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(diǎn)發(fā)現(xiàn)、疾病機(jī)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(diǎn)。
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(jí)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(gè)。
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(gè)分子量仍然會(huì)對應(yīng)多個(gè)代謝物），如果庫里面有相應(yīng)的二級(jí)譜圖，那么鑒定就可以更加的精確，后續(xù)如果要驗(yàn)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(gè)。模式生物及動(dòng)植物樣本，建議不少于10個(gè)。
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(jī)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(dòng)，但實(shí)際上細(xì)胞內(nèi)許多生命活動(dòng)是發(fā)生在代謝物層面的，如細(xì)胞信號(hào)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(yùn)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(dòng)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(gè)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(gè)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(gè)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(gè)或兩個(gè)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(hào)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(jì)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(gè)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(diǎn)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(diǎn)越遠(yuǎn)離， 其差異越大。
多元統(tǒng)計(jì)分析（PLSDA分析）與 PCA 只有一個(gè)數(shù)據(jù)集不同，PLS-DA 在分析時(shí)必須對樣品進(jìn)行指定并分組， 這樣模型會(huì)自動(dòng)加上另外一個(gè)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(shí)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(shí)驗(yàn)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(shí)驗(yàn)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(hào)值的動(dòng)態(tài)變化，計(jì)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(gè)或多個(gè)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(shí)間序列樣本、不同發(fā)育階段、梯度濃度處理樣本等。
二維碼.jpg)