作者：崔格格，南京农业大学硕士在读，主要研究根际资源与微生物互作。
周刊主要展示LorMe团队成员优秀周报，每周定期为您奉上学术盛宴！本期周刊为您介绍微生物组研究中的质谱代谢组学，原文于2022年发表在《Nature Reviews
Microbiology》上。人类微生物组早期调查发现健康的个体携带不同的微生物群落，而且不同身体部位的微生物群落组成不同。在某些情况下，扰乱人体相关的微生物群会对健康产生重大影响。大多数微生物组项目的研究从DNA或RNA测序技术对生物体和/或基因入手。高测序数据是对微生物丰度和代谢能力的推测，而代谢组学是对系统功能的直接解读。代谢组被认为是最能代表表型的数据，因此，利用代谢组学可了解细胞对某些刺激或互作反应的过程。理论上，代谢组学技术可以检测所有小分子物质，但在实践中受限于物质被提取、电离和检测的限度。近些年，基于MS（Mass spectrometry）的代谢组学分析的开发工具不断改进，与其他组学数据进行集成。这篇综述为微生物代谢组学技术和数据分析提供思路。基于质谱的方法使分析具有不同结构的大量化学物质成为可能。MS已被用于从不同类型的样品中检测代谢物，甚至量化代谢物，从固体表面上的物质到微生物释放的挥发物 (图1)。基于MS的微生物分析可以通过不同的MS技术成像。MS成像可以让人们了解不同体系中两个或多个微生物的代谢物交换。它可以与荧光原位杂交结合观察微生物的分布，并通过3D制图学了解活体宿主的分子分布 (图1b)。基于MS的成像结合其他数据类型，如宏基因组数据、16S测序数据或转录组数据，可用于建立不同空间尺度下的微生物互作关系。对于非靶向MS数据的分析需要谨慎对待，因为除了数据获取和数据分析工具之外，结果还会受到样品收集、提取和制备方案的影响。作为MS分析的替代或补充方法，可以使用X射线晶体学、紫外光谱、红外光谱或核磁共振光谱。每种技术都有优点和缺点，例如，核磁共振光谱，尽管灵敏度不如MS，但在代谢组学方面有独特的优势，因此是一个很好的补充技术。
图1 基于质谱的代谢组学技术研究微生物组
解析微生物互作复杂性的第一步是注释其中可检测的代谢物。在过去几年中，许多新的算法和计算工具被用来改进基于MS的代谢组学数据分析。本文介绍了在没有化学标准品时，可以帮助注释代谢物的计算工具(图2)。尽管这些工具可以加速这个过程并指导注释，但解释结果时应该谨慎。光谱库搜索是对已知化合物进行标注最常用的方法（图2a）。每个实验用的MS/MS光谱与存储在MS/MS光谱库中的已知化合物的参考光谱进行比较，如GNPS光谱库、MassBank、NIST光谱库和METLIN。能否获得相关化学标准品限制了光谱库的范围，这也是这些数据库中大多数MS/MS光谱来自合成和商业上可获得的化学品的原因。限制微生物代谢物的关键原因之一是大多数微生物代谢物无法获得标准品，因此无法与库中的物质进行对比。为了解决这一局限性，GNPS库中除了现有的化学标准品外，还可以直接从分析的样品数据中获得。因此微生物代谢物的MS/MS参考光谱的数量正在迅速增长。对于仅由微生物产生的已知分子，文库从2014年的200个参考光谱扩展到2021年的数千个参考光谱。虽然目前的MS/MS参考光谱只覆盖了微生物代谢物的一小部分，但非靶向代谢组学技术仍可以为研究微生物代谢物及其互作提供指导。基于代谢物数据可通过构建分子网络（molecular
networking）进行分析。分子网络用于分析LC-MS /MS数据，并已用于了解微生物和微生物群落的化学性质。近年来，基于GNPS的分子网络技术被用于分析GC-MS数据，并成功地应用于真菌-细菌互作过程中的群体感应研究。其余无法通过直接匹配或相似匹配进行标注的数据需要替代标注方法，计算机的注释平台也在不断改进。图2 代谢物注释，子结构评估和化学分类的计算工具
许多微生物组的研究旨在了解微生物产生代谢物的整体关系，但大多数工具都需要复杂的算法和统计学知识。本文介绍了研究微生物群落中的物种互作的工具（图3）。尽管在微生物组的研究中，将代谢物与特定微生物建立匹配性仍具有挑战性，但分子网络分析已被用于样本和参考数据集之间的比较，包括利用培养组学获得的数据进行分析。研究化学-化学、微生物-微生物或化学-微生物互作仍然是一个巨大的挑战。相关分析是一种统计方法，用于评估和预测两个或多个变量之间可能存在的联系，这些变量可以是定量的，也可以是分类的。Pearson, Spearman和Kendall相关性的相关系数，可以从−1到+1，分别表示完全负或正相关。这些相关性分析方法可以与分子网络分析结合起来进行数据可视化，通常用于微生物组研究。例如，代谢物与特定微生物或变量呈正相关或负相关。但这些联系仅仅是数据上的相关性，并不意味着因果关系。基于共现网络的数据分析可用于分析不同数据集之间特定特征的出现频率。mmvec（microbe-metabolite vectors）是一种用于微生物和代谢组联合分析的新方法，通过估计某种微生物存在的情况下相应代谢物出现的条件概率，从而确定出最可能的微生物与代谢物的相互作用关系。从某种意义上说，微生物种群可以作为另一个微生物种群的参考框架进行测量，也可以应用于化学-微生物关系分析。因此，关于绝对丰度和相对丰度推断微生物-代谢物关系的策略逐渐被应用到相关研究中。对于该领域来说，继续开发新的相关性方法是至关重要的。图3 数据分析工具揭示来源于微生物的分子物质
虽然目前微生物群落的结构与数量已被快速发展的测序技术逐渐解析，然而，每个微生物基因组编码产生数百甚至数千个分子的能力仍有待深入研究。此外，尽管有不少对宿主-微生物互作的研究，但人们对此类分子物质的功能仍有待发掘。人们还需要探究如何预测单一化学物质对微生物组的影响。因此，建立大量的微生物衍生代谢物及其功能库势在必行。这包括了解物种及物质的相互联系以及微生物如何调控不同代谢物的数据库。化学物质与生态系统的相互作用，以及化学物质影响生态系统的驱动因素，如pH值、盐度、温度、和氧气等也是需要深入探究的。人们必须从功能层面提高对个体生物化学、微生物与其他微生物和宿主细胞互作的化学、及其对微生物组的影响等方面的理解。MS，特别是非靶代谢组学和测序技术组合使用时，仍存在大量的信息并未完全开发或注释，就需要领域内研究信息的共享以及系统性且可重复分析流程的建立。
论文信息
原名：Mass spectrometry-
based metabolomics in microbiome investigations
译名：微生物组研究中的质谱代谢组学
期刊：Nature Reviews
Microbiology
DOI：10.1038/s41579-021-00621-9
发表时间：2021.09
通讯作者：Alan K.Jarmusch , Pieter C.Dorrestein
通讯作者单位：巴西保罗大学生物医学科学研究所
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
