Metabolomics

Biologins centrala dogm som visar informationsflödet från DNA till fenotypen. Förknippat med varje steg är det motsvarande systembiologiska verktyget, från genomik till metabolomik.

Metabolomics är den vetenskapliga studien av kemiska processer som involverar metaboliter , de små molekylernas substrat, intermediärer och produkter av cellmetabolism. Specifikt är metabolomics den "systematiska studien av de unika kemiska fingeravtryck som specifika cellulära processer lämnar efter sig", studien av deras småmolekylära metabolitprofiler . Metabolomen är slutprodukterna av cellulära processer. Messenger-RNA (mRNA), genuttrycksdata och proteomanalyser avslöjar uppsättningen genprodukter som produceras i cellen, data som representerar en aspekt av cellulär funktion. Omvänt kan metabolisk profilering ge en omedelbar ögonblicksbild av den cellens fysiologi, och således ger metabolomik en direkt "funktionell avläsning av det fysiologiska tillståndet" hos en organism. Det finns verkligen kvantifierbara korrelationer mellan metabolomen och de andra cellulära ensemblerna ( genom , transkriptom , proteom och lipidom ), som kan användas för att förutsäga mängder av metaboliter i biologiska prover från till exempel mRNA-förekomster. En av systembiologins ultimata utmaningar är att integrera metabolomik med all annan omikinformation för att ge en bättre förståelse av cellbiologi.

Historia

Konceptet att individer kan ha en "metabolisk profil" som kan återspeglas i sammansättningen av deras biologiska vätskor introducerades av Roger Williams i slutet av 1940-talet, som använde papperskromatografi för att föreslå karakteristiska metaboliska mönster i urin och saliv var associerade med sjukdomar som t.ex. som schizofreni . Det var dock först genom tekniska framsteg på 1960- och 1970-talen som det blev möjligt att kvantitativt (i motsats till kvalitativt) mäta metaboliska profiler. Termen "metabolisk profil" introducerades av Horning, et al. 1971 efter att de visade att gaskromatografi-masspektrometri (GC-MS) kunde användas för att mäta föreningar som finns i mänsklig urin och vävnadsextrakt. Horning-gruppen, tillsammans med Linus Pauling och Arthur B. Robinson, ledde utvecklingen av GC-MS-metoder för att övervaka metaboliter som finns i urin under 1970-talet.

Samtidigt genomgick NMR-spektroskopi , som upptäcktes på 1940-talet, också snabba framsteg. 1974, Seeley et al. visade användbarheten av att använda NMR för att detektera metaboliter i omodifierade biologiska prover. Den här första studien på muskler framhävde värdet av NMR genom att det fastställdes att 90 % av cellulär ATP är komplexbunden med magnesium. Eftersom känsligheten har förbättrats med utvecklingen av högre magnetfältstyrkor och magisk vinkelspinning , fortsätter NMR att vara ett ledande analytiskt verktyg för att undersöka metabolism. De senaste försöken att använda NMR för metabolomik har till stor del drivits av Jeremy K. Nicholsons laboratorium vid Birkbeck College, University of London och senare vid Imperial College London . 1984 visade Nicholson att 1H NMR-spektroskopi potentiellt kunde användas för att diagnostisera diabetes mellitus, och var senare banbrytande för tillämpningen av mönsterigenkänningsmetoder på NMR-spektroskopiska data.

1995 utfördes vätskekromatografi-masspektrometrimetabolomicsexperiment av Gary Siuzdak medan han arbetade med Richard Lerner (då ordförande för The Scripps Research Institute) och Benjamin Cravatt, för att analysera ryggmärgsvätskan från sömnfattiga djur. En molekyl av särskilt intresse, oleamid , observerades och visades senare ha sömninducerande egenskaper. Detta arbete är ett av de tidigaste sådana experiment som kombinerar vätskekromatografi och masspektrometri inom metabolomik.

utvecklades den första metabolomiska tandemmasspektrometridatabasen, METLIN , för att karakterisera mänskliga metaboliter i Siuzdak -laboratoriet vid The Scripps Research Institute . METLIN har sedan dess vuxit och från och med den 1 juli 2019 innehåller METLIN över 450 000 metaboliter och andra kemiska enheter, där varje förening har experimentella tandemmasspektrometridata genererade från molekylära standarder vid multipla kollisionsenergier och i positiva och negativa joniseringslägen. METLIN är det största förrådet av tandemmasspektrometridata i sitt slag. 2005 var också året då den dedikerade akademiska tidskriften Metabolomics först dök upp, grundad av dess nuvarande chefredaktör Roy Goodacre .

2005 var Siuzdak-labbet engagerad i att identifiera metaboliter associerade med sepsis och i ett försök att ta itu med frågan om att statistiskt identifiera de mest relevanta oreglerade metaboliterna över hundratals LC/MS-datauppsättningar, utvecklades den första algoritmen för att möjliggöra icke-linjär anpassning av masspektrometri metabolomics data. Kallas XCMS, där "X" utgör vilken kromatografisk teknologi som helst, den har sedan (2012) utvecklats som ett onlineverktyg och har från 2019 (med METLIN) över 30 000 registrerade användare.

Den 23 januari 2007 slutförde Human Metabolome Project , ledd av David S. Wishart , det första utkastet av den mänskliga metabolomen, bestående av en databas med cirka 2500 metaboliter, 1200 läkemedel och 3500 livsmedelskomponenter. Liknande projekt har pågått i flera växtarter, framför allt Medicago truncatula och Arabidopsis thaliana under flera år.

Ännu i mitten av 2010 ansågs metabolomik fortfarande vara ett "framväxande fält". Vidare noterades att ytterligare framsteg på området till stor del berodde på att man skulle ta itu med annars "olösliga tekniska utmaningar", av teknisk utveckling av masspektrometriinstrumentering .

Under 2015 demonstrerades metabolomprofilering i realtid för första gången.

Metabolom

Människans metabolomprojekt
Se även: Metabolome and Human Metabolome Database

Metabolomen hänvisar till den kompletta uppsättningen av småmolekylära (<1,5 kDa) metaboliter (såsom metaboliska intermediärer, hormoner och andra signalmolekyler och sekundära metaboliter) som finns i ett biologiskt prov, såsom en enskild organism . Ordet myntades i analogi med transkriptomik och proteomik ; precis som transkriptomet och proteomet är metabolomen dynamisk och förändras från sekund till sekund. Även om metabolomen kan definieras tillräckligt lätt, är det för närvarande inte möjligt att analysera hela omfånget av metaboliter med en enda analysmetod.

Den första metabolitdatabasen (kallad METLIN ) för att söka fragmenteringsdata från tandemmasspektrometriexperiment utvecklades av Siuzdak-labbet vid The Scripps Research Institute 2005. METLIN innehåller över 450 000 metaboliter och andra kemiska enheter, varje förening har experimentella tandemmasspektrometridata. 2006 utvecklade Siuzdak-labbet också den första algoritmen för att möjliggöra icke-linjär anpassning av masspektrometrimetabolomikdata. Kallas XCMS, där "X" utgör vilken kromatografisk teknologi som helst, den har sedan (2012) utvecklats som ett onlineverktyg och har från 2019 (med METLIN) över 30 000 registrerade användare.

I januari 2007 slutförde forskare vid University of Alberta och University of Calgary det första utkastet till den mänskliga metabolomen. Human Metabolome Database (HMDB) är kanske den mest omfattande offentliga metabolomiska spektraldatabasen hittills. HMDB lagrar mer än 110 000 olika metabolitposter. De katalogiserade cirka 1200 läkemedel och 3500 livsmedelskomponenter som kan hittas i människokroppen, som rapporterats i litteraturen. Denna information, tillgänglig i Human Metabolome Database (www.hmdb.ca) och baserad på analys av information tillgänglig i den aktuella vetenskapliga litteraturen, är långt ifrån fullständig. Däremot är mycket mer känt om metabolomerna hos andra organismer. Till exempel har över 50 000 metaboliter karakteriserats från växtriket, och många tusen metaboliter har identifierats och/eller karakteriserats från enstaka växter.

Varje typ av cell och vävnad har ett unikt metaboliskt "fingeravtryck" som kan belysa organ- eller vävnadsspecifik information. Bioprover som används för metabolomisk analys inkluderar men inte begränsat till plasma, serum, urin, saliv, avföring, muskler, svett, utandningsandning och mag-tarmvätska. Den enkla insamlingen underlättar hög tidsupplösning, och eftersom de alltid är i dynamisk jämvikt med kroppen kan de beskriva värden som en helhet. Genom kan berätta vad som kan hända, transkriptom kan berätta vad som verkar hända, proteom kan berätta vad som får det att hända och metabolom kan berätta vad som har hänt och vad som händer.

Metaboliter

Del av en serie om
mikrobiomer
Plant microbiota.png
Växtmikrobiomer
Marina mikrobiomer
Mänskliga mikrobiomer
Andra mikrobiomer
Mikrobiota
Holobionter
Viromes
Relaterad
Projekt

Metaboliter är ämnesomsättningens substrat, mellanprodukter och produkter . Inom ramen för metabolomik definieras en metabolit vanligtvis som vilken molekyl som helst som är mindre än 1,5 kDa i storlek. Det finns dock undantag från detta beroende på prov och detektionsmetod. detekteras makromolekyler som lipoproteiner och albumin tillförlitligt i NMR-baserade metabolomiska studier av blodplasma. Inom växtbaserad metabolomik är det vanligt att referera till "primära" och "sekundära" metaboliter. En primär metabolit är direkt involverad i normal tillväxt, utveckling och reproduktion. En sekundär metabolit är inte direkt involverad i dessa processer, men har vanligtvis en viktig ekologisk funktion. Exempel är antibiotika och pigment . Däremot är det i mänskligt baserad metabolomik vanligare att beskriva metaboliter som antingen endogena (producerade av värdorganismen) eller exogena . Metaboliter av främmande ämnen såsom läkemedel kallas xenometaboliter.

Metabolomen bildar ett stort nätverk av metaboliska reaktioner, där utdata från en enzymatisk kemisk reaktion är input till andra kemiska reaktioner. Sådana system har beskrivits som hypercykler . [ citat behövs ]

Metabonomi

Metabonomics definieras som "den kvantitativa mätningen av det dynamiska multiparametriska metaboliska svaret från levande system på patofysiologiska stimuli eller genetisk modifiering". Ordet ursprung kommer från grekiskan μεταβολή som betyder förändring och nomos som betyder en regeluppsättning eller uppsättning lagar. Detta tillvägagångssätt var banbrytande av Jeremy Nicholson vid Murdoch University och har använts inom toxikologi, sjukdomsdiagnostik och ett antal andra områden. Historiskt sett var metabonomikens synsätt en av de första metoderna för att tillämpa systembiologins omfattning på studier av metabolism.

Det har funnits en viss oenighet om de exakta skillnaderna mellan "metabolomics" och "metabonomics". Skillnaden mellan de två termerna är inte relaterad till valet av analytisk plattform: även om metabonomik är mer förknippad med NMR-spektroskopi och metabolomik med masspektrometribaserade tekniker, är detta helt enkelt på grund av användningar bland olika grupper som har populariserat de olika termerna. Även om det fortfarande inte finns någon absolut överenskommelse, finns det en växande konsensus om att "metabolomics" lägger större vikt vid metabolisk profilering på cell- eller organnivå och främst handlar om normal endogen metabolism. "Metabonomics" utökar metabolisk profilering till att inkludera information om störningar av metabolism orsakade av miljöfaktorer (inklusive kost och toxiner), sjukdomsprocesser och inblandning av extragenomiska influenser, såsom tarmmikroflora . Detta är inte en trivial skillnad; metabolomiska studier bör per definition utesluta metaboliska bidrag från extragenomiska källor, eftersom dessa är externa i förhållande till det system som studeras. Men i praktiken finns det fortfarande en stor grad av överlappning inom området för forskning om mänskliga sjukdomar i hur båda termerna används, och de är ofta synonyma.

Exometabolomics

Huvudartikel: Exometabolomics

Exometabolomics, eller "metabolic footprinting", är studiet av extracellulära metaboliter. Den använder många tekniker från andra underområden av metabolomik, och har tillämpningar inom utveckling av biobränsle , biobearbetning , bestämning av läkemedels verkningsmekanism och studier av intercellulära interaktioner.

Analytiska tekniker

Nyckelstadier i en metabolomikstudie

Det typiska arbetsflödet för metabolomikstudier visas i figuren. Först samlas prover från vävnad, plasma, urin, saliv, celler, etc. Därefter extraheras metaboliter ofta med tillägg av interna standarder och derivatisering. Under provanalys kvantifieras metaboliter ( vätskekromatografi eller gaskromatografi i kombination med MS- och/eller NMR -spektroskopi). De råa utdata kan användas för extraktion av metabolitfunktioner och vidarebearbetas före statistisk analys (som PCA ). Många bioinformatiska verktyg och mjukvara finns tillgängliga för att identifiera samband med sjukdomstillstånd och utfall, fastställa signifikanta korrelationer och karakterisera metaboliska signaturer med befintlig biologisk kunskap.

Separationsmetoder

Initialt innefattar analyter i ett metabolomiskt prov en mycket komplex blandning. Denna komplexa blandning kan förenklas före detektion genom att separera vissa analyter från andra. Separation uppnår olika mål: analyter som inte kan lösas upp av detektorn kan separeras i detta steg; i MS-analys reduceras jonundertryckning ; retentionstiden för analyten fungerar som information om dess identitet. Detta separationssteg är inte obligatoriskt och utelämnas ofta i NMR- och "shotgun"-baserade tillvägagångssätt som shotgun lipidomics .

Gaskromatografi (GC), speciellt när den är kopplad till masspektrometri ( GC-MS ), är en allmänt använd separationsteknik för metabolomisk analys. GC erbjuder mycket hög kromatografisk upplösning och kan användas i kombination med en flamjoniseringsdetektor (GC/FID) eller en masspektrometer (GC-MS). Metoden är särskilt användbar för identifiering och kvantifiering av små och flyktiga molekyler. En praktisk begränsning av GC är dock kravet på kemisk derivatisering för många biomolekyler eftersom endast flyktiga kemikalier kan analyseras utan derivatisering. I fall där större upplösningsförmåga krävs kan tvådimensionell kromatografi ( GCxGC ) tillämpas.

Högpresterande vätskekromatografi (HPLC) har framträtt som den vanligaste separationstekniken för metabolomisk analys. Med tillkomsten av elektrosprayjonisering kopplades HPLC till MS. I motsats till GC har HPLC lägre kromatografisk upplösning, men kräver ingen derivatisering för polära molekyler och separerar molekyler i vätskefasen. Dessutom har HPLC fördelen att ett mycket bredare spektrum av analyter kan mätas med en högre känslighet än GC-metoder.

Kapillärelektrofores (CE) har en högre teoretisk separationseffektivitet än HPLC (även om det kräver mycket mer tid per separation), och är lämplig för användning med ett bredare spektrum av metabolitklasser än GC. Som för alla elektroforetiska tekniker är det mest lämpligt för laddade analyter.

Detektionsmetoder

Jämförelse av de vanligaste metabolomiska metoderna

Masspektrometri (MS) används för att identifiera och kvantifiera metaboliter efter valfri separation med GC , HPLC eller CE . GC-MS var den första avstavningstekniken som utvecklades. Identifiering utnyttjar de distinkta mönstren i vilka analyter fragmenteras. Dessa mönster kan ses som ett masspektralt fingeravtryck. Det finns bibliotek som tillåter identifiering av en metabolit enligt detta fragmenteringsmönster [ exempel behövs ] . MS är både känsligt och kan vara mycket specifik. Det finns också ett antal tekniker som använder MS som en fristående teknologi: provet infunderas direkt i masspektrometern utan föregående separation, och MS tillhandahåller tillräcklig selektivitet för att både separera och detektera metaboliter.

För analys med masspektrometri måste analyterna tillföras en laddning och överföras till gasfasen. Elektronjonisering (EI) är den vanligaste joniseringstekniken som gäller för GC-separationer eftersom den är mottaglig för låga tryck. EI producerar också fragmentering av analyten, både tillhandahåller strukturell information samtidigt som komplexiteten hos data ökar och eventuellt skymmer den molekylära jonen. Atmosfäriskt tryck kemisk jonisering (APCI) är en atmosfärstrycksteknik som kan tillämpas på alla ovanstående separationstekniker. APCI är en gasfas-joniseringsmetod, som ger något mer aggressiv jonisering än ESI som är lämplig för mindre polära föreningar. Elektrosprayjonisering (ESI) är den vanligaste joniseringstekniken som används i LC/MS. Denna mjuka jonisering är mest framgångsrik för polära molekyler med joniserbara funktionella grupper. En annan vanlig teknik för mjuk jonisering är sekundär elektrosprayjonisering (SESI) .

Ytbaserad massanalys har sett en återväxt under det senaste decenniet, med nya MS-teknologier fokuserade på att öka känsligheten, minimera bakgrunden och minska provberedningen. Förmågan att analysera metaboliter direkt från biovätskor och vävnader fortsätter att utmana nuvarande MS-teknologi, till stor del på grund av de gränser som ställs av komplexiteten hos dessa prover, som innehåller tusentals till tiotusentals metaboliter. Bland de teknologier som utvecklas för att möta denna utmaning är Nanostructure-Initiator MS (NIMS), en desorptions-/joniseringsmetod som inte kräver applicering av matris och därigenom underlättar identifiering av små molekyler (dvs. metaboliter). MALDI används också; appliceringen av en MALDI-matris kan dock lägga till betydande bakgrund vid <1000 Da, vilket komplicerar analys av lågmassaområdet (dvs metaboliter). Dessutom begränsar storleken på de resulterande matriskristallerna den rumsliga upplösningen som kan uppnås vid vävnadsavbildning. På grund av dessa begränsningar har flera andra matrisfria desorptions-/joniseringsmetoder använts för analys av biovätskor och vävnader.

Sekundär jonmasspektrometri (SIMS) var en av de första matrisfria desorptions-/joniseringsmetoderna som användes för att analysera metaboliter från biologiska prover. [ citat behövs ] SIMS använder en högenergi primär jonstråle för att desorbera och generera sekundära joner från en yta. Den främsta fördelen med SIMS är dess höga rumsliga upplösning (så liten som 50 nm), en kraftfull egenskap för vävnadsavbildning med MS. Emellertid har SIMS ännu inte lätt applicerats på analys av biovätskor och vävnader på grund av dess begränsade känslighet vid >500 Da och analytfragmentering som genereras av den primära jonstrålen med hög energi. Desorption electrospray ionization (DESI) är en matrisfri teknik för att analysera biologiska prover som använder en laddad lösningsmedelsspray för att desorbera joner från en yta. Fördelar med DESI är att ingen speciell yta krävs och analysen utförs vid omgivningstryck med full tillgång till provet under insamlingen. En begränsning av DESI är rumslig upplösning eftersom det är svårt att "fokusera" den laddade lösningsmedelssprayen. En ny utveckling som kallas laserablation ESI (LAESI) är dock ett lovande tillvägagångssätt för att kringgå denna begränsning. [ citat behövs ] Senast tillämpas jonfällatekniker som orbitrapmasspektrometri också för metabolomikforskning.

Kärnmagnetisk resonans (NMR)-spektroskopi är den enda detektionstekniken som inte är beroende av separation av analyterna, och provet kan således utvinnas för ytterligare analyser. Alla typer av småmolekylära metaboliter kan mätas samtidigt - i denna mening är NMR nära att vara en universell detektor. De främsta fördelarna med NMR är hög analytisk reproducerbarhet och enkelhet vid provberedning. I praktiken är den dock relativt okänslig jämfört med masspektrometribaserade tekniker. Jämförelse av de vanligaste använda metabolomikmetoderna visas i tabellen.

Även om NMR och MS är de mest använda, moderna tekniker andra metoder för detektion som har använts. Dessa inkluderar Fourier-transform joncyklotronresonans , jonmobilitetsspektrometri , elektrokemisk detektion (kopplad till HPLC), Raman-spektroskopi och radiomärkning (när den kombineras med tunnskiktskromatografi). [ citat behövs ]

Statistiska metoder

Programvarulista för metabolomisk analys

Data som genereras i metabolomics består vanligtvis av mätningar utförda på försökspersoner under olika förhållanden. Dessa mätningar kan vara digitaliserade spektra eller en lista över metabolitegenskaper. I sin enklaste form genererar detta en matris med rader som motsvarar ämnen och kolumner som motsvarar metabolitegenskaper (eller vice versa). Flera statistiska program finns för närvarande tillgängliga för analys av både NMR- och masspektrometridata . Ett stort antal fri programvara finns redan tillgänglig för analys av metabolomikdata som visas i tabellen. Vissa statistiska verktyg som anges i tabellen utformades för NMR-dataanalyser var också användbara för MS-data. För masspektrometridata finns programvara tillgänglig som identifierar molekyler som varierar i ämnesgrupper på basis av mass-over-charge värde och ibland retentionstid beroende på experimentell design.

När metabolitdatamatrisen har bestämts kan oövervakade datareduktionstekniker (t.ex. PCA) användas för att belysa mönster och samband. I många studier, inklusive de som utvärderar läkemedelstoxicitet och vissa sjukdomsmodeller, är metaboliterna av intresse inte kända a priori . Detta gör oövervakade metoder, de utan tidigare antaganden om klassmedlemskap, till ett populärt förstahandsval. Den vanligaste av dessa metoder inkluderar principal component analysis (PCA) som effektivt kan reducera dimensionerna på en datauppsättning till ett fåtal som förklarar den största variationen. När de analyseras i det lägre dimensionella PCA-utrymmet kan klustring av prover med liknande metaboliska fingeravtryck detekteras. PCA-algoritmer syftar till att ersätta alla korrelerade variabler med ett mycket mindre antal okorrelerade variabler (kallas huvudkomponenter (PC)) och behålla det mesta av informationen i den ursprungliga datamängden. Denna klustring kan belysa mönster och hjälpa till vid bestämning av sjukdomsbiomarkörer - metaboliter som korrelerar mest med klassmedlemskap.

Linjära modeller används ofta för metabolomikdata, men påverkas av multikollinearitet . Å andra sidan multivariat statistik blomstrande metoder för högdimensionell korrelerad metabolomikdata, varav den mest populära är Projection to Latent Structures (PLS) regression och dess klassificeringsversion PLS-DA. Andra datautvinningsmetoder , såsom random skog , stödvektormaskiner , etc. får allt större uppmärksamhet för oriktad metabolomikdataanalys. Vid univariata metoder analyseras variabler en efter en med hjälp av klassiska statistikverktyg (som Students t-test , ANOVA eller blandade modeller) och endast dessa med tillräckligt små p-värden anses relevanta. Korrigeringsstrategier bör dock användas för att minska falska upptäckter när flera jämförelser görs eftersom det inte finns någon standardmetod för att mäta den totala mängden metaboliter direkt i oriktad metabolomik. För multivariat analys bör modeller alltid valideras för att säkerställa att resultaten kan generaliseras.

Maskininlärning och datautvinning

Maskininlärning är också ett kraftfullt verktyg som kan användas i metabolomikanalys. Nyligen har forskare utvecklat programvara för förutsägelse av retentionstid. Dessa verktyg gör det möjligt för forskare att tillämpa artificiell intelligens på retentionstid förutsägelse av små molekyler i komplex blandning, såsom mänsklig plasma, växtextrakt, livsmedel eller mikrobiella kulturer. Förutsägelse av retentionstid ökar identifieringshastigheten vid vätskekromatografi och kan leda till en förbättrad biologisk tolkning av metabolomikdata.

Nyckelapplikationer

Toxicitetsbedömning / toxikologi genom metabolisk profilering (särskilt av urin- eller blodplasmaprover) upptäcker fysiologiska förändringar som orsakas av giftig förolämpning av en kemikalie (eller blandning av kemikalier). I många fall kan de observerade förändringarna relateras till specifika syndrom, t.ex. en specifik lesion i lever eller njure. Detta är av särskild relevans för läkemedelsföretag som vill testa toxiciteten hos potentiella läkemedelskandidater : om en substans kan elimineras innan den når kliniska prövningar på grund av negativ toxicitet, sparar det enorma kostnader för prövningarna.

För funktionell genomik kan metabolomik vara ett utmärkt verktyg för att bestämma fenotypen som orsakas av en genetisk manipulation, såsom gendeletion eller -insertion. Ibland kan detta vara ett tillräckligt mål i sig – till exempel att upptäcka eventuella fenotypiska förändringar i en genetiskt modifierad växt avsedd för konsumtion av människor eller djur. Mer spännande är möjligheten att förutsäga funktionen hos okända gener genom jämförelse med de metaboliska störningar som orsakas av deletion/insertion av kända gener. Sådana framsteg kommer troligen från modellorganismer som Saccharomyces cerevisiae och Arabidopsis thaliana . Cravatt- laboratoriet vid The Scripps Research Institute har nyligen tillämpat denna teknologi på däggdjurssystem och identifierat N -acyltaurinerna som tidigare okarakteriserade endogena substrat för enzymet fettsyraamidhydrolas (FAAH) och monoalkylglyceroletrarna (MAGE) som endogena substrat för okarakteriserade hydrolas KIAA1363 .

Metabologenomics är en ny metod för att integrera metabolomik och genomikdata genom att korrelera mikrobiellt exporterade metaboliter med förutspådda biosyntetiska gener. Denna bioinformatikbaserade parningsmetod möjliggör upptäckt av naturliga produkter i större skala genom att förfina icke-riktade metabolomiska analyser för att identifiera små molekyler med relaterad biosyntes och för att fokusera på de som kanske inte har tidigare välkända strukturer.

Fluxomics är en vidareutveckling av metabolomics. Nackdelen med metabolomics är att den bara ger användaren överflöd eller koncentrationer av metaboliter, medan fluxomics bestämmer reaktionshastigheterna för metaboliska reaktioner och kan spåra metaboliter i ett biologiskt system över tid.

Nutrigenomics är en generaliserad term som kopplar genomik, transkriptomik, proteomik och metabolomik till mänsklig näring. I allmänhet påverkas en metabolom i en given kroppsvätska av endogena faktorer som ålder, kön, kroppssammansättning och genetik samt underliggande patologier. Tjocktarmsmikrofloran är också en mycket betydande potentiell förvirring av metaboliska profiler och kan klassificeras som antingen en endogen eller exogen faktor. De främsta exogena faktorerna är kost och droger. Kosten kan sedan brytas ner till näringsämnen och icke-näringsämnen. Metabolomics är ett sätt att bestämma en biologisk endpoint, eller metaboliskt fingeravtryck, som återspeglar balansen mellan alla dessa krafter på en individs metabolism.

Växtmetabolomik är utformad för att studera de övergripande förändringarna i metaboliter av växtprover och sedan utföra djupgående datautvinning och kemometrisk analys. Specialiserade metaboliter anses vara komponenter i växtförsvarssystem som biosyntetiseras som svar på biotiska och abiotiska påfrestningar. Metabolomiska metoder har nyligen använts för att bedöma den naturliga variationen i metabolitinnehåll mellan enskilda växter, ett tillvägagångssätt med stor potential för att förbättra grödors sammansättningskvalitet. .

Se även

Vidare läsning

externa länkar

Hämtad från " https://en.wikipedia.org/w/index.php?title=Metabolomics&oldid=1133603316 "