【专家观点】代谢组学难点大拆解!
代谢组学被称为后基因时代的新热点,了解代谢组学发展和相关技术动态是每一生物代谢科研工作者的必备技能,本文由代谢组学知名学者中科院大连化物所许国旺研究员撰写,分享了代谢组学代谢组学实验设计、数据解读分析、数据库介绍及使用流程等一系列干货内容,希望对大家有所帮助。
在基因组-转录组-蛋白组-代谢组的系统生物学框架内(图1),
代谢组是生物动态调控系统中最接近于表型的阶段,是生命的本质特征和物质
基础。
代谢组学一方面由于与健
康疾病、营养科学、药物毒性、环境科学等密切相关,未来广阔;
另一方面,由于代谢物结构迥异、种类众多
,在技术开发和应用方面也面临巨大挑战。
图1 | 组织/细胞的系统生物学框架,涵盖了基因组、转录组、蛋白组、代谢组,脂质组等
(图片来源:Wu RQ, J Dent Res. 2011)
a. 时下代谢组学技术与方法有哪些?
b. 如何将代谢组与自身课题进行连接?
c. 做代谢组学有哪些注意事项?
代谢组学是定量描述生物内源性代谢物对内外因变化应答规律的科学,能够直接反映生命体的终端和表型信息,近年来在疾病诊断和分型、生物标志物发现、药物研发、基因功能解析、代谢途径及调控机理等领域发挥着重要作用。
从代谢组学和脂质组学逐年发表的SCI文章(图2)可以看出,代谢组学发展迅猛。
图2 | 代谢组学在“Web of Science核心合集”逐年发表的文章统计图
检索日期:2020年5月3日,检索关键词:(metabonomics) OR metabolomics OR ("metabolic profiling") OR (lipidomics) OR lipidome OR ("lipid profiling"))。
小图:中美发表的与质谱相关的代谢组学文章数比较。
1、对生物体系中的内源性代谢物及其变化规律进行表征;
其精髓是对小分子代谢物的定量分析
并发现差异代谢物,其中基于
色谱/质谱联用的分离分析技术是研究的关键。
与核磁共振等技术相比,色谱/质谱联用技术具有灵敏度高、选择性好、动态范围宽、信息丰富等优点,已成为代谢组学研究的主流技术平台。具体应用而言:
对于非靶向分析:
色谱与高分辨质谱的联用必不可少;
而对于靶向分析:
基于多反应监测模式的三重四极杆质谱被认为是质谱定量的
“金标准”,
也是靶向分析使用较多的方法;
综
合了两种技术优势的
拟靶向代谢组技术是代谢组研究的新方向
(图3)。
图3 | 拟靶向代谢组学的建立(Zheng F.J. et al., Nature Protocols, 2020)
拟靶向代谢组学的核心是通过非靶向方法的“拟”靶向化来实现的,包括三个步骤:1、基于四极杆飞行时间质谱的非靶向分析;
3、使用三重四极杆或QTRAP质谱系统采用MRM方式基于上述离子对对样品进行分析。
该技术由于结合了非靶向和靶向分析技术的双重优势,在代谢物分析的覆盖度上与非靶向方法接近,在灵敏度上与靶向分析一样,应用日益广泛。
在仪器平台的选择上,由于GC-MS和LC-MS在分离对象上的差别,使得其在代谢物的分离分析上具有各自的独特优势。两类仪器的联合使用可以实现对更多物质类型的检测分析,具备较强的应用价值(Xuan QH, et al., Advanced Science, 2020)。
1、
大样本的代谢组学
研究对代谢物检测的准确度和重复性有更高要求,需要开发更加快速、稳健的分析方法,保证
内各批次的分析重复性和
间数据的可比性;
2、针对
微量样本甚至单细胞代谢组分析
,发展小体积超高灵敏的痕量代谢物检测方法势在必行;
3、高分辨质谱信号中,仅仅小部分可以定性,
大量未知代谢物的结构阐明方法
需要发展;
4、为了促进代谢组学解决实际问题和研究成果的转化,需要与生物化学和分子生物学紧密结合,
阐明代谢物的功能
。
代谢组学是系统生物学的重要组成部分,
与基因组、转录组、蛋白组等其他组学数据的整合,可以提供更全面的分子特征,获得病理生理状态、药物作用或应激扰动的变化信息,揭示分子机制。
多组学整合的研究已广泛应用到基础医学、临床诊断、药物研发、农业育种以及抗逆研究等领域的各个方面。目前,多组学信息的有效整合仍然是难点,需要系统生物学和计算机技术的共同进步。
方法学的创新是代谢组学在各领域广泛应用的重要前提。我们相信,随着科研的进步,代谢组学必将深入发展,在生命科学中发挥重要的作用。我们可进一步预期,我国的代谢组学会与其他学科一起蓬勃发展。具体有哪些创新、如何应用、如何与其它学科结合发挥更大价值,我相信一定会有研究者给出更好的答案。
在技术飞速发展的代谢组学研究领域,精准和高通量正成为引领发展的方向。非靶向双平台代谢组(GC-MS+LC-MS)、拟靶向功能脂质组检测分析以及拟靶向脂质组、拟靶向代谢组和黄酮-酚类、神经递质、胆汁酸等精准靶向代谢常规检测分析,具有多重平台、更大容量、精准解读等优势,也为揭示隐藏在大数据背后的生物学机理提供更好的支持。
评论
加载更多