文摘
代谢物使生物化学前所未有的洞察力,提供一个集成的签名的基因组、转录组、蛋白质组和exposome。测量要求严格的协议结合专业数据分析实现其承诺。https://bit.ly/3yPiYkQ
介绍
阻塞性肺疾病包括哮喘和慢性阻塞性肺病异构综合征的分子因素个人亚型的发病机理尚不清楚。这是一个主要的障碍在理解疾病病因学和治疗患者以及确定可行的治疗目标。有一个未满足的需要了解提供生化过程由遗传和环境因素之间的相互作用(1]。而具有挑战性的研究,可以捕获这个复杂的十字路口通过代谢物。代谢表型出现(metabotyping)展示了足够的分辨率识别分子表型和endotypes呼吸道疾病,包括哮喘(2- - - - - -4),慢性阻塞性肺病(5,6呼吸道合胞病毒毛细支气管炎,(7和囊性纤维化8- - - - - -10]。
尽管代谢组学是一个有价值的工具,用于调查呼吸道疾病,它带来了一些挑战,导致代谢组学被nonstandardised纪律不存在放之四海而皆准的解决方案。协助呼吸社区提出正确的问题和理解代谢组学所产生的数据,我们在此讨论的挑战和建议将代谢组学研究呼吸。
背景
小分子代谢物的代谢组被定义为补(一般< 1500 Da)源于细胞的新陈代谢。人类代谢组是复杂的,大小估计变化很大,达到超过100万个分子11]相比21 000蛋白质编码基因和15∼000基因产物,这是由四个基地或20种氨基酸,分别。这种化学物质多样性呈现代谢物分析衡量相对于其他组学技术挑战。目前人类代谢组数据库包含220 945代谢物条目(https://hmdb.ca,2021年11月访问)12];然而,只有几千已经包括在人体新陈代谢模型(13]。测量代谢物的效用在于它能够提供洞察生化过程,本质上反映实时细胞/组织正在做的事情的时候抽样,而基因和转录组反映细胞/组织可能是能够做什么或计划,分别。代谢物反映的综合影响基因组,转录组、蛋白质组和exposome连同其他影响因素,如饮食和微生物(图1)。而代谢组是最接近生物表型的水平,研究代谢组提出了自己独特的挑战,在此讨论。
代谢组学研究设计
挑战
代谢组学的优点和缺点是其固有的对内部和外部刺激的敏感性,导致它被形容为基因组的金丝雀12]。首先,它是必要的控制参数研究学习小组之间的生理差异最小化。例如,系统回顾196种代谢物报道,显著改变其浓度在人类biofluids 24小时运动后(14]。第二,biosamples的采样和存储条件也会影响观察代谢物;例如,溶血导致30%的测量血液代谢物显著改变(15]。第三,考虑到敏感性的代谢物,是至关重要的混杂因素(占如。性别、年龄、身体质量指数、吸烟、研究网站的偏见)。外部因素包括饮食和药物可以施加强有力的影响观察代谢物水平;例如,吸入和口服类固醇起到metabolite-specific作用[3,4,16]。
建议
前瞻性计划样本收集,处理和生物代谢组学分析,确保完整性。这些努力包括标准化操作程序样本收集(如。同时收集样本,使用相同的集合管在所有研究中心),样品检查(如。相同的离心速度、持续时间和温度对制备血浆/血清)和样本存储(如。温度相同,定义生物协议)(17,18]。采样方面的全面审查代谢组学已经发表(17]。相关临床、生活方式和治疗数据应该被记录下来。当未来的计划是不可能的,试点研究建议文档与样品处理条件相关的潜在偏差相关的研究。它是有用的识别先天的代谢物或代谢途径研究的中心,以确保所选择的方法(如。选择矩阵,代谢组学方法)将提供适当的数据。多中心招聘网站也可以施加偏压metabolite-specific基础(3),必须注意与站点的混杂因素最小化。未能实现这样的建议会导致统计误差的引入(偏差和方差),从而减少结果的可靠性,研究非再生性。
测量代谢组
挑战
有350 > 000化学药品注册生产和使用19),每一个都可能导致多种代谢物对人体摄入后。这种化学物质的复杂性,结合内生新陈代谢,需要测量的具体注意事项。首先,代谢物理化多样化。代谢物的范围从小型和极性分子(如。氨基酸)到大型和非极性分子(如。脂质)。第二,跨几个数量级的浓度(20.),例如血液代谢物浓度范围从picomolar (如。凝血恶烷乙3)到毫克分子(如。乳酸)[21]。第三,物种形成和代谢物的浓度是biofluid——和组织。第四,许多代谢物短半衰期和/或低稳定性(如。血栓素一个2半衰期∼30年代(22];谷胱甘肽氧化容易和高活性)。第五,充分补充代谢物的代谢组是未知的。
由于代谢产物多样性,没有一个分析平台可以捕获代谢物。出于这个原因,一些分析方法用于提高覆盖率,各有自己的好处和局限性,与液相色谱-光谱法(质)与气相色谱分析-质谱法(gc - ms)是最常见的。Dunnet al。(23公布为代谢组学分析平台的全面审查。这些分析技术设计开发的基于探索,不遵守认证标准。因此,选择精度和应用质量控制措施,以确保高质量的数据是实现(24]。使用最广泛的精密测量的相对标准偏差(RSD)生物相同的质量控制样品。分散率(d比值),质量控制样本的标准差比生物测试样本的标准偏差(即。方法论的变异生物样本的比例变化),最近成为另一种质量指标。可靠的统计解释,建议d比值应< 50% (24]。
质和gc - ms,代谢物是注释,确定了通过比较色谱和光谱特性代谢物数据库。自信的代谢物鉴定需要精确的生物解释;然而,这仍然是一个关键的挑战和代谢物经常在同一置信水平(不是所有的确认25,26]。为可靠的注释,示例中的化学信号必须匹配的化学标准测量使用相同的方法。然而,对于大多数人类代谢物化学标准并不可用。在没有确认的情况下,质量光谱分裂模式可以解释代谢物鉴定识别是不被认为是确认,这会导致错误识别和随后的误解。
建议
早期参与讨论特定的代谢组学实验室研究需要选择方法,结合研究目标。至关重要的是理解和报告的确定性水平代谢物鉴定(25)以及每个代谢物的测量精度(如。取代,d比值)。不知名的代谢物特征的报告是气馁。肺研究有一个未满足的需要确定哪些矩阵最丰富。大部分代谢组学的研究主要集中在血液和尿液,因为分析方法已经很成熟,和抽样程序。很少有研究矩阵可能更有见地的呼吸医学(如。支气管肺泡灌洗液(27),支气管冲洗(28),呼出的气息29日],唾液[30.),痰液(31日]),除了breathomics,他处(32]。这些矩阵的分析挑战由于入侵或nonroutine抽样要求,稀释代谢物浓度和缺乏标准化策略正常化intersample浓度差异。
代谢组数据结构
挑战
代谢是相互联系和代谢物浓度的变化发生在结合其他代谢物。因此,代谢组学数据高度协变量。因此,数据分析方法用于其他组学科学并不总是完全相关的代谢组学数据。例如,单变量假设检验之后,计算的错误发现率(罗斯福)通常是应用组学数据,但罗斯福方法假设变量是独立的(33,34]。模型协方差和评估组合代谢物的影响,数据通常使用多元分析(集群、降维)和机器学习(如。偏最小二乘判别分析、支持向量机、随机森林)方法(35- - - - - -37]。此外,与其他组学技术,它不是简单的执行能力计算。路径映射方法有时被用于生物解释;然而,这些应该谨慎使用38),因为他们是容易受到偏见基于选择的背景设置(如。所有在一个特定的分析确定的化合物与参考路径),微分代谢物选择方法(如。假定值与核反应能量),数据库路径(如。京都基因和基因组的百科全书,Reactome BioCyc)。例如,背景设置可以很容易检测到的偏向代谢物(如。色氨酸代谢)和路径较小的大小可以影响结果比大通路途径更重要。
建议
开发一个数据分析策略研究开始之前。特别是,确定哪些分析方法是最合适的回答研究问题;评估是否可行的实现;并确保他们执行咨询专家。证据的效力的方法可能是有用的在解释结果。详细的协议代谢组学数据的统计分析,包括功率计算,最近发表的(39]。代谢组学是科学发现和结果应通知规划未来的分析和验证研究。代谢组学数据往往需要确认使用有针对性的转录组数据的定量方法以同样的方式与逆转录酶定量PCR证实。另一种资源进行数据确认是审问代谢组学数据的在线存储库(如。该财团的代谢组学研究[40])。肺研究面临的挑战是临床人群通常是小,导致统计力量,减少抽样误差和缺乏数据在线存储库。需要合作来增加呼吸医学研究的规模,尤其是在纵向采样,采样与发作,和干预研究。此外,有一个伴随呼吸研究人员需要提交他们的调查结果常见的在线数据存储库(如。MetaboLights [41),代谢组学工作台(42])。
代谢组学在肺医学的未来
尽管挑战,代谢组学的努力作出了重要发现肺药(4,43,44]。未来应用程序执行深躺在我们的能力的分子表型出现疾病识别治疗endotypes (如。确定分子标记分层患者治疗生物制剂)。此外,代谢组学是一个有用的组件精密医学监控策略的个体,很容易适应家庭监控。例如,国内微量试样可以搭配家里肺量测定法和分享服务应用程序提供了理解发作的诱因以及识别子组个人独特的反应,决定适当的治疗。它可能会链接环境和饮食暴露特定metabotypes exposome-based方法来识别特定的疾病subphenotypes触发器。有越来越多的使用multiomics分析,从代谢组学与其他组学平台集成数据更全面了解分子机制(43]。代谢组是动态的,有一个纵向监测个人需要启用时间映射和稳定性评估。此外,有必要开发健壮的临床化验能够分析数据长期监测项目,特别是在精度方面健康项目。意识到它的潜力,代谢组学所列出的限制必须加以解决。随着该领域的不断进步,它可以合理地预期,代谢组学将成为常规工具;然而,在目前的阶段,有一个需要了解所使用的方法的局限性和偏见,特别是选择方法。这个信息是必要的,以评估数据质量以及确保生物和临床解释是准确的,这将使提取的最大信息从代谢组学实验。
可共享的PDF
脚注
利益冲突:没有宣布。
澳大利亚政府的支持声明:我们承认支持国家卫生和医学研究委员会(GNT1140234),群马县大学高级研究计划(GIAR)和瑞典心脏肺脏基金会(HLF 20210519, 20210519)。资金信息,本文已沉积的Crossref资助者注册表。
- 收到了2022年1月14日。
- 接受2022年5月14日。
- 版权©2022年作者。
这个版本分布在创作共用署名非商业性许可证的条款4.0。商业生殖权利和权限接触权限在}{ersnet.org