stringtranslate.com

Метаболомика

Центральный принцип биологии, показывающий поток информации от ДНК к фенотипу . С каждым этапом связан соответствующий инструмент системной биологии, от геномики до метаболомики.

Метаболомика — это научное изучение химических процессов, в которых участвуют метаболиты , субстраты малых молекул, промежуточные продукты и продукты клеточного метаболизма . В частности, метаболомика — это «систематическое изучение уникальных химических отпечатков, которые оставляют определенные клеточные процессы», изучение профилей их малых молекул метаболитов. [1] Метаболом представляет собой полный набор метаболитов в биологической клетке, ткани, органе или организме, которые являются конечными продуктами клеточных процессов. [2] Информационная РНК (мРНК), данные об экспрессии генов и протеомный анализ выявляют набор продуктов генов , производимых в клетке, данные, которые представляют один из аспектов клеточной функции. И наоборот, метаболическое профилирование может дать мгновенный снимок физиологии этой клетки, [3] и, таким образом, метаболомика обеспечивает прямое «функциональное считывание физиологического состояния» организма. [4] Действительно, существуют количественные корреляции между метаболомом и другими клеточными ансамблями ( геномом , транскриптомом , протеомом и липидомом ), которые можно использовать для прогнозирования распространенности метаболитов в биологических образцах, например, по распространенности мРНК. [5] Одной из главных задач системной биологии является интеграция метаболомики со всей другой информацией омикса для лучшего понимания клеточной биологии.

История

Концепция о том, что у людей может быть «метаболический профиль», который может быть отражен в составе их биологических жидкостей, была введена Роджером Уильямсом в конце 1940-х годов [6] , который использовал бумажную хроматографию, чтобы предположить, что характерные метаболические паттерны в моче и слюне связаны с такими заболеваниями, как шизофрения . Однако только благодаря технологическим достижениям в 1960-х и 1970-х годах стало возможным количественно (в отличие от качественного) измерения метаболических профилей. [7] Термин «метаболический профиль» был введен Хорнингом и др. в 1971 году после того, как они продемонстрировали, что газовая хроматография-масс-спектрометрия (ГХ-МС) может использоваться для измерения соединений, присутствующих в моче и тканевых экстрактах человека. [8] [9] Группа Хорнинга вместе с группой Лайнуса Полинга и Артура Б. Робинсона руководила разработкой методов ГХ-МС для мониторинга метаболитов, присутствующих в моче, в течение 1970-х годов. [10]

Одновременно с этим ЯМР-спектроскопия , открытая в 1940-х годах, также быстро развивалась. В 1974 году Сили и др. продемонстрировали полезность использования ЯМР для обнаружения метаболитов в неизмененных биологических образцах. [11] Это первое исследование мышц подчеркнуло ценность ЯМР, поскольку было установлено, что 90% клеточного АТФ находится в комплексе с магнием. Поскольку чувствительность улучшилась с развитием более высоких напряженностей магнитного поля и вращения под магическим углом , ЯМР продолжает оставаться ведущим аналитическим инструментом для исследования метаболизма. [8] [12] Недавние попытки использовать ЯМР для метаболомики в значительной степени были инициированы лабораторией Джереми К. Николсона в колледже Биркбек, Лондонском университете, а затем в Имперском колледже Лондона . В 1984 году Николсон показал, что спектроскопия 1 H ЯМР потенциально может быть использована для диагностики сахарного диабета, а позже стал пионером применения методов распознавания образов к данным ЯМР-спектроскопии. [13] [14]

В 1994 и 1996 годах эксперименты по метаболомике с использованием жидкостной хроматографии и масс-спектрометрии [15] [16] были выполнены Гари Сиуздаком во время работы с Ричардом Лернером (тогдашним президентом Научно-исследовательского института Скриппса ) и Бенджамином Краваттом для анализа спинномозговой жидкости у лишенных сна животных. Была обнаружена одна молекула, представляющая особый интерес, олеамид , и позже было показано, что она обладает свойствами, вызывающими сон. Эта работа является одним из самых ранних подобных экспериментов, объединяющих жидкостную хроматографию и масс-спектрометрию в метаболомике.

В 2005 году в лаборатории Сиуздака в Научно-исследовательском институте Скриппса была разработана первая база данных метаболомной тандемной масс-спектрометрии METLIN [17] [18] для характеристики человеческих метаболитов . С тех пор METLIN разросся, и по состоянию на декабрь 2023 года METLIN содержит экспериментальные данные МС/МС по более чем 930 000 молекулярных стандартов и других химических объектов, [19] каждое соединение имеет экспериментальные данные тандемной масс-спектрометрии, полученные из молекулярных стандартов при множественных энергиях столкновения и в режимах положительной и отрицательной ионизации. METLIN является крупнейшим в своем роде хранилищем данных тандемной масс-спектрометрии. Специализированный академический журнал Metabolomics впервые появился в 2005 году и был основан его нынешним главным редактором Роем Гудакром .

В 2005 году лаборатория Сиуздака занималась выявлением метаболитов, связанных с сепсисом , и в попытке решить проблему статистического выявления наиболее релевантных нерегулируемых метаболитов в сотнях наборов данных ЖХ/МС был разработан первый алгоритм, позволяющий выполнять нелинейное выравнивание данных метаболомики масс-спектрометрии. Названный XCMS, [20] с тех пор (2012) [21] он был разработан как онлайн-инструмент и по состоянию на 2019 год (с METLIN) имеет более 30 000 зарегистрированных пользователей.

23 января 2007 года проект «Метаболом человека » под руководством Дэвида С. Уишарта завершил первый проект метаболома человека, состоящего из базы данных, содержащей около 2500 метаболитов, 1200 лекарственных препаратов и 3500 пищевых компонентов. [22] [23] Аналогичные проекты уже несколько лет реализуются в отношении нескольких видов растений, в частности, Medicago truncatula [24] и Arabidopsis thaliana [25] .

Еще в середине 2010 года метаболомика все еще считалась «новой областью». [26] Кроме того, было отмечено, что дальнейший прогресс в этой области во многом зависел от решения «неразрешимых технических проблем» и технической эволюции масс-спектрометрического оборудования. [26]

В 2015 году впервые было продемонстрировано профилирование метаболома в реальном времени. [27]

Метаболом

Проект человеческого метаболома

Метаболом относится к полному набору низкомолекулярных (<1,5 кДа) [ 22] метаболитов (таких как метаболические промежуточные продукты, гормоны и другие сигнальные молекулы, а также вторичные метаболиты), которые можно обнаружить в биологическом образце, например, в отдельном организме. [28] [29] Слово было придумано по аналогии с транскриптомикой и протеомикой ; подобно транскриптому и протеому, метаболом динамичен, изменяясь от секунды к секунде. Хотя метаболом можно определить достаточно легко, в настоящее время невозможно проанализировать весь спектр метаболитов одним аналитическим методом.

В январе 2007 года ученые из Университета Альберты и Университета Калгари завершили первый проект человеческого метаболома. База данных человеческого метаболома (HMDB) является, пожалуй, самой обширной публичной метаболомной спектральной базой данных на сегодняшний день [30] и представляет собой свободно доступную электронную базу данных (www.hmdb.ca), содержащую подробную информацию о низкомолекулярных метаболитах, обнаруженных в организме человека. Она предназначена для использования в приложениях в метаболомике, клинической химии, открытии биомаркеров и общем образовании. База данных предназначена для хранения или связывания трех видов данных:

  1. Химические данные,
  2. Клинические данные и
  3. Данные молекулярной биологии/биохимии.

База данных содержит 220 945 записей метаболитов, включая как водорастворимые, так и жирорастворимые метаболиты. Кроме того, с этими записями метаболитов связаны 8 610 белковых последовательностей (ферментов и транспортеров). Каждая запись MetaboCard содержит 130 полей данных, из которых 2/3 посвящены химическим/клиническим данным, а оставшаяся 1/3 посвящена ферментативным или биохимическим данным. [31] Версия 3.5 HMDB содержит >16 000 эндогенных метаболитов, >1 500 лекарств и >22 000 пищевых компонентов или пищевых метаболитов. [32] Эта информация, доступная в базе данных метаболома человека и основанная на анализе информации, доступной в текущей научной литературе, далека от полноты. [33] Напротив, о метаболомах других организмов известно гораздо больше. Например, более 50 000 метаболитов были охарактеризованы в растительном мире, и многие тысячи метаболитов были идентифицированы и/или охарактеризованы в отдельных растениях. [34] [35]

Каждый тип клеток и тканей имеет уникальный метаболический «отпечаток», который может пролить свет на информацию, специфичную для органа или ткани. Биологические образцы, используемые для метаболомного анализа, включают, помимо прочего, плазму, сыворотку, мочу, слюну, фекалии, мышцы, пот, выдыхаемый воздух и желудочно-кишечную жидкость. [36] Простота сбора обеспечивает высокое временное разрешение, и поскольку они всегда находятся в динамическом равновесии с телом, они могут описать хозяина в целом. [37] Геном может сказать, что может произойти, транскриптом может сказать, что, по-видимому, происходит, протеом может сказать, что заставляет это происходить, а метаболом может сказать, что произошло и что происходит. [38]

Метаболиты

Метаболиты — это субстраты, промежуточные продукты и продукты метаболизма . В контексте метаболомики метаболит обычно определяется как любая молекула размером менее 1,5 кДа . [22] Однако существуют исключения из этого правила в зависимости от образца и метода обнаружения. Например, макромолекулы, такие как липопротеины и альбумин, надежно обнаруживаются в исследованиях метаболомики плазмы крови на основе ЯМР . [39] В метаболомике растений принято называть «первичные» и «вторичные» метаболиты. [3] Первичный метаболит напрямую участвует в нормальном росте, развитии и воспроизводстве. Вторичный метаболит напрямую не участвует в этих процессах, но обычно имеет важную экологическую функцию. Примерами служат антибиотики и пигменты . [40] Напротив, в метаболомике человека чаще описывают метаболиты как эндогенные (вырабатываемые организмом-хозяином) или экзогенные . [41] [42] Метаболиты чужеродных веществ, таких как лекарства, называются ксенометаболитами. [43]

Метаболом образует большую сеть метаболических реакций, где выходы одной ферментативной химической реакции являются входами для других химических реакций. Такие системы были описаны как гиперциклы . [ необходима цитата ]

Метабономика

Метабономика определяется как «количественное измерение динамического многопараметрического метаболического ответа живых систем на патофизиологические стимулы или генетическую модификацию». Слово происходит от греческого μεταβολή, что означает изменение, и nomos, что означает набор правил или законов. [44] Этот подход был впервые предложен Джереми Николсоном в Университете Мердока и использовался в токсикологии, диагностике заболеваний и ряде других областей. Исторически подход метабономики был одним из первых методов, применивших сферу системной биологии к изучению метаболизма. [45] [46] [47]

Имеются некоторые разногласия относительно точных различий между «метаболомикой» и «метабономикой». Разница между этими двумя терминами не связана с выбором аналитической платформы: хотя метабономика больше ассоциируется с ЯМР-спектроскопией , а метаболомика — с методами, основанными на масс-спектрометрии , это просто из-за использования среди разных групп, которые популяризировали разные термины. Хотя все еще нет абсолютного согласия, растет консенсус о том, что «метаболомика» уделяет больше внимания метаболическому профилированию на клеточном или органном уровне и в первую очередь занимается нормальным эндогенным метаболизмом. «Метабономика» расширяет метаболическое профилирование, включая информацию о нарушениях метаболизма, вызванных факторами окружающей среды (включая диету и токсины), болезнями и участием внегеномных влияний, таких как кишечная микрофлора . Это не тривиальное различие; метаболомные исследования должны, по определению, исключать метаболические вклады из внегеномных источников, поскольку они являются внешними по отношению к изучаемой системе. Однако на практике в области исследования человеческих болезней по-прежнему наблюдается значительная степень совпадения в использовании обоих терминов, и они часто фактически являются синонимами. [48]

Экзометаболомика

Экзометаболомика, или «метаболический футпринтинг», — это изучение внеклеточных метаболитов. Она использует множество методов из других подполей метаболомики и имеет применение в разработке биотоплива , биообработке , определении механизма действия лекарств и изучении межклеточных взаимодействий. [49]

Аналитические технологии

Ключевые этапы исследования метаболомики

Типичный рабочий процесс метаболомных исследований показан на рисунке. Сначала образцы собираются из тканей, плазмы, мочи, слюны, клеток и т. д. Затем метаболиты извлекаются часто с добавлением внутренних стандартов и дериватизацией. [38] Во время анализа образцов метаболиты количественно определяются ( жидкостная хроматография или газовая хроматография в сочетании с МС и/или ЯМР- спектроскопией). [50] Необработанные выходные данные могут быть использованы для извлечения признаков метаболитов и дальнейшей обработки перед статистическим анализом (таким как анализ главных компонентов , PCA). Существует множество биоинформационных инструментов и программного обеспечения для выявления связей с состояниями и результатами заболеваний, определения значимых корреляций и характеристики метаболических сигнатур с помощью существующих биологических знаний. [51]

Методы разделения

Первоначально аналиты в метаболомном образце представляют собой очень сложную смесь. Эту сложную смесь можно упростить перед обнаружением, отделив некоторые аналиты от других. Разделение достигает различных целей: аналиты, которые не могут быть разрешены детектором, могут быть разделены на этом этапе; в анализе МС подавление ионов уменьшается; время удерживания аналита служит информацией о его идентичности. Этот этап разделения не является обязательным и часто опускается в подходах, основанных на ЯМР и «дробовике», таких как дробовик липидомики .

Газовая хроматография (ГХ), особенно в сочетании с масс-спектрометрией ( ГХ-МС ), является широко используемым методом разделения для метаболомного анализа. ГХ обеспечивает очень высокое хроматографическое разрешение и может использоваться в сочетании с пламенно-ионизационным детектором (ГХ/ПИД) или масс-спектрометром (ГХ-МС). Этот метод особенно полезен для идентификации и количественной оценки малых и летучих молекул. [52] Однако практическим ограничением ГХ является необходимость химической дериватизации для многих биомолекул, поскольку без дериватизации можно анализировать только летучие химические вещества. В случаях, когда требуется большая разрешающая способность, можно применять двумерную хроматографию ( ГХxГХ ).

Высокоэффективная жидкостная хроматография (ВЭЖХ) стала наиболее распространенной техникой разделения для метаболического анализа. С появлением электрораспылительной ионизации ВЭЖХ была соединена с МС. В отличие от ГХ , ВЭЖХ имеет более низкое хроматографическое разрешение, но не требует дериватизации для полярных молекул и разделяет молекулы в жидкой фазе. Кроме того, ВЭЖХ имеет то преимущество, что можно измерять гораздо более широкий диапазон аналитов с более высокой чувствительностью, чем методы ГХ. [53]

Капиллярный электрофорез (КЭ) имеет более высокую теоретическую эффективность разделения, чем ВЭЖХ (хотя требует гораздо больше времени на разделение), и подходит для использования с более широким диапазоном классов метаболитов, чем ГХ. Как и все электрофоретические методы, он наиболее подходит для заряженных аналитов. [54]

Методы обнаружения

Масс-спектрометрия (МС) используется для идентификации и количественной оценки метаболитов после необязательного разделения с помощью ГХ , ВЭЖХ или КЭ . ГХ-МС была первой разработанной дефисной техникой. Идентификация использует различные шаблоны, в которых фрагментируются аналиты. Эти шаблоны можно рассматривать как масс-спектральный отпечаток. Существуют библиотеки, которые позволяют идентифицировать метаболит в соответствии с этим шаблоном фрагментации [ необходим пример ] . МС является как чувствительным, так и может быть очень специфичным. Существует также ряд методов, которые используют МС как автономную технологию: образец вводится непосредственно в масс-спектрометр без предварительного разделения, и МС обеспечивает достаточную селективность как для разделения, так и для обнаружения метаболитов.

Для анализа методом масс-спектрометрии аналитам необходимо придать заряд и перевести в газовую фазу. Электронная ионизация (EI) является наиболее распространенным методом ионизации, применяемым для разделения ГХ, поскольку она поддается низкому давлению. EI также вызывает фрагментацию аналита, что обеспечивает как структурную информацию, так и увеличивает сложность данных и, возможно, скрывает молекулярный ион. Химическая ионизация при атмосферном давлении (APCI) является методом атмосферного давления, который может применяться ко всем вышеперечисленным методам разделения. APCI является методом ионизации в газовой фазе, который обеспечивает немного более агрессивную ионизацию, чем ESI, которая подходит для менее полярных соединений. Ионизация электрораспылением (ESI) является наиболее распространенным методом ионизации, применяемым в ЖХ/МС. Эта мягкая ионизация наиболее успешна для полярных молекул с ионизируемыми функциональными группами. Другой часто используемый метод мягкой ионизации — вторичная ионизация электрораспылением (SESI) .

В 2000-х годах масс-анализ на основе поверхности пережил возрождение, и новые технологии МС были сосредоточены на повышении чувствительности, минимизации фона и сокращении подготовки образцов. Возможность анализировать метаболиты непосредственно из биологических жидкостей и тканей продолжает бросать вызов современной технологии МС, в основном из-за ограничений, налагаемых сложностью этих образцов, которые содержат тысячи и десятки тысяч метаболитов. Среди технологий, разрабатываемых для решения этой проблемы, — МС с наноструктурным инициатором (NIMS), [55] [56] подход десорбции/ионизации, который не требует применения матрицы и тем самым облегчает идентификацию малых молекул (т. е. метаболитов). Также используется MALDI ; однако применение матрицы MALDI может добавить значительный фон при < 1000 Да , что усложняет анализ диапазона малых масс (т. е. метаболитов). Кроме того, размер получаемых кристаллов матрицы ограничивает пространственное разрешение, которое может быть достигнуто при визуализации тканей. Из-за этих ограничений для анализа биологических жидкостей и тканей были применены несколько других подходов десорбции/ионизации без использования матрицы.

Вторичная ионная масс-спектрометрия (SIMS) была одним из первых методов десорбции/ионизации без матрицы, используемых для анализа метаболитов из биологических образцов. [ необходима цитата ] SIMS использует первичный ионный пучок высокой энергии для десорбции и генерации вторичных ионов с поверхности. Основным преимуществом SIMS является его высокое пространственное разрешение (всего 50 нм), мощная характеристика для визуализации тканей с помощью MS. Однако SIMS еще не так легко применяется для анализа биологических жидкостей и тканей из-за его ограниченной чувствительности при >500 Да и фрагментации аналита, создаваемой первичным ионным пучком высокой энергии. Десорбционная электрораспылительная ионизация (DESI) — это метод анализа биологических образцов без матрицы, который использует распыление заряженного растворителя для десорбции ионов с поверхности. Преимущества DESI заключаются в том, что не требуется специальной поверхности, и анализ выполняется при давлении окружающей среды с полным доступом к образцу во время сбора данных. Ограничением DESI является пространственное разрешение, поскольку «фокусировка» распыления заряженного растворителя затруднена. Однако недавняя разработка, названная лазерной абляцией ESI (LAESI), является многообещающим подходом для обхода этого ограничения. [ необходима ссылка ] Совсем недавно методы ионной ловушки, такие как масс-спектрометрия с орбитальной ловушкой, также стали применяться в исследованиях метаболомики. [57]

Спектроскопия ядерного магнитного резонанса (ЯМР) является единственным методом обнаружения, который не зависит от разделения аналитов, и образец, таким образом, может быть восстановлен для дальнейшего анализа. Все виды метаболитов малых молекул могут быть измерены одновременно - в этом смысле ЯМР близок к тому, чтобы быть универсальным детектором. Главными преимуществами ЯМР являются высокая аналитическая воспроизводимость и простота подготовки образца. Практически, однако, он относительно нечувствителен по сравнению с методами, основанными на масс-спектрометрии. [58] [59]

Хотя ЯМР и МС являются наиболее широко используемыми современными методами обнаружения, существуют и другие методы. Они включают Фурье-преобразование ионный циклотронный резонанс , [60] спектрометрию ионной подвижности , [61] электрохимическое обнаружение (в сочетании с ВЭЖХ), Рамановскую спектроскопию и радиоактивную метку (в сочетании с тонкослойной хроматографией). [ необходима цитата ]

Статистические методы

Данные, полученные в метаболомике, обычно состоят из измерений, выполненных на субъектах в различных условиях. Эти измерения могут быть оцифрованными спектрами или списком характеристик метаболитов. В своей простейшей форме это генерирует матрицу со строками, соответствующими субъектам, и столбцами, соответствующими характеристикам метаболитов (или наоборот). [8] В настоящее время доступно несколько статистических программ для анализа данных ЯМР и масс-спектрометрии . Большое количество бесплатного программного обеспечения уже доступно для анализа данных метаболомики, показанных в таблице. Некоторые статистические инструменты, перечисленные в таблице, были разработаны для анализа данных ЯМР, но также были полезны для данных МС. [62] Для данных масс-спектрометрии доступно программное обеспечение, которое идентифицирует молекулы, которые различаются в группах субъектов на основе значения массы над зарядом, а иногда и времени удерживания в зависимости от экспериментального дизайна. [63]

После определения матрицы данных метаболитов можно использовать неконтролируемые методы редукции данных (например, PCA) для выяснения закономерностей и связей. Во многих исследованиях, включая те, которые оценивают токсичность лекарств и некоторые модели заболеваний, интересующие метаболиты неизвестны априори . Это делает неконтролируемые методы, те, которые не имеют предварительных предположений о принадлежности к классу, популярным первым выбором. Наиболее распространенный из этих методов включает анализ главных компонентов (PCA), который может эффективно сократить измерения набора данных до нескольких, которые объясняют наибольшую вариацию. [37] При анализе в пространстве PCA с меньшей размерностью можно обнаружить кластеризацию образцов со схожими метаболическими отпечатками. Алгоритмы PCA направлены на замену всех коррелированных переменных гораздо меньшим количеством некоррелированных переменных (называемых главными компонентами (PC)) и сохранение большей части информации в исходном наборе данных. [64] Эта кластеризация может прояснить закономерности и помочь в определении биомаркеров заболеваний — метаболитов, которые больше всего коррелируют с принадлежностью к классу.

Линейные модели обычно используются для данных метаболомики, но на них влияет мультиколлинеарность . С другой стороны, многомерная статистика является процветающим методом для многомерных коррелированных данных метаболомики, из которых наиболее популярным является регрессия проекции на скрытые структуры (PLS) и ее классификационная версия PLS-DA. Другие методы добычи данных , такие как случайный лес , машины опорных векторов и т. д., получают все большее внимание для анализа нецелевых данных метаболомики. [65] В случае одномерных методов переменные анализируются одна за другой с использованием классических статистических инструментов (таких как t-критерий Стьюдента , ANOVA или смешанные модели), и только те, у которых достаточно малые значения p, считаются релевантными. [36] Однако следует использовать стратегии коррекции для уменьшения ложных открытий при проведении множественных сравнений , поскольку не существует стандартного метода для измерения общего количества метаболитов непосредственно в нецелевой метаболомике. [66] Для многомерного анализа модели всегда должны быть проверены, чтобы гарантировать возможность обобщения результатов.

Машинное обучение и интеллектуальный анализ данных

Машинное обучение — мощный инструмент, который можно использовать в метаболомном анализе. Недавно ученые разработали программное обеспечение для прогнозирования времени удерживания. Эти инструменты позволяют исследователям применять искусственный интеллект для прогнозирования времени удерживания малых молекул в сложных смесях, таких как плазма человека, растительные экстракты, продукты питания или микробные культуры. Прогнозирование времени удерживания увеличивает скорость идентификации в жидкостной хроматографии и может привести к улучшенной биологической интерпретации данных метаболомики. [67]

Ключевые приложения

Оценка токсичности / токсикология с помощью метаболического профилирования (особенно образцов мочи или плазмы крови) выявляет физиологические изменения, вызванные токсическим воздействием химического вещества (или смеси химических веществ). Во многих случаях наблюдаемые изменения могут быть связаны с определенными синдромами, например, определенным поражением печени или почек. Это особенно актуально для фармацевтических компаний, желающих проверить токсичность потенциальных кандидатов на лекарства : если соединение может быть исключено до того, как оно достигнет клинических испытаний по причине неблагоприятной токсичности, это экономит огромные расходы на испытания. [48]

Для функциональной геномики метаболомика может быть отличным инструментом для определения фенотипа, вызванного генетической манипуляцией, такой как удаление или вставка гена. Иногда это может быть достаточной целью само по себе — например, для обнаружения любых фенотипических изменений в генетически модифицированном растении, предназначенном для потребления человеком или животными. Более захватывающей является перспектива предсказания функции неизвестных генов путем сравнения с метаболическими нарушениями, вызванными удалением/вставкой известных генов. Такие достижения, скорее всего, будут получены от модельных организмов, таких как Saccharomyces cerevisiae и Arabidopsis thaliana . Лаборатория Краватта в Научно-исследовательском институте Скриппса недавно применила эту технологию к системам млекопитающих , идентифицировав N -ацилтаурины как ранее не охарактеризованные эндогенные субстраты для фермента гидролазы амидов жирных кислот (FAAH) и эфиры моноалкилглицеринов (MAGE) как эндогенные субстраты для неохарактеризованной гидролазы KIAA1363 . [68] [69]

Метабологеномика — это новый подход к интеграции данных метаболомики и геномики путем корреляции метаболитов, экспортируемых микробами, с предсказанными биосинтетическими генами. [70] Этот метод спаривания на основе биоинформатики позволяет обнаруживать натуральные продукты в более крупных масштабах путем уточнения нецелевых метаболомных анализов для идентификации малых молекул с родственным биосинтезом и сосредоточения внимания на тех, которые, возможно, не имеют ранее хорошо известных структур.

Флюксомика — это дальнейшее развитие метаболомики. Недостатком метаболомики является то, что она предоставляет пользователю только данные об избытках или концентрациях метаболитов, тогда как флюксомика определяет скорости реакций метаболизма и может отслеживать метаболиты в биологической системе с течением времени.

Нутригеномика — это обобщенный термин, который связывает геномику, транскриптомику, протеомику и метаболомику с питанием человека. В целом, в данной жидкости организма метаболом находится под влиянием эндогенных факторов, таких как возраст, пол, состав тела и генетика, а также основных патологий. Микрофлора толстого кишечника также является весьма значительным потенциальным фактором, искажающим метаболические профили, и может быть классифицирована как эндогенный или экзогенный фактор. Основными экзогенными факторами являются диета и лекарства. Затем диету можно разбить на питательные и непитательные вещества. Метаболомика — это одно из средств определения биологической конечной точки или метаболического отпечатка, который отражает баланс всех этих сил на метаболизме человека. [71] [72] Благодаря недавнему снижению затрат метаболомика теперь стала доступна для домашних животных, таких как беременные собаки. [73] [74]

Метаболомика растений предназначена для изучения общих изменений в метаболитах образцов растений, а затем для проведения глубокого анализа данных и хемометрического анализа. Специализированные метаболиты считаются компонентами систем защиты растений, биосинтезируемых в ответ на биотические и абиотические стрессы. [75] Подходы метаболомики в последнее время использовались для оценки естественной дисперсии в содержании метаболитов между отдельными растениями, подход с большим потенциалом для улучшения композиционного качества сельскохозяйственных культур. [76]

Смотрите также

Ссылки

  1. ^ Дэвисс Б. (апрель 2005 г.). «Болезни роста метаболомики». The Scientist . 19 (8): 25–28. Архивировано из оригинала 13 октября 2008 г.
  2. ^ Jordan KW, Nordenstam J, Lauwers GY, Rothenberger DA, Alavi K, Garwood M и др. (март 2009 г.). «Метаболомная характеристика аденокарциномы прямой кишки человека с помощью магнитно-резонансной спектроскопии интактных тканей». Заболевания толстой и прямой кишки . 52 (3): 520–525. doi :10.1007/DCR.0b013e31819c9a2c. PMC 2720561. PMID  19333056 . 
  3. ^ ab Villate A, San Nicolas M, Gallastegi M, Aulas PA, Olivares M, Usobiaga A и др. (февраль 2021 г.). «Обзор: метаболомика как инструмент прогнозирования производительности растений в условиях экологического стресса». Plant Science . 303 : 110789. doi :10.1016/j.plantsci.2020.110789. PMID  33487364. S2CID  230533604.
  4. ^ Hollywood K, Brison DR, Goodacre R (сентябрь 2006 г.). «Метаболомика: современные технологии и будущие тенденции». Proteomics . 6 (17): 4716–4723. doi :10.1002/pmic.200600106. PMID  16888765. S2CID  14631544.
  5. ^ Cavicchioli MV, Santorsola M, Balboni N, Mercatelli D, Giorgi FM (март 2022 г.). «Прогнозирование метаболических профилей на основе данных транскриптомики в линиях раковых клеток человека». International Journal of Molecular Sciences . 23 (7): 3867. doi : 10.3390/ijms23073867 . PMC 8998886. PMID  35409231 . 
  6. ^ Гейтс SC, Суили CC (октябрь 1978 г.). «Количественное метаболическое профилирование на основе газовой хроматографии». Клиническая химия . 24 (10): 1663–1673. doi :10.1093/clinchem/24.10.1663. PMID  359193.
  7. ^ Прети, Джордж (6 июня 2005 г.). «Метаболомика достигает зрелости?». The Scientist . 19 (11): 8.
  8. ^ abc van der Greef J, Smilde AK (май 2005). «Симбиоз хемометрики и метаболомики: прошлое, настоящее и будущее». Журнал хемометрики . 19 (5–7): 376–386. doi : 10.1002/cem.941 . S2CID  122419960.
  9. ^ Шапиро И, Кавкало ДН, Петрова ГВ, Ганзин АП (1989). "[Ангиолейомиома брыжейки толстой кишки, осложненная разлитым перитонитом]". Советская медицина (9): 116. PMID  2603028.
  10. ^ Гриффитс В.Дж., Ван И. (июль 2009 г.). «Масс-спектрометрия: от протеомики к метаболомике и липидомике». Chemical Society Reviews . 38 (7): 1882–1896. doi :10.1039/b618553n. PMID  19551169. S2CID  12237358.
  11. ^ Hoult DI, Busby SJ, Gadian DG, Radda GK, Richards RE, Seeley PJ (ноябрь 1974 г.). «Наблюдение за тканевыми метаболитами с использованием ядерного магнитного резонанса 31P». Nature . 252 (5481): 285–287. Bibcode :1974Natur.252..285H. doi :10.1038/252285a0. PMID  4431445. S2CID  4291661.
  12. ^ Nicholson JK, Lindon JC (октябрь 2008 г.). «Системная биология: метабономика». Nature . 455 (7216): 1054–1056. Bibcode :2008Natur.455.1054N. doi :10.1038/4551054a. PMID  18948945. S2CID  4411723.
  13. ^ Холмс Э., Антти Х. (декабрь 2002 г.). «Хемометрический вклад в эволюцию метабономики: математические решения для характеристики и интерпретации сложных биологических спектров ЯМР». The Analyst . 127 (12): 1549–1557. Bibcode :2002Ana...127.1549H. doi :10.1039/b208254n. PMID  12537357.
  14. ^ Lenz EM, Wilson ID (февраль 2007 г.). «Аналитические стратегии в метабономике». Журнал исследований протеома . 6 (2): 443–458. doi :10.1021/pr0605217. PMID  17269702.
  15. ^ Lerner RA, Siuzdak G, Prospero-Garcia O, Henriksen SJ, Boger DL, Cravatt BF (сентябрь 1994 г.). «Церебродиен: липид мозга, выделенный у лишенных сна кошек». Труды Национальной академии наук Соединенных Штатов Америки . 91 (20): 9505–9508. Bibcode : 1994PNAS...91.9505L. doi : 10.1073/pnas.91.20.9505 . PMC 44841. PMID  7937797 . 
  16. ^ Cravatt BF, Prospero-Garcia O, Siuzdak G, Gilula NB, Henriksen SJ, Boger DL и др. (июнь 1995 г.). «Химическая характеристика семейства мозговых липидов, вызывающих сон». Science . 268 (5216): 1506–1509. Bibcode :1995Sci...268.1506C. doi :10.1126/science.7770779. PMID  7770779.
  17. ^ Smith CA, O'Maille G, Want EJ, Qin C, Trauger SA, Brandon TR и др. (декабрь 2005 г.). «METLIN: база данных масс-спектров метаболитов». Терапевтический лекарственный мониторинг . 27 (6): 747–751. doi :10.1097/01.ftd.0000179845.53213.39. PMID  16404815. S2CID  14774455.
  18. ^ Guijas C, Montenegro-Burke JR, Domingo-Almenara X, Palermo A, Warth B, Hermann G и др. (март 2018 г.). «METLIN: технологическая платформа для идентификации известных и неизвестных». Аналитическая химия . 90 (5): 3156–3164. doi :10.1021/acs.analchem.7b04424. PMC 5933435. PMID  29381867 . 
  19. ^ "Премия за инновации в области аналитического ученого 2023 года". Аналитический ученый . 2023-12-12 . Получено 2023-12-14 .
  20. ^ Smith CA, Want EJ, O'Maille G, Abagyan R, Siuzdak G (февраль 2006 г.). "XCMS: обработка данных масс-спектрометрии для профилирования метаболитов с использованием нелинейного выравнивания пиков, сопоставления и идентификации". Аналитическая химия . 78 (3): 779–787. doi :10.1021/ac051437y. PMID  16448051.
  21. ^ Tautenhahn R, Patti GJ, Rinehart D, Siuzdak G (июнь 2012 г.). «XCMS Online: веб-платформа для обработки нецелевых метаболомных данных». Аналитическая химия . 84 (11): 5035–5039. doi :10.1021/ac300698c. PMC 3703953. PMID  22533540 . 
  22. ^ abc Wishart DS, Tzur D, Knox C, Eisner R, Guo AC, Young N, et al. (1 января 2007 г.). "HMDB: база данных метаболитов человека". Nucleic Acids Research . 35 (D1): D521–D526. doi :10.1093/nar/gkl923. PMC 1899095. PMID  17202168 . 
  23. ^ Wishart DS, Knox C, Guo AC, Eisner R, Young N, Gautam B, et al. (1 января 2009 г.). "HMDB: база знаний по человеческому метаболому". Nucleic Acids Research . 37 (D1): D603–D610. doi :10.1093/nar/gkn810. PMC 2686599. PMID 18953024  . 
  24. ^ Farag MA, Huhman DV, Dixon RA, Sumner LW (февраль 2008 г.). «Метаболомика раскрывает новые пути и дифференциальные механистические и элиситор-специфические ответы в биосинтезе фенилпропаноидов и изофлавоноидов в клеточных культурах Medicago truncatula». Физиология растений . 146 (2): 387–402. doi :10.1104/pp.107.108431. PMC 2245840. PMID  18055588 . 
  25. ^ "www.Plantmetabolomics.org". 7 ноября 2012 г. Архивировано из оригинала 2012-11-07 . Получено 20 мая 2020 г.
  26. ^ ab Morrow Jr KJ (1 апреля 2010 г.). "Mass Spec Central to Metabolomics". Genetic Engineering & Biotechnology News . Vol. 30, no. 7. p. 1. Архивировано из оригинала 12 августа 2011 г. Получено 28 июня 2010 г.
  27. ^ "Анализ продуктов метаболизма в реальном времени". phys.org . Получено 20 мая 2020 г. .
  28. ^ Оливер СГ, Уинсон МК, Келл ДБ, Баганц Ф (сентябрь 1998 г.). «Систематический функциональный анализ генома дрожжей». Тенденции в биотехнологии . 16 (9): 373–378. doi :10.1016/S0167-7799(98)01214-1. PMID  9744112.
  29. ^ Гриффин Дж. Л., Видал-Пуиг А. (июнь 2008 г.). «Текущие проблемы метаболомики для исследований диабета: жизненно важный функциональный геномный инструмент или просто уловка для получения финансирования?». Физиологическая геномика . 34 (1): 1–5. doi :10.1152/physiolgenomics.00009.2008. PMID  18413782. S2CID  9416755.
  30. ^ HMDB 4.0 — база данных метаболома человека в 2018 году.
  31. ^ Wishart DS, Guo A, Oler E, Wang F, Anjum A, Peters H и др. (январь 2022 г.). «HMDB 5.0: база данных метаболома человека на 2022 год». Nucleic Acids Research . 50 (D1): D622–D631. doi :10.1093/nar/gkab1062. PMC 8728138. PMID  34986597 . 
  32. ^ Wishart DS, Jewison T, Guo AC, Wilson M, Knox C, Liu Y и др. (январь 2013 г.). «HMDB 3.0 — база данных метаболома человека в 2013 г.». Nucleic Acids Research . 41 (выпуск базы данных): D801–D807. doi :10.1093/nar/gks1065. PMC 3531200. PMID  23161693 . 
  33. ^ Pearson H (март 2007). «Знакомьтесь, человеческий метаболом». Nature . 446 (7131): 8. Bibcode : 2007Natur.446....8P. doi : 10.1038/446008a . PMID  17330009. S2CID  2235062.
  34. ^ De Luca V, St Pierre B (апрель 2000 г.). «Клеточная и эволюционная биология биосинтеза алкалоидов». Trends in Plant Science . 5 (4): 168–173. doi :10.1016/S1360-1385(00)01575-2. PMID  10740298.
  35. ^ Griffin JL, Shockcor JP (июль 2004 г.). «Метаболические профили раковых клеток». Nature Reviews. Cancer . 4 (7): 551–561. doi :10.1038/nrc1390. PMID  15229480. S2CID  527894.
  36. ^ ab Улашевска М.М., Вайнерт CH, Триминьо А., Портманн Р., Андрес Лакуева С., Бадерчер Р. и др. (январь 2019 г.). «Нутриметаболомика: интегративное действие для метаболомного анализа в исследованиях питания человека». Молекулярное питание и пищевые исследования . 63 (1): e1800384. дои : 10.1002/mnfr.201800384 . hdl : 11572/214273 . ПМИД  30176196.
  37. ^ ab Nicholson JK, Wilson ID (август 2003 г.). «Мнение: понимание «глобальной» системной биологии: метабономика и континуум метаболизма». Nature Reviews. Drug Discovery . 2 (8): 668–676. doi :10.1038/nrd1157. PMID  12904817. S2CID  23743031.
  38. ^ ab Dettmer K, Aronov PA, Hammock BD (2007). "Метаболомика на основе масс-спектрометрии". Mass Spectrometry Reviews . 26 (1): 51–78. Bibcode : 2007MSRv...26...51D. doi : 10.1002/mas.20108. PMC 1904337. PMID  16921475 . 
  39. ^ Nicholson JK, Foxall PJ, Spraul M, Farrant RD, Lindon JC (март 1995). "750 МГц 1H и 1H-13C ЯМР-спектроскопия плазмы крови человека". Аналитическая химия . 67 (5): 793–811. doi :10.1021/ac00101a004. PMID  7762816.
  40. ^ Бентли Р. (1999). «Биосинтез вторичных метаболитов: первое столетие». Критические обзоры по биотехнологии . 19 (1): 1–40. doi :10.1080/0738-859991229189. PMID  10230052.
  41. ^ Nordström A, O'Maille G, Qin C, Siuzdak G (май 2006 г.). «Нелинейное выравнивание данных для метаболомики на основе UPLC-MS и HPLC-MS: количественный анализ эндогенных и экзогенных метаболитов в сыворотке человека». Analytical Chemistry . 78 (10): 3289–3295. doi :10.1021/ac060245f. PMC 3705959 . PMID  16689529. 
  42. ^ Lin W, Conway LP, Block A, Sommi G, Vujasinovic M, Löhr JM и др. (июнь 2020 г.). «Чувствительный масс-спектрометрический анализ карбонильных метаболитов в образцах мочи и кала человека с использованием хемоселективной модификации». The Analyst . 145 (11): 3822–3831. Bibcode :2020Ana...145.3822L. doi : 10.1039/D0AN00150C . PMID  32393929.
  43. ^ Crockford DJ, Maher AD, Ahmadi KR, Barrett A, Plumb RS, Wilson ID и др. (сентябрь 2008 г.). "1H NMR и UPLC-MS(E) статистическая гетероспектроскопия: характеристика метаболитов лекарственных препаратов (ксенометаболом) в эпидемиологических исследованиях". Аналитическая химия . 80 (18): 6835–6844. doi :10.1021/ac801075m. PMID  18700783.
  44. ^ Николсон Дж. К. (2006). «Глобальная системная биология, персонализированная медицина и молекулярная эпидемиология». Молекулярная системная биология . 2 (1): 52. doi :10.1038/msb4100095. PMC 1682018. PMID  17016518 . 
  45. ^ Николсон Дж. К., Линдон Дж. К., Холмс Э. (ноябрь 1999 г.).«Метабономика»: понимание метаболических реакций живых систем на патофизиологические стимулы посредством многомерного статистического анализа биологических данных ЯМР-спектроскопии». Xenobiotica; судьба чужеродных соединений в биологических системах . 29 (11): 1181–1189. doi :10.1080/004982599238047. PMID  10598751.
  46. ^ Nicholson JK, Connelly J, Lindon JC, Holmes E (февраль 2002 г.). «Метабономика: платформа для изучения токсичности лекарств и функции генов». Nature Reviews. Drug Discovery . 1 (2): 153–161. doi :10.1038/nrd728. PMID  12120097. S2CID  17881327.
  47. ^ Холмс Э., Уилсон ИД, Николсон Дж. К. (сентябрь 2008 г.). «Метаболическое фенотипирование в здоровье и болезни». Cell . 134 (5): 714–717. doi : 10.1016/j.cell.2008.08.026 . PMID  18775301. S2CID  6677621.
  48. ^ ab Robertson DG (июнь 2005 г.). «Метабономика в токсикологии: обзор». Toxicological Sciences . 85 (2): 809–822. doi : 10.1093/toxsci/kfi102 . PMID  15689416.
  49. ^ Silva LP, Northen TR (август 2015 г.). «Экзометаболомика и MSI: деконструкция того, как клетки взаимодействуют для преобразования своей среды малых молекул». Current Opinion in Biotechnology . 34. Elsevier BV: 209–216. doi : 10.1016/j.copbio.2015.03.015 . PMID  25855407.
  50. ^ Lu W, Su X, Klein MS, Lewis IA, Fiehn O, Rabinowitz JD (июнь 2017 г.). «Измерение метаболитов: подводные камни, которых следует избегать, и методы, которым следует следовать». Annual Review of Biochemistry . 86 (1): 277–304. doi :10.1146/annurev-biochem-061516-044952. PMC 5734093. PMID  28654323 . 
  51. ^ Rasmiena AA, Ng TW, Meikle PJ (март 2013 г.). «Метаболомика и ишемическая болезнь сердца». Clinical Science . 124 (5): 289–306. doi :10.1042/CS20120268. PMID  23157406.
  52. ^ "Информация о газовой хроматографии и масс-спектрометрии (ГХ-МС)". Thermo Fisher Scientific - США . Получено 26.09.2018 .
  53. ^ Gika HG, Theodoridis GA, Wingate JE, Wilson ID (август 2007 г.). «Воспроизводимость в течение дня метода на основе ВЭЖХ-МС для метабономного анализа: применение к моче человека». Journal of Proteome Research . 6 (8): 3291–3303. doi :10.1021/pr070183p. PMID  17625818.
  54. ^ Soga T, Ohashi Y, Ueno Y, Naraoka H, ​​Tomita M, Nishioka T (сентябрь 2003 г.). «Количественный анализ метаболома с использованием масс-спектрометрии капиллярного электрофореза». Journal of Proteome Research . 2 (5): 488–494. doi :10.1021/pr034020m. PMID  14582645.
  55. ^ Нортен Т.Р., Янес О., Нортен М.Т., Марринуччи Д., Уритбунтхай В., Апон Дж. и др. (октябрь 2007 г.). «Клатратные наноструктуры для масс-спектрометрии». Природа . 449 (7165): 1033–1036. Бибкод : 2007Natur.449.1033N. дои : 10.1038/nature06195. PMID  17960240. S2CID  4404703.
  56. ^ Woo HK, Northen TR, Yanes O, Siuzdak G (июль 2008 г.). «Масс-спектрометрия наноструктурных инициаторов: протокол подготовки и применения поверхностей NIMS для высокочувствительного масс-анализа». Nature Protocols . 3 (8): 1341–1349. doi :10.1038/NPROT.2008.110. PMID  18714302. S2CID  20620548.
  57. ^ Ghaste M, Mistrik R, Shulaev V (май 2016 г.). «Применение ионно-циклотронного резонанса с преобразованием Фурье (FT-ICR) и масс-спектрометрии высокого разрешения на основе орбитальной ловушки в метаболомике и липидомике». International Journal of Molecular Sciences . 17 (6): 816. doi : 10.3390/ijms17060816 . PMC 4926350 . PMID  27231903. 
  58. ^ Гриффин Дж. Л. (октябрь 2003 г.). «Метабономика: спектроскопия ЯМР и анализ распознавания образов жидкостей и тканей организма для характеристики токсичности ксенобиотиков и диагностики заболеваний». Current Opinion in Chemical Biology . 7 (5): 648–654. doi :10.1016/j.cbpa.2003.08.008. PMID  14580571.
  59. ^ Beckonert O, Keun HC, Ebbels TM, Bundy J, Holmes E, Lindon JC и др. (2007). «Метаболическое профилирование, метаболомные и метабономные процедуры для ЯМР-спектроскопии мочи, плазмы, сыворотки и тканевых экстрактов». Nature Protocols . 2 (11): 2692–2703. doi :10.1038/nprot.2007.376. PMID  18007604. S2CID  205463871.
  60. ^ Habchi B, Alves S, Jouan-Rimbaud Bouveresse D, Appenzeller B, Paris A, Rutledge DN и др. (январь 2018 г.). «Потенциал динамически гармонизированной ячейки ионного циклотронного резонанса с преобразованием Фурье для высокопроизводительного метаболомного дактилоскопирования: контроль качества данных». Аналитическая и биоаналитическая химия . 410 (2): 483–490. doi :10.1007/s00216-017-0738-3. PMID  29167936. S2CID  3769892.
  61. ^ King AM, Mullin LG, Wilson ID, Coen M, Rainville PD, Plumb RS и др. (январь 2019 г.). «Разработка метода быстрого профилирования для анализа полярных аналитов в моче с использованием HILIC-MS и HILIC-MS с поддержкой ионной подвижности». Метаболомика . 15 (2): 17. doi :10.1007/s11306-019-1474-9. PMC 6342856. PMID  30830424 . 
  62. ^ Sugimoto M, Kawakami M, Robert M, Soga T, Tomita M (март 2012 г.). «Инструменты биоинформатики для обработки и анализа метаболических данных на основе масс-спектроскопии». Current Bioinformatics . 7 (1): 96–108. doi :10.2174/157489312799304431. PMC 3299976 . PMID  22438836. 
  63. ^ Спайсер Р., Салек Р. М., Морено П., Каньюэто Д., Стейнбек К. (2017). «Навигация по свободно доступным программным инструментам для анализа метаболомики». Метаболомика . 13 (9): 106. doi :10.1007/s11306-017-1242-7. PMC 5550549. PMID  28890673 . 
  64. ^ Ren S, Hinzman AA, Kang EL, Szczesniak RD, Lu LJ (декабрь 2015 г.). «Вычислительный и статистический анализ данных метаболомики». Metabolomics . 11 (6): 1492–513. doi :10.1007/s11306-015-0823-6. S2CID  15712363.
  65. ^ Gromski PS, Muhamadali H, Ellis DI, Xu Y, Correa E, Turner ML и др. (июнь 2015 г.). «Обзор учебного пособия: метаболомика и частичный дискриминантный анализ методом наименьших квадратов — брак по расчету или свадьба по принципу дробовика». Analytica Chimica Acta . 879 : 10–23. doi :10.1016/j.aca.2015.02.012. PMID  26002472.
  66. ^ "Метаболомика в клинике: обзор общих и уникальных особенностей нецелевой метаболомики для клинических исследований и клинических испытаний". Metabolon . Получено 2022-11-08 .
  67. ^ Bonini P, Kind T, Tsugawa H, Barupal DK, Fiehn O (июнь 2020 г.). «Retip: прогнозирование времени удерживания для аннотации соединений в нецелевой метаболомике». Аналитическая химия . 92 (11): 7515–7522. doi : 10.1021 /acs.analchem.9b05765. PMC 8715951. PMID  32390414. 
  68. ^ Saghatelian A, Trauger SA, Want EJ, Hawkins EG, Siuzdak G, Cravatt BF (ноябрь 2004 г.). «Назначение эндогенных субстратов ферментам с помощью глобального профилирования метаболитов». Биохимия . 43 (45): 14332–14339. doi :10.1021/bi0480335. PMID  15533037.
  69. ^ Chiang KP, Niessen S, Saghatelian A, Cravatt BF (октябрь 2006 г.). «Фермент, регулирующий сигнальные пути эфирных липидов при раке, аннотированный с помощью многомерного профилирования». Химия и биология . 13 (10): 1041–1050. doi : 10.1016/j.chembiol.2006.08.008 . PMID  17052608.
  70. ^ Goering AW, McClure RA, Doroghazi JR, Albright JC, Haverland NA, Zhang Y и др. (февраль 2016 г.). «Метабологеномика: корреляция кластеров микробных генов с метаболитами способствует открытию нерибосомального пептида с необычным аминокислотным мономером». ACS Central Science . 2 (2): 99–108. doi :10.1021/acscentsci.5b00331. PMC 4827660 . PMID  27163034. 
  71. ^ Gibney MJ, Walsh M, Brennan L, Roche HM, German B, van Ommen B (сентябрь 2005 г.). «Метаболомика в питании человека: возможности и проблемы». Американский журнал клинического питания . 82 (3): 497–503. doi : 10.1093/ajcn/82.3.497 . PMID  16155259.
  72. ^ Christopher KB (март 2018 г.). «Пищевая метаболомика при критических заболеваниях». Current Opinion in Clinical Nutrition and Metabolic Care . 21 (2): 121–125. doi :10.1097/MCO.00000000000000451. PMC 5826639. PMID  29251691 . 
  73. ^ Arlt SP, Ottka C, Lohi H, Hinderer J, Lüdeke J, Müller E и др. (10.05.2023). Mükremin Ö (ред.). «Метаболомика во время беременности и лактации у собак». PLOS ONE . 18 (5): e0284570. doi : 10.1371/journal.pone.0284570 . PMC 10171673. PMID  37163464 . 
  74. ^ Оттка С, Вапалахти К, Арльт СП, Бартель А, Лохи Х (2023-02-02). «Метаболические различия анэструса, течки, беременности, псевдобеременности и лактации у 800 самок собак». Frontiers in Veterinary Science . 10 : 1105113. doi : 10.3389/fvets.2023.1105113 . PMC 9932911. PMID  36816179 . 
  75. ^ Cotrim GD, Silva DM, Graça JP, Oliveira Junior A, Castro C, Zocolo GJ и др. (январь 2023 г.). "Glycine max (L.) Merr. (Soybean) metabolome responses to potassium available". Фитохимия . 205 : 113472. Bibcode : 2023PChem.205k3472C. doi : 10.1016/j.phytochem.2022.113472. PMID  36270412.
  76. ^ Schauer N, Fernie AR (октябрь 2006 г.). «Метаболомика растений: к биологической функции и механизму». Trends in Plant Science . 11 (10): 508–516. doi :10.1016/j.tplants.2006.08.007. PMID  16949327.

Дальнейшее чтение

Внешние ссылки

Найдите информацию о метаболомике в Викисловаре, бесплатном словаре.
В Wikibooks есть больше информации по теме: Метаболомика