非靶向代谢组学,你想知道的都在这里

一、研究概述

代谢组学是随着质谱分析技术日益发展成熟起来的一门学科，同基因组学、转录组学、蛋白组学同属系统生物学。代谢组学是最接近表型的组学，基因组学、转录组学及蛋白组学告诉我们机体可能发生的事件，代谢组学则告诉我们业已发生的事情。近年来，代谢组学研究备受顶级期刊的青睐。

做代谢组学大体可以分为两类，一类是有目的的检测关注物质，我们称为靶向代谢检测，一类是广筛性无目标物质检测，像撒网打鱼一样，捞到什么是什么，称作非靶向代谢组学。今天我们就非靶向代谢组学做个简单科普。

二、什么时候可以做非靶向代谢组学呢

1.没有明确的关注物质；

2.想知道对照组合实验组的代谢物有哪些；

3.想要找到对照组合实验组的差异代谢物；

5.寻找疾病biomarker。

三、非靶向代谢组学的流程

非靶向代谢组学使用的技术平台是LC-MS，用高效液相色谱作为分离系统，高分辨率质谱作为检测系统的一种串联分析平台。其检测流程是是实验设计——样本收集——代谢物提取——代谢物检测——质谱数据采集——定性定量分析。非靶流程如下图：

四、非靶代谢组学做的好不好由什么决定

非靶向代谢组学希望能够最大程度上体现生物样品体系中总的代谢物信息，筛选到的物质数越多越好；尽可能地去定性和定量（相对）所有的代谢物，准确度越高越好，这取决于多种因素，例如仪器、数据预处理及鉴定、生信分析手段。仪器决定我们检测的灵敏度是多少、检测到物质峰有多少，数据库决定我们坚定出的物质是否准确、全面，生信分析手段决定我们面对从庞大的数据中获得想要的信息，怎样把我们找到的信息表达出来。

下面我们就从仪器、数据库、生信分析手段方法看一下如何做好非靶代谢组学。

仪器

做代谢组学的仪器平台大体分为三种：核磁共振（NMR）、气质联用（GC-MS）、

液质联用（LC-MS）。它们各有优缺点，适合不同情境使用。比如核磁共振可以做无创检测，如果你想检测活体小鼠的代谢情况，就可以选核磁共振，但是这种方法的灵敏度很低，不适合与灵敏度需求高的情境。这三种检测方法的优缺点比较见下图。

从灵敏度、分辨率、适合检测的物质种类综合来看，做非靶向代谢组学现在最常用的技术平台是液质联用。非靶代谢组检测用的是Agilent1290Infinity II UHPLC色谱和Agilent6545Q-TOF质谱联用。Agilent1290Infinity II UHPLC具有更高的色谱分离度，具有极低的检测限和超宽的动态范围。Agilent6545具有更高的灵敏度和出色的稳定性，二者结合可提供更高的分离能力和灵敏度，得到更准确的分析结果。

数据预处理及鉴定

采集的数据经过处理，可转化成各个信号峰的相对含量值表，这个表一般形式为：每一行代表一个信号（可由RT[保留时间]和m/z[质荷比]确定一个信号峰）在各个样本中的相对含量，也就是说，每一列代表每个样本中各个信号的性对含量（前几列除外，表示各信号的RT、m/z等信息）。每个信号可用RT值和m/z 值组合进行命名。

对于得到的这个表，我们常常进行如下3个预处理操作：信号峰注释、标准化校正、质控。

信号峰的注释：可以对同位素峰、加合物峰进行注释。

标准化校正：可分为批次内校正和批次间校正。需要校正是因为仪器不稳定

等情况，可能使信号峰的相对含量出现误差。校正的方法有几种，目前一般首选基于QC样本的标准化方法，即：将所要采集的所有样本取等量混合起来，组成QC样本，然后在采集数据的时候，每隔一定数量的样品，插放一份QC样本。因为QC样本都是一样的，因此可以用QC样本来反映数据采集过程中信号的偏移规律。

质控：对每个信号峰的QC样本求RSD（相对标准偏差），通常需舍弃RSD 超过30%的信号峰（数据质量太差）。质控更严格，检测结果越有保障，有八大质控，层层把关，保障数据质量。

数据鉴定有公共数据库可以根据m/z等信息进行鉴定，如HMDB，MassBank，METLIN等。非靶检测用的数据库是本地库+整合公共库，更加全面准确。

生信分析

生信分析可以做单变量统计学分析和多变量统计学分析，单变量统计分析包括Student’s t-test和差异倍数分析，多变量统计分析包括主成分（PCA）分析，偏最小二乘法判别（PLS_DA）分析和正交偏最小二乘法判别（OPLS-DA）分析。

在生信分析完成之后还提供代谢物通路注释，便于寻找关键代谢通路、关键酶和基因，用于后续的机制研究。

以上就是非靶代谢组学的介绍，你明白了吗？

迈维代谢于2015年成立于武汉国家生物产业基地——光谷生物城生物创新园，是中国代谢组领域的知名企业，专注于创新代谢组技术在生命科学研究与医学健康两大领域的应用，创造性开发了以“广泛靶向”专利技术为核心的高通量、

超灵敏、广覆盖代谢组技术平台，建立了含有5000多种代谢物的专属数据库，搭建了基于代谢组的多组学数据整合分析流程，相关技术成果近年来在Cell、Nature Genetics、Nature Communications、PNAS等国际学术期刊发表，并应邀在国际代谢组学年会、国际动植物基因组大会、全国罕见病大会、中药生物技术学会等会议作大会报告，引领代谢组学发展新方向。