 (8): 3291–303. Дои:10.1021 / pr070183p. PMID  17625818.
  50. ^ Сога Т, Охаши Й, Уэно Й, Нараока Х, Томита М, Нисиока Т (сентябрь 2003 г.). «Количественный анализ метаболома с использованием масс-спектрометрии капиллярного электрофореза». Журнал протеомных исследований. 2 (5): 488–94. Дои:10.1021 / пр034020м. PMID  14582645.
  51. ^ Northen TR, Yanes O, Northen MT, Marrinucci D, Uritboonthai W, Apon J и др. (Октябрь 2007 г.). «Клатратные наноструктуры для масс-спектрометрии». Природа. 449 (7165): 1033–6. Bibcode:2007Натура.449.1033Н. Дои:10.1038 / природа06195. PMID  17960240. S2CID  4404703.
  52. ^ Woo HK, Northen TR, Yanes O, Siuzdak G (июль 2008 г.). «Наноструктура-инициатор масс-спектрометрии: протокол для подготовки и нанесения поверхностей NIMS для высокочувствительного масс-анализа». Протоколы природы. 3 (8): 1341–9. Дои:10.1038 / НПРОТ.2008.110. PMID  18714302. S2CID  20620548.
  53. ^ Гасте, Манодж; Мистрик, Роберт; Шулаев, Владимир (июнь 2016). «Применение ионного циклотронного резонанса с преобразованием Фурье (FT-ICR) и масс-спектрометрии высокого разрешения на основе орбитальной ловушки в метаболомике и липидомике». Международный журнал молекулярных наук. 17 (6): 816. Дои:10.3390 / ijms17060816. ЧВК  4926350. PMID  27231903.
  54. ^ Гриффин JL (октябрь 2003 г.). «Метабономика: ЯМР-спектроскопия и анализ распознавания образов жидкостей и тканей организма для характеристики токсичности ксенобиотиков и диагностики заболеваний». Современное мнение в области химической биологии. 7 (5): 648–54. Дои:10.1016 / j.cbpa.2003.08.008. PMID  14580571.
  55. ^ Беконерт О., Кеун Х.С., Эббельс TM, Банди Дж., Холмс Э., Линдон Дж. К., Николсон Дж. К. (2007). «Метаболическое профилирование, метаболомные и метабономические процедуры для ЯМР-спектроскопии мочи, плазмы, сыворотки и экстрактов тканей». Протоколы природы. 2 (11): 2692–703. Дои:10.1038 / nprot.2007.376. PMID  18007604. S2CID  205463871.
  56. ^ Хабчи, Баниния; Алвес, Сандра; Жуан-Рембо Бувресс, Дельфина; Аппенцеллер, Брайс; Пэрис, Ален; Ратледж, Дуглас Н .; Ратахао-Пэрис, Эстель (01.01.2018). «Возможности динамически гармонизированной ячейки ионного циклотронного резонанса с преобразованием Фурье для высокопроизводительной метаболомической фингерпринтинга: контроль качества данных». Аналитическая и биоаналитическая химия. 410 (2): 483–490. Дои:10.1007 / s00216-017-0738-3. ISSN  1618-2650. PMID  29167936. S2CID  3769892.
  57. ^ Кинг, Адам М .; Муллин, Лорен Дж .; Уилсон, Ян Д.; Коэн, Мюрэнн; Рейнвилл, Пол Д .; Plumb, Роберт С .; Gethings, Lee A .; Создатель, Гарт; Тренгов, Роберт (22.01.2019). «Разработка метода экспресс-профилирования для анализа полярных аналитов в моче с использованием HILIC – MS и ионной подвижности с помощью HILIC – MS». Метаболомика. 15 (2): 17. Дои:10.1007 / s11306-019-1474-9. ISSN  1573-3890. ЧВК  6342856. PMID  30830424.
  58. ^ Сугимото М., Каваками М., Роберт М., Сога Т., Томита М. (март 2012 г.). «Биоинформатические инструменты для обработки и анализа метаболических данных на основе масс-спектроскопии». Современная биоинформатика. 7 (1): 96–108. Дои:10.2174/157489312799304431. ЧВК  3299976. PMID  22438836.
  59. ^ Спайсер Р., Салек Р.М., Морено П., Каньето Д., Стейнбек С. (2017). «Навигация по свободно доступным программным инструментам для анализа метаболомики». Метаболомика. 13 (9): 106. Дои:10.1007 / s11306-017-1242-7. ЧВК  5550549. PMID  28890673.
  60. ^ Рен С., Хинзман А.А., Канг Е.Л., Щесняк Р.Д., Лу Л.Дж. (декабрь 2015 г.). «Расчетно-статистический анализ данных метаболомики». Метаболомика. 11 (6): 1492–513. Дои:10.1007 / s11306-015-0823-6. S2CID  15712363.
  61. ^ Громски П.С., Мухамадали Х., Эллис Д.И., Сюй Й., Корреа Э., Тернер М.Л., Гудакр Р. (2015). «Обзор учебного пособия: Метаболомика и частичный дискриминантный анализ методом наименьших квадратов - брак по расчету или свадьба по дробовику». Analytica Chimica Acta. 879: 10–23. Дои:10.1016 / j.aca.2015.02.012. PMID  26002472.
  62. ^ Бонини, Паоло; Добрый, Тобиас; Цугава, Хироши; Барупал, Динеш Кумар; Файн, Оливер (2020-05-10). «Retip: прогноз времени удерживания для составной аннотации в нецелевой метаболомике». Аналитическая химия. 92 (11): 7515–7522. Дои:10.1021 / acs.analchem.9b05765. ISSN  0003-2700. PMID  32390414.
  63. ^ Сагательян А., Траугер С.А., Хант Э.Дж., Хокинс Э.Г., Сюздак Г., Краватт Б.Ф. (ноябрь 2004 г.). «Отнесение эндогенных субстратов к ферментам по глобальному профилированию метаболитов» (PDF). Биохимия. 43 (45): 14332–9. Дои:10.1021 / bi0480335. PMID  15533037.
  64. ^ Чанг К.П., Ниссен С., Сагательян А., Краватт Б.Ф. (октябрь 2006 г.). «Фермент, который регулирует сигнальные пути эфирных липидов при раке, аннотировано многомерным профилированием». Химия и биология. 13 (10): 1041–50. Дои:10.1016 / j.chembiol.2006.08.008. PMID  17052608.
  65. ^ Геринг А.В., МакКлюр Р.А., Дорогази Дж. Р., Олбрайт Дж. К., Хаверланд Н. А., Чжан Ю. и др. (Февраль 2016). «Метабологеномика: корреляция микробных генетических кластеров с метаболитами приводит к открытию нерибосомального пептида с необычным аминокислотным мономером». ACS Central Science. 2 (2): 99–108. Дои:10.1021 / acscentsci.5b00331. ЧВК  4827660. PMID  27163034.
  66. ^ Гибни М.Дж., Уолш М., Бреннан Л., Рош Х.М., Герман Б., ван Оммен Б. (сентябрь 2005 г.). «Метаболомика в питании человека: возможности и проблемы». Американский журнал клинического питания. 82 (3): 497–503. Дои:10.1093 / ajcn / 82.3.497. PMID  16155259.

дальнейшее чтение

внешняя ссылка