代谢组学（Metabolomics）

这是一篇代谢组学（Metabolomics）的思维导图，从研究特点和研究流程及关键环节两个方面来做了介绍和概括。

代谢组学（Metabolomics）

• 研究特点
  • 变化放大：基因及环境因素改变而引起的变化在代谢物水平更显著
  • 变化快速：对环境扰动应答更灵敏、及时
  • 变化前瞻：早期代谢扰动监测表型变化
• 研究流程及关键环节
  • 样品采集
  • 样本预处理
    • 去除基质效应；提高分析效率
      • 蛋白沉淀：首选乙腈：甲醇（9:1），3倍体积沉淀
      • 蛋白沉淀+磷脂去除
      • 固相萃取（SPE）
      • 固相支撑液液萃取（SLE）
  • 重视生物样本标准化采集流程、质量评价
    • -80 ℃长期保存；冰上融化，分装避免反复冻融
    • 剔除溶血样本
  • 数据采集
    • 根据研究目的确定研究手段
      • 非靶向：发现
      • 靶向：验证、应用
      • 拟靶向：发现、应用
    • NMR
    • 色谱-质谱
      • QC样品校正以确保数据质量
        • QCs在PCA图中紧密聚集，小于2SD，RSD＜20-30%
        • 平衡后：先进2-8个QC
        • 每5-10个样品进一针QC
      • LC-MS/MS
        • 代谢组
        • 脂质组
      • GC-MS/MS
      • CE-MS/MS
  • 小分子代谢物的高效表征
    • 针对复杂体系生物样本样品的高分辨分离分析
  • 数据分析
    • 高通量信息获取、生物信息学研究
    • 数据预处理
      • 缺失值（missing value）：原始表中的“0”值
        • 将较多缺失值的变量予以剔除
        • 非缺失值比例＞80%的变量保留，并将剩余的“0”值赋值为峰检测时所设阈值
      • 代谢物的浓度因素（scaling方法）
        • UV：方差归一化，每个变量相同权重；只关注变量变化而不关注其大小
        • Ctr：中心化，减平均值；浓度大的变量权重大
        • Par：浓度信息一定程度保留（UV、Ctr折中）
    • 差异筛选
      • 多变量分析（看整体差异）：PCA、PLS-DA
      • 单变量分析（看个体差异）：ANOVA
      • 获得差异代谢物
        • 差异代谢物（第一步）≠代谢标志物（最后一步）
  • 生物解释
    • 解决实际生物医学问题和需求
    • 代谢通路分析
    • 多组学数据整合分析
    • 计算模拟（代谢物结构、反应动力学等角度进行机理研究）
    • 同位素标记（代谢流分析）：开展动态过程分析
      • 肿瘤、环境暴露导致代谢重编程
    • 分子生物学相关验证
      • 改变关键代谢物浓度
      • 抑制相关关键酶活性