대사물

Metabolome
게놈, 대본, 프로테오메, 대사(lipidome)의 관계를 보여주는 일반 스키마.

대사물은 생물학적 샘플 내에서 발견되는 작은 분자 화학물질의 전체 집합을 말한다.[1] 생물학적 샘플은 세포, 세포기관, 장기, 조직, 조직 추출물, 생물유체 또는 전체 유기체일 수 있다. 주어진 대사물에서 발견되는 작은 분자 화학물질은 유기체(아미노산, 유기산, 핵산, 지방산, 아민, 당, 비타민, 공동 인자, 색소, 항생제 등)에 의해 자연적으로 생성되는 내생 대사물뿐만 아니라 외생 화학물질(약물, 환경오염물질, fo 등)도 포함할 수 있다.유기체에 의해 자연적으로 생성되지 않는 오드 첨가물, 독소 및 기타 이종균류)[2][3]

즉, 내생 대사물과 외생 대사물이 둘 다 있다. 내생 대사물은 더 세분화하여 "1차" 및 "2차" 대사물(특히 식물 또는 미생물 대사물을 언급할 때)을 포함할 수 있다. 1차 대사물은 정상적인 성장, 발달, 번식에 직접 관여한다. 2차 대사물은 그러한 과정에 직접 관여하지는 않지만, 대개 중요한 생태학적 기능을 가지고 있다. 2차 대사물에는 부분적으로 대사된 외국산균에서 유래한 색소, 항생제 또는 폐기물이 포함될 수 있다. 대사물의 연구는 대사학이라고 불린다.

오리진스

대사물이라는 단어는 "메타볼라이트"와 "크로모솜"이라는 단어를 혼합한 것으로 보인다. 대사물이 유전자에 의해 간접적으로 암호화되거나 유전자와 유전자 생산물에 작용한다는 것을 암시하기 위해 구성되었다. '메타볼롬'이라는 용어는 1998년에 처음 사용되었으며, 유전자의 완전한 집합(게놈), 단백질의 완전한 집합(프로테오메), 성서의 완전한 집합(transcriptom)을 가리키는 기존의 생물학적 용어들과 일치하도록 만들어졌을 가능성이 높다. 신진대사학에 관한 첫 번째 책은 2003년에 출판되었다.[5] 최초의 대사물학 전문 학술지(단순히 "Metabolomics"라 칭함)는 2005년에 창간되어 현재 교수에 의해 편집되고 있다. 로이 구다크레 대사물 분석에 대한 더 중요한 초기 논문 중 일부는 아래 참고문헌에 열거되어 있다.[6][7][8][9]

대사물 측정

대사물은 유기체의 게놈과 환경 사이의 상호작용을 반영한다. 결과적으로, 유기체의 대사물은 그 표현형(즉, 그 유전자형과 그 환경의 산물)에 대한 훌륭한 탐사선 역할을 할 수 있다. 대사물은 NMR 분광 및 질량 분광법을 포함한 다양한 기술을 사용하여 측정(식별, 수량화 또는 분류)할 수 있다. 대부분의 질량분석(MS) 방법은 복합 분리가 용이하도록 다양한 형태의 액체 크로마토그래피(LC), 기체 크로마토그래피(GC) 또는 모세관 전기영양(CE)과 결합해야 한다. 각 방법은 일반적으로 사용 중인 기기나 프로토콜에 따라 한 번에 50~5000개의 서로 다른 대사물 또는 대사물 "특징"을 식별하거나 특성화할 수 있다. 현재는 대사물의 전체 범위를 하나의 분석 방법으로 분석할 수 없다.

핵자기공명(NMR) 분광은 특정핵을 포함하는 분자가 강한 자기장에 배치될 때 특정핵의 전파방사선 흡수를 측정하는 분석화학 기법이다. 주어진 원자나 핵이 흡수하는 빈도(즉, 화학적 변화)는 주어진 분자에서 그 원자의 화학적 환경(결합, 가장 가까운 화학적 구조, 용매)에 크게 의존한다. NMR 흡수 패턴은 서로 다른 주파수 또는 다른 화학적 이동에서 "보전" 피크를 생성한다. 이 피크의 컬렉션을 NMR 스펙트럼이라고 한다. 각 화학 화합물은 서로 다른 화학 구조를 가지고 있기 때문에 각 화합물은 고유(또는 거의 고유한) NMR 스펙트럼을 가질 것이다. 그 결과 NMR은 대사물과 같은 작은 분자의 특성화, 식별, 정량화에 특히 유용하다. 복합 대사물 혼합물을 취급하는 뛰어난 능력과 함께 "일반적인" 대사 연구를 위해 NMR을 광범위하게 사용하는 것은 NMR이 일상적인 대사물 측정에 널리 채택된 첫 번째 기술 중 하나였을 가능성이 높다. 분석 기법으로서 NMR은 비파괴적이고 편향적이며 쉽게 수량화할 수 있으며 분리가 거의 또는 전혀 필요하지 않으며, 새로운 화합물의 식별을 허용하며 화학적 유도화가 필요하지 않다. NMR은 특히 당분자, 아민 또는 휘발성 액체와 같은 LC-MS 분석이나 대형 분자(>500 Da) 또는 상대적으로 비반응성 화합물과 같은 GC-MS 분석의 트랙터성이 낮은 화합물 검출에 순응할 수 있다. NMR은 검출 하한이 약 5μM인 매우 민감한 기법은 아니다. 일반적으로 50-150 화합물은 NMR 기반 대사물 연구를 통해 확인할 수 있다.

질량분광법은 분자의 질량 대 충전 비율을 측정하는 분석 기법이다. 분자나 분자 조각은 일반적으로 충전된 장(전자기장 이온화)을 통해 분사하거나, 뜨거운 필라멘트(전자기 이온화)에서 나오는 전자로 폭격을 하거나, 특수 코팅 플레이트에 놓일 때 레이저로 폭파함으로써 충전되거나 이온화된다(매트릭스 어시스턴스 레이저 탈착 이온화). 충전된 분자는 전극이나 자석을 사용하여 공간을 통해 추진되며 속도, 곡률 또는 기타 물리적 특성을 측정하여 충전량 대 충전량 비율을 결정한다. 이러한 데이터로부터 모분자의 질량을 결정할 수 있다. 가스 분자나 전자와의 제어된 충돌을 통해 분자가 더 분열되는 것은 분자의 구조를 결정하는 데 도움이 될 수 있다. 매우 정확한 질량 측정은 또한 화합물의 원소 공식 또는 원소 구성을 결정하는 데 사용될 수 있다. 대부분의 형태의 질량 분광은 액체 크로마토그래피나 기체 크로마토그래피를 이용한 어떤 형태의 분리가 필요하다. 이 분리 단계는 결과 질량 스펙트럼을 단순화하고 보다 정확한 복합물 식별을 허용하기 위해 필요하다. 분석적인 기술하는 매우 작은 샘플(<>재료의 1쇼핑 또는<>;biofluid의 10μL)과 ca.다는 지적이 질량 분석 방법 또한 그들은 더 크로마토 그래피 분리(이 특히 GC-MS의 현실이다)을 받아들일 수 있게는 분자 혹은 화학적으로 수정된 피복를 요구합니다., MS는 매우 민감한 메서드ge n단일 샘플에서 수천 개의 대사물에 대한 신호를 무효화한다. MS 기기는 또한 매우 높은 처리량 대사물 분석(하루에 수백에서 수천 개의 샘플)을 위해 구성할 수 있다. 대사 물질의 정량화 및 소설 화합물 구조체의 특성화 더 MS가 NMR보다. LC-MS 특히 소수성 분자 검출을 잘 따른다(지질, 지방산)과 펩티드는 동안 GC-MS 작은 분자는(<>500은)과 휘발성이 높은 화합물을 감지하기 위해 가장 좋다(에스테르, 아민, 케톤 그리고 alkanes, 어렵다. t히올스).

게놈이나 심지어 프로테오메와는 달리, 대사물은 단 몇 초나 몇 분만에 극적으로 변화할 수 있는 매우 역동적인 실체다. 그 결과, NMR 또는 MS 기반 대사물학의 수정된 버전을 사용하여 여러 시간 또는 짧은 시간 간격에 걸쳐 대사물 측정에 대한 관심이 증가하고 있다.

대사 데이터베이스

어떤 유기체의 대사물은 게놈에 의해 주로 정의되기 때문에, 다른 종들은 다른 대사물을 가질 것이다. 실제로 토마토의 대사물이 사과의 대사물과 다르다는 사실은 이 두 과일의 맛이 이렇게 다른 이유다. 게다가, 다른 조직들, 다른 장기들, 그리고 그러한 장기들과 조직들과 관련된 생물학적 플루이드들도 뚜렷하게 다른 대사 물질을 가질 수 있다. 서로 다른 유기체와 다른 조직/바이오플루오르드가 이처럼 서로 다른 대사물을 가지고 있다는 사실은 수많은 유기체별 및 생체유체별 대사 데이터베이스를 개발하게 했다. 일부는 더 잘 알려 진 metabolome 데이터베이스의 인간 대 사체 데이터베이스 또는 HMDB,[10]은 효모 대 사체 데이터베이스 또는 YMDB,[11]그 대장 균 대 사체 데이터베이스 또는 ECMDB,[12]은 Arabidopsis metabolome 데이터베이스나 AraCyc[13]뿐만 아니라 소변을 대 사체 Database,[14]은 뇌 척수액(CSF)대 사체 데이터베이스[15]과 Seru을 포함한다.m대 사체 데이터베이스.[16] 후자의 세 개의 데이터베이스는 인간의 생물학적 플루이드에 특유하다. KEGG,[17] 메타보라이트,[18] 골름대사물 데이터베이스,[19] 메타사이크,[20] 리피드맵스[21], 메틀린 등 매우 인기 있는 일반대사물 데이터베이스도 다수 존재한다.[22] 대사물 데이터베이스는 대사물 데이터베이스가 여러 유기체의 가벼운 주석 또는 시냅스 대사물 데이터를 포함하고 있는 반면 대사물 데이터베이스는 특정 유기체에 대해 매우 상세하고 많이 참조되는 화학적, 경로, 스펙트럼 및 대사물 농도 데이터를 포함하고 있다는 점에서 대사물 데이터베이스와 구별될 수 있다.

인간대사 데이터베이스

인간대사 데이터베이스는 인체에서 이미 식별되었거나 발견될 가능성이 높은 4만 개 이상의 대사물에 대한 상세 데이터를 포함하는 자유롭게 이용할 수 있는 개방형 접근 데이터베이스다. HMDB에는 1)화학정보, 2)임상정보, 3)생화학정보의 세 가지 종류가 있다. 화학적 데이터는 상세한 설명, 광범위한 화학 분류, 합성 정보 및 관찰/계산된 화학적 특성을 가진 40,000개 이상의 대사물 구조를 포함한다. 또한 1100개 이상의 서로 다른 대사물로부터 실험적으로 측정된 NMR, GC-MS 및 LC/MS 스펙트럼을 거의 10,000개 포함하고 있다. 임상 정보에는 대사물-바이오유체 농도 10,000 이상에 대한 데이터, 600개 이상의 서로 다른 인간 질병에 대한 대사물 농도 정보 및 200개 이상의 서로 다른 선천적 신진대사 오류에 대한 경로 데이터가 포함된다. 생화학적 정보는 거의 6000개의 단백질(및 DNA) 시퀀스와 이러한 대사물 입력과 연계된 5000개 이상의 생화학적 반응을 포함한다. HMDB는 텍스트 검색, 화학 구조 검색, 시퀀스 유사성 검색 및 스펙트럼 유사성 검색을 포함한 광범위한 온라인 쿼리를 지원한다. 따라서 임상 대사 연구에서 대사물을 식별하거나 이해하려는 대사물 연구자에게 특히 유용하다. HMDB의 첫 버전은 2007년 1월 1일에 발표되었고 앨버타 대학교와 캘거리 대학교의 과학자들에 의해 편집되었다. 그 당시 그들은 2,500명의 대사물, 1,200개의 약물, 3,500개의 식품 성분들에 대한 데이터를 보고했다. 그 이후로 이 과학자들은 수집을 크게 확장해 왔다. 최신 버전의 HMDB(버전 3.5)에는 >16,000명의 내생 대사물, >1500개 약물과 22,000개 이상의 식품 성분 또는 식품 대사물이 포함되어 있다.[23]

인체 생체유체 대사물

알버타 대학의 과학자들은 혈청 대사물,[16] 소변 대사물,[14] 뇌척수액 대사물, 침 대사물 등 특정 생물유체 대사물들을 체계적으로 특성화하고 있다. 이러한 노력에는 광범위한 문헌 채굴뿐만 아니라 실험 대사물 분석(NMR, GC-MS, ICP-MS, LC-MS 및 HPLC 분석)도 포함되었다. 그들의 데이터에 따르면, 인간 혈청 대사물은 최소 4200개의 서로 다른 화합물(많은 지질 포함), 인간 소변 대사물은 최소 3000개의 서로 다른 화합물(볼라타일 수백 개와 장 미생물 대사물 포함), 인간 CSF 대사물은 거의 500개의 서로 다른 화합물을 함유하고 있다.올롬은 많은 박테리아 산물을 포함하여 약 400개의 다른 대사물을 포함한다.

효모 대사 데이터베이스

효모대사 데이터베이스는 사카로마이오스 세레비시아에(베이커의 효모)에서 발견되거나 생산되는 >2000 소분자 대사물의 자유롭게 접근 가능한 온라인 데이터베이스다. YMDB에는 1)화학정보와 2)생화학정보의 두 종류가 있다. YMDB의 화학적 정보는 2027개의 대사물 구조와 상세한 대사물 설명, 광범위한 화학 분류, 합성 정보 및 관찰/계산된 화학적 특성을 포함한다. 또한 500개 이상의 서로 다른 대사물에서 얻은 거의 4000 NMR, GC-MS 및 LC/MS 스펙트럼도 포함하고 있다. YMDB의 생화학적 정보는 >1100 단백질(및 DNA) 시퀀스와 >900 생화학적 반응을 포함한다. YMDB는 텍스트 검색, 화학 구조 검색, 시퀀스 유사성 검색 및 스펙트럼 유사성 검색을 포함한 광범위한 쿼리를 지원한다. 이것은 모델 유기체로서 효모를 연구하고 있거나 발효 음료(와인, 맥주)의 생산을 최적화하는 것을 고려하고 있는 신진대사 연구자들에게 특히 유용하게 만든다.

2차 전기화 이온화-고해상도 질량분석 SESI-HRMS는 효모 대사 활동을 모니터링할 수 있는 비침습적 분석 기법이다. SESI-HRMS는 효모 발효 과정에서 약 300개의 대사물을 발견했는데, 이는 많은 수의 포도당 대사물이 문헌에 보고되지 않았음을 시사한다.[24]

대장균 대사 데이터베이스

대장균 대사 데이터베이스는 대장균(E. 대장균 변형률 K12, MG1655)에서 발견되거나 생산되는 >2700개의 작은 분자 대사물을 자유롭게 이용할 수 있는 온라인 데이터베이스다. ECMDB에는 1) 화학 정보와 2) 생화학적 정보의 두 가지 종류가 있다. 화학 정보는 대사물 상세 설명, 광범위한 화학 분류, 합성 정보 및 관찰/계산된 화학적 특성을 가진 2700개 이상의 대사물 구조를 포함한다. 또한 600개 이상의 서로 다른 대사물에서 나온 거의 5000 NMR, GC-MS 및 LC-MS 스펙트럼도 포함하고 있다. 생화학적 정보는 >1600 단백질(및 DNA) 시퀀스와 이들 대사물 입력과 연계된 >3100 생화학적 반응을 포함한다. ECMDB는 텍스트 검색, 화학 구조 검색, 시퀀스 유사성 검색 및 스펙트럼 유사성 검색을 포함한 다양한 유형의 온라인 쿼리를 지원한다. 이것은 특히 대장균을 모델 유기체로 연구하고 있는 신진대사 연구자들에게 유용하게 만든다.

이차 전기로스프레이 이온화(SESI-MS)는 11 E를 구별할 수 있다. 대장균은 휘발성 유기 화합물 프로파일링 덕분에 균형이 잡힌다.[25]

참고 항목

참조

  1. ^ Jump up to: a b Oliver SG, Winson MK, Kell DB, Baganz F (September 1998). "Systematic functional analysis of the yeast genome". Trends in Biotechnology. 16 (9): 373–8. CiteSeerX 10.1.1.33.5221. doi:10.1016/S0167-7799(98)01214-1. PMID 9744112.
  2. ^ Wishart DS (September 2007). "Current progress in computational metabolomics". Briefings in Bioinformatics. 8 (5): 279–93. doi:10.1093/bib/bbm030. PMID 17626065.
  3. ^ Nordström A, O'Maille G, Qin C, Siuzdak G (May 2006). "Nonlinear data alignment for UPLC-MS and HPLC-MS based metabolomics: quantitative analysis of endogenous and exogenous metabolites in human serum". Analytical Chemistry. 78 (10): 3289–95. doi:10.1021/ac060245f. PMC 3705959. PMID 16689529.
  4. ^ Tweeddale H, Notley-McRobb L, Ferenci T (October 1998). "Effect of slow growth on metabolism of Escherichia coli, as revealed by global metabolite pool ("metabolome") analysis". Journal of Bacteriology. 180 (19): 5109–16. doi:10.1128/JB.180.19.5109-5116.1998. PMC 107546. PMID 9748443.
  5. ^ Harrigan GG, Goodacre R, eds. (2003). Metabolic Profiling: Its Role in Biomarker Discovery and Gene Function Analysis. Boston: Kluwer Academic Publishers. ISBN 978-1-4020-7370-0.
  6. ^ Fiehn O, Kloska S, Altmann T (February 2001). "Integrated studies on plant biology using multiparallel techniques". Current Opinion in Biotechnology. 12 (1): 82–6. doi:10.1016/S0958-1669(00)00165-8. PMID 11167078.
  7. ^ Fiehn O (2001). "Combining genomics, metabolome analysis, and biochemical modelling to understand metabolic networks". Comparative and Functional Genomics. 2 (3): 155–68. doi:10.1002/cfg.82. PMC 2447208. PMID 18628911.
  8. ^ Weckwerth W (2003). "Metabolomics in systems biology". Annual Review of Plant Biology. 54: 669–89. doi:10.1146/annurev.arplant.54.031902.135014. PMID 14503007. S2CID 1197884.
  9. ^ Goodacre R, Vaidyanathan S, Dunn WB, Harrigan GG, Kell DB (May 2004). "Metabolomics by numbers: acquiring and understanding global metabolite data". Trends in Biotechnology. 22 (5): 245–52. doi:10.1016/j.tibtech.2004.03.007. PMID 15109811.
  10. ^ Wishart DS, Tzur D, Knox C, Eisner R, Guo AC, Young N, et al. (January 2007). "HMDB: the Human Metabolome Database". Nucleic Acids Research. 35 (Database issue): D521-6. doi:10.1093/nar/gkl923. PMC 1899095. PMID 17202168.
  11. ^ Jewison T, Knox C, Neveu V, Djoumbou Y, Guo AC, Lee J, et al. (January 2012). "YMDB: the Yeast Metabolome Database". Nucleic Acids Research. 40 (Database issue): D815-20. doi:10.1093/nar/gkr916. PMC 3245085. PMID 22064855.
  12. ^ Guo AC, Jewison T, Wilson M, Liu Y, Knox C, Djoumbou Y, et al. (January 2013). "ECMDB: the E. coli Metabolome Database". Nucleic Acids Research. 41 (Database issue): D625-30. doi:10.1093/nar/gks992. PMC 3531117. PMID 23109553.
  13. ^ Mueller LA, Zhang P, Rhee SY (June 2003). "AraCyc: a biochemical pathway database for Arabidopsis". Plant Physiology. 132 (2): 453–60. doi:10.1104/pp.102.017236. PMC 166988. PMID 12805578.
  14. ^ Jump up to: a b Bouatra S, Aziat F, Mandal R, Guo AC, Wilson MR, Knox C, et al. (Sep 2013). "The human urine metabolome". PLOS ONE. 8 (9): e73076. Bibcode:2013PLoSO...873076B. doi:10.1371/journal.pone.0073076. PMC 3762851. PMID 24023812.
  15. ^ Jump up to: a b Mandal R, Guo AC, Chaudhary KK, Liu P, Yallou FS, Dong E, et al. (April 2012). "Multi-platform characterization of the human cerebrospinal fluid metabolome: a comprehensive and quantitative update". Genome Medicine. 4 (4): 38. doi:10.1186/gm337. PMC 3446266. PMID 22546835.
  16. ^ Jump up to: a b Psychogios N, Hau DD, Peng J, Guo AC, Mandal R, Bouatra S, et al. (February 2011). "The human serum metabolome". PLOS ONE. 6 (2): e16957. Bibcode:2011PLoSO...616957P. doi:10.1371/journal.pone.0016957. PMC 3040193. PMID 21359215.
  17. ^ Kanehisa M, Goto S (January 2000). "KEGG: kyoto encyclopedia of genes and genomes". Nucleic Acids Research. 28 (1): 27–30. doi:10.1093/nar/28.1.27. PMC 102409. PMID 10592173.
  18. ^ Haug K, Salek RM, Conesa P, Hastings J, de Matos P, Rijnbeek M, et al. (January 2013). "MetaboLights--an open-access general-purpose repository for metabolomics studies and associated meta-data". Nucleic Acids Research. 41 (Database issue): D781-6. doi:10.1093/nar/gks1004. PMC 3531110. PMID 23109552.
  19. ^ Kopka J, Schauer N, Krueger S, Birkemeyer C, Usadel B, Bergmüller E, et al. (April 2005). "GMD@CSB.DB: the Golm Metabolome Database". Bioinformatics. 21 (8): 1635–8. doi:10.1093/bioinformatics/bti236. PMID 15613389.
  20. ^ Caspi R, Altman T, Dale JM, Dreher K, Fulcher CA, Gilham F, et al. (January 2010). "The MetaCyc database of metabolic pathways and enzymes and the BioCyc collection of pathway/genome databases". Nucleic Acids Research. 38 (Database issue): D473-9. doi:10.1093/nar/gkp875. PMC 2808959. PMID 19850718.
  21. ^ Fahy E, Sud M, Cotter D, Subramaniam S (July 2007). "LIPID MAPS online tools for lipid research". Nucleic Acids Research. 35 (Web Server issue): W606-12. doi:10.1093/nar/gkm324. PMC 1933166. PMID 17584797.
  22. ^ Smith CA, O'Maille G, Want EJ, Qin C, Trauger SA, Brandon TR, et al. (December 2005). "METLIN: a metabolite mass spectral database". Therapeutic Drug Monitoring. 27 (6): 747–51. doi:10.1097/01.ftd.0000179845.53213.39. PMID 16404815. S2CID 14774455.
  23. ^ Wishart DS, Jewison T, Guo AC, Wilson M, Knox C, Liu Y, et al. (January 2013). "HMDB 3.0--The Human Metabolome Database in 2013". Nucleic Acids Research. 41 (Database issue): D801-7. doi:10.1093/nar/gks1065. PMC 3531200. PMID 23161693.
  24. ^ Tejero Rioseras A, Garcia Gomez D, Ebert BE, Blank LM, Ibáñez AJ, Sinues PM (October 2017). "Comprehensive Real-Time Analysis of the Yeast Volatilome". Scientific Reports. 7 (1): 14236. Bibcode:2017NatSR...714236T. doi:10.1038/s41598-017-14554-y. PMC 5660155. PMID 29079837.
  25. ^ Zhu J, Hill JE (June 2013). "Detection of Escherichia coli via VOC profiling using secondary electrospray ionization-mass spectrometry (SESI-MS)". Food Microbiology. 34 (2): 412–7. doi:10.1016/j.fm.2012.12.008. PMC 4425455. PMID 23541210.

외부 링크