代谢组学
上一次实验室大师兄给小师妹普及了代谢组学的前世今生后，小师妹查阅了一些代谢组学文献，发现癌症等疾病的代谢生物标志物研究是代谢组学研究应用最广泛的领域之一。
对生物标志物的研究，不仅在对疾病的鉴定，且在疾病早期诊断、预防和治疗过程中的监测具有重要的作用；同样在环境变化影响植物、微生物的应激反应等方向的研究提供新思路。
一、生物标志物在疾病早期诊断方面的广泛应用：
多功能干细胞分化出不成熟的心肌细胞会导致人心律失常，因此hPSC-CM在分化和成熟过程中经历显著的代谢改变。本研究中，经过全谱代谢组学分析鉴定了磷脂代谢、泛酸和辅酶A代谢，其在成熟时显著富集。甘油磷酸胆碱以其与磷酸胆碱比率的增加可作为成熟时期的潜在代谢生物标志物。了解这些代谢物变化的作用有助于开发出一套监测hPSC-CM成熟的新方法[1]。
二、代谢生物标志物在微生物耐药性的研究有重要的作用：
用非靶向代谢组学监测了大肠杆菌暴露在抗生素1~60分钟过程中约750种代谢物的表达量变化。发现高浓度氨会导致氧化应激，这可能是通过改变三羧酸（TCA）循环的活性来加剧氯霉素毒性作用。直接干扰细胞代谢活动可以改变细菌对抗生素的耐受能力，从而有可能降低细菌耐药性的发生[2]。
看了文献，小师妹想，该如何从这些数据中提取出有效数据呢？
大师兄看见抓耳挠腮的小师妹一眼看穿了她的想法，放下手中的试管说道：
代谢组学数据分析主要涉及到单变量分析和多变量分析，其目的很明确， 就是为了找出差异代谢物，作为潜在的生物标志物，要经历许多磨难它才能脱颖而出，这就要靠数据分析，历经单变量分析多变量分析多道轮回，其中主要包括的步骤有：数据预处理；多维统计：主成分分析（PCA）、PLS-DA分析；单变量统计：差异倍数分析（火山图）、t检验；差异代谢物聚类分析；差异代谢物KEGG通路分析、通路富集分析。
大师兄
小师妹
预处理的目的是什么呢？为什么不直接分析？
预处理的目的是为了消除样品分析过程中的误差。主要过程包括峰识别、峰提取、峰排列、峰对齐、缺失值填补、数据归一化、标尺化、数据筛选过滤低质量离子，接下来就可以放心分析了。
大师兄
小师妹
铁锅炖数据来啦。
主成分分析（Principal Component Analysis, PCA）又叫做非监督的分析方法，由于数据海量多维的特点，主成分分析的目的就是多维数据降维处理，重新组合成新的变量信息投影到X，Y轴平面上，构建出主成分一(PC1)，主成分二（PC2），PC3.....，其中PC1最能反应原始信息，PC2次之，依此类推。不需要人为进行分组，表达出来原始数据最直观的信息，建立代谢产物与这些原始信息的联系，筛选与原始信息相关的标志物。
大师兄
偏最小二乘判别分析（Partial Least Squares Discrimination Analysis, PLS-DA）是一种有监督的判别分析统计方法。一种用偏最小二乘法回归作为核心算法的分类计算方法，先是人为对样品进行分组，再让计算机根据分组信息进行分析，建立代谢物与样品类别之间的关系模型，突出组间差异，发现不同组间的差异代谢物。在此步中有个很重要的筛选参数是VIP值。
小师妹
Very important person?!
非也，非也。是Variable importance in the projection，空间投影重要性或者差异权重贡献值，表明每个物质对差异所起的贡献值。通常将VIP≥1的离子作为筛选条件，下图为例，经过PLS-DA分析组间差异更明显。
大师兄
小师妹
哦，知道了。那炫酷分析完了，差异代谢物在哪里呢？
哪有那么容易抢占C位，这才进行了不到一半。知道火山图吗，为了侦探出潜在biomarker，必须具有灵敏的嗅觉，火山图就是进行差异倍数分析。咱们以下述图为例，以log2(fold change)为横坐标，p-value的负对数-log10(p-value)为横坐标，根据实际需要设置fold change≥1.2倍或者
≤0.8333倍得到红色标注点，通过火山图又消灭一些妖魔鬼怪，剩下p-value＜0.05，fold change≥1.2或≤0.8333的差异离子。
接下来可以综合几大指标，再经过差异倍数(fold change)，P-value、VIP值的筛选才能使潜在差异离子得以闪亮登场。
大师兄
小师妹
有了差异代谢物就可以进行生物标志物的筛选啦。
是的，但千万不要忘记数据库，代谢物的鉴定和功能注释是离不开数据库的支撑的。接下来给你一些干货，准备好口袋哟。
大师兄
依据商业数据库和自建数据库结合，所有鉴定到的代谢物全部新鲜出炉，最终可以根据实验目的，来筛选出自己感兴趣代谢物做差异离子或者代谢物热图分析。
接下来我们就能从功能层面（代谢通路分析、通路富集分析等）全方位，无死角挖掘数据信息啦。
小师妹
师兄太厉害啦，谢谢师兄。
【参考文献】
1. Bhute, V. J., et al. (2017). 'MetabolomicsIdentifies Metabolic Markers of Maturation in Human Pluripotent StemCell-Derived Cardiomyocytes.' Theranostics 7(7): 2078-2091.
2. Zampieri, M., et al. (2017). 'NontargetedMetabolomics Reveals the Multilevel Response to Antibiotic Perturbations.'Cell Rep 19(6): 1214-1228.
撰稿：胡丹丹、杨战功
编辑：市场部
联系客服
