Despre ce este metabolomica?

ce este metabolomica?

domeniul rapid al metabolomicii combină strategiile de identificare și cuantificare a metaboliților celulari folosind tehnologii analitice sofisticate cu aplicarea metodelor statistice și multi-variante pentru extragerea informațiilor și interpretarea datelor. În ultimele două decenii, s-au înregistrat progrese uriașe în secvențierea unui număr de organisme diferite. În același timp, s-au făcut investiții mari pentru a dezvolta abordări analitice pentru a analiza diferitele produse celulare, cum ar fi cele din expresia genelor (transcrieri), proteine și metaboliți. Toate aceste așa-numite abordări omice, inclusiv genomica, transcriptomica, proteomica și metabolomica, sunt considerate instrumente importante care trebuie aplicate și utilizate pentru a înțelege biologia unui organism și răspunsul său la stimulii de mediu sau perturbarea genetică.

se consideră că metaboliții „acționează ca limbă vorbită, transmit semnale din arhitectura genetică și din mediu” (1) și, prin urmare, se consideră că metabolomica oferă o „citire funcțională directă a stării fiziologice” a unui organism (2). O serie de tehnologii analitice au fost utilizate pentru a analiza metaboliții din diferite organisme, țesuturi sau fluide (pentru revizuire a se vedea referința 3). Spectrometria de masă cuplată la diferite tehnici de separare cromatografică, cum ar fi cromatografia lichidă sau gazoasă sau RMN, sunt instrumentele majore pentru a analiza simultan un număr mare de metaboliți. Deși tehnologia este extrem de sofisticată și sensibilă, există încă câteva blocaje în metabolomică. Datorită diversității uriașe a structurilor chimice și a diferențelor mari de abundență, nu există o singură tehnologie disponibilă pentru a analiza întregul metabolom. Prin urmare, trebuie stabilite o serie de abordări complementare pentru extracția, detectarea, cuantificarea și identificarea unui număr cât mai mare de metaboliți posibil (3,4).

o altă provocare în metabolomică este de a extrage informațiile și de a le interpreta într-un context biologic din cantitatea vastă de date produse de analizorii cu randament ridicat. Aplicarea instrumentelor sofisticate de analiză a datelor statistice și multi-variante, inclusiv analiza clusterului, cartografierea căilor, suprapunerile comparative și hărțile termice, nu numai că a fost un proces de învățare interesant și abrupt pentru biochimiști, dar a demonstrat, de asemenea, că gândirea actuală trebuie să se schimbe pentru a face față seturilor mari de date și pentru a distinge între zgomot și informații reale legate de eșantion. În plus, și încă fără consens în comunitatea metabolomică, este întrebarea: „cum ne ocupăm de date care nu au sens biologic bazate pe literatură și cunoștințe comune?”Începem să presupunem chiar unde metabolomica, împreună cu celelalte tehnologii omics, ne vor conduce: vom găsi mai multe răspunsuri la întrebările noastre sau va aduce mai multe întrebări care necesită mai multe răspunsuri?

potențial și aplicații ale metabolomicii

există patru abordări conceptuale în metabolomică: analiza țintă, profilarea metaboliților, metabolomica și amprentarea metabolică (5). Analiza țintă a fost aplicată de mai multe decenii și include determinarea și cuantificarea unui set mic de metaboliți cunoscuți (ținte) folosind o tehnică analitică specială de cea mai bună performanță pentru compușii de interes. Profilarea metaboliților, pe de altă parte, vizează analiza unui set mai mare de compuși, atât identificați, cât și necunoscuți în ceea ce privește natura lor chimică. Această abordare a fost aplicată pentru multe sisteme biologice diferite care utilizează GC-MS, inclusiv plante (6), microbi (7), urină (8) și probe de plasmă (9). Metabolomics utilizează metodologii analitice complementare, de exemplu, LC-MS/MS, GC-MS și/sau RMN, pentru a determina și cuantifica cât mai mulți metaboliți posibil, compuși identificați sau necunoscuți. A patra abordare conceptuală este imprimarea cu degetul metabolic (sau amprenta pentru metaboliții externi și/sau secretați). Aici se generează o „semnătură” metabolică sau un profil de masă al eșantionului de interes și apoi se compară într-o populație mare de eșantioane pentru a examina diferențele dintre eșantioane. Când sunt detectate semnale care pot discrimina semnificativ între probe, metaboliții sunt identificați și relevanța biologică a acelui compus poate fi elucidată, reducând foarte mult timpul de analiză.

deoarece metaboliții sunt atât de strâns legați de fenotipul unui organism, metabolomica poate fi utilizată pentru o gamă largă de aplicații, inclusiv fenotiparea plantelor modificate genetic și testarea substanțială a echivalenței, determinarea funcției genetice și monitorizarea răspunsurilor la stresul biotic și abiotic. Prin urmare, metabolomica poate fi văzută ca o punte între genotip și fenotip (5), oferind o imagine mai cuprinzătoare a modului în care funcționează celulele, precum și identificarea modificărilor noi sau izbitoare ale metaboliților specifici. Analiza și extragerea datelor seturilor de date metabolomice și metadatele acestora pot duce, de asemenea, la noi ipoteze și noi ținte pentru Biotehnologie.

metabolomică și evoluție

până în prezent, majoritatea cercetărilor în evoluție se bazează pe construcția arborilor filogenetici ai speciilor folosind secvențe de genomi, gene, ARNm și/sau proteine. Cu toate acestea, corelația expresiei genelor și proteinelor este scăzută și cea dintre expresia genelor și metaboliți chiar mai mică. Cu toate acestea, metaboliții, în special metaboliții secundari, sunt extrem de importanți pentru ca majoritatea organismelor să se apere de mediile stresante sau de prădători. Deși metaboliții primari implicați în metabolismul central pot fi utilizați pentru a determina starea nutrițională și de creștere, profilurile metaboliților secundari pot reflecta mai bine diferențierea speciilor și răspunsul lor complex la factorii de mediu și la alte organisme. Suita de metaboliți secundari dintr-un organism poate fi uimitor de complexă și, în timp ce anumiți compuși pot fi găsiți în diferite organisme, un număr mare de compuși sunt foarte specifici speciilor. Prin urmare, metaboliții secundari sunt considerați markeri potențiali pentru taxonomie și filogenetică (10).

probabil cele mai bune și mai interesante aplicații ale instrumentelor metabolomice pentru a distinge diferite specii fungice au fost rezumate de Smedsgaard și Nielsen (11). Spectrometria de masă electro-spray cu perfuzie directă (DiMS) a fost utilizată pentru clasificarea chimică rapidă a ciupercilor filamentoase. Extractele fungice brute dintr-un număr de subspecii diferite au fost injectate direct într-un spectrometru de masă și profilurile de masă rezultate au fost comparate folosind instrumente de analiză chemometrică (4). Mai mult de 80% din speciile analizate ar putea fi clasificate pe baza profilului lor de masă comparativ cu o identificare fenotipică convențională.

în laboratorul nostru, folosim metabolomica pentru a determina noi mecanisme de adaptare și toleranță a plantelor la stresurile abiotice, cum ar fi seceta, salinitatea, frigul, înghețul și deficiențele sau toxicitățile minerale (www.acpfg.com.au). Plantele noastre majore de interes sunt cerealele, cum ar fi orzul și grâul, dar ne uităm și la plante model sau plante despre care se știe că prezintă un nivel mai mare de toleranță la o anumită stare de stres. Comparația răspunsurilor diferitelor specii la diferite stresuri a demonstrat că există o serie de răspunsuri care sunt specifice stresului și/sau plantelor și câteva care sunt comune între stresuri și/sau plante. Prin urmare, am decis să comparăm nivelurile de metaboliți din frunzele a patru specii diferite: moss Physcomitrella patens, planta model Arabidopsis thaliana și plantele de cultură Hordeum vulgare L. și Triticum aestivum L. Am comparat nivelurile de metabolit la plantele neaccentuate pentru a investiga dacă există o corelație între nivelurile de toleranță și profilurile metaboliților. Am utilizat GC-MS pentru profilarea a 140 metaboliți cunoscuți (12) și am normalizat datele pentru comparație între specii. Analiza multivariată a setului de date rezultat utilizând componenta principală sau analiza ierarhică a clusterului a demonstrat că profilurile metaboliților celor patru specii sunt foarte distincte, profilurile frunzelor de orz și grâu fiind cele mai similare (figura 1a). Prima componentă principală a separat grâul și orzul de celelalte două specii, reprezentând 58% din variabilitatea întregului set de date. Figura 1b prezintă o reprezentare a hărții de căldură a aceluiași set de date care compară nivelurile metaboliților diferitelor specii. Majoritatea metaboliților sunt la un nivel mult mai scăzut în mușchi și Arabidopsis comparativ cu orzul și grâul (datele brute nu sunt prezentate). Există câteva excepții, inclusiv uree, glicerol, tiramină, alantoină, tocoferol, xilitol, fucoză și inozitol, care sunt.găsit la niveluri mult mai ridicate în mușchi decât în toate celelalte specii. Acest lucru ridică întrebarea dacă acești metaboliți pot fi responsabili pentru toleranța ridicată a mușchiului la tensiunile abiotice (13).

Figura 1. Analiza multivariantă a profilurilor metaboliților rezultați utilizând GC-MS de țesut de frunze Din 4 specii diferite.

datele au fost produse și analizate conform descrierii din referința 12. (A) analiza componentelor principale. (B) analiza hărții termice combinată cu analiza ierarhică a clusterului aceluiași set de date utilizând programul R, numit made4, așa cum este descris în referința 14. Pentru imagine, multumim Tim Erwin, Centrul Australian pentru genomica funcțională a plantelor, școala de botanică, Universitatea din Melbourne, Victoria, Australia.

acest exemplu demonstrează potențialul metabolomicii de a fi utilizat pentru identificarea și clasificarea organismelor. Exemplele menționate mai sus pot fi doar începutul. Considerăm că este util să se urmărească un studiu mai sistematic pentru a compara profilurile metaboliților între un număr mai mare de organisme folosind abordări analitice complementare pentru a acoperi cât mai mulți metaboliți posibil și pentru a investiga dacă profilurile metaboliților sunt legate de relațiile filogenetice și evolutive dintre organisme. Acest tip de studiu poate duce la perspective noi în evoluția căilor, a mecanismelor de supraviețuire și a vieții în general.

metabolomica în contextul biologiei sistemelor

așa cum am descris în această lucrare, metabolomica vizează în mod ideal analiza tuturor moleculelor mici dintr-o celulă. Aceasta este doar o parte din produsele celulare dintr-o celulă. Pentru o abordare a biologiei sistemelor, metabolomica oferă doar măsurarea unei porțiuni din toate elementele dintr-un sistem biologic. Cu toate acestea, biologia sistemelor cuprinde nu numai capacitatea de a măsura toate elementele unui sistem, cum ar fi ADN, ARNm, proteine, metaboliți și elemente structurale, cum ar fi pereții celulari și membranele, ci și de a determina relația acestor elemente între ele ca parte a răspunsului sistemului la perturbarea mediului sau genetică. După integrarea tuturor diferitelor niveluri de informații, intenția este de a modela comportamentul sistemului folosind metode de calcul care pot permite descrierea comportamentului sistemului sub orice fel de perturbare. O abordare a biologiei sistemelor necesită biologi, fizicieni, informaticieni, ingineri, chimiști și matematicieni să învețe un limbaj comun care să le permită să comunice între ei. O altă cerință importantă pentru o abordare de succes a biologiei sistemelor este crearea unui mediu care să ofere acces la toate platformele de mare viteză necesare pentru a obține și măsura proprietățile și elementele sistemului de interes. De asemenea, o abordare eficientă a biologiei sistemelor trebuie să ofere oportunitatea și scara pentru dezvoltarea rapidă și angajarea de noi tehnologii globale și instrumente de calcul puternice care permit colectarea, clasificarea, analizarea, integrarea și, în cele din urmă, modelarea informațiilor biologice.

abordările sistemice ale bolilor umane, cum ar fi cancerul, bolile cardiovasculare și obezitatea, vor oferi posibilitatea de a facilita în mare măsură succesul selectării unei ținte noi pentru tratamente și dezvoltarea medicamentelor. În viitor, biologia sistemelor ne poate permite să dezvoltăm noi abordări în medicină care vor fi predictive, preventive și personalizate. Scopul ar fi atingerea capacității de a determina un istoric de sănătate probabilistic pentru fiecare individ, iar în acest cadru, biologia sistemelor va fi o strategie pentru descoperirea și dezvoltarea de noi medicamente terapeutice, precum și preventive.

în rezumat, studierea răspunsului diferitelor organisme la diferite stresuri și medii la nivelurile genetice, transcriere, proteine și metaboliți folosind metode diferite și compararea acestor rezultate cu cele ale altor organisme va consolida integrarea lor într-un cadru de biologie a sistemelor. Pe măsură ce cadrul se dezvoltă, sinergia mai mare dintre organisme va oferi o imagine mult mai clară a funcției celulelor, organelor și organismelor, aducându-ne mai aproape de înțelegerea rolurilor lor în natură.

mulțumiri

autorii mulțumesc Centrului Australian pentru genomica funcțională a plantelor pentru finanțare. Dorim să-i mulțumim în mod special lui Tim Erwin, care a elaborat harta termică prezentată în figura 1B.

autorii nu declară interese concurente.

  • 1. Jewett, M. C., G. Hofmann și J. Nielsen. 2006. Analiza metabolitului fungic în genomică și fenomenică. Curr. Opin. Biotehnol. 17:191–197.Crossref, Medline, CAS, Google Scholar
  • 2. Gieger, C., L. Geistlinger, E. Altmaier, M. Hrab De Angelis, F. Kronenberg, T. Meitinger, H.-W. Mewes, H.-E. Wichmann și colab.. 2008. Genetica întâlnește metabolomica: un studiu de Asociere la nivel de genom al profilurilor metaboliților din serul uman. PLoS Genet. 4: e1000282.Crossref, Medline, Google Scholar
  • 3. Roessner, U. și D. M. Beckles. 2009. Măsurători ale metabolitului. În J. Schwender (Ed.), Rețele Metabolice Ale Plantelor. Springer, NY. (În presă.) Crossref, Google Scholar
  • 4. Vilele-B, S. G., U. Roessner, M. Hansen, J. Smedsgaard și J. Nielsen. 2007. Analiza Metabolomilor: O Introducere. John Wiley & Fii, Inc. Hoboken, NJ.Crossref, Google Scholar
  • 5. Fiehn, O. 2002. Metabolomica–legătura dintre genotipuri și fenotipuri. Plant Mol. Biol. 48:155–171.Crossref, Medline, CAS, Google Scholar
  • 6. Kim, J. K., T. Bamba, K. Harada, E. Fukusaki și A. Kobayashi. 2007. Profilarea metabolică a cursului de timp în culturile de celule Arabidopsis thaliana după tratamentul stresului cu sare. J. Exp. Bot. 58:415–424.Crossref, Medline, CAS,Google Scholar
  • 7. B oktogrner, J., S. Buchinger și D. Schomburg. 2007. O metodă cu randament ridicat pentru analiza metabolomilor microbieni utilizând cromatografia de gaze / spectrometria de masă. Anal. Biochem. 367:143–151.Crossref, Medline, Google Scholar
  • 8. Kind, T., V. V. Tolstikov, O. Fiehn și R. H. Weiss. 2007. O abordare metabolomică urinară cuprinzătoare pentru identificarea cancerului renal. Anal. Biochem. 363:185–195.Crossref, Medline, CAS, Google Scholar
  • 9. Parveen, I., J. M. Moorby, M. D. Fraser, G. G. Allison, și J. Kopka. 2007. Aplicarea tehnicilor de profilare a metabolitului prin cromatografie în fază gazoasă-spectrometrie de masă la analiza dietelor vegetale din ținuturile sălbatice ale ovinelor. J. Agric. Chimie Alimentară. 55:1129–1138.Crossref, Medline, CAS, Google Scholar
  • 10. Pietra, F. 2002. Evoluția metabolitului secundar față de evoluția speciei. Appl Pur. Chem. 74:2207–2211.Crossref, CAS, Google Scholar
  • 11. Smedsgaard, J. și J. Nielsen. 2005. Profilarea metabolitului ciupercilor și drojdiei: de la fenotip la metabolom prin SM și Informatică. J. Exp. Bot. 56:273–286.Crossref, Medline, CAS, Google Scholar
  • 12. Jacobs, A., C. Lunde, A. Bacic, M. Tester și U. Roessner. 2007. Impactul expresiei constitutive a unui transportor de mușchi na+ asupra metabolomilor orezului și orzului. Metabolomică 3: 307-317.Crossref, CAS, Google Scholar
  • 13. Kroemer, K., R. Reski și W. Frank. 2004. Răspunsul la stres Abiotic în moss Physcomitrella patens: dovezi pentru o modificare evolutivă a căilor de semnalizare în plantele terestre. Celula Vegetală Rep. 22: 864-870.Crossref, Medline, CAS, Google Scholar
  • 14. Culhane, A. C., J. Thioulouse, G. Perriere și D. G. Higgins. 2005. MADE4: un pachet R pentru analiza multivariată a datelor de expresie a genelor. Bioinformatică 21: 2789-2790. 3. Fiehn, O. 2002. Metabolomica—legătura dintre genotipuri și fenotipuri. Plant Mol. Biol. 48:155–171.Google Scholar

Lasă un răspuns

Adresa ta de email nu va fi publicată.