8代谢组学.pptVIP

HPLC图谱 Liquid chromatography-mass spectrometry 气相色谱 气相色谱法是指用气体作为流动相的色谱法。由于样品在气相中传递速度快，因此样品组分在流动相和固定相之间可以瞬间地达到平衡。另外加上可选作固定相的物质很多，因此气相色谱法是一个分析速度快和分离效率高的分离分析方法。近年来采用高灵敏选择性检测器，使得它又具有分析灵敏度高、应用范围广等优点。 gas chromatography 1.乙醛 2.甲醇 3.乙醇 4.正丙醇 5.乙酸乙酯 6.仲丁醇 7.异丁醇 8.乙缩醛 9.正丁醇 10.乙酸 11.异戊醇 12.丁酸乙酯 13.丙酸 14.乳酸乙酯 15.丁酸 16.己酸乙酯 白酒分析：GC A gas chromatograph (right) directly coupled to a mass spectrometer (left) 乙氧氟草醚(除草剂)GC-MS质谱图 采用何种分析技术主要取决于待分析生物系统的种类以及要解决何种科学问题。NMR 可以快速、无损伤性地进行代谢物的体内(in vivo)或体外(in vitro)比较分析。直接应用MS进行代谢物分析虽然速度也较快, 但具有灵敏度以及分辨率较低的缺点。将MS与GC或LC联用(GC-MS 或LC-MS), 虽然降低了分析速度, 但却提高了分析灵敏度以及分辨率。而且基于质谱的分析技术已长期用于代谢物指纹图谱分析,具有比较成熟的样品制备、数据采集以及分析等操作程序。 3 代谢组学数据采集与分析 代谢物可以通过与对照样品的比值进行相对定量。通过添加标准参照物以及对代谢物进行同位素标记, 可以获得绝对定量的代谢组数据集。此外, 数据采集的重复性以及采用何种数据处理方法对代谢组分析结果的影响很大。 一旦获得代谢组的定量数据集, 可以采用多种数据分析策略进行代谢组数据分析, 这些分析策略的基本原则是比较实验组与对照组之间代谢物水平差异,并利用统计方法评估这些差异的显著性。 代谢组数据的分析离不开化学统计学的应用。多变量分析是分析代谢组研究产出的复杂数据的一种有效方法, 其中PCA(principal component analysis，主成分分析)是一种将原始特征压缩至最小可能性成分数的维数缩减方法, 即用较少的综合性变量代替原来众多的相关性变量, 使有关的研究简化。PCA已成为代谢组研究中最常规的分析方法。 此外 ,偏最小二乘法(partial least squares method，PLS) 、独立成分分析(independent component analysis)、正则相关系数(canonical correlation)、对比分析(correspondence analysis)、贝叶斯模型(Bayesian modeling)以及隐含马尔可夫模型(hidden Markov models)等也是代谢组分析中常用到的模型分析方法。 人类代谢组学标准物质数据库 基于GC-MS的代谢组分析已被广泛的应用于发现药物或除草剂的作用模式和在生物技术中辅助揭开基因序列对代谢组和生命机能的影响。而建立代谢谱的前提和关键是从复杂的样本（例如血浆，细胞提取液，复杂植物动物样本）中快速，可靠，准确的识别大量的代谢物。 GC-MS数据的定性分析传统上主要依靠相似度匹配，因此有人建立了专门的代谢组学质谱数据库。如中南大学化学化工学院中药现代化研究中心参考David S. Wishart等建立的人类代谢组学数据库，建立了人类代谢组学GC-EIMS 标准物质数据库。 * 代谢组学技术 及其在医学研究中的应用 系统生物学（systems biology）是研究一个生物系统中所有组成成分的构成，以及在特定条件下这些组分间的相互关系的学科。 在后基因组(post-genome)时代, 系统生物学研究逐渐成为人们关注的焦点。系统生物学研究的目的是根据细胞内基因、蛋白质、代谢物以及细胞器等组分间的时空相互关系构建生物网络, 了解生物行为。 一些组学研究技术的发展极大地推动了系统生物学的研究, 比如转录组学（transcriptomics）、蛋白质组学（proteomics）等功能基因组学（functional genomics,与结构基因组学structural genomics相对 )研究方法可同时检测药物、疾病、环境或其它因素影响下大量基因或蛋白质的表达变化情况, 但这些变化往往不能与生物学功能的变化建立直接联系。