대사학

Metabolomics
DNA에서 표현형으로 정보의 흐름을 보여주는 생물학의 중심 교의입니다.각 단계와 관련된 것은 유전체학에서 신진대사학에 이르기까지 해당 시스템 생물학 도구입니다.

대사학은 대사물, 소분자 기질, 중간체 및 세포 대사 산물을 포함하는 화학 과정에 대한 과학적 연구입니다.구체적으로, 대사학은 특정 세포 과정이 남기는 독특한 화학적 지문에 대한 체계적인 연구, 즉 그들의 소분자 대사물 [1]프로파일에 대한 연구입니다.대사체는 세포 [2]과정의 최종 산물인 생물학적 세포, 조직, 장기 또는 유기체의 대사물의 완전한 집합을 나타냅니다.메신저 RNA(mRNA), 유전자 발현 데이터 및 단백질 분석은 세포 기능의 한 측면을 나타내는 데이터인 세포에서 생성되는 유전자 생성물 세트를 보여줍니다.반대로, 대사 프로파일링은 [3]그 세포의 생리학에 대한 즉각적인 스냅샷을 제공할 수 있으며, 따라서 대사학은 [4]유기체의 "생리학적 상태의 기능적 판독"을 직접 제공합니다.대사체와 다른 세포 앙상블(게놈, 전사체, 프로테옴 및 지질체) 사이에는 정량화할 수 있는 상관관계가 있으며, 이는 예를 들어 mRNA [5]풍부도에서 생물학적 샘플의 대사물 풍부도를 예측하는 데 사용될 수 있습니다.시스템 생물학의 궁극적인 과제 중 하나는 세포 생물학에 대한 더 나은 이해를 제공하기 위해 대사학을 다른 모든-오믹스 정보와 통합하는 것입니다.

역사

개인이 그들의 생물학적 액체의 구성에 반영될 수 있는 "대사 프로파일"을 가질 수 있다는 개념은 1940년대 [6]후반 로저 윌리엄스에 의해 소개되었습니다. 그는 소변과 침에서 특징적인 대사 패턴을 제안하기 위해 종이 크로마토그래피를 사용하여 조현병과 같은 질병과 관련이 있었습니다.그러나 1960년대와 1970년대의 기술 발전을 통해서만 (질적으로) 대사 [7]프로파일을 정량적으로 측정하는 것이 가능해졌습니다."대사 프로파일"이라는 용어는 1971년 호닝 등이 가스 크로마토그래피-질량 분석(GC-MS)이 사람의 소변 및 조직 [8][9]추출물에 존재하는 화합물을 측정하는 데 사용될 수 있다는 것을 증명한 후 도입되었습니다.라이너스 폴링과 아서 B와 함께 호닝 그룹. Robinson은 [10]1970년대에 소변에 존재하는 대사물을 모니터링하기 위한 GC-MS 방법의 개발을 주도했습니다.

동시에 1940년대에 발견된 NMR 분광학도 급속한 발전을 거듭하고 있었습니다.1974년 Seeley 등은 NMR을 사용하여 변형되지 않은 생물학적 [11]샘플에서 대사물을 검출하는 유용성을 입증했습니다.근육에 대한 이 첫 번째 연구는 세포 ATP의 90%가 마그네슘과 복합체를 이룬다고 결정되었다는 점에서 NMR의 가치를 강조했습니다.높은 자기장 강도와 마법의 각도 회전의 진화로 감도가 향상됨에 따라 NMR은 신진대사를 [8][12]조사하기 위한 선도적인 분석 도구로 계속 사용되고 있습니다.대사학에 NMR을 활용하려는 최근의 노력은 주로 Jeremy K의 실험실에 의해 주도되었습니다. 런던 대학교 버크벡 칼리지에서 니콜슨과 나중에 임페리얼 칼리지 런던에서 박사 학위를 취득했습니다.1984년, 니콜슨은 HNMR 분광학이 잠재적으로 당뇨병을 진단하는 데 사용될 수 있다는 것을 보여주었고, 이후 NMR 분광학 [13][14]데이터에 패턴 인식 방법을 적용하는 것을 개척했습니다.

1994년과 1996년 액체 크로마토그래피 질량 분석 대사학[15][16] 실험은 수면이 부족한 동물의 뇌척수액을 분석하기 위해 Richard Lerner(당시 스크립스 연구소장) 및 Benjamin Cravatt와 함께 일하는 동안 Gary Siuzdak에 의해 수행되었습니다.특히 관심 있는 분자인 올레아미드가 관찰되었고 나중에 수면 유도 특성을 가진 것으로 나타났습니다.이 연구는 물질대사학에서 액체 크로마토그래피와 질량 분석을 결합한 초기 실험 중 하나입니다.

2005년 스크립스 연구소의 Siuzdak 연구소에서 인간 대사물을 특성화하기 위한 최초의 대사물학 탠덤 질량 분석 데이터베이스인 [17][18]METLIN이 개발되었습니다. METLIN은 그 이후 성장했으며 2019년 7월 1일 현재 450,000개 이상의 대사물 및 기타 화학 물질을 포함하고 있습니다.각각의 화합물은 여러 충돌 에너지와 양의 이온화 모드에서 분자 표준으로부터 생성된 실험적인 탠덤 질량 분석 데이터를 가지고 있습니다. METLIN은 탠덤 질량 분석 데이터의 가장 큰 저장소입니다.전문 학술지 메타포믹스는 2005년 현재 편집장인 Roy Goodacre에 의해 설립되었습니다.

2005년, Siuzdak 연구소는 패혈증과 관련된 대사물을 식별하는 데 관여했으며 수백 개의 LC/MS 데이터 세트에서 가장 관련성이 높은 조절되지 않은 대사물을 통계적으로 식별하는 문제를 해결하기 위해 질량 분석 대사물학 데이터의 비선형 정렬을 허용하는 첫 번째 알고리듬을 개발했습니다.XCMS라고 [19]불리는 이 소프트웨어는 2012년 [20]이후 온라인 도구로 개발되었으며 2019년 기준으로 30,000명 이상의 등록 사용자를 보유하고 있습니다.

2007년 1월 23일, 데이비드 S가 이끄는 인간 대사체 프로젝트. Wishart는 약 2,500개의 대사물, 1,200개의 약물, 3,500개의 식품 [21][22]성분의 데이터베이스로 구성된 인간 대사체의 첫 번째 초안을 완성했습니다.유사한 프로젝트가 몇 년 동안 몇몇 식물 종, 특히 Medicago truncatula와[23] Arabidopsis thaliana에서[24] 진행되어 왔습니다.

2010년 중반까지만 해도 신진대사학은 여전히 "신흥 분야"[25]로 간주되었습니다.또한, 이 분야의 추가적인 발전은 질량 분석 [25]장비의 기술적 진화에 의해 다른 방법으로 "해결할 수 없는 기술적 과제"를 해결함으로써 상당 부분에 달려 있다는 것에 주목했습니다.

2015년에 실시간 대사체 프로파일링이 [26]처음으로 입증되었습니다.

대사체

인간 대사체 프로젝트
참고 항목:대사체 및 인간 대사체 데이터베이스

대사체는 단일 [27][28]유기체와 같은 생물학적 샘플 내에서 발견되는 전체 소분자(<1.5 kDa)[21] 대사물(대사 중간체, 호르몬 및 기타 신호 전달 분자, 2차 대사물) 세트를 의미합니다.이 단어는 전사체학과 프로테오믹스와 유사하게 만들어 졌습니다. 전사체와 프로테오믹스처럼 대사체는 역동적이며, 2차에서 2차로 바뀝니다.대사체는 충분히 쉽게 정의될 수 있지만, 현재 단일 분석 방법으로 전체 대사물 범위를 분석하는 것은 불가능합니다.

탠덤 질량 분석 실험에서 단편화 데이터를 검색하기 위한 첫 번째 대사물 데이터베이스(METLIN이라고 함)는 2005년 [17][18]스크립스 연구소의 Siuzdak 연구소에 의해 개발되었습니다. METLIN은 450,000개 이상의 대사물 및 기타 화학 물질을 포함하고 있으며, 각 화합물은 실험적인 탠덤 질량 분석 데이터를 가지고 있습니다.2006년에,[19] Siuzdak 연구소는 질량 분석 물질대사학 데이터의 비선형 정렬을 허용하는 최초의 알고리즘을 개발했습니다.XCMS라고 불리는, "X"가 모든 크로마토그래피 기술을 구성하는 곳에서, 그것은 온라인 도구로 개발되었습니다.

2007년 1월, 앨버타 대학과 캘거리 대학의 과학자들은 인간 대사체의 첫 번째 초안을 완성했습니다.인간[29] 대사체 데이터베이스(HMDB)는 아마도 현재까지 가장 광범위한 공공 대사체 스펙트럼 데이터베이스이며 인체에서 발견되는 소분자 대사물에 대한 세부 정보를 포함하는 무료 전자 데이터베이스(www.hmdb.ca )입니다.이것은 대사학, 임상 화학, 바이오마커 발견 및 일반 교육에 사용되도록 고안되었습니다.데이터베이스는 세 가지 종류의 데이터를 포함하거나 연결하도록 설계되었습니다.

  1. 화학 데이터,
  2. 임상 데이터 및
  3. 분자 생물학/생화학 데이터.

데이터베이스에는 수용성 및 지질 가용성 대사물을 모두 포함한 220,945개 대사물 항목이 들어 있습니다.추가적으로, 8,610개의 단백질 서열(효소 및 운반체)이 이러한 대사물 항목과 연결되어 있습니다.각 MetaboCard 항목에는 130개의 데이터 필드가 포함되어 있으며, 이 중 2/3은 화학/임상 데이터에 사용되고 나머지 1/3은 효소 또는 생화학 [30]데이터에 사용됩니다.HMDB 버전 3.5에는 > 16,000개의 내인성 대사물, > 1,500개의 약물 및 22,000개의 식품 성분 또는 식품 [31]대사물이 포함되어 있습니다.인간 대사체 데이터베이스에서 이용할 수 있고 현재 과학 문헌에서 이용 가능한 정보의 분석에 기초한 이 정보는 [32]완전하지 않습니다.대조적으로, 다른 유기체의 대사체에 대해 훨씬 더 많이 알려져 있습니다.예를 들어, 50,000개 이상의 대사물이 식물계에서 특성화되었으며, 수천 개의 대사물이 단일 [33][34]식물에서 식별 및/또는 특성화되었습니다.

각각의 세포와 조직은 장기나 조직에 특정한 정보를 설명할 수 있는 독특한 대사 '지문'을 가지고 있습니다.대사학 분석에 사용되는 생물 검체에는 혈장, 혈청, 소변, 침, 대변, 근육, 땀, 호흡 및 [35]위장액이 포함되지만 이에 국한되지 않습니다.수집의 용이성은 높은 시간적 해상도를 용이하게 하며, 항상 신체와 동적 평형 상태에 있기 때문에 호스트를 [36]전체적으로 설명할 수 있습니다.게놈은 무슨 일이 일어날 수 있는지, 전사체는 무슨 일이 일어나고 있는지, 프로테옴은 무슨 일이 일어나고 있는지, 대사체는 무슨 일이 일어났는지 [37]말할 수 있습니다.

대사물

시리즈의 일부:
마이크로바이옴
Plant microbiota.png
식물 마이크로바이옴
해양 마이크로바이옴
인간 마이크로바이옴
기타 마이크로바이옴
마이크로바이오타
홀로비온츠
비롬스
관련된
프로젝트

대사산물은 대사의 기질, 중간체 및 생성물입니다.물질대사학의 맥락에서, 대사산물은 보통 [21]1.5 kDa 미만의 분자로 정의됩니다.그러나 샘플 및 검출 방법에 따라 예외가 있습니다.예를 들어,[38] 혈장에 대한 NMR 기반 대사학 연구에서 리포단백질 및 알부민과 같은 고분자가 안정적으로 검출됩니다.식물 기반 대사학에서 "1차" 대사물과 "2차"[3] 대사물을 지칭하는 것이 일반적입니다.일차 대사산물은 정상적인 성장, 발달 및 생식에 직접적으로 관여합니다.2차 대사산물은 이러한 과정에 직접적으로 관여하지 않지만, 보통 중요한 생태학적 기능을 가지고 있습니다.예로는 항생제와 [39]색소가 있습니다.대조적으로, 인간 기반 대사학에서 대사물을 내인성(숙주 유기체에 의해 생성됨) 또는 [40][41]외인성으로 설명하는 것이 더 일반적입니다.약물과 같은 이물질의 대사물을 [42]제노메타볼라이트라고 합니다.

대사체는 하나의 효소 화학 반응의 출력물이 다른 화학 반응에 대한 입력물인 대규모 대사 반응 네트워크를 형성합니다.이러한 시스템을 [citation needed]하이퍼사이클이라고 합니다.

메타보노믹스

메타보노믹스는 "병리생리학적 자극 또는 유전자 변형에 대한 생체 시스템의 동적 다변수 대사 반응의 정량적 측정"으로 정의됩니다.기원이라는 단어는 변화를 의미하는 그리스어 μταβορος와 규칙 집합 또는 [43]법 집합을 의미하는 nomos에서 왔습니다.이 접근법은 머독 대학의 Jeremy Nicholson에 의해 개척되었고 독성학, 질병 진단 및 많은 다른 분야에서 사용되었습니다.역사적으로, 대사학 접근법은 시스템 생물학의 범위를 [44][45][46]대사 연구에 적용한 최초의 방법 중 하나였습니다.

'메타볼로믹스'와 '메타보노믹스'의 정확한 차이에 대해 일부 이견이 있었습니다.두 용어의 차이는 분석 플랫폼의 선택과 관련이 없습니다. 비록 대사학이 질량 분석 기반 기술을 가진 NMR 분광학 및 대사학과 더 관련이 있지만, 이것은 단순히 다른 용어를 대중화한 다른 그룹 간의 사용 때문입니다.아직 절대적인 동의는 없지만, '대사학'은 세포나 장기 수준에서 대사 프로파일링에 더 큰 중점을 두고 있으며, 주로 정상적인 내인성 대사에 관심이 있다는 공감대가 커지고 있습니다.'메타보노믹스'는 대사 프로파일링을 확장하여 환경적 요인(식단 및 독소 포함), 질병 과정, 내장 마이크로플로라와 같은 외부 유전자 영향의 개입으로 인한 대사 섭동에 대한 정보를 포함합니다.이것은 사소한 차이가 아닙니다. 신진대사 연구는 정의에 따라 외부 게놈 소스에서 대사 기여를 제외해야 합니다. 왜냐하면 이것들은 연구 중인 시스템의 외부이기 때문입니다.그러나 실제로 인간 질병 연구 분야 내에서는 두 용어가 사용되는 방식에 여전히 상당한 수준의 중복이 있으며, 종종 사실상 [47]동의어입니다.

엑소메타볼로믹스

주요 기사:엑소메타볼로믹스

엑소메타볼로믹스 또는 "대사발자국화"는 세포외 대사물에 대한 연구입니다.그것은 대사학의 다른 하위 분야의 많은 기술을 사용하고 생물 연료 개발, 생물 처리, 약물의 작용 메커니즘 결정 및 세포 간 [48]상호 작용 연구에 적용됩니다.

분석 기술

대사학 연구의 주요 단계

일반적인 대사학 연구의 워크플로우는 그림에 나와 있습니다.첫째, 조직, 혈장, 소변, 타액, 세포 등에서 샘플을 채취합니다.다음으로, 내부 표준 및 [49]유도체화를 추가하여 종종 추출되는 대사물.샘플 분석 중 대사물은 정량화됩니다(액체 크로마토그래피 또는 가스 크로마토그래피와 MS 및/또는 NMR 분광법이 결합됨).원시 출력 데이터는 대사물 특징 추출에 사용할 수 있으며 통계 분석(예: PCA) 전에 추가로 처리할 수 있습니다.많은 생물 정보 도구와 소프트웨어는 질병 상태 및 결과와의 연관성을 식별하고, 중요한 상관 관계를 결정하며, 기존의 생물학적 [50]지식으로 대사 서명을 특성화하는 데 사용할 수 있습니다.

분리 방법

처음에 대사 샘플의 분석물은 매우 복잡한 혼합물로 구성됩니다.이 복잡한 혼합물은 일부 분석물을 다른 분석물과 분리하여 탐지하기 전에 단순화할 수 있습니다.분리는 다양한 목표를 달성합니다. 검출기로 해결할 수 없는 분석물은 이 단계에서 분리될 수 있습니다. MS 분석에서는 이온 억제가 감소합니다. 분석물의 보존 시간은 정체성에 대한 정보 역할을 합니다.이 분리 단계는 필수적인 단계가 아니며 NMR 및 샷건 지질학과 같은 "총알" 기반 접근법에서 종종 생략됩니다.

가스 크로마토그래피(GC-MS)는 특히 질량 분석(GC-MS)과 인터페이스할 때 대사 분석에 널리 사용되는 분리 기술입니다.GC는 매우 높은 크로마토그래피 분해능을 제공하며 화염 이온화 검출기(GC/FID) 또는 질량 분석기(GC-MS)와 함께 사용할 수 있습니다.이 방법은 특히 작고 휘발성인 [51]분자를 식별하고 정량화하는 데 유용합니다.그러나 GC의 실질적인 한계는 유도체화 없이 휘발성 화학 물질만 분석할 수 있기 때문에 많은 생체 분자에 대한 화학적 유도체화의 요구 사항입니다.더 큰 분해능이 필요한 경우 2차원 크로마토그래피(GCxGC)를 적용할 수 있습니다.

고성능 액체 크로마토그래피(HPLC)는 대사 분석을 위한 가장 일반적인 분리 기술로 부상했습니다.전기분사 이온화의 출현으로 HPLC는 MS에 결합되었습니다.GC와 대조적으로 HPLC는 크로마토그래피 분해능이 낮지만 극성 분자에 대한 유도체화가 필요하지 않으며 액상의 분자를 분리합니다.또한 HPLC는 GC [52]방법보다 훨씬 더 넓은 범위의 분석물을 더 높은 감도로 측정할 수 있다는 장점이 있습니다.

CE(Capillary Electrophoresis)는 HPLC보다 이론적인 분리 효율이 높고(분리당 훨씬 더 많은 시간이 필요하지만) GC보다 더 광범위한 대사물 등급과 함께 사용하기에 적합합니다.모든 전기영동 기술의 경우 대전된 [53]분석물에 가장 적합합니다.

탐지 방법

GC, HPLC 또는 CE에 의해 선택적으로 분리된 후 대사물을 식별하고 정량화하기 위해 질량 분석(MS)이 사용됩니다. GC-MS는 하이픈으로 연결된 최초의 기술입니다.식별은 조각을 분석하는 고유한 패턴을 활용합니다.이 패턴들은 질량 스펙트럼 지문이라고 생각할 수 있습니다.이 조각화[example needed] 패턴에 따라 대사물을 식별할 수 있는 라이브러리가 존재합니다. MS는 민감하고 매우 구체적일 수 있습니다.또한 MS를 독립형 기술로 사용하는 많은 기술이 있습니다. 샘플은 사전 분리 없이 질량 분석기에 직접 주입되며 MS는 대사물을 분리하고 검출하기에 충분한 선택권을 제공합니다.

질량 분석법에 의한 분석을 위해서는 분석물에 전하를 부여하고 기체상으로 전달되어야 합니다.전자 이온화(EI)는 저압에 적합하기 때문에 GC 분리에 적용되는 가장 일반적인 이온화 기술입니다.EI는 또한 분석 물질의 단편화를 생성하며, 데이터의 복잡성을 증가시키는 동시에 분자 이온을 모호하게 하는 구조적 정보를 제공합니다.대기압 화학 이온화(APCI)는 상기 모든 분리 기술에 적용될 수 있는 대기압 기술로서, 보다 극성이 적은 화합물에 적합한 ESI보다 약간 더 공격적인 이온화를 제공하는 기상 이온화 방법.ESI(Electrospray ionization)는 LC/MS에 적용되는 가장 일반적인 이온화 기술입니다.이 부드러운 이온화는 이온화 가능한 작용기를 가진 극성 분자에 가장 성공적입니다.일반적으로 사용되는 또 다른 소프트 이온화 기술은 SESI(Secondary Electrospray Ionization)입니다.

2000년대 들어 표면 기반 질량 분석이 부활하면서 새로운 MS 기술은 민감도를 높이고 배경을 최소화하며 샘플 준비를 줄이는 데 초점을 맞추고 있습니다.생체 유체와 조직에서 직접 대사물을 분석하는 능력은 수천에서 수만 개의 대사물을 포함하는 이러한 샘플의 복잡성에 의해 부과되는 한계 때문에 현재 MS 기술에 계속 도전하고 있습니다.이러한 문제를 해결하기 위해 개발되고 있는 기술 중에는 NIMS([54][55]Nanostructure-Initiator MS)가 있는데, 이는 매트릭스의 적용을 필요로 하지 않아 소분자(즉, 대사물) 식별을 용이하게 하는 탈착/이온화 접근법입니다. 그러나, MALDI도 사용됩니다.MALDI 매트릭스의 적용은 저질량 범위(즉, 대사물)의 분석을 복잡하게 만드는 <1000Da>에서 상당한 배경을 추가할 수 있습니다.또한 결과 매트릭스 결정의 크기는 조직 이미징에서 달성할 수 있는 공간 해상도를 제한합니다.이러한 한계 때문에, 생체 유체 및 조직의 분석에 몇 가지 다른 매트릭스 없는 탈리/이온화 접근법이 적용되었습니다.

2차 이온 질량 분석(SIMS)은 생물학적 [citation needed]샘플의 대사물을 분석하는 데 사용된 최초의 매트릭스 없는 탈리/이온화 접근법 중 하나였습니다.SIMS는 고에너지 1차 이온 빔을 사용하여 표면에서 2차 이온을 탈착 및 생성합니다.SIMS의 주요 장점은 MS를 사용한 조직 이미징을 위한 강력한 특성인 높은 공간 해상도(50nm만큼 작음)입니다.그러나, SIMS는 >500Da에서의 제한된 민감도와 고에너지 일차 이온 빔에 의해 생성된 분석물 단편화 때문에 생물 유체 및 조직의 분석에 아직 쉽게 적용되지 않았습니다.탈착 전기 분무 이온화(DESI)는 대전된 용제 스프레이를 사용하여 표면에서 이온을 탈착시키는 생물학적 샘플을 분석하기 위한 매트릭스 프리 기술입니다.DESI의 장점은 특별한 표면이 필요하지 않고 획득 중에 샘플에 완전히 액세스하여 주변 압력에서 분석이 수행된다는 것입니다.DESI의 한계는 대전된 용제 스프레이를 "집중"하는 것이 어렵기 때문에 공간 분해능입니다.그러나 레이저 절제 ESI(LAESI)라는 최근의 개발은 이러한 [citation needed]한계를 피하기 위한 유망한 접근법입니다.가장 최근에는 궤도 트랩 질량 분석과 같은 이온 트랩 기술이 대사학 [56]연구에도 적용됩니다.

핵자기공명(NMR) 분광법은 분석 물질의 분리에 의존하지 않는 유일한 검출 기술이며, 따라서 샘플은 추가 분석을 위해 회수될 수 있습니다.모든 종류의 소분자 대사물을 동시에 측정할 수 있습니다. 이러한 의미에서 NMR은 보편적인 검출기에 가깝습니다.NMR의 주요 장점은 높은 분석 재현성과 샘플 준비의 단순성입니다.그러나 실질적으로는 질량 분석 기반 [57][58]기술에 비해 상대적으로 둔감합니다.

NMR과 MS가 가장 널리 사용되지만, 오늘날에는 사용된 다른 탐지 방법을 기술합니다.여기에는 푸리에 변환 이온 사이클로트론 공명,[59] 이온 이동성 분광법,[60][citation needed] 전기 화학적 검출(HPLC와 결합), 라만 분광법 및 방사선 라벨(박층 크로마토그래피와 결합된 경우)이 포함됩니다.

표 1.
기술 감도(LOD) 시료량 기체와 호환 가능 액체와 호환 가능 솔리드와 호환 가능 창업비용 대사물 이미징(MALDI 또는 DESI)에 사용할 수 있습니다. 이점 단점들
GC-MS 0.5µM 0.1~0.2 mL 네. 네. 아니요. <$300,000 아니요.
  • 정량적(보정 포함)
  • 대사물 식별을 위한 대규모 소프트웨어 및 데이터베이스
  • 대부분의 유기 분자와 일부 무기 분자를 탐지합니다.
  • 우수한 분리 재현성
  • 파괴(복구 불가)
  • 샘플 분리 필요
  • 느린 속도(샘플당 20~40분)
LC-MS 0.5nM 10—100µL 아니요. 네. 네. >$300,000 네.
  • 매우 유연한 기술
  • 대부분의 유기 분자와 일부 무기 분자를 탐지합니다.
  • 파괴(복구 불가)
  • 그다지 양적이지 않음
  • 느린 속도(샘플당 15~40분)
  • 일반적으로 분리가 필요합니다.
NMR 분광법 5µM 10—100µL 아니요. 네. 네. >백만 달러 네.
  • 매우 유연한 기술
  • 대부분의 유기 분자와 일부 무기 분자를 탐지합니다.
  • 계측기 설치 공간이 큼
  • 염분 및 무기 이온을 검출하거나 식별할 수 없음
  • 비양성자화 화합물을 감지할 수 없음
  • 대량의 샘플 용량(0.1~0.5mL)이 필요

통계적 방법

대사학에서 생성된 데이터는 일반적으로 다양한 조건에서 피실험자에 대해 수행된 측정으로 구성됩니다.이러한 측정은 디지털화된 스펙트럼 또는 대사 특성 목록일 수 있습니다.가장 간단한 형태로, 이것은 주제에 해당하는 행과 대사물 특징에 해당하는 열이 있는 행렬을 생성합니다(또는 그 [8]반대의 경우도 마찬가지입니다.현재 NMR 및 질량 분석 데이터를 모두 분석할 수 있는 몇 가지 통계 프로그램이 있습니다.표에 표시된 대사학 데이터를 분석하기 위해 이미 수많은 무료 소프트웨어를 사용할 수 있습니다.표에 나열된 일부 통계 도구는 NMR 데이터 분석을 위해 설계되었으며 MS [61]데이터에도 유용했습니다.질량 분석 데이터의 경우, 실험 [62]설계에 따라 질량 초과 충전 값과 때때로 유지 시간을 기준으로 피험자 그룹에서 다양한 분자를 식별하는 소프트웨어를 사용할 수 있습니다.

대사물 데이터 매트릭스가 결정되면 비감독 데이터 감소 기술(예: PCA)을 사용하여 패턴과 연결을 설명할 수 있습니다.약물 독성 및 일부 질병 모델을 평가하는 연구를 포함한 많은 연구에서 관심 있는 대사물은 선험적으로 알려져 있지 않습니다.이것은 클래스 멤버십에 대한 사전 가정이 없는 비지도 방법을 인기 있는 첫 번째 선택으로 만듭니다.이러한 방법 중 가장 일반적인 것은 데이터 세트의 치수를 가장 큰 [36]변동을 설명하는 소수로 효율적으로 줄일 수 있는 주성분 분석(PCA)을 포함합니다.저차원 PCA 공간에서 분석하면 유사한 대사 지문을 가진 샘플의 클러스터링을 감지할 수 있습니다.PCA 알고리즘은 모든 상관 변수를 훨씬 적은 수의 상관 변수(주요 구성 요소(PC)라고 함)로 대체하고 원래 데이터 [63]세트에 대부분의 정보를 유지하는 것을 목표로 합니다.이 군집화는 패턴을 설명하고 클래스 구성원 자격과 가장 관련이 있는 대사물인 질병 생물 지표를 결정하는 데 도움을 줄 수 있습니다.

선형 모형은 일반적으로 신진대사 데이터에 사용되지만 다중 공선성의 영향을 받습니다.반면, 다변량 통계는 고차원 상관 대사학 데이터에 대한 번창하는 방법이며, 그 중 가장 인기 있는 것은 잠재 구조로의 투영 회귀(PLS)와 분류 버전 PLS-DA입니다.랜덤 포레스트, 서포트 벡터 머신 등과 같은 다른 데이터 마이닝 방법은 대상이 아닌 대사체학 데이터 [64]분석에 대한 관심이 높아지고 있습니다.일변량 방법의 경우 기존 통계 도구(예: 학생의 t-검정, 분산 분석 또는 혼합 모형)를 사용하여 변수를 하나씩 분석하고 p-값이 충분히 작은 변수만 [35]관련이 있는 것으로 간주합니다.그러나 대상이 아닌 [65]대사체학에서 대사물의 총량을 직접 측정하는 표준 방법이 없기 때문에 다중 비교를 수행할 때 잘못된 발견을 줄이기 위해 보정 전략을 사용해야 합니다.다변량 분석의 경우 항상 결과를 일반화할 수 있도록 모형을 검증해야 합니다.

머신러닝 및 데이터 마이닝

기계 학습은 신진대사 분석에 사용될 수 있는 강력한 도구입니다.최근, 과학자들은 체류 시간 예측 소프트웨어를 개발했습니다.이러한 도구를 통해 연구자들은 인간 혈장, 식물 추출물, 음식 또는 미생물 배양물과 같은 복잡한 혼합물의 작은 분자의 체류 시간 예측에 인공지능을 적용할 수 있습니다.보존 시간 예측은 액체 크로마토그래피의 식별 속도를 증가시키고 대사학 [66]데이터의 생물학적 해석을 개선할 수 있습니다.

주요 응용 프로그램

대사 프로파일링에 의한 독성 평가/독성학(특히 소변 또는 혈장 검체)은 화학 물질(또는 화학 물질 혼합물)의 독성 모욕으로 인한 생리학적 변화를 감지합니다.많은 경우, 관찰된 변화는 간이나 신장의 특정 병변과 같은 특정 증후군과 관련될 수 있습니다.이것은 잠재적인 약물 후보의 독성을 테스트하고자 하는 제약 회사와 특히 관련이 있습니다. 유해한 독성을 이유로 임상 시험에 도달하기 전에 화합물이 제거될 수 있다면,[47] 시험의 막대한 비용을 절약할 수 있습니다.

기능적 유전체학의 경우, 신진대사학은 유전자 삭제 또는 삽입과 같은 유전자 조작에 의해 야기되는 표현형을 결정하는 훌륭한 도구가 될 수 있습니다.때때로 이것은 그 자체로 충분한 목표가 될 수 있습니다. 예를 들어, 인간 또는 동물의 소비를 목적으로 하는 유전자 변형 식물의 표현형 변화를 감지하는 것입니다.더 흥미로운 것은 알려진 유전자의 삭제/삽입으로 인한 대사 섭동과 비교하여 알려지지 않은 유전자의 기능을 예측할 수 있다는 전망입니다.이러한 발전은 Saccharomyces cerevisiae 및 Arabidopsis thaliana와 같은 모델 유기체에서 나올 가능성이 가장 높습니다.스크립스 연구소의 크라바트 연구실은 최근 이 기술을 포유류 시스템에 적용했습니다.N-아실타우린을 효소 지방산 아미드 가수분해효소(FAAH)에 대한 비특이적 내인성 기질로 식별하고 모노알킬글리세롤 에테르(MAGEs)를 비특이적 가수분해효소 KIAA1363에 [67][68]대한 내인성 기질로 식별합니다.

메타볼로게노믹스는 미생물이 내보낸 대사물과 예측된 생합성 [69]유전자를 연관시켜 대사학 및 유전체학 데이터를 통합하는 새로운 접근법입니다.이 생체정보학 기반 페어링 방법은 비표적 대사 분석을 정제하여 관련 생합성을 가진 작은 분자를 식별하고 이전에 잘 알려지지 않은 구조를 가진 분자에 초점을 맞춤으로써 더 큰 규모의 천연물 발견을 가능하게 합니다.

플럭스 경제학은 신진대사 경제학의 추가적인 발전입니다.대사체학의 단점은 대사물의 풍부함이나 농도만을 사용자에게 제공하는 반면, 플럭소믹스는 대사 반응의 반응 속도를 결정하고 시간이 지남에 따라 생물학적 시스템의 대사물을 추적할 수 있다는 것입니다.

뉴트리게노믹스는 유전체학, 전사체학, 프로테오믹스, 대사체학을 인간의 영양과 연결하는 일반화된 용어입니다.일반적으로, 주어진 체액에서, 대사체는 근본적인 병리학뿐만 아니라 나이, 성별, 신체 구성, 유전학과 같은 내인성 요인에 의해 영향을 받습니다.대장 마이크로플로라는 또한 대사 프로파일의 매우 중요한 잠재적 교란 요인이며 내인성 또는 외인성 요인으로 분류될 수 있습니다.주요 외인성 요인은 식이요법과 약물입니다.그러면 식단은 영양소와 비 영양소로 나눌 수 있습니다.대사학은 생물학적 최종 산물 또는 대사 지문을 결정하는 한 가지 수단이며, 이 모든 힘이 개인의 [70][71]대사에 미치는 균형을 반영합니다.최근의 비용 절감 덕분에, 신진대사학은 이제 임신한 [72][73]개와 같은 반려동물들이 이용할 수 있게 되었습니다.

식물 대사학은 식물 표본의 대사물의 전반적인 변화를 연구한 다음 심층 데이터 마이닝 및 화학 측정 분석을 수행하도록 설계되었습니다.특수 대사물은 생물학적 [74]및 생물학적 스트레스에 반응하여 생합성된 식물 방어 시스템의 구성 요소로 간주됩니다.대사체학 접근법은 최근 개별 식물 사이의 대사물 함량의 자연적인 차이를 평가하기 위해 사용되었으며,[75] 이는 작물의 구성 품질 향상을 위한 큰 잠재력을 가진 접근법입니다.

참고 항목

레퍼런스

  1. ^ Daviss B (April 2005). "Growing pains for metabolomics". The Scientist. 19 (8): 25–28. Archived from the original on 13 October 2008.
  2. ^ Jordan KW, Nordenstam J, Lauwers GY, Rothenberger DA, Alavi K, Garwood M, Cheng LL (March 2009). "Metabolomic characterization of human rectal adenocarcinoma with intact tissue magnetic resonance spectroscopy". Diseases of the Colon and Rectum. 52 (3): 520–525. doi:10.1007/DCR.0b013e31819c9a2c. PMC 2720561. PMID 19333056.
  3. ^ a b Villate A, San Nicolas M, Gallastegi M, Aulas PA, Olivares M, Usobiaga A, et al. (February 2021). "Review: Metabolomics as a prediction tool for plants performance under environmental stress". Plant Science. 303: 110789. doi:10.1016/j.plantsci.2020.110789. PMID 33487364. S2CID 230533604.
  4. ^ Hollywood K, Brison DR, Goodacre R (September 2006). "Metabolomics: current technologies and future trends". 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 (March 2022). "Prediction of Metabolic Profiles from Transcriptomics Data in Human Cancer Cell Lines". International Journal of Molecular Sciences. 23 (7): 3867. doi:10.3390/ijms23073867. PMC 8998886. PMID 35409231.
  6. ^ Gates SC, Sweeley CC (October 1978). "Quantitative metabolic profiling based on gas chromatography". Clinical Chemistry. 24 (10): 1663–1673. doi:10.1093/clinchem/24.10.1663. PMID 359193.
  7. ^ Preti, George (June 6, 2005). "Metabolomics comes of age?". The Scientist. 19 (11): 8.
  8. ^ a b c van der Greef J, Smilde AK (May 2005). "Symbiosis of chemometrics and metabolomics: past, present, and future". Journal of Chemometrics: A Journal of the Chemometrics Society. 19 (5–7): 376–386. doi:10.1002/cem.941. S2CID 122419960.
  9. ^ Shapiro I, Kavkalo DN, Petrova GV, Ganzin AP (1989). "[Angioleiomyoma of the large-intestinal mesentery complicated by diffuse peritonitis]". Sovetskaia Meditsina (in Russian) (9): 116. PMID 2603028.
  10. ^ Griffiths WJ, Wang Y (July 2009). "Mass spectrometry: from proteomics to metabolomics and lipidomics". 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 (November 1974). "Observation of tissue metabolites using 31P nuclear magnetic resonance". Nature. 252 (5481): 285–287. Bibcode:1974Natur.252..285H. doi:10.1038/252285a0. PMID 4431445. S2CID 4291661.
  12. ^ Nicholson JK, Lindon JC (October 2008). "Systems biology: Metabonomics". Nature. 455 (7216): 1054–1056. Bibcode:2008Natur.455.1054N. doi:10.1038/4551054a. PMID 18948945. S2CID 4411723.
  13. ^ Holmes E, Antti H (December 2002). "Chemometric contributions to the evolution of metabonomics: mathematical solutions to characterising and interpreting complex biological NMR spectra". The Analyst. 127 (12): 1549–1557. Bibcode:2002Ana...127.1549H. doi:10.1039/b208254n. PMID 12537357.
  14. ^ Lenz EM, Wilson ID (February 2007). "Analytical strategies in metabonomics". Journal of Proteome Research. 6 (2): 443–458. doi:10.1021/pr0605217. PMID 17269702.
  15. ^ Lerner RA, Siuzdak G, Prospero-Garcia O, Henriksen SJ, Boger DL, Cravatt BF (September 1994). "Cerebrodiene: a brain lipid isolated from sleep-deprived cats". Proceedings of the National Academy of Sciences of the United States of America. 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, Lerner RA (June 1995). "Chemical characterization of a family of brain lipids that induce sleep". Science. 268 (5216): 1506–1509. Bibcode:1995Sci...268.1506C. doi:10.1126/science.7770779. PMID 7770779.
  17. ^ a b 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): 747–751. doi:10.1097/01.ftd.0000179845.53213.39. PMID 16404815. S2CID 14774455.
  18. ^ a b Guijas C, Montenegro-Burke JR, Domingo-Almenara X, Palermo A, Warth B, Hermann G, et al. (March 2018). "METLIN: A Technology Platform for Identifying Knowns and Unknowns". Analytical Chemistry. 90 (5): 3156–3164. doi:10.1021/acs.analchem.7b04424. PMC 5933435. PMID 29381867.
  19. ^ a b Smith CA, Want EJ, O'Maille G, Abagyan R, Siuzdak G (February 2006). "XCMS: processing mass spectrometry data for metabolite profiling using nonlinear peak alignment, matching, and identification". Analytical Chemistry. 78 (3): 779–787. doi:10.1021/ac051437y. PMID 16448051.
  20. ^ Tautenhahn R, Patti GJ, Rinehart D, Siuzdak G (June 2012). "XCMS Online: a web-based platform to process untargeted metabolomic data". Analytical Chemistry. 84 (11): 5035–5039. doi:10.1021/ac300698c. PMC 3703953. PMID 22533540.
  21. ^ a b c Wishart, David S.; Tzur, Dan; Knox, Craig; Eisner, Roman; Guo, An Chi; Young, Nelson; Cheng, Dean; Jewell, Kevin; Arndt, David; Sawhney, Summit; Fung, Chris; Nikolai, Lisa; Lewis, Mike; Coutouly, Marie-Aude; Forsythe, Ian J.; Tang, Peter; Shrivastava, Savita; Jeroncic, Kevin; Stothard, Paul; Amegbey, Godwin; Block, David; Hau, David D.; Wagner, James; Miniaci, Jessica; Clements, Melisa; Gebremedhin, Mulu; Guo, Natalie; Zhang, Ying; Duggan, Gavin E.; Macinnis, Glen D.; Weljie, Alim M.; Dowlatabadi, Reza; Bamforth, Fiona; Clive, Derrick; Greiner, Russ; Li, Liang; Marrie, Tom; Sykes, Brian D.; Vogel, Hans J.; Querengesser, Lori (January 1, 2007). "HMDB: the Human Metabolobe Database". Nucleic Acids Research. 35 (D1): D521–D526. doi:10.1093/nar/gkl923. PMC 1899095. PMID 17202168.
  22. ^ Wishart, David S.; Knox, Craig; Guo, An Chi; Eisner, Roman; Young, Nelson; Gautam, Bijaya; Hau, David D.; Psychogios, Nick; Dong, Edison; Bouatra, Souhaila; Mandal, Rupasri; Sinelnikov, Igor; Xia, Jianguo; Jia, Leslie; Cruz, Joseph A.; Lim, Emilia; Sobsey, Constance A.; Shrivastava, Savita; Huang, Paul; Liu, Philip; Fang, Lydia; Peng, Jun; Fradette, Ryan; Cheng, Dean; Tzur, Dan; Clements, Melisa; Lewis, Avalyn; de Souza, Andrea; Zúñiga, Azaret; Dawe, Margot; Xiong, Yeping; Clive, Derrick; Greiner, Russ; Nazyrova, Alsu; Shaykhutdinov, Rustem; Li, Liang; Vogel, Hans J.; Forsythe, Ian J. (1 January 2009). "HMDB: a knowledgebase for the human metabolome". Nucleic Acids Research. 37 (D1): D603–D610. doi:10.1093/nar/gkn810. PMC 2686599. PMID 18953024.
  23. ^ Farag MA, Huhman DV, Dixon RA, Sumner LW (February 2008). "Metabolomics reveals novel pathways and differential mechanistic and elicitor-specific responses in phenylpropanoid and isoflavonoid biosynthesis in Medicago truncatula cell cultures". Plant Physiology. 146 (2): 387–402. doi:10.1104/pp.107.108431. PMC 2245840. PMID 18055588.
  24. ^ "www.Plantmetabolomics.org". Nov 7, 2012. Archived from the original on 2012-11-07. Retrieved May 20, 2020.
  25. ^ a b Morrow Jr KJ (1 April 2010). "Mass Spec Central to Metabolomics". Genetic Engineering & Biotechnology News. Vol. 30, no. 7. p. 1. Archived from the original on 12 August 2011. Retrieved 28 June 2010.
  26. ^ "Real-time analysis of metabolic products". phys.org. Retrieved May 20, 2020.
  27. ^ Oliver SG, Winson MK, Kell DB, Baganz F (September 1998). "Systematic functional analysis of the yeast genome". Trends in Biotechnology. 16 (9): 373–378. doi:10.1016/S0167-7799(98)01214-1. PMID 9744112.
  28. ^ Griffin JL, Vidal-Puig A (June 2008). "Current challenges in metabolomics for diabetes research: a vital functional genomic tool or just a ploy for gaining funding?". Physiological Genomics. 34 (1): 1–5. doi:10.1152/physiolgenomics.00009.2008. PMID 18413782. S2CID 9416755.
  29. ^ HMDB 4.0 – 2018년 인간 대사체 데이터베이스.
  30. ^ Wishart DS, Guo A, Oler E, Wang F, Anjum A, Peters H, et al. (January 2022). "HMDB 5.0: the Human Metabolome Database for 2022". Nucleic Acids Research. 50 (D1): D622–D631. doi:10.1093/nar/gkab1062. PMC 8728138. PMID 34986597.
  31. ^ 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–D807. doi:10.1093/nar/gks1065. PMC 3531200. PMID 23161693.
  32. ^ Pearson H (March 2007). "Meet the human metabolome". Nature. 446 (7131): 8. Bibcode:2007Natur.446....8P. doi:10.1038/446008a. PMID 17330009. S2CID 2235062.
  33. ^ De Luca V, St Pierre B (April 2000). "The cell and developmental biology of alkaloid biosynthesis". Trends in Plant Science. 5 (4): 168–173. doi:10.1016/S1360-1385(00)01575-2. PMID 10740298.
  34. ^ Griffin JL, Shockcor JP (July 2004). "Metabolic profiles of cancer cells". Nature Reviews. Cancer. 4 (7): 551–561. doi:10.1038/nrc1390. PMID 15229480. S2CID 527894.
  35. ^ a b Ulaszewska MM, Weinert CH, Trimigno A, Portmann R, Andres Lacueva C, Badertscher R, et al. (January 2019). "Nutrimetabolomics: An Integrative Action for Metabolomic Analyses in Human Nutritional Studies". Molecular Nutrition & Food Research. 63 (1): e1800384. doi:10.1002/mnfr.201800384. PMID 30176196.
  36. ^ a b Nicholson JK, Wilson ID (August 2003). "Opinion: understanding 'global' systems biology: metabonomics and the continuum of metabolism". Nature Reviews. Drug Discovery. 2 (8): 668–676. doi:10.1038/nrd1157. PMID 12904817. S2CID 23743031.
  37. ^ Dettmer K, Aronov PA, Hammock BD (2007). "Mass spectrometry-based metabolomics". Mass Spectrometry Reviews. 26 (1): 51–78. Bibcode:2007MSRv...26...51D. doi:10.1002/mas.20108. PMC 1904337. PMID 16921475.
  38. ^ Nicholson JK, Foxall PJ, Spraul M, Farrant RD, Lindon JC (March 1995). "750 MHz 1H and 1H-13C NMR spectroscopy of human blood plasma". Analytical Chemistry. 67 (5): 793–811. doi:10.1021/ac00101a004. PMID 7762816.
  39. ^ Bentley R (1999). "Secondary metabolite biosynthesis: the first century". Critical Reviews in Biotechnology. 19 (1): 1–40. doi:10.1080/0738-859991229189. PMID 10230052.
  40. ^ 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): 3289–3295. doi:10.1021/ac060245f. PMC 3705959. PMID 16689529.
  41. ^ Lin W, Conway LP, Block A, Sommi G, Vujasinovic M, Löhr JM, Globisch D (June 2020). "Sensitive mass spectrometric analysis of carbonyl metabolites in human urine and fecal samples using chemoselective modification". The Analyst. 145 (11): 3822–3831. Bibcode:2020Ana...145.3822L. doi:10.1039/D0AN00150C. PMID 32393929.
  42. ^ Crockford DJ, Maher AD, Ahmadi KR, Barrett A, Plumb RS, Wilson ID, Nicholson JK (September 2008). "1H NMR and UPLC-MS(E) statistical heterospectroscopy: characterization of drug metabolites (xenometabolome) in epidemiological studies". Analytical Chemistry. 80 (18): 6835–6844. doi:10.1021/ac801075m. PMID 18700783.
  43. ^ Nicholson JK (2006). "Global systems biology, personalized medicine and molecular epidemiology". Molecular Systems Biology. 2 (1): 52. doi:10.1038/msb4100095. PMC 1682018. PMID 17016518.
  44. ^ Nicholson JK, Lindon JC, Holmes E (November 1999). "'Metabonomics': understanding the metabolic responses of living systems to pathophysiological stimuli via multivariate statistical analysis of biological NMR spectroscopic data". Xenobiotica; the Fate of Foreign Compounds in Biological Systems. 29 (11): 1181–1189. doi:10.1080/004982599238047. PMID 10598751.
  45. ^ Nicholson JK, Connelly J, Lindon JC, Holmes E (February 2002). "Metabonomics: a platform for studying drug toxicity and gene function". Nature Reviews. Drug Discovery. 1 (2): 153–161. doi:10.1038/nrd728. PMID 12120097. S2CID 17881327.
  46. ^ Holmes E, Wilson ID, Nicholson JK (September 2008). "Metabolic phenotyping in health and disease". Cell. 134 (5): 714–717. doi:10.1016/j.cell.2008.08.026. PMID 18775301. S2CID 6677621.
  47. ^ a b Robertson DG (June 2005). "Metabonomics in toxicology: a review". Toxicological Sciences. 85 (2): 809–822. doi:10.1093/toxsci/kfi102. PMID 15689416.
  48. ^ Silva LP, Northen TR (August 2015). "Exometabolomics and MSI: deconstructing how cells interact to transform their small molecule environment". Current Opinion in Biotechnology. Elsevier BV. 34: 209–216. doi:10.1016/j.copbio.2015.03.015. PMID 25855407.
  49. ^ Dettmer K, Aronov PA, Hammock BD (2007). "Mass spectrometry-based metabolomics". Mass Spectrometry Reviews. 26 (1): 51–78. Bibcode:2007MSRv...26...51D. doi:10.1002/mas.20108. PMC 1904337. PMID 16921475.
  50. ^ Rasmiena AA, Ng TW, Meikle PJ (March 2013). "Metabolomics and ischaemic heart disease". Clinical Science. 124 (5): 289–306. doi:10.1042/CS20120268. PMID 23157406.
  51. ^ "Gas Chromatography Mass Spectrometry (GC-MS) Information". Thermo Fisher Scientific - US. Retrieved 2018-09-26.
  52. ^ Gika HG, Theodoridis GA, Wingate JE, Wilson ID (August 2007). "Within-day reproducibility of an HPLC-MS-based method for metabonomic analysis: application to human urine". Journal of Proteome Research. 6 (8): 3291–3303. doi:10.1021/pr070183p. PMID 17625818.
  53. ^ Soga T, Ohashi Y, Ueno Y, Naraoka H, Tomita M, Nishioka T (September 2003). "Quantitative metabolome analysis using capillary electrophoresis mass spectrometry". Journal of Proteome Research. 2 (5): 488–494. doi:10.1021/pr034020m. PMID 14582645.
  54. ^ Northen TR, Yanes O, Northen MT, Marrinucci D, Uritboonthai W, Apon J, et al. (October 2007). "Clathrate nanostructures for mass spectrometry". Nature. 449 (7165): 1033–1036. Bibcode:2007Natur.449.1033N. doi:10.1038/nature06195. PMID 17960240. S2CID 4404703.
  55. ^ Woo HK, Northen TR, Yanes O, Siuzdak G (July 2008). "Nanostructure-initiator mass spectrometry: a protocol for preparing and applying NIMS surfaces for high-sensitivity mass analysis". Nature Protocols. 3 (8): 1341–1349. doi:10.1038/NPROT.2008.110. PMID 18714302. S2CID 20620548.
  56. ^ Ghaste M, Mistrik R, Shulaev V (May 2016). "Applications of Fourier Transform Ion Cyclotron Resonance (FT-ICR) and Orbitrap Based High Resolution Mass Spectrometry in Metabolomics and Lipidomics". International Journal of Molecular Sciences. 17 (6): 816. doi:10.3390/ijms17060816. PMC 4926350. PMID 27231903.
  57. ^ Griffin JL (October 2003). "Metabonomics: NMR spectroscopy and pattern recognition analysis of body fluids and tissues for characterisation of xenobiotic toxicity and disease diagnosis". Current Opinion in Chemical Biology. 7 (5): 648–654. doi:10.1016/j.cbpa.2003.08.008. PMID 14580571.
  58. ^ Beckonert O, Keun HC, Ebbels TM, Bundy J, Holmes E, Lindon JC, Nicholson JK (2007). "Metabolic profiling, metabolomic and metabonomic procedures for NMR spectroscopy of urine, plasma, serum and tissue extracts". Nature Protocols. 2 (11): 2692–2703. doi:10.1038/nprot.2007.376. PMID 18007604. S2CID 205463871.
  59. ^ Habchi B, Alves S, Jouan-Rimbaud Bouveresse D, Appenzeller B, Paris A, Rutledge DN, Rathahao-Paris E (January 2018). "Potential of dynamically harmonized Fourier transform ion cyclotron resonance cell for high-throughput metabolomics fingerprinting: control of data quality". Analytical and Bioanalytical Chemistry. 410 (2): 483–490. doi:10.1007/s00216-017-0738-3. PMID 29167936. S2CID 3769892.
  60. ^ King AM, Mullin LG, Wilson ID, Coen M, Rainville PD, Plumb RS, et al. (January 2019). "Development of a rapid profiling method for the analysis of polar analytes in urine using HILIC-MS and ion mobility enabled HILIC-MS". Metabolomics. 15 (2): 17. doi:10.1007/s11306-019-1474-9. PMC 6342856. PMID 30830424.
  61. ^ Sugimoto M, Kawakami M, Robert M, Soga T, Tomita M (March 2012). "Bioinformatics Tools for Mass Spectroscopy-Based Metabolomic Data Processing and Analysis". Current Bioinformatics. 7 (1): 96–108. doi:10.2174/157489312799304431. PMC 3299976. PMID 22438836.
  62. ^ Spicer R, Salek RM, Moreno P, Cañueto D, Steinbeck C (2017). "Navigating freely-available software tools for metabolomics analysis". Metabolomics. 13 (9): 106. doi:10.1007/s11306-017-1242-7. PMC 5550549. PMID 28890673.
  63. ^ Ren S, Hinzman AA, Kang EL, Szczesniak RD, Lu LJ (December 2015). "Computational and statistical analysis of metabolomics data". Metabolomics. 11 (6): 1492–513. doi:10.1007/s11306-015-0823-6. S2CID 15712363.
  64. ^ Gromski PS, Muhamadali H, Ellis DI, Xu Y, Correa E, Turner ML, Goodacre R (June 2015). "A tutorial review: Metabolomics and partial least squares-discriminant analysis--a marriage of convenience or a shotgun wedding". Analytica Chimica Acta. 879: 10–23. doi:10.1016/j.aca.2015.02.012. PMID 26002472.
  65. ^ "Metabolomics in the clinic: A review of the shared and unique features of untargeted metabolomics for clinical research and clinical testing". Metabolon. Retrieved 2022-11-08.
  66. ^ Bonini P, Kind T, Tsugawa H, Barupal DK, Fiehn O (June 2020). "Retip: Retention Time Prediction for Compound Annotation in Untargeted Metabolomics". Analytical Chemistry. 92 (11): 7515–7522. doi:10.1021/acs.analchem.9b05765. PMC 8715951. PMID 32390414.
  67. ^ Saghatelian A, Trauger SA, Want EJ, Hawkins EG, Siuzdak G, Cravatt BF (November 2004). "Assignment of endogenous substrates to enzymes by global metabolite profiling". Biochemistry. 43 (45): 14332–14339. doi:10.1021/bi0480335. PMID 15533037.
  68. ^ Chiang KP, Niessen S, Saghatelian A, Cravatt BF (October 2006). "An enzyme that regulates ether lipid signaling pathways in cancer annotated by multidimensional profiling". Chemistry & Biology. 13 (10): 1041–1050. doi:10.1016/j.chembiol.2006.08.008. PMID 17052608.
  69. ^ Goering AW, McClure RA, Doroghazi JR, Albright JC, Haverland NA, Zhang Y, et al. (February 2016). "Metabologenomics: Correlation of Microbial Gene Clusters with Metabolites Drives Discovery of a Nonribosomal Peptide with an Unusual Amino Acid Monomer". ACS Central Science. 2 (2): 99–108. doi:10.1021/acscentsci.5b00331. PMC 4827660. PMID 27163034.
  70. ^ Gibney MJ, Walsh M, Brennan L, Roche HM, German B, van Ommen B (September 2005). "Metabolomics in human nutrition: opportunities and challenges". The American Journal of Clinical Nutrition. 82 (3): 497–503. doi:10.1093/ajcn/82.3.497. PMID 16155259.
  71. ^ Christopher KB (March 2018). "Nutritional metabolomics in critical illness". Current Opinion in Clinical Nutrition and Metabolic Care. 21 (2): 121–125. doi:10.1097/MCO.0000000000000451. PMC 5826639. PMID 29251691.
  72. ^ Arlt SP, Ottka C, Lohi H, Hinderer J, Lüdeke J, Müller E, et al. (2023-05-10). Mükremin Ö (ed.). "Metabolomics during canine pregnancy and lactation". PLOS ONE. 18 (5): e0284570. doi:10.1371/journal.pone.0284570. PMC 10171673. PMID 37163464.
  73. ^ Ottka C, Vapalahti K, Arlt SP, Bartel A, Lohi H (2023-02-02). "The metabolic differences of anestrus, heat, pregnancy, pseudopregnancy, and lactation in 800 female dogs". Frontiers in Veterinary Science. 10: 1105113. doi:10.3389/fvets.2023.1105113. PMC 9932911. PMID 36816179.
  74. ^ Cotrim GD, Silva DM, Graça JP, Oliveira Junior A, Castro C, Zocolo GJ, et al. (January 2023). "Glycine max (L.) Merr. (Soybean) metabolome responses to potassium availability". Phytochemistry. 205: 113472. Bibcode:2023PChem.205k3472C. doi:10.1016/j.phytochem.2022.113472. PMID 36270412.
  75. ^ Schauer N, Fernie AR (October 2006). "Plant metabolomics: towards biological function and mechanism". Trends in Plant Science. 11 (10): 508–516. doi:10.1016/j.tplants.2006.08.007. PMID 16949327.

진일보한 내용

외부 링크

무료 사전인 Wiktionary에서 신진대사학을 찾아보세요.
Wikibooks는 다음 주제에 대해 자세히 설명합니다: 신진대사학.