Nucleic Acids Res | 代謝組學數據預處理

2021-02-24 DrugAI
代謝組學（Metabolomics）以生物體內所有代謝產物為研究對象，定性定量地研究代謝物與機體生理或病理變化之間的關係。近年來，時間序列代謝組學（J Biol Chem. 292: 19556-64, 2017）和多類別代謝組學（Science. 363: 644-9, 2019）備受關注，因而對這些研究中的複雜組學數據的統計分析已經成為領域內極富挑戰的前沿方向。其中，對上述代謝組數據的預處理一直存在方法繁多、性能不一、缺乏評估等嚴重影響處理效能的關鍵問題（J Proteome Res. 13: 3114-20, 2014）。針對上述問題，浙江大學藥學院朱峰教授課題組，在其開發的數據歸一化工具NOREVA的基礎上，構建了用於時間序列和多類別代謝組學數據預處理的新型服務系統（https://idrblab.org/noreva/）。該項研究工作於近期發表在《Nucleic Acids Research》雜誌上（如下圖），為代謝組學研究提供了新穎的解決方案。

基於朱峰課題組提出的標準化新策略（Brief Bioinform. 21: 2142-52, 2020），實現了對數百種代謝組數據預處理流程的全面掃描。基於五個獨立標準的評估策略（Mol Cell Proteomics. 18: 1683-99, 2019），實現了對所有預處理流程的系統評估。這些功能，使得這一新系統能夠有效的針對時間序列和多類別代謝組學數據（如下圖），開展預處理流程的全面掃描和系統優化，此新系統也因此成為了其他可用工具的重要補充。

預處理的正確應用必須保持「真」標誌物（如臨床已知標記物、加入的標準化合物等）的變化水平。作為色氨酸的代謝物，犬尿氨酸被報導將在瘧疾感染患者的血漿中顯著升高，同時在治療後會恢復正常。基於新系統對代謝組學基準測試數據的處理和評估，在三個時間點（瘧疾感染前、診斷確定日和治療後三周）的分析結果顯示（如下圖）：評測效能優異的數據預處理流程（a和b）能有效保存犬尿氨酸的生物變化（瘧疾感染後在血漿中升高，且經治療後顯著下降）；相反，評測效能較差的數據預處理流程（c）幾乎無法保留這種變化。換言之，新系統可以有效提升時間序列代謝組數據預處理的效能。

新系統在多類代謝組學數據預處理中的應用顯示：對於按照不同濃度配比添加的九種標準化合物（spiking compounds）來說，評測效能優異的數據預處理流程（a）能有效保存所有九種化合物的濃度配比梯度（如下圖）；相反，評測效能較差的數據預處理流程（b）則完全無法保留各個化合物的濃度差異（如下圖）。換言之，此新系統可以系統優化多類別代謝組數據預處理的流程。

本研究構建的新型在線服務系統（https://idrblab.org/noreva/）實現了對時間序列和多類別代謝組學數據的預處理，首次通過多角度評估實現了對數百種代謝組數據預處理流程的全面掃描（如下圖）。對基準測試數據的案例分析驗證了此新系統的重要性和有效性。隨著組學研究的普及和深入，此新系統和其他工具可以共同為相關領域的研究做出貢獻。此項研究工作共同第一作者為浙江大學藥學院的楊慶霞博士和王雲霞博士。

Yang, QX; Wang, YX; Zhang, Y; Li, FC; Xia WQ; Zhou, Y; Qiu, YQ; Li, HL; Zhu, F*. NOREVA: enhanced normalization and evaluation of time-course and multi-class metabolomic data. Nucleic Acids Research. 48: 436-48 (2020).

相關焦點

  • 有機酸代謝組學-靶向代謝組學-精準靶向代謝組學研究思路
    加入1 mL正己烷，並再次振搖後，收集100 μL非極性相（上清液），放置在帶小瓶插入物的1.5 mL小瓶中，並使用GC-MS代謝組學進行分析。如下圖所示描述了樣品製備的分析階段的步驟。因此，使用GC-MS代謝組學的方法似乎足以評估目標OAs。 校正曲線表明所建立的方法和GC-MS參數能夠檢測，分離和定量OAs。校準曲線的線性回歸顯示最小R2為0.9921，表明模型具有足夠的擬合度，並且所有OA的R2值均高於0.996。
  • Nucleic Acids Res.:蛋白質合成中的質量控制
    （生物谷Bioon.com）生物谷推薦英文摘要：Nucleic Acids Research, doi:10.1093/nar/gkq763 Modular pathways for editing non-cognate amino acids by human cytoplasmic
  • NOREVA: 代謝組學數據標準化工具
    生物學過程（如微生物生長和生理反應）通常是動態的，需要在不同時間點監測代謝變化。
  • 3分鐘帶你看懂代謝組學研究中常用的「套路」
    但是懂行的人都知道，代謝組學的研究紛繁複雜、種類繁多，實驗得到的數據量也相當驚人。那麼如何在代謝組學的研究中理出頭緒呢？今天谷君整理了一些常用的「套路」，希望能夠給大家一些啟發。一：代謝組學分析流程一般來說，代謝組的分析流程有：首先將代謝組分進行預處理， 預處理的方法由測量分析方法決定，如使用質譜方法分析，則需要預先對代謝組分進行分離和離子化。接著，再對預處理後的組分進行定性和定量分析。
  • 揭秘：16年前的血漿樣本還能做代謝組學研究嗎？
    樣本放太久，想做代謝組學研究怎麼辦？如果您有同樣的疑惑，請看下面的文章。雖然大多數類別的代謝物含量都或多或少受到長期保存的影響，但是complex lipids，fatty acids，energy metabolism molecules，amino acids及相關的化合物則表現出對長期保存 highest sensitivity。人血漿代謝組在低於7年保存時間時足夠的穩定，但是對更長的保存時間比較敏感。
  • 【代謝組學】核磁共振和質譜的優缺點—針對代謝組學研究
    核磁共振和質譜的技術比較1.核磁共振和質譜概述1.1 代謝組學技術概述代謝組學分析可分為靶向分析和非靶向分析。非靶向分析側重於樣本中代謝物總量（「指紋」）的代謝譜分析。 核磁共振通常用於代謝組學指紋圖譜研究。
  • 宏基因組和代謝組學揭示結直腸癌相關菌群的階段特異性
    宏基因組和代謝組學揭示結直腸癌相關菌群的階段特異性 作者：小柯機器人 發布時間：2019/7/11 16:13:03 宏基因組和代謝組學揭示結直腸癌相關腸道菌群的階段特異性，這一成果由東京工業大學Takuji Yamada研究團隊獲得
  • 代謝組學:未來新方向
    舉例來說，安捷倫的GeneSpring —質模專業版軟體用於多重組學數據的整合分析。Sana 說，「GeneSpring可以使你採用來源於RNA、蛋白質和代謝物完全不同的數據，並將它們動態地映射在生物通路上，就像KEGG（一種代謝通路工具）那樣。」 GeneSpring也支持預處理來自其他廠商平臺的數據，例如作為一個電子表格。
  • 聚焦代謝組學平臺建設 促進技術向應用轉化——訪清華大學代謝組學...
    清華大學代謝組學平臺為國家蛋白質科學研究(北京)設施清華大學蛋白質研究技術中心下設平臺之一。經過幾年的發展，該平臺擁有了完善的代謝產物及脂質物質的二級資料庫及常見內源性代謝物的信息採集與數據分析方法，可以提供準確的代謝組學和代謝流分析服務。
  • 代謝組學——後基因組時代新熱點
    」系列專刊簡介：本系列專刊含蓋：專家話代謝、代謝組學實驗設計、數據解讀分析、資料庫介紹及使用流程等一系列乾貨內容；專刊系列將邀請代謝組學知名學者及一線技術人員對代謝組學發展和相關技術進行系統性的歸納總結
  • 流程大揭秘——基於LC-MS的代謝組學數據分析
    由於質譜技術的不斷完善及其自身的優勢、使得這種技術已經稱為代謝組學研究的重要手段之一下面咱一起看一看基於LC-MS的代謝組學數據分析的流程。目前用於代謝物組學分析的方法主要有酶分析法、核磁共振NMR、薄層色譜TLC、高效液相HPLC、氣相色譜GC、質譜以及質譜連用等技術。
  • 服務700+科研所和三甲醫院，帕諾米克如何布局代謝組學技術？
    而代謝組學技術通過使用質譜的方法對巨量代謝物進行監測，具有技術、效率和成本的優勢。基於對代謝組學技術未來發展前景的展望，帕諾米克在國內代謝組學檢測行業尚處於一片空白時就已開始盤根布局，深耕代謝組學在健康臨床領域的應用，成為國內最早發展的代謝組學公司之一。
  • MetaboAnalyst 代謝組學在線分析
    MetaboAnalyst 這個網絡工具自2009年誕生以來，已在代謝組學數據分析這片領域內牢牢紮根。便更好地應對了日益增加的用戶需求，它可用於代謝組學數據分析、注釋、整合其他組學數據。MetaboAnalyst 已遷至Google雲伺服器上。在2007年，約25%代謝組學研究使用過MetaboAnalyst 。
  • 非靶向代謝組學助力中國農科院靈芝代謝特徵研究
    中文標題：通過非靶向代謝組學分析靈芝的發酵液，菌絲體，子實體和孢子粉的代謝特徵為了解決這一問題，本文基於非靶向質譜的代謝組學方法獲得發酵液，菌絲體，子實體和孢子粉的代謝特徵，從而為靈芝不同部分的獨特使用提供分子基礎。
  • Nucleic Acids Res.:基於通路的GWAS數據網絡分析平臺開發成功
    中國科學院心理研究所王晶研究員課題組在全基因組關聯學習（genome-wide association study, GWAS）研究中取得重要成果。課題組成功開發了基於通路（pathway）的GWAS數據網絡分析平臺——i-GSEA4GWAS。該平臺用於鑑別與疾病表型相關的通路/基因集，以進一步研究和揭示疾病致病機理。
  • 宏基因組&代謝組學:兩大組學共同揭示結腸直腸癌中腸道菌群的階段...
    採用宏基因組和代謝組聯合分析，檢測結腸直腸癌不同階段的糞便樣本，揭示結腸直腸癌中腸道菌群的階段特異性表型，為 CRC 發展階段的診斷提供方法。研究結果1.糞便樣本中宏基因組和代謝組學特徵為研究 CRC 中宏基因組和代謝組的特徵，根據結腸鏡和組織學檢查結果分為9組，圖1分別對616例宏基因組數據和406例代謝數據進行分析，結果發現富含芽孢桿菌屬的受試者具有低豐度的普氏菌，與健康對照組相比 Megamonas 菌屬（巨單胞菌屬）在118例患者中為高豐度，在 CRC 發展的各個階段顯著升高。
  • 研究思路|微生物組+代謝組多組學應用案例解讀(第二期)
    今天為大家分享幾篇微生物組+代謝組多組學應用在腸道樣本中的文獻案例。本文通過對腸道微生物群與代謝性疾病、脂質代謝的關係等方面進行綜述，對於促進理解代謝組學和微生物組學的關聯性研究、了解當下的研究背景和熱點有很高的參考價值。
  • 研究思路|微生物組+代謝組多組學應用案例解讀(第3期)
    在高通量測序的大力推動和快速發展下，微生物組學研究進入到了多組學的時代。為更好滿足科研人員多組學聯合分析需求，美格基因基於科研需求及以往項目經驗，全新推出微生物組+代謝組聯合分析解決方案，克服單一組學研究局限性，多角度解釋科學問題！本期分享幾篇微生物組+代謝組多組學應用案例，為大家提供微生物組+代謝組多組學研究思路。
  • 蛋白組學/代謝組學如何快速從主流資料庫中獲取人/小鼠數據？
    隨著生物科技的迅速發展，每天都會有海量的生物學數據產生，如何有效的分析這些「生物學大數據」？生物信息學的應用變得尤為重要，在生物領域從基因測序，到基因編輯，再到基因療法的精準醫療，由生物科技引發的又一場變革正悄然而至。試問大家做好準備迎接它到來了嗎？ 本次分享的主題為：如何快速獲取海量數據？