代谢组学小常识
he4 代谢组学
代谢组学是研究生物体被扰动后（如基因改变或环境变化），其代谢产物（内源性代谢物质）种类、数量及其变化规律的科学。
具体来说，这门学科着重研究的是生物整体、器官或组织的内源性代谢物质的代谢途径及其所受内在或者外在因素的影响及随时间变化的规律。
它采用质谱法来鉴别特定的代谢物，研究对象大多是分子量在1000Da以下的小分子物质，如糖、有机酸、脂质、氨基酸、芳香烃等。
同时，代谢组学与基因组、转录组、蛋白组是系统生物学的重要组成部分，四大组学为我们从微观到宏观层面充分了解一个生命体架起了一座桥梁，解释了生命体从微观DNA分子到分泌小分子代谢物的整个变化过程。
代谢组学课堂知识总结
代谢组学课堂知识总结吴江13级生科三班130903030028代谢组学概念1.代谢组学用高通量，高敏度，高精确度的现代分析仪器跟踪有机物。
代谢组学主要研究的是作为各种代谢路径的底物和产物的小分子代谢物（MW<1000）。
在食品安全领域，利用代谢组学工具发现农兽药等在动植物体内的相关生物标志物也是一个热点领域。
其样品主要是动植物的细胞和组织的提取液。
主要技术手段是核磁共振（NMR），质谱（MS），色谱（HPLC，GC）及色谱质谱联用技术。
通过检测一系列样品的NMR 谱图，再结合模式识别方法，可以判断出生物体的病理生理状态，并有可能找出与之相关的生物标志物（biomarker）。
2.代谢组学研究方法代谢组学的研究方法与蛋白质组学的方法类似，通常有两种方法。
一种方法称作代谢物指纹分析（metabolomic fingerprinting），采用液相色谱-质谱联用（LC-MS）的方法，比较不同血样中各自的代谢产物以确定其中所有的代谢产物。
从本质上来说，代谢指纹分析涉及比较不同个体中代谢产物的质谱峰，最终了解不同化合物的结构，建立一套完备的识别这些不同化合物特征的分析方法。
另一种方法是代谢轮廓分析（metabolomic profiling）,研究人员假定了一条特定的代谢途径，并对此进行更深入的研究。
3.HPLC:高效液相色谱法（High Performance Liquid Chromatography \ HPLC）又称“高压液相色谱”、“高速液相色谱”、“高分离度液相色谱”、“近代柱色谱”等。
高效液相色谱是色谱法的一个重要分支，以液体为流动相，采用高压输液系统，将具有不同极性的单一溶剂或不同比例的混合溶剂、缓冲液等流动相泵入装有固定相的色谱柱，在柱内各成分被分离后，进入检测器进行检测，从而实现对试样的分析。
4.GC: 在这类仪器中，由于质谱仪工作原理不同，又有气相色谱-四极质谱仪，气相色谱-飞行时间质谱仪，气相色谱-离子阱质谱仪等。
带你正确认识代谢组学
我们知道细胞内的生命活动由众多基因、蛋白质、以及小分子代谢产物来共同承担，而上游的（核酸、蛋白质等）大分子的功能性变化最终会体现于代谢层面，如神经递质的变化、激素调控、受体作用效应、细胞信号释放、能量传递和细胞间通讯等，所以代谢组处于基因调控网络和蛋白质作用网络的下游，所提供的是生物学的终端信息。
如同我们在长江的上游建大坝或对江水改道，这些项目的生态影响会在下游的河道和地域体现出来一样，我们经常说，基因组学和蛋白组学告诉你可能发生什么，而代谢组学则告诉你已经发生了什么。
什么是代谢组学？代谢组学是用来解决什么问题的？代谢组学（Metabonomics/Metabolomics）是20世纪90年代末期发展起来的一门新兴学科，是研究关于生物体被扰动后（如基因的改变或环境变化后）其代谢产物（内源性代谢物质）种类、数量及其变化规律的科学。
代谢组学着重研究的是生物整体、器官或组织的内源性代谢物质的代谢途径及其所受内在或者外在因素的影响及随时间变化的规律。
代谢组学通过揭示内在和外在因素影响下代谢整体的变化轨迹来反映某种病理生理过程中所发生的一系列生物事件。
代谢组学的研究对象与层次有哪些？一般来说，代谢组学关注的对象是分子量在1000以下的小分子化合物。
根据研究的对象和目的不同，科学家将生物体系的代谢产物分析分为4个层次：代谢物靶标分析：某一个或几个特定组分的定性和定量分析，如某一类结构、性质相关的化合物（氨基酸、有机酸、顺二醇类）或者某一代谢途径的所有中间产物或多条代谢途径的标志性组分。
代谢物指纹分析：同时对多个代谢物进行分析，不分离鉴定具体单一组分。
代谢轮廓分析：限定条件下对生物体内特定组织内的代谢产物的快速定性和半定量分析。
代谢组分析：对生物体或体内某一特定组织所包含的所有代谢物的定量分析，并研究该代谢物组在外界干预或病理生理条件下的动态变化规律。
代谢组学可以检测的样品种类有哪些？代谢组学主要研究的是作为各种代谢路径的底物和产物的小分子代谢物（分子量<1000）。
质谱代谢组学
三、发现代谢组学
二、GC-MS和LC-MS
2、代谢组学中所用的分离技术
气相色谱(GC) GC 要求挥发性，要用化学衍生化的样品 液相色谱(LC) 不能完全解决代谢组中亲水组分的分离问题 毛细管电泳(CE) 所用的缓冲液却不能与质谱仪的离子源兼容
亲水相互作用色谱(HILIC)
二、GC-MS和LC-MS
3、代谢组学的挑战
三、发现代谢组学
5、LC/MS
在
在发现代谢组学中的应用
寻找特征 方面：
安捷伦的MassHunt er LC/MS 工作站软件包含获得专利的分 子特征提取算法，专为精确质量LC/MS 飞行时间数据而设计， 能够识别与单一化合物相关的协变离子。此外，它还能识别和 解析常见的电喷雾干扰离子，如钠加合离子或二聚体的形成。 对这些离子鉴别和分组可以改善统计分析所用的定量估算， 并从随后的分析中除去伪数据
三、发现代谢组学
2、代谢谱分析，寻找有统计学意义的代谢物
分析重现性对表达谱分析至关重要------分析变异越小， 所需的重复数就越少 代谢谱分析是经过复杂的特征提取，对已知代谢物进行 靶向代谢谱分析，以寻找意外的代谢物------代谢物以其分子 特征为标志表示，包括保留时间、质量或质谱图及丰度 在代谢谱分析过程中，并不一定要知道该化合物/ 代谢 物是什么。但为了在不同次的样品分析之间跟踪这些化合物， 必需要用到其物理性质
三、发现代谢组学
代谢组学小常识
代谢组学小常识概念：•代谢组：指一个细胞、组织或器官中所有代谢物的集合, 包含一系列不同类型的小分子（通常分子量<1000）, 比如肽、碳水化合物、脂类、核酸等。
•代谢组学：通过考察生物体系（细胞、组织或生物体）受刺激或扰动后，其代谢产物的变化或其随时间的变化，来研究生物体系的一门科学。
实验流程：（以液质联用为基础的代谢组学为例）•样本前处理：在保证小分子代谢物完整的前提下，处理的步骤越简单越好，以保证操作容易重复，也为大批量样本的处理节约时间。
•数据采集：依据实验目的有所不同。
o非目标代谢组学：选用高分辨质谱仪（TOF，Orbitrap等），有助于检测到尽可能多的化合物，另外高分辨的质核比数据也有助于数据库检索以及化合物的鉴定。
o目标代谢组学：通常使用三重四极其杆质谱，提高检测的灵敏度以及定量的准确性。
•数据预处理：峰提取，排列，归一化。
o多数质谱商家都提供了配套的预处理软件，例如安捷伦公司的MassHunter，热电的Sieve，沃特世的MarkerLynx以及Progenisis QI。
o同时也有一些基于网络的可以免费获取的软件。
建议使用配套的软件，因为不需要额外的数据转换，不需要上传数据，节省时间。
•数据分析：多元统计分析包括主成份分析（PCA）,偏最小二乘判别分析（PLS-DA），正交偏最小二乘判别分析（OPLS-DA），聚类分析（HCA）等。
各个厂商也提供了相应的统计分析软件，比如安捷伦的MPP，热电的Sieve，沃特世的Ezinfor。
目前常用的第三方软件是Simca-p，同时也有一些网络的开源软件可以使用。
•化合物鉴定：数据库检索，标准品对比，二级质谱对比。
代谢组学文章中常见的统计图（一）主成分分析（PCA）PCA得分图（score plot），用来看样本天然的分组情况，在分析时不加任何分组信息。
图中每一个点代表一个样本，样本在空间中所处的位置由其中所含有的代谢物的差异决定。
科普一文读懂代谢组学
科普一文读懂代谢组学代谢组学的研究范畴聚焦于代谢产物所经历的化学过程。
采用高精尖的分析仪器，对细胞内的代谢物进行定性和定量分析。
与基因组学、转录组学、蛋白质组学一样，代谢组学也是以“组学”为后缀的新兴的研究领域，并且有助于对有机体的生物学过程及其与环境的相互作用的理解和应用。
1、代谢物、代谢组和代谢组学代谢物是一类小分子化合物，常参与到细胞信号转导等过程。
代谢物种类和含量会受到机体基因组成、环境条件改变的影响。
他们是细胞代谢活动的终产物。
代谢组是指细胞、组织或机体中全部代谢化合物的总称。
由于代谢产物对细胞周期和功能的重要性，代谢组学的研究可以深入了解生物体的生理状态，包括其遗传图谱和当前的环境影响。
2、代谢组学涉及的检测技术目前，多种分析技术可对不同有机体、组织或体液中的代谢物进行定性定量分析，如：•质谱•电子电离•两性压力化学电离（APCI）•电喷雾电离（ESI）•高效液相色谱（HPLC）•毛细管电泳•气相色谱•核磁共振(NMR)联用以上的技术，可同时定性、定量分析多种代谢物。
当然，这些技术也有需要改进的地方。
由于代谢物的化学结构和数量的巨大差异，定性定量分析均存在挑战。
因此，现阶段对于代谢组的整体分析，采用单一设备是很难完成的。
目前，通常使用联用法来提取和分析代谢组数据。
3、代谢组学数据的分析代谢组学的数据分析主要涉及多种统计模型的构建和多变量数据分析，包括：•聚类分析•代谢通路分析•比较性覆盖分析•热图然而，现阶段，代谢组学数据的提取和解释仍存在难点。
由于高通量技术产生了海量数据，研究者往往会被大量的信息所困扰，并且很难得到有意义的结论。
好消息是，目前的观念已发生了转变，并且也有了能够从海量数据中挖掘有用信息的改进方法。
4、代谢组学的过去、现在和将来1998年，代谢组的概念首次提出，代谢组学是新的研究领域。
然而，近数十年，代谢组学发展迅速，现已作为一种研究功能基因组的有力方法，进一步加深我们对分子生物的理解。
代谢组学小常识
代谢组学小常识Prepared on 21 November 2021代谢组学小常识概念：代谢组：指一个细胞、组织或器官中所有代谢物的集合, 包含一系列不同类型的小分子（通常分子量<1000）, 比如肽、碳水化合物、脂类、核酸等。
代谢组学：通过考察生物体系（细胞、组织或生物体）受刺激或扰动后，其代谢产物的变化或其随时间的变化，来研究生物体系的一门科学。
实验流程：（以液质联用为基础的代谢组学为例）样本前处理：在保证小分子代谢物完整的前提下，处理的步骤越简单越好，以保证操作容易重复，也为大批量样本的处理节约时间。
数据采集：依据实验目的有所不同。
o非目标代谢组学：选用高分辨质谱仪（TOF，Orbitrap等），有助于检测到尽可能多的化合物，另外高分辨的质核比数据也有助于数据库检索以及化合物的鉴定。
o目标代谢组学：通常使用三重四极其杆质谱，提高检测的灵敏度以及定量的准确性。
数据预处理：峰提取，排列，归一化。
o多数质谱商家都提供了配套的预处理软件，例如安捷伦公司的MassHunter，热电的Sieve，沃特世的MarkerLynx以及Progenisis QI。
o同时也有一些基于网络的可以免费获取的软件。
建议使用配套的软件，因为不需要额外的数据转换，不需要上传数据，节省时间。
数据分析：多元统计分析包括主成份分析（PCA）,偏最小二乘判别分析（PLS-DA），正交偏最小二乘判别分析（OPLS-DA），聚类分析（HCA）等。
各个厂商也提供了相应的统计分析软件，比如安捷伦的MPP，热电的Sieve，沃特世的Ezinfor。
目前常用的第三方软件是Simca-p，同时也有一些网络的开源软件可以使用。
化合物鉴定：数据库检索，标准品对比，二级质谱对比。
代谢组学文章中常见的统计图（一）主成分分析（PCA）PCA得分图（score plot），用来看样本天然的分组情况，在分析时不加任何分组信息。
图中每一个点代表一个样本，样本在空间中所处的位置由其中所含有的代谢物的差异决定。
代谢组学小常识
代谢组学小常识概念：代谢组：指一个细胞、组织或器官中所有代谢物的集合, 包含一系列不同类型的小分子（通常分子量<1000）, 比如肽、碳水化合物、脂类、核酸等。
代谢组学：通过考察生物体系（细胞、组织或生物体）受刺激或扰动后，其代谢产物的变化或其随时间的变化，来研究生物体系的一门科学。
实验流程：（以液质联用为基础的代谢组学为例）样本前处理：在保证小分子代谢物完整的前提下，处理的步骤越简单越好，以保证操作容易重复，也为大批量样本的处理节约时间。
数据采集：依据实验目的有所不同。
o非目标代谢组学：选用高分辨质谱仪（TOF，Orbitrap等），有助于检测到尽可能多的化合物，另外高分辨的质核比数据也有助于数据库检索以及化合物的鉴定。
o目标代谢组学：通常使用三重四极其杆质谱，提高检测的灵敏度以及定量的准确性。
数据预处理：峰提取，排列，归一化。
o多数质谱商家都提供了配套的预处理软件，例如安捷伦公司的MassHunter，热电的Sieve，沃特世的MarkerLynx以及Progenisis QI。
o同时也有一些基于网络的可以免费获取的软件。
建议使用配套的软件，因为不需要额外的数据转换，不需要上传数据，节省时间。
数据分析：多元统计分析包括主成份分析（PCA）,偏最小二乘判别分析（PLS-DA），正交偏最小二乘判别分析（OPLS-DA），聚类分析（HCA）等。
各个厂商也提供了相应的统计分析软件，比如安捷伦的MPP，热电的Sieve，沃特世的Ezinfor。
目前常用的第三方软件是Simca-p，同时也有一些网络的开源软件可以使用。
化合物鉴定：数据库检索，标准品对比，二级质谱对比。
代谢组学文章中常见的统计图（一）主成分分析（PCA）PCA得分图（score plot），用来看样本天然的分组情况，在分析时不加任何分组信息。
图中每一个点代表一个样本，样本在空间中所处的位置由其中所含有的代谢物的差异决定。
PCA载荷图（loading plot），用来寻找差异变量。
代谢组学入门知识
代谢组学入门知识代谢组学入门知识代谢组学(Metabonomics or Metabolomics) 是继基因组学和蛋白质组学之后发展起来的新兴的组学技术，是系统生物学的重要组成部分，据统计，近些年来代谢组学的研究越来越活跃，美国国家健康研究所(NIH)将代谢组学的发展规划纳入了国家生物技术发展的路线图计划中，许多国家的科研单位也先后开展了代谢组学的研究工作。
然鹅，代谢组学毕竟兴起的时间短，老师们对其还不甚了解，小编就收到了许多老师的关于代谢组学方面的疑问，小编在这里将这些问题进行了整理，希望能对各位老师有所帮助。
话不多说，让我们进入正题吧！一、什么情况下选择代谢组学？首先代谢组学是通过考察生物体系在一特定生理时期内受到刺激或扰动前后所有小分子代谢物的组成及其含量变化，从而表征生物体系的整体代谢特征。
其研究对象是分子量1000Da以下的小分子物质，如糖、有机酸、脂质、维生素、氨基酸、芳香烃之类的化合物。
如果老师关注的是小分子物质，可以采用代谢组学的方法对样品内检测到的小分子物质进行定性和定量分析。
其次，研究代谢物的表达量变化，代谢物与生理病理变化的关系，能够帮助寻找新的生物标记物，发现新的代谢途径，以及更进一步深入了解目前已知的代谢途径，应用于疾病的早期诊断、药物靶点的发现、疾病的机理研究及疾病诊断等方面。
二、代谢组学我该选择什么平台？代谢组学的技术平台主要分为NMR、GC-MS、LC-MS。
1、NRM核磁共振技术，是磁矩不为零的原子核，在外磁场作用下自旋能级发生塞曼分裂，共振吸收某一定频率的射频辐射的物理过程。
优点：（1）无损的多参数和动态监测技术；（2）样品需求量小，前处理比较简单，对于复杂的生物样本比较合适；（3）检测时间短，保证样品在检测时间内维持原有性质；（4）丰富的分子结构和动力学信息；（5）同时完成定性定量分析，数据后处理简单灵活；（6）检测物质没有偏向性。
缺点：（1）灵敏度低，500HZ的检测限理论为10uM；（2）检测动态范围有限，很难同时检测一个样品中含量相差很大的物质。
代谢组学小常识
代谢组学小常识概念：•代谢组：指一个细胞、组织或器官中所有代谢物的集合, 包含一系列不同类型的小分子（通常分子量<1000）, 比如肽、碳水化合物、脂类、核酸等。
•代谢组学：通过考察生物体系（细胞、组织或生物体）受刺激或扰动后，其代谢产物的变化或其随时间的变化，来研究生物体系的一门科学。
实验流程：（以液质联用为基础的代谢组学为例）•样本前处理：在保证小分子代谢物完整的前提下，处理的步骤越简单越好，以保证操作容易重复，也为大批量样本的处理节约时间。
•数据采集：依据实验目的有所不同。
o非目标代谢组学：选用高分辨质谱仪（TOF，Orbitrap等），有助于检测到尽可能多的化合物，另外高分辨的质核比数据也有助于数据库检索以及化合物的鉴定。
o目标代谢组学：通常使用三重四极其杆质谱，提高检测的灵敏度以及定量的准确性。
•数据预处理：峰提取，排列，归一化。
o多数质谱商家都提供了配套的预处理软件，例如安捷伦公司的MassHunter，热电的Sieve，沃特世的MarkerLynx以及Progenisis QI。
o同时也有一些基于网络的可以免费获取的软件。
建议使用配套的软件，因为不需要额外的数据转换，不需要上传数据，节省时间。
•数据分析：多元统计分析包括主成份分析（PCA）,偏最小二乘判别分析（PLS-DA），正交偏最小二乘判别分析（OPLS-DA），聚类分析（HCA）等。
各个厂商也提供了相应的统计分析软件，比如安捷伦的MPP，热电的Sieve，沃特世的Ezinfor。
目前常用的第三方软件是Simca-p，同时也有一些网络的开源软件可以使用。
•化合物鉴定：数据库检索，标准品对比，二级质谱对比。
代谢组学文章中常见的统计图（一）主成分分析（PCA）PCA得分图（score plot），用来看样本天然的分组情况，在分析时不加任何分组信息。
图中每一个点代表一个样本，样本在空间中所处的位置由其中所含有的代谢物的差异决定。
代谢组学入门知识
代谢组学入门知识代谢组学(Metabonomics or Metabolomics) 是继基因组学和蛋白质组学之后发展起来的新兴的组学技术，是系统生物学的重要组成部分，据统计，近些年来代谢组学的研究越来越活跃，美国国家健康研究所(NIH)将代谢组学的发展规划纳入了国家生物技术发展的路线图计划中，许多国家的科研单位也先后开展了代谢组学的研究工作。
然鹅，代谢组学毕竟兴起的时间短，老师们对其还不甚了解，小编就收到了许多老师的关于代谢组学方面的疑问，小编在这里将这些问题进行了整理，希望能对各位老师有所帮助。
话不多说，让我们进入正题吧！一、什么情况下选择代谢组学？首先代谢组学是通过考察生物体系在一特定生理时期内受到刺激或扰动前后所有小分子代谢物的组成及其含量变化，从而表征生物体系的整体代谢特征。
其研究对象是分子量1000Da以下的小分子物质，如糖、有机酸、脂质、维生素、氨基酸、芳香烃之类的化合物。
如果老师关注的是小分子物质，可以采用代谢组学的方法对样品内检测到的小分子物质进行定性和定量分析。
其次，研究代谢物的表达量变化，代谢物与生理病理变化的关系，能够帮助寻找新的生物标记物，发现新的代谢途径，以及更进一步深入了解目前已知的代谢途径，应用于疾病的早期诊断、药物靶点的发现、疾病的机理研究及疾病诊断等方面。
二、代谢组学我该选择什么平台？代谢组学的技术平台主要分为NMR、GC-MS、LC-MS。
1、NRM核磁共振技术，是磁矩不为零的原子核，在外磁场作用下自旋能级发生塞曼分裂，共振吸收某一定频率的射频辐射的物理过程。
优点：（1）无损的多参数和动态监测技术；（2）样品需求量小，前处理比较简单，对于复杂的生物样本比较合适；（3）检测时间短，保证样品在检测时间内维持原有性质；（4）丰富的分子结构和动力学信息；（5）同时完成定性定量分析，数据后处理简单灵活；（6）检测物质没有偏向性。
缺点：（1）灵敏度低，500HZ的检测限理论为10uM；（2）检测动态范围有限，很难同时检测一个样品中含量相差很大的物质。
c13代谢组学
c13代谢组学【原创版】目录1.代谢组学简介2.代谢组学的应用领域3.代谢组学的研究方法和技术4.代谢组学的发展前景正文代谢组学是研究生物体内所有小分子代谢物的组成、变化和调控的科学。
它是系统生物学的一个重要分支，与基因组学、蛋白质组学等一起构成了生物组学领域的重要组成部分。
代谢组学为我们提供了研究生物体代谢状态的重要手段，有助于我们深入理解生命过程中的基因与代谢物之间的相互作用。
代谢组学的应用领域广泛，涉及生物医学、药物研发、农业、环境等多个方面。
在生物医学领域，代谢组学可以用于疾病诊断、疗效监测和疾病机制研究。
在药物研发领域，代谢组学有助于发现新的药物靶点，优化药物结构和提高药物安全性。
在农业领域，代谢组学可以用于研究植物抗逆性和养分利用效率。
在环境领域，代谢组学有助于监测和水平评估环境污染。
代谢组学的研究方法和技术主要包括样品处理、数据采集和数据分析三个环节。
样品处理环节包括样品的提取、净化和浓缩等步骤，目的是获得准确的代谢物信息。
数据采集环节采用质谱或核磁共振等技术，对代谢物进行定性和定量分析。
数据分析环节主要通过生物信息学方法对代谢物数据进行处理和解析，以揭示代谢物的生物学意义。
随着技术的不断发展和研究的深入，代谢组学在未来有着广阔的发展前景。
首先，代谢组学将与基因组学、蛋白质组学等其他组学领域更加紧密地结合，形成一个完整的生物系统研究体系。
其次，代谢组学将在精准医疗、新药研发等领域发挥更大的作用，为人类健康事业做出更大贡献。
最后，代谢组学在农业、环境等领域的应用将得到加强，有助于解决我国资源和环境问题。
总之，代谢组学作为生物科学领域的一个重要分支，具有广泛的应用前景和发展潜力。
代谢组学专业知识讲解
spectroscopy of biofluids
1989
Haselden, et al.: First independent Pharma publication of Metabonomics
Holmes and Antti Explanation of statistics in Metabonomics
16
代谢组学利用高通量、高敏捷度与高精确度旳当代 分析技术，动态跟踪细胞、有机体分泌出来旳体液中旳 代谢物旳整体构成，借助多变量统计措施，来辩识和解 析被研究对象旳生理、病理状态及其与环境因子、基因 构成等旳关系。
“代谢组学”是一种整体性旳研究策略，其研究策 略有点类似于经过分析发动机旳尾气成份，来研究发动 机旳运营规律和故障诊疗等旳“反向工程学”旳技术思 绪。因为代谢组学着眼于把研究对象作为一种整体来观 察和分析，也被称为“整体旳系统生物学”。
代谢组学专业知识讲 解
“基因组学反应了什么是能够发生旳，转录 组学反应旳是将要发生旳，蛋白质组学指出了 赖以发生旳，只有代谢组学才真正反应业已发 生旳。”
——许国旺
2
第一章 代谢组学旳简介 第二章 代谢组学旳研究措施 第四章 代谢组学旳应用 第五章 代谢组学旳发展前景
3
组课时代4种最主要旳组学
从而使检测更轻易 2. 代谢组学旳研究不需要建立全基因测序及大量序列标
签（EST）旳数据库 3. 代谢物旳研究种类远不大于蛋白质旳数目 4. 研究中采用旳技术更通用
8
The Need for Metabonomic Information
♦ Genomics and Proteomics are not sufficient to describe reasons for toxicity or disease state 基因组学和蛋白组学对于毒性或疾病状态旳描述是不足旳
代谢组学介绍
代谢组学介绍代谢组学是一门研究生物体内代谢物的综合分析学科，通过对代谢产物的定性和定量分析，旨在揭示生物体内代谢网络的变化，并探索代谢与疾病之间的关联。
代谢组学的研究方法主要包括质谱和核磁共振等技术，以及生物信息学和统计学等分析方法。
通过代谢组学分析，可以获得关于生物体内代谢物的全面信息。
代谢物是生物体内代谢过程的产物，包括小分子有机物、无机物和生物大分子。
这些代谢物可以反映生物体内的代谢状态、疾病发展过程以及环境因素对生物体的影响。
通过对代谢物的定性和定量分析，可以获得丰富的信息，例如代谢物的种类、含量、相互关系等。
代谢组学在疾病的早期诊断和治疗方面具有重要的应用价值。
由于许多疾病会导致代谢的异常变化，通过对代谢物的分析，可以发现这些异常变化并与疾病进行关联。
例如，某些代谢物的浓度增加或减少可能与某种疾病的发生和发展有关。
通过对这些代谢物的分析，可以为疾病的早期诊断提供参考依据，并为制定个体化的治疗方案提供指导。
代谢组学还可以用于药物研发和药效评价。
药物的作用机制通常与代谢有关，通过对药物与代谢物的相互作用进行分析，可以揭示药物在生物体内的代谢途径、代谢产物的形成过程以及代谢物与药物的关系。
这些信息对于药物研发和药效评价具有重要的指导意义。
代谢组学还可以应用于食品安全和环境监测等领域。
食品中的代谢物可以反映食品的质量和安全性，通过对食品中代谢物的分析，可以检测食品中的有害物质和添加剂，保障食品的安全性。
环境中的代谢物可以反映环境的质量和污染程度，通过对环境中代谢物的分析，可以监测环境中的污染物和毒性物质，保护环境的健康和可持续发展。
代谢组学是一门研究生物体内代谢物的分析学科，通过对代谢物的定性和定量分析，揭示生物体内代谢网络的变化，并探索代谢与疾病、药物、食品以及环境之间的关联。
代谢组学在疾病的早期诊断和治疗、药物研发和药效评价、食品安全和环境监测等领域具有重要的应用价值。
随着技术的不断发展和应用的推广，代谢组学将为人类健康和生物科学的发展做出更大的贡献。
c13代谢组学
c13代谢组学（原创实用版）目录1.代谢组学简介2.代谢组学的应用3.代谢组学的发展前景正文1.代谢组学简介代谢组学是研究生物体内所有小分子代谢物的组成、变化和调控的一种系统生物学方法。
它主要关注低分子量化合物的代谢途径、变化规律以及与生物体健康、疾病相关的代谢物。
代谢组学作为基因组学、转录组学和蛋白质组学等研究领域的有力补充，为我们深入了解生物体的代谢状态和代谢机制提供了重要手段。
2.代谢组学的应用代谢组学在多个领域具有广泛的应用价值，包括：(1) 生物医学研究：代谢组学有助于研究生物体内的代谢途径、代谢物的生物学功能以及代谢异常与疾病的关系。
(2) 药物研发：代谢组学可用于药物筛选、药效评估、药物代谢动力学研究以及药物安全性评价等方面。
(3) 营养与健康：代谢组学有助于了解个体的营养状况、代谢状态，为个性化营养干预、疾病预防和治疗提供依据。
(4) 农业与环境：代谢组学可应用于植物抗逆性研究、植物生长发育调控、土壤污染监测等方面。
3.代谢组学的发展前景随着技术的不断发展和创新，代谢组学在许多领域取得了显著的研究成果。
未来代谢组学的发展趋势主要体现在以下几个方面：(1) 技术的不断完善和创新：例如质谱技术的发展使得代谢组学分析更加快速、准确和高通量。
(2) 数据处理与分析方法的优化：通过发展更先进的数据挖掘和机器学习方法，提高代谢组学数据的解析能力。
(3) 多组学整合研究：实现代谢组学与其他组学数据相结合，以期更全面地揭示生物体的代谢机制。
(4) 临床应用的推广：代谢组学在疾病诊断、治疗和预后评估等方面的应用将得到更广泛的推广。
总之，代谢组学作为一种系统生物学方法，具有广泛的研究价值和应用前景。
第1页共1页。
代谢组学知识
主成分分分析也称作主分量分析，是霍特林(Hotelling)在1933年首先提出。
主成分分析是利用降维的思想，在损失较少信息的前提下把多个指标转化为较少的综合指标。
转化生成的综合指标即称为主成分，其中每个主成分都是原始变量的线性组合，且各个主成分互不相关。
Stata对主成分分析的主要内容包括：主成分估计、主成分分析的恰当性（包括负偏协方差矩阵和负偏相关系数矩阵、KMO(Kaiser-Meyer-Olkin)抽样充分性、复相关系数、共同度等指标测度）、主成分的旋转、预测、各种检验、碎石图、得分图、载荷图等。
Stata中可以通过负偏相关系数矩阵、负相关系数平方和KMO值对主成分分析的恰当性进行分析。
负偏相关系数矩阵即变量之间两两偏相关系数的负数。
非对角线元素则为负的偏相关系数。
如果变量之间存在较强的共性，则偏相关系数比较低。
因此，如果矩阵中偏相关系数较高的个数比较多，说明某一些变量与另外一些变量的相关性比较低，主成分模型可能不适用。
这时，主成分分析不能得到很好的数据约化效果。
Kaiser-Meyer-Olkin抽样充分性测度也是用于测量变量之间相关关系的强弱的重要指标，是通过比较两个变量的相关系数与偏相关系数得到的。
KMO介于0于1之间。
KMO越高，表明变量的共性越强。
如果偏相关系数相对于相关系数比较高，则KMO比较低，主成分分析不能起到很好的数据约化效果。
根据Kaiser（1974），一般的判断标准如下：0.00-0.49,不能接受（unacceptable）;0.50-0.59,非常差（miserable）；0.60-0.69，勉强接受（mediocre）；0.70-0.79,可以接受（middling）；0.80-0.89，比较好（meritorious）；0.90-1.00,非常好（marvelous）。
SMC即一个变量与其他所有变量的复相关系数的平方，也就是复回归方程的可决系数。
SMC 比较高表明变量的线性关系越强，共性越强，主成分分析就越合适。
代谢组学入门十问！
代谢组学入门十问！问：代谢组能够检测到的代谢物含量最低是多少？答：不同检测平台的灵敏度不一样，LC-MS灵敏度最高，可达到fM级。
另外，相同含量的不同物质，由于自身化学性质不同，质谱的离子化效率、信号响应强度会差异很大。
物质的检测灵敏度跟自身的化学性质有关，化学性质的影响主要表现在离子化效率和质谱碎裂行为两方面。
因此，相同含量的不同物质，可能一个能检测出来，另一个检测不出来。
问：质谱时如何选择正离子模式还是负离子模式？答：选择正负离子模式主要是根据化合物的性质，也就是看结构；而流动相环境影响分析的灵敏度。
有的物质容易带正电荷，有的物质容易带负电荷。
比如碱性化合物易带正电荷，加合质子或其他正电荷离子；酸性化合物易带负电荷，失去质子或加合其他负电荷离子。
比如含羧基、磺酸基的物质，一般肯定可以使用负离子模式，因为在一般情况下可以电离为R-COO-和R-SO3-；在酸性的流动相中，如pH3以下，羧酸根可能就不好电离成负离子了，这时负离子监测的灵敏度下降，而磺酸根酸性较大，仍然可以电离。
目前一般是正离子模式应用更多，一方面由于色谱柱的性质流动相一般偏向酸性（pH2-8）；另一方面，普遍采用的ESI离子源是一种超软电离的离子源，在酸性条件下大部分极性较大的化合物都可以加和氢离子，形成正电离子，如没有氮的黄酮类、脂类、糖类等。
而且负离子模式相应一般比正离子模式小一个数量级。
因此，在实际操作时需要根据实际情况条件来选择，也可以两种模式都适用。
问：基峰图（BPC）和总离子流图（TIC）有什么区别？答：基峰是在质谱图中，指定质荷比范围内强度最大的离子峰。
基峰图（Base Peak Chromatogram，BPC）：是将每个时间点质谱图中最强的离子的强度连续描绘得到的图谱。
总离子流图（TIC）：在选定的质量范围内，所有离子强度的总和对时间或扫描次数所作的图。
TIC和BPC都是对于样品整体信息的反映，一般情况下BPC图比TIC图要漂亮，所以文章里面很多时候会用到BPC图。
代谢组学原理
代谢组学原理代谢组学是一种新兴的生物学领域，通过利用现代分析技术对生物体内代谢产物进行系统研究，探索代谢与疾病之间的关系，从而为疾病的治疗和预防提供新的思路。
代谢组学包括代谢物组分析、代谢物标记化学、代谢物功能鉴定和代谢物组分与疾病之间的关联分析等方面。
本文将介绍代谢组学的基本原理及其在生物学研究中的应用。
1. 代谢物组分分析：代谢物组分分析是代谢组学的核心技术之一，其目的是对生物样本中的代谢产物进行检测和定量分析。
在代谢物组分分析中，通常采用高效液相色谱-质谱联用（LC-MS）、气相色谱-质谱联用（GC-MS）和核磁共振（NMR）等方法，对生物样本中的蛋白质、核酸、脂类、糖类等代谢产物进行检测和鉴定。
2. 代谢物标记化学：代谢物标记化学是将特定的同位素或其它标记分子标记到目标代谢物中，通过检测标记产物来揭示代谢物的合成路径和代谢途径。
代谢物标记化学通常采用稳定同位素（13C，15N，18O等）或放射性同位素（3H，14C）等标记物对代谢物进行标记，然后利用质谱、放射性检测等技术进行检测。
3. 代谢物功能鉴定：代谢物功能鉴定是通过对代谢物的生物化学和生物学特性进行分析来揭示代谢物的作用和生理功能。
代谢物功能鉴定技术主要包括代谢物分离、纯化和结构鉴定、代谢物作用机理研究等方面。
二、代谢组学在生物学研究中的应用1. 疾病的诊断和治疗代谢组学技术可以揭示代谢物组分与疾病之间的关联，从而为疾病的早期诊断和治疗提供新的思路。
利用代谢物组分分析技术可以鉴定出肿瘤细胞中的一些代谢物组分与正常细胞有明显不同，这些代谢物可以作为肿瘤的诊断标志物。
2. 药物研发代谢组学技术可以应用于药物研发过程中的药效评估、药物代谢和毒性评估等方面。
药物的代谢产物可以通过代谢物组分分析技术得到，进而了解药物的代谢途径和药效。
3. 农业生物技术代谢组学技术可以应用于农业生物技术领域，例如提高作物抗逆性等方面。
通过代谢物组分分析和代谢物功能鉴定技术等方法，可以揭示作物在各种环境和生理条件下的代谢变化规律，从而为作物抗逆性的提高提供新的思路。
代谢组学小常识
代谢组学小常识概念：•代谢组：指一个细胞、组织或器官中所有代谢物的集合, 包含一系列不同类型的小分子（通常分子量<1000）, 比如肽、碳水化合物、脂类、核酸等。
•代谢组学：通过考察生物体系（细胞、组织或生物体）受刺激或扰动后，其代谢产物的变化或其随时间的变化，来研究生物体系的一门科学。
实验流程：（以液质联用为基础的代谢组学为例）•样本前处理：在保证小分子代谢物完整的前提下，处理的步骤越简单越好，以保证操作容易重复，也为大批量样本的处理节约时间。
•数据采集：依据实验目的有所不同。
o非目标代谢组学：选用高分辨质谱仪（TOF，Orbitrap等），有助于检测到尽可能多的化合物，另外高分辨的质核比数据也有助于数据库检索以及化合物的鉴定。
o目标代谢组学：通常使用三重四极其杆质谱，提高检测的灵敏度以及定量的准确性。
•数据预处理：峰提取，排列，归一化。
o多数质谱商家都提供了配套的预处理软件，例如安捷伦公司的MassHunter，热电的Sieve，沃特世的MarkerLynx以及Progenisis QI。
o同时也有一些基于网络的可以免费获取的软件。
建议使用配套的软件，因为不需要额外的数据转换，不需要上传数据，节省时间。
•数据分析：多元统计分析包括主成份分析（PCA）,偏最小二乘判别分析（PLS-DA），正交偏最小二乘判别分析（OPLS-DA），聚类分析（HCA）等。
各个厂商也提供了相应的统计分析软件，比如安捷伦的MPP，热电的Sieve，沃特世的Ezinfor。
目前常用的第三方软件是Simca-p，同时也有一些网络的开源软件可以使用。
•化合物鉴定：数据库检索，标准品对比，二级质谱对比。
代谢组学文章中常见的统计图（一）主成分分析（PCA）PCA得分图（score plot），用来看样本天然的分组情况，在分析时不加任何分组信息。
图中每一个点代表一个样本，样本在空间中所处的位置由其中所含有的代谢物的差异决定。
代谢组学小常识
代谢组学小常识概念：代谢组：指一个细胞、组织或器官中所有代谢物的集合, 包含一系列不同类型的小分子（通常分子量<1000）, 比如肽、碳水化合物、脂类、核酸等。
代谢组学：通过考察生物体系（细胞、组织或生物体）受刺激或扰动后，其代谢产物的变化或其随时间的变化，来研究生物体系的一门科学。
实验流程：（以液质联用为基础的代谢组学为例）样本前处理：在保证小分子代谢物完整的前提下，处理的步骤越简单越好，以保证操作容易重复，也为大批量样本的处理节约时间。
数据采集：依据实验目的有所不同。
o非目标代谢组学：选用高分辨质谱仪（TOF，Orbitrap等），有助于检测到尽可能多的化合物，另外高分辨的质核比数据也有助于数据库检索以及化合物的鉴定。
o目标代谢组学：通常使用三重四极其杆质谱，提高检测的灵敏度以及定量的准确性。
数据预处理：峰提取，排列，归一化。
o多数质谱商家都提供了配套的预处理软件，例如安捷伦公司的MassHunter，热电的Sieve，沃特世的MarkerLynx以及Progenisis QI。
o同时也有一些基于网络的可以免费获取的软件。
建议使用配套的软件，因为不需要额外的数据转换，不需要上传数据，节省时间。
数据分析：多元统计分析包括主成份分析（PCA）,偏最小二乘判别分析（PLS-DA），正交偏最小二乘判别分析（OPLS-DA），聚类分析（HCA）等。
各个厂商也提供了相应的统计分析软件，比如安捷伦的MPP，热电的Sieve，沃特世的Ezinfor。
目前常用的第三方软件是Simca-p，同时也有一些网络的开源软件可以使用。
化合物鉴定：数据库检索，标准品对比，二级质谱对比。
代谢组学文章中常见的统计图（一）主成分分析（PCA）PCA得分图（score plot），用来看样本天然的分组情况，在分析时不加任何分组信息。
图中每一个点代表一个样本，样本在空间中所处的位置由其中所含有的代谢物的差异决定。
PCA载荷图（loading plot），用来寻找差异变量。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
代谢组学小常识概念：代谢组：指一个细胞、组织或器官中所有代谢物的集合, 包含一系列不同类型的小分子（通常分子量<1000）, 比如肽、碳水化合物、脂类、核酸等。
代谢组学：通过考察生物体系（细胞、组织或生物体）受刺激或扰动后，其代谢产物的变化或其随时间的变化，来研究生物体系的一门科学。
实验流程：（以液质联用为基础的代谢组学为例）样本前处理：在保证小分子代谢物完整的前提下，处理的步骤越简单越好，以保证操作容易重复，也为大批量样本的处理节约时间。
数据采集：依据实验目的有所不同。
o非目标代谢组学：选用高分辨质谱仪（TOF，Orbitrap等），有助于检测到尽可能多的化合物，另外高分辨的质核比数据也有助于数据库检索以及化合物的鉴定。
o目标代谢组学：通常使用三重四极其杆质谱，提高检测的灵敏度以及定量的准确性。
数据预处理：峰提取，排列，归一化。
o多数质谱商家都提供了配套的预处理软件，例如安捷伦公司的MassHunter，热电的Sieve，沃特世的MarkerLynx以及Progenisis QI。
o同时也有一些基于网络的可以免费获取的软件。
建议使用配套的软件，因为不需要额外的数据转换，不需要上传数据，节省时间。
页脚内容1数据分析：多元统计分析包括主成份分析（PCA）,偏最小二乘判别分析（PLS-DA），正交偏最小二乘判别分析（OPLS-DA），聚类分析（HCA）等。
各个厂商也提供了相应的统计分析软件，比如安捷伦的MPP，热电的Sieve，沃特世的Ezinfor。
目前常用的第三方软件是Simca-p，同时也有一些网络的开源软件可以使用。
化合物鉴定：数据库检索，标准品对比，二级质谱对比。
代谢组学文章中常见的统计图（一）主成分分析（PCA）页脚内容2PCA得分图（score plot），用来看样本天然的分组情况，在分析时不加任何分组信息。
图中每一个点代表一个样本，样本在空间中所处的位置由其中所含有的代谢物的差异决定。
页脚内容3PCA载荷图（loading plot ），用来寻找差异变量。
同种的每一个点代表样本中还有的一个代谢物物，距离原点越远的代谢物被认为对样本的分类贡献越大。
偏最小二乘判别分析（PLS-DA）得分图和载荷图的解释同PCA。
区别在于，PLS-DA在分析时提前赋予每个样本分组信息，简单说，就是在分析时扩大组间差异，减少组内差异，多用来寻找标记物。
正交偏最小二乘判别分析（OPLS-DA）页脚内容4在OPLS-DA分析中，寻找标记物通常使用S-plot。
如图中所示，得分图中，两组样本分布在y轴两侧，通过S-plot可以获得标记物在两组中相对含量的变化。
也就是说，处在S-plot右上角的化合物（距离原点越远，对分类贡献越大）在处在得分图y轴右侧的样本中含量较高，反之亦然。
代谢组学文章中常见的统计图（二）页脚内容5图中每一行代表一个化合物，每一列代表一个样本。
上边对样本进行聚类分析，左边对化合物进行聚类分析。
绿色代表该化合物在样本中含量较低，红色代表含量较高（也有用其他颜色表示的）。
通过此图，可以直观地看出化合物在样本间的变化趋势；同时也可以找出具有相同变化趋势的代谢物。
页脚内容6在对化合物进行鉴定之后或选择出生物标记物之后，可将化合物名称（或对应的HMDB或者KEGG 编号）输入MetaboAnalyst软件（免费）进行此分析，来观察体内哪些代谢途径受到了影响。
在图中，p值越小（-logo(p)越大），pathway impact越大，证明该条代谢通路被严重扰动。
页脚内容7此分析可用来寻找化合物之间的内在联系（数值上的联系），如图中红色表示负相关，黄色表示正相关。
可用来筛选与某一类或者某一个自己感兴趣的化合物产生正相关或者负相关的代谢物。
用来评价算选出的标记物的诊断能力。
AUC曲线下面积越大，诊断能力越好。
非目标代谢组学（untargeted metabolomics）中常用的方法学考察的方法QC样本的制备：页脚内容8混合相同体积的所有待检测样本，然后按照与待测样本相同的前处理方法来处理QC样本，之后进样进行LC-MS分析。
样本检测时，通常在检测最开始运行几次QC样本，之后根据样本量的大小在每检测几个样本之后检测一次QC样本。
方法学考察：方法一：最早使用的一种方法，从QC样本的总离子流图中选择具有代表性的离子峰（覆盖不同的保留时间，不同的强度），在对QC样本进行重复检测之后，计算这些离子的保留时间以及峰面积的相对标准偏差（RSD），用以考察分析方法的稳定性以及重复性。
方法二：所有样品检测完之后，收集所有的QC样本的原始数据进行数据预处理，包括（峰提取，排列，归一化等），经过数据过滤（80%规则）之后，计算剩下的峰的峰面积的RSD值。
通常如果在一个样本中有超过70%的化合物的RSD值小于等于30%，则证明该方法有良好的稳定性以及重复性，所得到的数据可靠（也有不同的评价标准，比如要求LC-MS数据小于20%，GC-MS数据小于30%等）。
页脚内容9图中柱形图表示化合物在不同RSD范围内的百分比分布，折线图表示在不同RSD范围的累计百分比。
方法三：原始数据经过数据预处理之后，将所有样本（包括QC样本）进行PCA分析，在得分图中观察QC 样本的聚集程度。
页脚内容10由于QC样本是等量混合了所有的被检测样本，理论上QC样本包含了所有样本中的代谢物，因此QC样本理论上会分布在原点周围。
图中QC样本紧密聚集，证明方法稳定，重复性良好。
方法四：采用混合标准品作为QC，该QC通常包含不同物理化学性质的体内和体外代谢物（使所选择的化合物具有代表性）。
检测结束后，计算这些化合物的保留时间以及峰面积的RSD用以对分离分析方法进行评价。
代谢组学研究中需要了解的质谱知识（一）主要介绍以液质联用为分析工具的代谢组学研究中的常见问题：1)在分析样本时，要选用什么质谱？页脚内容112)质谱仪中通常按照质量分析器以及联用方式的不同对质谱进行分类，常见的包括包括：单四级杆，三重四级杆，飞行时间（TOF），Q-TOF，离子阱，线性离子阱（LTQ），静电场轨道阱（Orbitrap），LTQ-Orbitrap 等。
这么多质谱，我们应该如何选择？在靶向代谢组学中，通常使用三重四级杆质谱。
因为靶向代谢组学是针对某一些特定的化合物进行定量检测，而LC-QqQ/MS 在MRM扫描模式下对化合物进行定量分析（如药代动力学研究）已非常普遍，所以使用此方法以达到更高的灵敏度，更准确的定量。
在非靶向代谢组学研究中，需要选择高分辨质谱进行数据采集，因为高分辨质谱可以帮助我们检测到尽可能多的化合物，提供所检测化合物的精确分子量，同位素分布等信息，有助于化合物的鉴定。
何为高分辨？首先了解以下分辨率，分辨率就是指质谱仪区分两个质量相近的离子的能力。
这个区分能力也有不同的定义，如10%峰谷分离，50%峰谷分离等。
理论知识就不多解释了，举个例子说明便知。
以H为例，低分辨质谱测得的H的分子量为1，而高分辨质谱测得的H分子量为1.007825（当然，能测到多精确，取决于分辨率有多高）。
有什么用呢？有用！以C2H4，CO，N2为例，这三者在低分辨质谱中测得的分子量均为28，也就是说低分辨的质谱没有办法根据分子量将三者分离；但是高分辨质谱测得三者的分子量分别为28.0313，27.9949，28.0061，可以将三者分开。
页脚内容12所以在非靶向代谢组学中，由于生物样本中化合物的组成非常复杂，所以要用高分辨的质谱仪对其进行检测，以达到尽可能多的检测到化合物的目的。
常用的高分辨质质量分析器：TOF和Or比trap，以及他们与其他质量分析器的联用形式如Q-TOF，Q-Orbitrap，LTQ-Orbitrap等。
注：可以简单的认为，分辨率越高，区分离子的能力越强，即能够区分离子在很细微的分子量上的差异。
但请不要将分辨率和质量精度混淆，两者不一样。
有一个简单的类比，低分辨质谱对比高分辨质谱就类似于普通天平对比十万分之一天平，精密天平可以区分物质质量的细微差异，但是天平称出的质量准确与否，取决于天平在使用之前是否校正。
代谢组学研究中需要了解的质谱知识（二）上一篇介绍了以下质谱的分辨率，高分辨率质谱有区分分子量细微差异的能力，但是测得的分子量准确与否，则要看质谱的质量精度了。
分辨率和质量精度不一样，高分辨质谱也会有质量偏差很大的情况，那今天就来谈一谈质量精度。
什么是质量精度？质量精度指的是质谱测得值和理论值之间的误差。
常以mDa或者ppm表示。
举个例子：页脚内容13C6H12O6理论精确分子量为180.0634，如果测得分子量为180.0631，则误差为180.0631-180.0634=-0.0003Da=-0.3mDa或者(180.0631-180.0634)/180.0634=1.67e-6即1.67ppm~~~~~~~~~~~~~~~~~~在液质联用中，化合物通常是以加合离子的形式出现，如[M+H]+，[M+Na]+等，以上只是举例说明。
那么，如何保持较高的质量精度呢？所有的高分辨质谱在使用之前都需要对质谱仪进行校正，这个校正其实就是校正质谱的质量轴。
就像我们使用十万分之一天平时用一个200克的砝码对天平进行校正一样，质谱的校正也是使用一系列已知分子量的物质（覆盖了从低到高的质量范围）对其进行校正。
可以接受的偏差通常为2ppm，校正的频率依实际情况而定，Q-TOF质谱大多数一周校正一次，Orbitrap质谱校正的频率稍少一些。
各大仪器厂商常用的校正液如下：页脚内容14此外，几乎所有的Q-TOF质谱除了在检测之前进行质量轴校正外，在质谱运行过程中还需要对质谱进行实时校正。
页脚内容15在非目标代谢组学中，代谢物的鉴定通常依赖精确分子量，同位素分布等信息，仪器的数据处理软件通常可以根据采集到的质谱图对其元素组成进行推测，方便化合物的鉴定，推测的前提就是质量精度要高，在进行推测时通常需要输入一个可以接受的误差范围（如±5ppm），所以在质谱使用之前一定要对其进行校正，或者一定保证质谱的质量轴是准确的。
在代谢组学文章投稿时，都需要列出已鉴定化合物的检测分子量的误差，这个通常需要自己计算，计算方法如上述例子。
这里介绍一个计算精确分子量的网站：/页脚内容16此外，高分辨质谱的数据处理软件如MassHunter，MassLynx，Xcalibur等，都有类似的功能。
但是记得读取正确的数值，Monoisotopic mass才是精确分子量。
页脚内容17。