摘要
在不久的将来,基于nmr的代谢组学将成为支持肺部个性化和精准医疗的有效手段http://ow.ly/CXOT30lpGUr
代谢组学研究生命系统中生物过程的化学最终产物。它将高通量分析技术与生物信息学相结合,以全球(非靶向)和/或特定(靶向)的方式调查和量化生命系统中存在的代谢物,以应对任何暴露(包括治疗)、生活方式、环境和遗传压力[1].所获得的独特剖面可以提供有关生物体生理状态或一系列事件的直接信息。由于代谢组(即。所有分子量<1500 Da的内源性代谢产物)是蛋白质组和转录组的下游系统,它被扩增,涵盖病理的几个方面[2].因此,选择合适的生物基质(呼气凝结物(EBC)、尿液、血清、血浆、支气管肺泡灌洗液(BALF)、唾液或细胞和组织提取物)可以揭示医学的几个领域。
代谢组学依赖于各种各样的分析仪器,但其中只有少数被常规应用。所选择的方法是质谱(MS,在它的几种变体)和核磁共振(NMR)光谱学,尽管傅里叶变换红外(FT-IR)和拉曼光谱也已被使用。每种技术都有优点和局限性。核磁共振光谱学的主要优势之一是它能够用最少的预处理确定样品的快速代谢图像[3.].它还是非破坏性的,样品可以调查几次。相比之下,基于ms的方法具有更高的内在敏感性和特异性,但可能需要大量的样品预处理和不同化学类别的不同实验条件。FT-IR和拉曼光谱缺乏特异性,只收集一般信息,因为它们研究的是化学官能团的性质,这些官能团可能同时存在于几个代谢物中。
主要使用的技术是NMR和ms。在这里,我们描述基于NMR的代谢组学及其在呼吸医学中的应用。基于nmr的代谢组学研究的特征工作流描述在图1.
它是如何工作的?
核磁共振在原子尺度上研究样本。样品置于静磁场中,代谢物原子核被给定频率(“共振频率”)的脉冲源电磁辐射激发。当辐射被关闭时,原子核通过发射特征电磁波返回(“放松”)到基本状态,这被记录下来。该信号的傅里叶变换产生了经典的频域迹(“频谱”,图1一个).光谱中每条谱线(“共振”)的位置(“化学位移”)取决于相应核的环境,表征谱线的参数(频率、分裂、线宽和振幅)可用于确定分子结构、构象和分子动力学。
大多数代谢组学应用使用的光谱仪工作在600兆赫(即。14.1 T),配备CryoProbe技术,提高灵敏度,降低电子热噪声[4].NMR谱仪的振幅响应线性依赖于样品丰度,这允许浓度定量。
如果研究目标是比较和量化生物标志物,则应在相同的实验参数下进行数据采集。采集的最佳实验设置(激励脉冲宽度、接收机增益、采集间隔、弛豫时间和溶剂抑制参数)和处理(衰变、相位、基线校正、积分区域的选择、峰值对准、归一化、居中、缩放和变换)需要严格控制[5].
由于质子具有很高的自然丰度和固有的灵敏度,1H-NMR通常用于代谢分析。对特定代谢物的共振的识别(“分配”)得到通过二维光谱,将信号扩散到二维,因此避免了由于信号重叠而造成的模糊分配。对于孤立共振,可以将观测到的化学位移与已发表的参考数据进行比较[6]或在线数据库(人类代谢组数据库;www.hmdb.ca).
样品中含有数千种化合物。因此,从NMR谱收集的数据量在数值上很大,生物学上很复杂,包括不同的统计方差来源,包括感兴趣的信息和冗余或不必要的方差。在这种情况下,代谢组学分析试图降低数据维数,并获得被调查生物系统的统计显著信息。多元分析方法(即主成分分析和潜在结构偏最小二乘投影)[7]),连同“过滤版本”对潜在结构的正交投影(opl, O2PLS) [8能够产生新的因素,称为潜在变量或主成分(PCs)。接下来将获取的数据集投影到相应的潜在空间,从而降低维数,并实现直观的数据可视化。
核磁共振剖面数据集可以通过分箱或分桶过程转换为矩阵,该过程将光谱变量定义为化学位移和综合分箱强度[9].经过核磁共振光谱处理(光谱反褶积、参考校准、相位校正和峰值识别)以及将行光谱数据转换为X矩阵的干净光谱后,典型的数据处理管道通常包括对齐、归一化和缩放[10].这些步骤使用专用软件执行(如。AMIX, Bruker Biospin, rheinsteen,德国;或SIMCA, Umetrics, Umëa,瑞典),或免费在线平台(如。www.metaboanalyst.ca).
经过预处理后,数据矩阵准备进行无监督(无监督)先天的样本类别或相关元数据的知识)或监督(使用额外的样本信息,如元数据或类成员)程序和判别方法,以探索趋势和相似性/差异,根据生成代谢剖面的生物变异。
获得的较小数量的正交因子(pc)的可视化是通过“分数”和“加载”图实现的,在数据集转换中被认为是互补的,因此并行检查。分数表示与每个样本相关联的新坐标,在分数图中可视化为一个点。观察(即。患者)在地块内彼此靠近(如。中蓝色圆圈标识的类图1 b)具有相同的代谢变化特征,而相距较远的点代表不同的代谢物浓度(图中的红圈)图1 b).负载图突出显示了在PC空间中负责EBC样本分布的代谢物,这表明了原始变量(代谢物)在新的参考体系中的影响。
模型性能可通过几种专用方法进行评估[11],但测试一个外部数据集,不包括在主要模型的计算,被认为是最有效的方法。为此,可以将整个数据集分为一个训练集来构建统计模型,以及一个测试集来评估其预测能力,当有足够数量的样本可用时。
最后,从已识别的分类代谢物中,有可能识别出表征病理生理状态的最相关代谢途径的影响(图1 c).
使用这种技术/方法的呼吸医学目前的技术水平是什么?
在呼吸医学中已经描述了两个层次的应用。第一个比较病理代谢概况与健康概况,用作参考。这一点很重要,因为可以获得和量化每种疾病的可能生物标志物,从而确定病理表型的特异性。申请涵盖几种呼吸系统疾病,例如气喘[12]、慢性阻塞性肺病[13],囊性纤维化[14]、原发性睫状体运动障碍[15]、癌症[16]、阻塞性睡眠呼吸暂停综合症[17]和炎症状态[18].报道的结果证明,它是一组代谢物,表征病理状态,而不是单一的代谢物。此外,尽管生物基质中的代谢物可能是反复出现的(短链脂肪酸、氨基酸、糖、脂类、等。),正是浓度的差异区分了病理状态。
第二个层次与表型定义及其演变有关通过剖析。在这种情况下,尿液分析发现了稳定型和不稳定型哮喘之间的表型差异[12],以及哮喘和COPD之间使用EBC [13].对表型的影响(如。哮喘)的合并症(如。肥胖)很容易被检测到,可以公正地识别一种完全不同于肥胖和哮喘表型的肥胖-哮喘表型[19].以吸烟习惯为致病因素的不同但相关的病理(如COPD和肺朗格汉斯细胞组织细胞增多症)的表型进化也可以进行研究[20.].COPD分期可从血清[16],这也有助于研究其与肺癌的关系[16].结合血清、尿液和EBC可帮助鉴别COPD和OSAS [17].
的应用1H-NMR谱可鉴别恶性和良性胸腔积液[21],且稳定与使用EBC的不稳定CF [14].血清可用于调查发生呼吸机相关性肺炎的通气患者[22].BALF已成功用于研究不同严重程度的闭塞性细支气管炎综合征[23],以及监察空气污染情况[24].从EBC中可获得有效的药物代谢组学信息[25].
它在未来可能会如何使用?
小分子化合物和途径的研究涉及呼吸医学代表一个积极的临床研究领域。在呼吸系统疾病患者中发现个性化的代谢组学特征可以揭示疾病发病的新途径,或能够更好地识别呼吸系统疾病的生化易感性患者,对治疗的反应和“预测”可能的无反应患者,以及确定新的治疗靶点。代谢组学也有助于理解复杂的基因-环境相互作用,涉及呼吸疾病的发病和发展。在这方面,一个有趣的点可能是对暴露体的调查(“个体在她/他的一生中积累的异种生物的综合负荷”)[26及其对呼吸道疾病的影响。
尽管基于nmr的代谢组学研究涉及微创生物基质,但为了对呼吸医学产生更大的影响,这些研究应该成为涉及几个国家和实验室的调查战略的一部分。这将有助于解决一些问题,如跨实验室采样的标准化,混淆因素的存在(如。共病、人口统计学因素和性别差异),最后,微生物群的贡献及其对呼吸疾病的改变。
脚注
利益冲突:没有声明。
- 收到了2018年6月13日。
- 接受2018年8月5日。
- 版权所有©ERS 2018