背景簡介
代謝全譜為非靶向代謝組學(xué)分析，采用色譜-質(zhì)譜聯(lián)用技術(shù)采集樣品的代謝譜圖，比較不同組樣品代謝產(chǎn)物的含量，鑒定差異表達(dá)的代謝物，并探索差異代謝物之間的代謝通路。代謝組學(xué)分析技術(shù)已廣泛應(yīng)用于疾病診斷、藥物靶點發(fā)現(xiàn)、疾病機理研究、營養(yǎng)食品科學(xué)、毒理學(xué)、植物學(xué)等相關(guān)領(lǐng)域，已成為目前研究的新熱點。
技術(shù)優(yōu)勢
高靈敏度：基于先進(jìn)的液相串聯(lián)質(zhì)譜技術(shù)，可檢測到pg級化合物。
高覆蓋度：檢測多達(dá)上千種化合物，勝任熱不穩(wěn)定、不易揮發(fā)、不易衍生化等物質(zhì)的檢測。
低成本：側(cè)重于相關(guān)特定組分共性研究，篩檢有意義代謝產(chǎn)物，檢測成本較低。
跨組學(xué)分析：提供從基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)、到代謝組學(xué)的全程科技服務(wù)，深度剖析生物學(xué)現(xiàn)象。
技術(shù)路線
分析內(nèi)容
樣本類型
細(xì)胞，組織，尿液，全血，血清，血漿等
建議起始量（單次）：血漿或血清＞300 μL，尿液> 5 mL，組織＞ 100 mg，細(xì)胞＞107個。
Q1: 代謝物鑒定搜索的數(shù)據(jù)庫有哪些？
A :搜索的數(shù)據(jù)庫都是公共庫，KEGG、METLIN等等，精確度都在10ppm以內(nèi)（一個分子量仍然會對應(yīng)多個代謝物），如果庫里面有相應(yīng)的二級譜圖，那么鑒定就可以更加的精確，后續(xù)如果要驗證的話，可購買標(biāo)準(zhǔn)品。
Q2：代謝全譜對于樣本數(shù)量有要求嗎？
A：對于目標(biāo)在于尋找差異代謝物的代謝全譜來說，臨床樣本數(shù)量每組建議不低于30個。模式生物及動植物樣本，建議不少于10個。
Q3：代謝組學(xué)全譜分析和脂質(zhì)代謝組學(xué)分析有什么區(qū)別？
A：代謝組學(xué)全譜分析是對生物體內(nèi)所有代謝物進(jìn)行定量分析，并尋找代謝物與生理病理變化相對關(guān)系的研究方式，其研究對象是相對分子質(zhì)量小于1000Da的小分子物質(zhì)，如脂類、酮類、有機酸等。眾所周知，基因組學(xué)和蛋白質(zhì)組學(xué)分別從基因和蛋白質(zhì)層面探尋生命活動，但實際上細(xì)胞內(nèi)許多生命活動是發(fā)生在代謝物層面的，如細(xì)胞信號釋放、能量傳遞和細(xì)胞間通信等都受代謝物調(diào)控。代謝組學(xué)全譜分析是通過單變量及多變量分析發(fā)現(xiàn)差異表達(dá)的代謝物信息，從而反映細(xì)胞所處的環(huán)境以及其與外界影響因素之間的相互作用關(guān)系。
脂質(zhì)組學(xué)（lipidomics）是研究生物體的脂類組成，脂類代謝以及脂類相互作用的一門學(xué)科，是代謝組學(xué)最重要的分支。脂質(zhì)具有多種重要的生物學(xué)功能，如物質(zhì)運輸、能量代謝、信息傳遞及代謝調(diào)控等，脂質(zhì)代謝異?？梢l(fā)諸多人類疾病，包括阿茲海默癥、糖尿病、肥胖癥、動脈粥樣硬化等。
案例一：高粱家系初生和次生代謝物的非靶向代謝組學(xué)研究
本研究以高粱為研究對象，利用非靶向代謝組學(xué)技術(shù)分析代謝物與形態(tài)生理變化間的關(guān)系。選擇11個高粱二倍體家系葉組織進(jìn)行非靶向代謝組學(xué)分析,結(jié)果顯示1181種代謝物中有956個代謝物差異表達(dá)(p < 0.05)。單變量和多變量分析顯示，大多數(shù)代謝物因高粱家系和品種的不同而不同。其中有384種代謝物至少與一個形態(tài)生理特性相關(guān)，如糖化類黃酮和綠原酸等次生代謝物。代謝組學(xué)分析揭示了兩個或兩個以上的形態(tài)生理特性之間的關(guān)系，結(jié)果表明綠原酸和莽草酸與高粱光合作用、苗期生長和最終產(chǎn)量有關(guān)。
圖 代謝產(chǎn)物與形態(tài)生理特征的關(guān)系
案例二：慢性髓細(xì)胞白血病患者血漿和白細(xì)胞的代謝譜分析
酪氨酸激酶抑制劑(TKIs)的發(fā)現(xiàn)為慢性髓細(xì)胞白血病(CML)患者的治療帶來重大突破。CML的發(fā)病原因與Bcr-Abl蛋白和酪氨酸激酶活性密切相關(guān)。TKIs通過抑制ATP結(jié)合，因而避免信號通路惡變。然而，有關(guān)TKI治療對CML患者代謝物的影響尚未知。本研究選定正常人群，新診斷患者，分別使用TKI（伊馬替尼、尼羅替尼、達(dá)沙替尼）治療的患者，羥基脲治療的患者，利用代謝組學(xué)技術(shù)對這6種人群的血漿和白細(xì)胞樣本進(jìn)行分析。白細(xì)胞主成分分析結(jié)果顯示，新診斷患者/經(jīng)羥基脲治療患者的代謝物，與TKIs治療患者/健康人群的代謝物存在顯著分離，主要表現(xiàn)在糖酵解、三羧酸循環(huán)和氨基酸代謝的差異上。代謝組譜分析可以作為CML患者TKIs治療響應(yīng)的早期評估工具。
圖 對照組與新診斷患者的白細(xì)胞和血漿S-plots圖
參考文獻(xiàn)
1.Turner M F, Heuberger A L, Kirkwood J S, et al. Non-targeted Metabolomics in Diverse Sorghum Breeding Lines Indicates Primary and Secondary Metabolite Profiles Are Associated with Plant Biomass Accumulation and Photosynthesis[J]. Frontiers in Plant Science, 2016, 7(59).
2.Karlíková R, ?iroká J, Friedecky D, et al. Metabolite profiling of the plasma and leukocytes of chronic myeloid leukemia patients[J]. Journal of Proteome Research, 2016, 15(9).
多元統(tǒng)計分析（PCA分析）主成分分析將代謝物變量按一定的權(quán)重通過線性組合后產(chǎn)生新的特征變量，通過主要新 變量（主成分）對各組數(shù)據(jù)進(jìn)行歸類，去除重復(fù)性差的樣本（離群樣本）和異常樣本 。因無外加人為因素，得到的 PCA 模型 反映了代謝組數(shù)據(jù)的原始狀態(tài)，有利于掌握此數(shù)據(jù)的整體情況并對數(shù)據(jù)從整體上進(jìn)行把握，尤其是有利于發(fā)現(xiàn)和剔除異常樣品，并提高模型的準(zhǔn)確性。通過 PCA分析所得 到的圖譜即稱為 PCA 得分圖（score scatter plot），每個樣本在圖上的位置由不同變 量的加權(quán)得分所決定。由 PCA 得分圖可以觀察樣本的聚集、離散程度：樣本分布點越靠近，說明這些樣本中所含有的變量/分子的組成和濃度越接近；反之，樣本點越遠(yuǎn)離， 其差異越大。
多元統(tǒng)計分析（PLSDA分析）與 PCA 只有一個數(shù)據(jù)集不同，PLS-DA 在分析時必須對樣品進(jìn)行指定并分組， 這樣模型會自動加上另外一個隱含的數(shù)據(jù)集 Y，該數(shù)據(jù)集變量數(shù)等于組別數(shù)。 PLS-DA 是目前代謝組學(xué)數(shù)據(jù)分析中最常使用的一種分類方法，它在降維的同 時結(jié)合了回歸模型，并利用一定的判別閾值對回歸結(jié)果進(jìn)行判別分析。
差異代謝物層次聚類分析聚類分析被用于判斷代謝物在不同實驗條件下的代謝模式。代謝模式相似的代謝物具有相似的功能，或是共同參與同一代謝過程或者細(xì)胞通路。因此通過將代謝模式相同或者相近的代謝物聚成類，可以用來推測未知代謝物或者已知代謝物的功能。以不 同實驗條件下的代謝物的相對值為代謝水平，做層次聚類分析，不同顏色的區(qū)域代表不同的聚類分組信息，同組內(nèi)的代謝表達(dá)模式相近，可能具有相似的功能或參與相同的生物學(xué)過程。
代謝物關(guān)聯(lián)網(wǎng)絡(luò)分析代謝物關(guān)聯(lián)網(wǎng)絡(luò)分析是根據(jù)代謝物信號值的動態(tài)變化，計算代謝物之間的共表達(dá)關(guān)系，來建立代謝相關(guān)調(diào)控模型，得到代謝物間調(diào)控關(guān)系及調(diào)控方向，從而尋找一個或多個物種在不同 發(fā)育階段，或者不同組織在不同條件或處理下的全部代謝物調(diào)控網(wǎng)絡(luò)模型以及關(guān)鍵代謝物，從而系統(tǒng)的研究生物體復(fù)雜的生命現(xiàn)象。通常梯度樣本進(jìn)行關(guān)聯(lián)網(wǎng)絡(luò)分析才具有意義，例如時間序列樣本、不同發(fā)育階段、梯度濃度處理樣本等。
