代谢物组学

维基百科,自由的百科全书
跳转至: 导航搜索

代谢物组学英语:metabolomics)是涉及代谢产物的化学过程的科学研究。具体而言,代谢物组学是“对特定的细胞过程遗留下的特殊化学指纹的系统研究”,对它们的小分子代谢产物的整体研究[1]代谢物组(Metabolome)定义为在一个生物细胞,组织,器官或生物体中所有的代谢产物的集合,而这些代谢物是此生物体基因表达的最终产物[2]。因此,当信使RNA基因表达的数据和蛋白质组学的分析无法描述细胞体内的所有生理活动的时候,对代谢分析可以获得该细胞生理学的一个瞬时快照。系统生物学功能基因组学英语Functional genomics的挑战之一是整合蛋白质组学的,转录组学的和代谢物组学的信息以更好地理解细胞生物学

历史[编辑]

代谢物组学诞生于上个世纪末,由英国伦敦帝国大学的教授Jeremy Nicholson教授创立[3],之后得到迅速发展并渗透到多项领域,比如疾病诊断[4]、医药研制开发、营养食品科学、毒理学、环境学,植物学等与人类健康护理密切相关的领域。

在2005年,第一个用于表征人类代谢物的代谢组学网络数据库METLIN英语METLIN[5]是在斯克里普斯研究所(The Scripps Research Institute)的Siuzdak实验室开发的,含有超过10,000种代谢物和串联质谱数据。截至2015年9月,METLIN含有超过240,000种代谢物,以及代谢组学中最大的串联质谱数据库。

在2007年1月23日,由加拿大阿尔伯塔大学的David Wishart博士领导的人体代谢物项目完成了人类代谢物组数据库英语Human Metabolome Database(Human Metabolome Database)的初稿,其中包含大约2500种代谢物,1200种药物,和3500种食物成分的数据库[6][7]。另外,有几个植物物种,尤其是Medicago truncatula[8]拟南芥[9]已经进行了几年的类似项目。

2015年,首次展示了实时的代谢物组分析[10]

代谢物组(metabolome)[编辑]

代谢物组指代在一个生物样品(例如单一生物体)内发现的全套小分子代谢物(例如代谢中间体,激素和其他信号分子以及次级代谢物)[11][12]。这个词“代谢物组”(Metabolome)类似于转录组学(Transcriptomics)和蛋白质组学(Proteomics); 像转录组和蛋白质组,代谢物组是动态的,每一秒钟都在变化。虽然可以很容易地定义代谢物组,但目前还不可能通过单一分析方法分析代谢产物的整个范围。

代谢物组是一个生命体内所有代谢产物的总和,其整体构成一张巨大的代谢反应网络:一个酶化学反应的产物往往是另一个反应的反应物。这些反应系统可以用超循环系统来描述。

代谢产物(metabolite)[编辑]

代谢产物通常指在生命体内实现代谢过程的小分子有机化合物。 初级代谢产物直接参与细胞的正常生长、发展和繁殖。 次级代谢产物不直接参与这些过程,但是通常具备重要的生态功能,例如抗生素色素

分析技术[编辑]

分离方法[编辑]

最初,代谢组学样品中的分析物包含高度复杂的混合物。通过将某些分析物与其他分析物分离,可以在检测前简化该复杂混合物。分离实现了多种目标:在这一步中可以分离出检测器无法分辨的分析物; 在质谱法(MS)分析中,离子抑制减少; 分析物的保留时间用作关于其身份的信息。这种分离步骤不是强制性的,通常在核磁共振和基于“霰弹枪”的方法如霰弹枪脂质组学英语Shotgun lipidomics(Shotgun lipidomics)中被省略。

检测方法[编辑]

核磁共振波谱法质谱法两大分析技术是用于检测代谢物最主要的手段,它们也通常和色谱法联用以提高灵敏度和准确度。

核磁共振波谱技术[编辑]

迄今为止,核磁共振波谱技术(Nuclear magnetic resonance spectroscopy)在代谢物组学得到了非常广泛的应用,其显著优势是可以一次观测到多种代谢物,并且重现性好、无破坏性、测量时间短。生物样品可用液相核磁(尿液和血液)和固相核磁(组织)来测量。一维氢谱核磁共振用于快速地测量大量生物样品的代谢组谱,二维核磁技术则通常用来进一步地确定对代谢化合物的鉴定。

质谱 (Mass spectrometry)[编辑]

质谱技术是一种相当成熟的分析化学技术,可以用来测量样品或者分子的元素组成、阐明分子的化学结构,比如说表征多肽以及其他化合物。质谱的基本原理是:首先待测化合物被离子化成带电分子或者分子碎片,然后这些带电子的荷质比被直接测量用以关联原始化合物的元素成分和化合物结构。在当今时代分析实验室里,质谱技术的使用非常普遍,用于研究各种各样化合物的物理、化学以及生物的性能。质谱技术早在上个世纪七八十年代就用于测量生物体的目标代谢物。质谱技术的最大优势在于高灵敏度,测量范围宽广,可以与色谱法(chromatography)技术(包括气相色谱法和液相色谱)有机联用,近年来成为代谢物组学领域一个主要的研究工具。

色谱[编辑]

多元统计分析或模式识别[编辑]

关键应用[编辑]

通过代谢分析(特别是尿液或血浆样本)的毒性评估/毒理学检测由化学物质(或化学物质混合物)的毒性损伤引起的生理变化。在许多情况下,观察到的变化可以与特定的综合征有关,例如,肝或肾中的特异性病变。这与想要测试潜在候选药物的毒性的制药公司特别相关:如果化合物在以不利毒性为由进行临床试验之前可以消除,则可以节省大量的试验费用。

对于功能基因组学英语Functional genomics,代谢组学可以是确定基因操作引起的表型的优秀工具,如基因的删除或插入。有时,这本身可能是一个充分的目标 - 例如,检测旨在用于人类或动物消费的转基因植物中的任何表型变化。 通过与已知基因的缺失/插入引起的代谢扰动进行比较,预测未知基因功能的前景更加令人兴奋。

临床应用[编辑]

基因组学蛋白质组学相比,代谢组学的研究侧重于相关特定组分的共性,最终是要涉及研究每一个代谢组分的共性、特性和规律,目前据此目标相距甚远。尽管充满了挑战,研究人员仍然坚信,与基因组学和蛋白质组学相比,代谢组学与生理学的联系更加紧密。疾病导致机体病理生理过程变化,最终引起代谢产物发生相应的改变,通过对某些代谢产物进行分析,并与正常人的代谢产物比较,寻找疾病的生物标记物,将提供一种较好的疾病诊断方法。

环境代谢组学[编辑]

环境代谢组学是应用代谢组学来表征生物体与其环境的相互作用[14]。这种方法在研究生物-环境相互作用和评估生物体功能和分子水平方面具有很多优点。因此,代谢组学正在越来越多的应用在环境科学领域,从理解有机体对非生物压力的反应到调查生物对其他生物群的反应。这些相互作用可以从个体到人群进行研究,这可以与生态生态学和生态学的传统领域相关,从瞬时效应到进化时间尺度的影响,后者可以进行遗传适应研究[15][16]

参考文献[编辑]

  1. ^ Daviss, Bennett. Growing pains for metabolomics. The Scientist. April 2005, 19 (8): 25–28. 
  2. ^ Jordan, Kate W.; Nordenstam, Johan; Lauwers, Gregory Y.; Rothenberger, David A.; Alavi, Karim; Garwood, Michael; Cheng, Leo L. Metabolomic Characterization of Human Rectal Adenocarcinoma with Intact Tissue Magnetic Resonance Spectroscopy. Diseases of the Colon & Rectum. 2009, 52 (3): 520–525. ISSN 0012-3706. PMC 2720561. PMID 19333056. doi:10.1007/DCR.0b013e31819c9a2c. 
  3. ^ Holmes E.; Nicholson J.K.; Nicholls A.W.; et al. The identification of novel biomarkers of renal toxicity using automatic data reduction techniques and PCA of proton NMR spectra of urine. 5th Scandinavian Symposium on Chemometrics (SSC5). 44:245-255. Dec 1998.
  4. ^ Gowda G.A.N., Zhang S.,Gu H. et al. Metabolomics-Based Methods for Early Disease Diagnostics: A Review. Expert Review of Molecular Diagnostics., 8(5):617-33 (Sep 2008).
  5. ^ Smith CA, I'Maille G, Want EJ, Qin C, Trauger SA, Brandon TR, Custodio DE, Abagyan R, Siuzdak G. METLIN: a metabolite mass spectral database (PDF). Ther Drug Monit. December 2005, 27 (6): 747–51. PMID 16404815. doi:10.1097/01.ftd.0000179845.53213.39. 
  6. ^ Wishart DS, Tzur D, Knox C, 等. HMDB: the Human Metabolome Database. Nucleic Acids Research. January 2007, 35 (Database issue): D521–6. PMC 1899095. PMID 17202168. doi:10.1093/nar/gkl923. 
  7. ^ Wishart DS, Knox C, Guo AC, Eisner R, Young N, Gautam B, Hau DD, Psychogios N, Dong E, Bouatra S, Mandal R, Sinelnikov I, Xia J, Jia L, Cruz JA, Lim E, Sobsey CA, Shrivastava S, Huang P, Liu P, Fang L, Peng J, Fradette R, Cheng D, Tzur D, Clements M, Lewis A, De Souza A, Zuniga A, Dawe M, Xiong Y, Clive D, Greiner R, Nazyrova A, Shaykhutdinov R, Li L, Vogel HJ, Forsythe I. HMDB: a knowledgebase for the human metabolome. Nucleic Acids Research. 2009, 37 (Database issue): D603–10. PMC 2686599. PMID 18953024. doi:10.1093/nar/gkn810. 
  8. ^ Farag, M. A.; Huhman, D. V.; Dixon, R. A.; Sumner, L. W. Metabolomics Reveals Novel Pathways and Differential Mechanistic and Elicitor-Specific Responses in Phenylpropanoid and Isoflavonoid Biosynthesis in Medicago truncatula Cell Cultures. Plant Physiology. 2007, 146 (2): 387–402. PMC 2245840. PMID 18055588. doi:10.1104/pp.107.108431. 
  9. ^ Arabidopsis Metabolomics Consortium
  10. ^ Real-time analysis of metabolic products
  11. ^ Oliver SG, Winson MK, Kell DB, Baganz F. Systematic functional analysis of the yeast genome. Trends in Biotechnology. September 1998, 16 (9): 373–8. PMID 9744112. doi:10.1016/S0167-7799(98)01214-1. 
  12. ^ Griffin JL, Vidal-Puig A. Current challenges in metabolomics for diabetes research: a vital functional genomic tool or just a ploy for gaining funding?. Physiol. Genomics. June 2008, 34 (1): 1–5. PMID 18413782. doi:10.1152/physiolgenomics.00009.2008. 
  13. ^ Ogbaga, Chukwuma C.; Stepien, Piotr; Dyson, Beth C.; Rattray, Nicholas J. W.; Ellis, David I.; Goodacre, Royston; Johnson, Giles N. Biochemical Analyses of Sorghum Varieties Reveal Differential Responses to Drought. PLOS ONE. 6 May 2016, 11 (5): e0154423. PMC 4859509. PMID 27153323. doi:10.1371/journal.pone.0154423. 
  14. ^ Bundy, Jacob G.; Davey, Matthew P.; Viant, Mark R. Environmental metabolomics: a critical review and future perspectives. Metabolomics. 2008, 5 (1): 3–21. ISSN 1573-3882. doi:10.1007/s11306-008-0152-0. 
  15. ^ Bundy JG, Davey MP, Viant MR. Environmental Metabolomics: A Critical Review and Future Perspectives. Metabolomics. 2009, 5: 3–21. doi:10.1007/s11306-008-0152-0. 
  16. ^ Morrison N, Bearden D, Bundy JG, Collette T, Currie F, Davey MP, 等. Standard Reporting Requirements for Biological Samples in Metabolomics Experiments: Environmental Context. Metabolomics. 2007, 3 (3): 203–210. doi:10.1007/s11306-007-0067-1. 

外部链接[编辑]

Wikibooks-logo.svg
您可以在維基教科書中查找此百科条目的相關電子教程: