@(Dayueban)[靶向|非靶向|代谢组学数据分析]

导读

如今组学数据的产出量日益庞大。代谢组学数据也是如此，随着科技的创新和技术的变革，允许科研工作者们通过大样本数据去挖掘和解决人们关心的疾病和健康问题。然而大样本，大数据势必会对我们的分析手段提出挑战，因此，通过建立一套标准化，适合自己数据类型的分析方法显得尤为重要。那么在这里，我会花一段时间去重新回顾并总结我在代谢组学（血清样本）数据分析过程所用到的方法以及碰到的问题。

主要内容

那么在学习数据分析之前，我还是想和大家一起回顾一下什么叫代谢组学(Metabolomics)和代谢组(Metabolome)。

1. 代谢组学，首先给出 维基百科 给出的解释：metabolomics is the "systematic study of the unique chemical fingerprints that specific cellular processes leave behind", the study of their small-molecule metabolite profiles.也就是说，代谢组学是一种研究手段。
2. 代谢组：The metabolome represents the complete set of metabolites in a biological cell, tissue, organ or organism, which are the end products of cellular processes.而代谢组指的是通过一系列方法能检测到的所有的代谢物合集。

非靶向代谢组学

1. 为什么非靶向代谢组学在生物学领域的位置越来越重要
   在中心法则的指导下，基因组、转录组、蛋白组通常以信息流的方式呈现，而代谢组被认为是新陈代谢的结果。但是，很多研究表明代谢物可以参与到生命有机体的生理学功能和稳态，比如：

• 氧化脂类（oxylipins），是一种被氧化的脂肪族代谢物，其生物活性包括与炎症反应和防卫系统相关；
• oncometabolites，因为新陈代谢改变而参与到肿瘤生成的一种代谢物；
• 有害代谢物，一类由酶错误或自发反应产生的化学反应性化合物，通常由损害控制系统调节；
• 微生物代谢物，由肠道菌群分泌并且可以影响宿主生理的一代代谢物；
• 最后，植物素，由植物产生并且对宿主代谢发挥多种生物学活性。

Fig 1 代谢组研究概况，可见，目前我们所发现的代谢物只是冰山一角

2.非靶向代谢组学技术基础

既然代谢组学是解密人体生理学基础的重要一环，那么它所用到的技术有哪些呢？

• 基于质谱（MS）的非靶向代谢组学使得代谢物的发现和分析化学的更新变得可能，信息学是阐明新的生理功能和生物学机制必不可少的工具。这里我们从非靶向代谢组学下机数据开始讲起，如下图所示：

Fig 2 非靶向代谢组学实验及数据分析的一般流程

• 2.1. 质谱技术运用到的主要是液相色谱质谱联用和气相色谱质谱联用技术，根据分析的性质不同而定。那么非靶向代谢组学的测定平台主要是 ultra performance liquid chromatogram quadrupole-time of flight mass spectrometry（UPLC/q-TOFMS）或者 two-dimensional gas chromatogram combined with time-of-flight mass spectrometry （GC * GC-TOFMS）

参考

[1] Advances in computational metabolomics and databases deepen the understanding of metabolisms