Hva er metabolomics handler om?

Hva er metabolomikk?

det raskt voksende feltet metabolomics kombinerer strategier for å identifisere og kvantifisere cellulære metabolitter ved hjelp av sofistikerte analytiske teknologier med anvendelse av statistiske og multivariantmetoder for informasjonsutvinning og datatolking. I de siste to tiårene ble det gjort store fremskritt i sekvensering av en rekke forskjellige organismer. Samtidig ble det gjort store investeringer for å utvikle analytiske tilnærminger for å analysere de forskjellige celleproduktene, for eksempel de fra genuttrykk (transkripsjoner), proteiner og metabolitter. Alle disse såkalte omics-tilnærmingene, inkludert genomikk, transkriptomikk, proteomikk og metabolomikk, betraktes som viktige verktøy som skal brukes og utnyttes for å forstå en organismes biologi og dens respons på miljøstimuli eller genetisk forstyrrelse.

Metabolitter anses å » fungere som talespråk, kringkaste signaler fra den genetiske arkitekturen og miljøet «(1), og derfor anses metabolomics å gi en direkte «funksjonell avlesning av den fysiologiske tilstanden» til en organisme (2). En rekke analytiske teknologier har blitt brukt til å analysere metabolitter i forskjellige organismer, vev eller væsker (for gjennomgang se Referanse 3). Massespektrometri koblet til forskjellige kromatografiske separasjonsteknikker, som flytende eller gasskromatografi eller NMR, er de viktigste verktøyene for å analysere et stort antall metabolitter samtidig. Selv om teknologien er svært sofistikert og følsom, er det fortsatt noen flaskehalser i metabolomics. På grunn av det store mangfoldet av kjemiske strukturer og de store forskjellene i overflod, er det ingen enkelt teknologi tilgjengelig for å analysere hele metabolomet. Derfor må det etableres en rekke komplementære tilnærminger for utvinning, deteksjon, kvantifisering og identifisering av så mange metabolitter som mulig (3,4).

en annen utfordring i metabolomics er å trekke ut informasjonen og tolke den i en biologisk sammenheng fra den enorme mengden data produsert av høy gjennomstrømningsanalysatorer. Anvendelsen av sofistikerte statistiske og multi-variant data analyseverktøy, inkludert cluster analyse, pathway kartlegging, komparative overlegg, og heatmaps, har ikke bare vært en spennende og bratt læringsprosess for biokjemikere, men har også vist at dagens tenkning må endres for å håndtere store datasett og skille mellom støy og reell sample-relatert informasjon. I tillegg, og fortsatt uten konsensus i metabolomics-samfunnet, er spørsmålet, » Hvordan håndterer vi data som ikke gir biologisk mening basert på litteratur og felles kunnskap?»Vi begynner bare å anta hvor metabolomics, sammen med de andre omics-teknologiene, skal lede oss: vil vi finne flere svar på våre spørsmål eller vil det gi flere spørsmål som krever flere svar?

potensial og anvendelser av metabolomics

det er fire konseptuelle tilnærminger i metabolomics: målanalyse, metabolitt profilering, metabolomics, og metabolsk fingeravtrykk (5). Målanalyse har blitt brukt i mange tiår og inkluderer bestemmelse og kvantifisering av et lite sett med kjente metabolitter (mål) ved hjelp av en bestemt analytisk teknikk med best ytelse for interesseforbindelsene. Metabolittprofilering, derimot, tar sikte på analyse av et større sett med forbindelser, både identifiserte og ukjente med hensyn til deres kjemiske natur. Denne tilnærmingen har blitt brukt for mange forskjellige biologiske systemer ved HJELP AV GC-MS, inkludert planter (6), mikrober (7), urin (8) og plasmaprøver (9). Metabolomics benytter komplementære analytiske metoder, for eksempel LC-MS/MS, GC-MS og/ELLER NMR, for å bestemme og kvantifisere så mange metabolitter som mulig, enten identifiserte eller ukjente forbindelser. Den fjerde konseptuelle tilnærmingen er metabolsk fingerutskrift (eller fotavtrykk for eksterne og/eller utskilte metabolitter). Her genereres en metabolsk «signatur» eller masseprofil av prøven av interesse og sammenlignes deretter i en stor utvalgspopulasjon for å skjerme for forskjeller mellom prøvene. Når det oppdages signaler som kan skille mellom prøver betydelig, identifiseres metabolittene og den biologiske relevansen av den forbindelsen kan belyses, noe som reduserer analysetiden betydelig.

siden metabolitter er så nært knyttet til fenotypen til en organisme, kan metabolomics brukes til et stort spekter av applikasjoner, inkludert fenotyping av genmodifiserte planter og betydelig ekvivalensprøving, bestemmelse av genfunksjon og overvåking av respons på biotisk og abiotisk stress. Metabolomics kan derfor ses som å bygge bro mellom genotype og fenotype (5), noe som gir et mer omfattende syn på hvordan celler fungerer, samt å identifisere nye eller slående endringer i spesifikke metabolitter. Analyse og datautvinning av metabolomiske datasett og deres metadata kan også føre til nye hypoteser og nye mål for bioteknologi.

Metabolomikk og evolusjon

hittil er det meste av forskningen i evolusjon basert på bygging av fylogenetiske trær av arter ved hjelp av sekvenser av genomer, gener, mRNA og / eller proteiner. Korrelasjonen mellom gen-og proteinuttrykk er imidlertid lav, og det er enda lavere mellom genuttrykk og metabolitter. Metabolitter, spesielt sekundære metabolitter, er imidlertid ekstremt viktige for de fleste organismer å forsvare seg mot stressende miljøer eller rovdyr. Selv om primære metabolitter involvert i sentral metabolisme kan brukes til å bestemme ernærings-og vekststatus, kan sekundære metabolittprofiler bedre reflektere differensiering av arter og deres komplekse respons på miljøfaktorer og andre organismer. Pakken med sekundære metabolitter i en organisme kan være forbausende kompleks, og mens visse forbindelser kan finnes i forskjellige organismer, er et stort antall forbindelser svært artsspesifikke. Sekundære metabolitter anses derfor som potensielle markører for taksonomi og fylogenetikk (10).

sannsynligvis Er de beste og mest spennende anvendelsene av metabolomics-verktøy for å skille mellom ulike sopparter oppsummert Av Smedsgaard Og Nielsen (11). Direkte infusjon elektrospray massespektrometri (DiMS) ble brukt til rask kjemisk klassifisering av filamentøse sopp. Rå soppekstrakter av en rekke forskjellige underarter ble direkte injisert i et massespektrometer og resulterende masseprofiler sammenlignet ved hjelp av kjemometriske analyseverktøy (4). Mer enn 80% av de analyserte artene kan klassifiseres basert på deres masseprofil sammenlignet med en konvensjonell fenotypisk identifikasjon.

i vårt laboratorium bruker vi metabolomics til å bestemme nye mekanismer for tilpasning og toleranse av planter til abiotiske påkjenninger, som tørke, saltholdighet, kulde, frost og mineralmangel eller toksisitet (www.acpfg.com.au). Våre store planter av interesse er korn, som bygg og hvete, men vi ser også på modellplanter eller planter som er kjent for å vise større toleranse for en viss stresstilstand. Sammenligningen av ulike arters responser på ulike påkjenninger viste at det er en rekke responser som er stress-og/eller plantespesifikke og noen få som er vanlige mellom stress og / eller planter. Derfor bestemte vi oss for å sammenligne nivåene av metabolitter i bladene av fire forskjellige arter: mosen Physcomitrella patens, Modellplanten Arabidopsis thaliana, og planteplantene Hordeum vulgare L. Og Triticum aestivum L. vi sammenlignet metabolittnivåene i ubelastede planter for å undersøke om det er en sammenheng mellom toleransenivåer og metabolittprofiler. VI brukte GC-MS til å profilere ∼140 kjente metabolitter (12) og normaliserte dataene for sammenligning mellom arten. Multivariat analyse av det resulterende datasettet ved hjelp av prinsippkomponent eller hierarkisk klyngeanalyse viste at metabolittprofilene til de fire artene er svært forskjellige, med bygg-og hvetebladprofiler som mest liknende (Figur 1a). Den første prinsippkomponenten separerte hvete og bygg fra de to andre artene, og utgjorde 58% av variabiliteten til hele datasettet. Figur 1b viser en varmekartrepresentasjon av det samme datasettet som sammenligner nivåene av metabolitter av de forskjellige artene. De fleste metabolitter er på et mye lavere nivå i mose og Arabidopsis sammenlignet med bygg og hvete (rådata ikke vist). Det er noen få unntak, inkludert urea, glyserol, tyramin, allantoin, tokoferol, xylitol,fucose og inositol, som er.funnet på mye høyere nivåer i mosen enn i alle andre arter. Dette reiser spørsmål om disse metabolittene kan være ansvarlige for mosens høye toleranse for abiotiske påkjenninger (13).

dette eksemplet viser potensialet for metabolomics som skal brukes til identifisering og klassifisering av organismer. Eksemplene nevnt ovenfor kan bare være starten. Vi mener det er verdt å forfølge en mer systematisk studie for å sammenligne metabolittprofiler mellom et større antall organismer ved hjelp av komplementære analytiske tilnærminger for å dekke så mange metabolitter som mulig, og for å undersøke om metabolittprofilene er relatert til fylogenetiske og evolusjonære forhold mellom organismer. Denne typen studie kan resultere i ny innsikt i utviklingen av veier, overlevelsesmekanismer og liv generelt.

Metabolomics i en systembiologi sammenheng

som vi har beskrevet i denne artikkelen, metabolomics tar sikte ideelt på analyse av alle små molekyler i en celle. Dette er bare en del av de cellulære produktene i en celle. For en systembiologi tilnærming gir metabolomics bare måling av en del av alle elementer i et biologisk system. Likevel omfatter systembiologi ikke bare evnen til å måle alle elementer i et system, SOM DNA, mRNA, proteiner, metabolitter og strukturelle elementer som cellevegger og membraner, men også å bestemme forholdet mellom disse elementene til hverandre som en del av systemets respons på miljø-eller genetisk forstyrrelse. Etter å integrere alle de ulike nivåene av informasjon, er hensikten å modellere oppførselen til systemet ved hjelp av beregningsmetoder som kan tillate beskrivelse av oppførselen til systemet under noen form for forstyrrelse. En systembiologi tilnærming krever biologer, fysikere, datavitenskapere, ingeniører, kjemikere og matematikere å lære et felles språk som gjør at de kan kommunisere med hverandre. Et annet viktig krav til en vellykket systembiologi-tilnærming er å skape et miljø som gir tilgang til alle de høye gjennomstrømningsplattformene som trengs for å skaffe og måle egenskapene og elementene i systemet av interesse. En effektiv systembiologi tilnærming må også gi mulighet og skala for rask utvikling og ansettelse av nye globale teknologier og kraftige beregningsverktøy som tillater innsamling, klassifisering, analyse, integrering og til slutt modellering av biologisk informasjon.

Systemer tilnærminger til menneskelige sykdommer, som kreft, hjerte-og karsykdommer og fedme, vil gi mulighet til å i stor grad legge til rette for suksess med å velge et nytt mål for behandlinger og narkotikautvikling. I fremtiden kan systembiologi gjøre det mulig for oss å utvikle nye tilnærminger i medisin som vil være prediktive, forebyggende og personlige. Målet vil være å oppnå evnen til å bestemme en probabilistisk helsehistorie for hver enkelt person, og innenfor denne rammen vil systembiologi være en strategi for oppdagelse og utvikling av nye terapeutiske så vel som forebyggende stoffer.

oppsummert, studere responsen av ulike organismer til ulike påkjenninger og miljøer på genetisk, transkripsjon, protein og metabolitt nivåer ved hjelp av ulike metoder og sammenligne disse resultatene med de av andre organismer vil styrke deres integrering i et system biologi rammeverk. Etter hvert som rammeverket utvikler seg, vil den større synergien mellom organismer gi et mye klarere bilde av funksjonen til celler, organer og organismer, noe som bringer oss nærmere forståelsen av deres roller i naturen.