代谢组学方法及其研究进展(re).pptxVIP

代谢组学方法及其研究进展;代谢组学的历史;什么是代谢组学？;;代谢组指的是“一个细胞、组织或器官中,所有代谢组分的集合,尤其指小分子物质”,而代谢组学则是一门“在新陈代谢的动态进程中,系统研究代谢产物的变化规律,揭示机体生命活动代谢本质”的科学。它所关注的是相对分子质量为1,000以下的小分子。;基因组学

genomics;代谢组学研究过程包括：前期的样品制备,中期的代谢产物分离、检测与鉴定以及后期的数据分析与模型建立三个部分。;研究对象;（1）归一化与滤噪

在得到分析对象的原始谱图后,首先需要对数据进行预处理(一般包括归一化和滤噪),处理后保留与分类有关的大部分信息,消除多余的干扰因素的影响。

广泛应用的滤噪技术是正交信号校正技术(orthogonalsignalcorrection,OSC)。与普通的谱图滤噪技术不同,OSC滤掉与类别判断正交(不相关)的变量信息,只保留与类别判断有关的变量,从而使类别判别分析能集中在这些与类别的判别相关的变量上,提高了判别的准确性。

OSC等效于从数据中去除了额外的影响因素,因此该方法经常用于易受环境因素影响的分析,例如在微量药物引发的生化效应中,分析结果经常被研究对象的性别、饮食和其他环境因素所淹没,在这种情形下,应用OSC能收到较好的效果。;（2）非监督(unsupervised)学习方法

这类方法用于从原始谱图信息或预处理后的信息中对样本进行归类,并采用相应的可视化技术直观的表达出来。该方法将得到的分类信息和这些样本的原始信息(如药物的作用位点或疾病的种类等)进行比较,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记物,进而考察其中的代谢途径。

用于这个目的的方法没有可供学习利用的训练样本,所以称为非监督(无师)学习方法。应用在此领域的方法有:主成分分析(principalcomponentsanalysis,PCA)、非线性映射(nonlinearmapping,NLM)、簇类分析(hierarchicalclusteranalysis,HCA)等。

;（3）有监督(supervised)学习方法

这类方法用于建立类别间的数学模型,使各类样品间达到最大的分离,并利用建立的多参数模型对未知的样本进???预测。在这类方法中,由于建立模型时有可供学习利用的训练样本,所以称为有监督(有师)学习。在这种方法中经常需要建立用来确认样品归类(防止过拟合)的确认集(validationset)和用来测试模型性能的测试集(testset)。

应用于该领域的主要是基于PCA、偏最小二乘法(partialleastsquares,PLS)、神经网络(neuralnetwork,NN)的改进方法,常用的有SIMCA(softindependentmodelingofclassanalogy)和偏最小二乘法显著性分析(PLS－discriminantanalysis,PLS－DA)。

作为非线性的模式识别方法,人工神经元网络(ANN)技术也得到广泛应用。;（4）数据库及专家系统

现实情况下，代谢组学的数据是非常复杂的，特别是对病理生理过程的研究，预将代谢物的表达谱与时间相联系，则需要借助复杂的模型或是专家系统进行分析。

为了将基于NMR的代谢组学用于药物的毒性筛选,伦敦大学的皇家科学院实验室和Pfizer等6家制药公司于2001年1月启动了一个为期3年的关于药物毒性研究的研究小组(COMET),拟在药物的发现到开发阶段用代谢组学的方法来评价药物的毒性,以缩短药物开发的时间,减少损失,并试图建立一个用于药物毒性预测的专家系统。该专家系统分为3个独立的级别:正常/异常的判别、对未知样本进行数据库中已知毒性或疾病的识别、病理学的生物标记物的识别。;代谢组学分析离不开各种代谢途径和生物化学数据库。

现在主要的数据库有接连图数据库(ConnectionsMapDB),KEGG,EcoCyc,EcoCycandmetacyc,BRENDA,LIGAND,MetaCyc,UMBBD,WIT2,EMP项目,IRIS,AraCyc,PathDB,生物化学途径(ExPASy)