Na czym polega metabolomika?

co to jest metabolomika?

szybko rozwijająca się dziedzina metabolomiki łączy strategie identyfikacji i ilościowego oznaczania metabolitów komórkowych przy użyciu zaawansowanych technologii analitycznych z zastosowaniem statystycznych i wielowariantowych metod ekstrakcji informacji i interpretacji danych. W ciągu ostatnich dwóch dekad nastąpił ogromny postęp w sekwencjonowaniu wielu różnych organizmów. Jednocześnie poczyniono duże inwestycje w celu opracowania metod analitycznych do analizy różnych produktów komórkowych, takich jak ekspresja genów (transkrypty), białka i metabolity. Wszystkie te tak zwane ” podejścia omika, w tym genomika, transkryptomika, proteomika i metabolomika, są uważane za ważne narzędzia, które należy zastosować i wykorzystać do zrozumienia biologii organizmu i jego reakcji na bodźce środowiskowe lub zaburzenia genetyczne.

uważa się, że metabolity „działają jako język mówiony, przekazując sygnały z architektury genetycznej i środowiska” (1), a zatem uważa się, że metabolomika zapewnia bezpośredni „funkcjonalny Odczyt stanu fizjologicznego” organizmu (2). Szereg technologii analitycznych został zastosowany do analizy metabolitów w różnych organizmach, tkankach lub płynach (w celu przeglądu patrz odniesienie 3). Spektrometria mas sprzężona z różnymi technikami rozdzielania chromatograficznego, takimi jak chromatografia cieczowa lub gazowa lub NMR, są głównymi narzędziami do analizy dużej liczby metabolitów jednocześnie. Chociaż technologia jest wysoce wyrafinowana i wrażliwa, wciąż istnieje kilka wąskich gardeł w metabolomice. Ze względu na ogromną różnorodność struktur chemicznych i duże różnice w obfitości, nie ma jednej technologii dostępnej do analizy całego metabolome. W związku z tym należy ustanowić szereg komplementarnych podejść do ekstrakcji, wykrywania, oznaczania ilościowego i identyfikacji jak największej liczby metabolitów (3,4).

kolejnym wyzwaniem w metabolomice jest wyodrębnienie informacji i zinterpretowanie jej w kontekście biologicznym z ogromnej ilości danych wytwarzanych przez analizatory o wysokiej przepustowości. Zastosowanie zaawansowanych statystycznych i wielowariantowych narzędzi do analizy danych, w tym analizy klastrów, mapowania ścieżek, nakładek porównawczych i map ciepła, było nie tylko ekscytującym i stromym procesem uczenia się dla biochemików, ale również wykazało, że obecne myślenie musi się zmienić, aby poradzić sobie z dużymi zbiorami danych i odróżnić hałas od rzeczywistych informacji związanych z próbkami. Ponadto, I nadal bez konsensusu w społeczności metabolomics, jest pytanie, ” Jak mamy do czynienia z danymi, które nie mają sensu biologicznego w oparciu o literaturę i powszechną wiedzę?”Dopiero zaczynamy nawet zakładać, gdzie metabolomika, wraz z innymi technologiami omics, doprowadzi nas: czy znajdziemy więcej odpowiedzi na nasze pytania, czy przyniesie więcej pytań wymagających więcej odpowiedzi?

potencjał i zastosowania metabolomics

tam są cztery konceptualny podejścia w metabolomics: cel analiza, metabolit profilowanie, metabolomics, i metabolic fingerprinting (5). Analiza docelowa jest stosowana od wielu dziesięcioleci i obejmuje oznaczanie i oznaczanie ilościowe małego zestawu znanych metabolitów (docelowych) przy użyciu jednej szczególnej techniki analitycznej o najlepszej wydajności dla interesujących związków. Profilowanie metabolitów, z drugiej strony, ma na celu analizę większego zestawu związków, zarówno zidentyfikowanych, jak i nieznanych ze względu na ich charakter chemiczny. Podejście to zostało zastosowane dla wielu różnych systemów biologicznych wykorzystujących GC-MS, w tym roślin (6), drobnoustrojów (7), moczu (8) i próbek osocza (9). Metabolomics używa komplementarnych metod analitycznych, na przykład, LC-MS / MS, GC-MS i / lub NMR, w celu określenia i ilościowego określenia jak największej liczby metabolitów, zidentyfikowanych lub nieznanych związków. Czwartym podejściem koncepcyjnym jest metaboliczny odcisk palca (lub footpinting dla zewnętrznych i / lub wydzielanych metabolitów). Tutaj metaboliczny „podpis” lub profil masy próbki zainteresowania jest generowany, a następnie porównywany w dużej populacji próbki, aby sprawdzić różnice między próbkami. Po wykryciu sygnałów, które mogą znacząco rozróżniać między próbkami, identyfikuje się metabolity i można wyjaśnić znaczenie biologiczne tego związku, znacznie skracając czas analizy.

ponieważ metabolity są tak ściśle związane z fenotypem organizmu, metabolomika może być używana do szerokiego zakresu zastosowań, w tym fenotypowania genetycznie zmodyfikowanych roślin i znaczącego testowania równoważności, określania funkcji genów i monitorowania odpowiedzi na stres biotyczny i abiotyczny. Metabolomics może zatem postrzegać jako niwelowanie luki między genotypem i fenotypem (5), zapewniając bardziej wszechstronny Widok jak komórki funkcjonują, jak również identyfikując nowe lub uderzające zmiany w specyficznych metabolitach. Analiza i data mining metabolomic dane sets i ich metadane móc także nowy hipoteza i nowy cel dla Biotechnologia.

Metabolomics and evolution

do tej pory większość badań w ewolucji opiera się na budowie drzew filogenetycznych gatunków z wykorzystaniem sekwencji genomów, genów, mRNA i/lub białek. Jednak korelacja ekspresji genu i białka jest niska, a między ekspresją genu a metabolitami jeszcze niższa. Jednak metabolity, zwłaszcza metabolity wtórne, są niezwykle ważne dla większości organizmów, aby bronić się przed stresującym środowiskiem lub drapieżnikami. Chociaż pierwotne metabolity biorące udział w centralnym metabolizmie mogą być wykorzystane do określenia stanu odżywienia i wzrostu, wtórne profile metabolitów mogą lepiej odzwierciedlać zróżnicowanie gatunków i ich złożoną reakcję na czynniki środowiskowe i inne organizmy. Zestaw metabolitów wtórnych w organizmie może być zadziwiająco złożony i chociaż niektóre związki mogą być znalezione w różnych organizmach, ogromna liczba związków jest bardzo specyficzna dla gatunku. Metabolity wtórne są zatem uważane za potencjalne markery dla taksonomii i filogenetyki (10).

prawdopodobnie najlepsze i najbardziej ekscytujące zastosowania narzędzi metabolomiki do rozróżniania różnych gatunków grzybów zostały podsumowane przez Smedsgaarda i Nielsena (11). Do szybkiej klasyfikacji chemicznej grzybów nitkowatych zastosowano elektrorozpryskową spektrometrię masową (DiMS). Surowe ekstrakty z grzybów wielu różnych podgatunków zostały bezpośrednio wstrzyknięte do spektrometru masowego i uzyskane profile mas porównano za pomocą narzędzi analizy chemometrycznej (4). Ponad 80% analizowanych gatunków można sklasyfikować na podstawie ich profilu masy w porównaniu z konwencjonalną identyfikacją fenotypową.

w naszym laboratorium wykorzystujemy metabolomikę do określenia nowych mechanizmów adaptacji i tolerancji roślin na stresy abiotyczne, takie jak susza, zasolenie, zimno, mróz i niedobory minerałów lub toksyczność (www.acpfg.com.au). Naszymi głównymi interesującymi roślinami są zboża, takie jak jęczmień i pszenica, ale patrzymy również na rośliny modelowe lub rośliny, o których wiadomo, że wykazują większą tolerancję na pewne warunki stresowe. Porównanie różnych gatunków ’ odpowiedzi na różne naprężenia wykazały, że istnieje wiele odpowiedzi, które są stres-i/lub specyficzne dla roślin i kilka, które są wspólne między stresów i / lub roślin. Dlatego postanowiliśmy porównać poziomy metabolitów w liściach czterech różnych gatunków: Mech Physcomitrella patens, modelowa roślina Arabidopsis thaliana oraz rośliny uprawne Hordeum vulgare L. I Triticum aestivum L. porównaliśmy poziomy metabolitów u roślin nieakcentowanych w celu zbadania, czy istnieje korelacja między poziomami tolerancji a profilami metabolitów. Użyliśmy GC-MS do profilowania ∼140 znanych metabolitów (12) i znormalizowaliśmy dane do porównania między gatunkami. Wielowymiarowa analiza otrzymanego zestawu danych z wykorzystaniem zasad składowych lub hierarchicznej analizy klastrów wykazała, że profile metabolitów czterech gatunków są bardzo różne, przy czym profile liści jęczmienia i pszenicy są najbardziej podobne (Fig. 1a). Pierwszy element zasadniczy oddzielił pszenicę i jęczmień od pozostałych dwóch gatunków, stanowiąc 58% zmienności całego zbioru danych. Rysunek 1B przedstawia mapę cieplną tego samego zestawu danych porównujących poziomy metabolitów różnych gatunków. Większość metabolitów znajduje się na znacznie niższym poziomie u mchów i Arabidopsis w porównaniu z jęczmieniem i pszenicą (dane surowe nie zostały pokazane). Istnieje kilka wyjątków, w tym mocznik, glicerol, tyramina, alantoina, tokoferol, ksylitol, fukoza i inozytol, które są.występuje na znacznie wyższych poziomach w mchu niż u wszystkich innych gatunków. Rodzi to pytanie, czy te metabolity mogą być odpowiedzialne za wysoką tolerancję mchu na stresy abiotyczne (13).

ten przykład demonstruje potencjał metabolomics używać dla identyfikacja i klasyfikacja organizmy. Powyższe przykłady mogą być jedynie początkiem. Uważamy, że warto przeprowadzić bardziej systematyczne badania w celu porównania profili metabolitów między większą liczbą organizmów przy użyciu uzupełniających metod analitycznych, aby objąć jak najwięcej metabolitów, jak to możliwe, i zbadać, czy profile metabolitów są związane z filogenetycznymi i ewolucyjnymi relacjami między organizmami. Tego typu badania mogą prowadzić do nowych wglądów w ewolucję ścieżek, mechanizmów przetrwania i życia w ogóle.

Metabolomics in a systems biology context

jak opisaliśmy w tym artykule, metabolomics celuje idealnie w analizę wszystkich małych cząsteczek w komórce. Jest to tylko część produktów komórkowych w komórce. Dla systemowego biological podejście, metabolomics tylko zapewnia pomiar część wszystkie element w biologiczny system. Jednak Biologia systemowa obejmuje nie tylko zdolność do pomiaru wszystkich elementów systemu, takich jak DNA, mRNA, białka, metabolity i elementy strukturalne, takie jak ściany i błony komórkowe, ale także do określania relacji tych elementów ze sobą w ramach reakcji systemu na zakłócenia środowiskowe lub genetyczne. Po zintegrowaniu wszystkich różnych poziomów informacji, intencją jest modelowanie zachowania systemu za pomocą metod obliczeniowych, które mogą pozwolić na opis zachowania systemu w dowolnym rodzaju zakłóceń. Podejście do biologii systemowej wymaga od biologów, fizyków, informatyków, inżynierów, chemików i matematyków nauki wspólnego języka, który pozwala im komunikować się ze sobą. Innym ważnym wymogiem dla udanego podejścia do biologii systemowej jest stworzenie środowiska, które zapewnia dostęp do wszystkich platform o wysokiej przepustowości potrzebnych do uzyskania i zmierzenia właściwości i elementów systemu będącego przedmiotem zainteresowania. Ponadto skuteczne podejście do biologii systemów musi oferować możliwość i skalę szybkiego rozwoju i wykorzystania nowych globalnych technologii i potężnych narzędzi obliczeniowych, które umożliwiają gromadzenie, klasyfikowanie, analizowanie, integrowanie i ostatecznie modelowanie informacji biologicznej.

systemowe podejścia do chorób ludzkich, takich jak rak, choroby układu krążenia i otyłość, dadzą możliwość znacznego ułatwienia sukcesu w wyborze nowego celu leczenia i rozwoju leków. W przyszłości Biologia systemowa może umożliwić nam opracowanie nowych podejść w medycynie, które będą predykcyjne, zapobiegawcze i spersonalizowane. Celem byłoby osiągnięcie zdolności do określenia probabilistycznej historii zdrowia dla każdej osoby, a w tych ramach Biologia systemowa będzie strategią odkrywania i rozwoju nowych leków terapeutycznych i zapobiegawczych.

podsumowując, badanie reakcji różnych organizmów na różne stresy i środowiska na poziomach genetycznym, transkrypcyjnym, białkowym i metabolicznym przy użyciu różnych metod i porównywanie tych wyników z wynikami innych organizmów wzmocni ich integrację w ramy biologii systemowej. W miarę rozwoju struktury, większa synergia między organizmami zapewni znacznie jaśniejszy obraz funkcji komórek, narządów i organizmów, przybliżając nas do zrozumienia ich roli w przyrodzie.