被遗忘的第四类分子生物学可能是最能告诉我们表型的。几十年来，我们一直专注于分子三重奏:DNA制造RNA制造蛋白质。现在，许多科学家都注意到了一个额外的群体:代谢产物，它是由蛋白质在生物体的生化途径中工作而产生的。我们听到了很多关于基因和基因型的信息，但它们很重要——我们想要探索当这些基因和环境因素相互作用时会发生什么。我们想要找到区分健康和疾病的分子表型，这就是代谢组学提供的。
毫无疑问，系统生物学家——那些研究生命科学中相互作用的元素——想要将代谢组与基因组联系起来。位于加州门洛帕克的太平洋生物科学公司的首席科学官Jonas Korlach说:“代谢组学不能在没有基因组序列的情况下真正发挥作用。”“一旦你发现了代谢物，并想要分析它们的新抗生素或新途径，你就需要基因组信息来识别酶和克隆基因。”
西澳大利亚默多克大学(Murdoch University)分离科学与代谢组学实验室主任罗伯特?特伦戈夫(Robert Trengove)对此表示赞同。Trengrove说，代谢组学对系统生物学的影响还处于初级阶段，但他看到了积极的进展，关键在于团队合作。他说:“我们有非常善于做信息、处理‘经济’的人。”“但很少有人能在所有的‘经济学’(包括lipidomics和epigenetics)中有一个坚实的理解。”
Trengrove的团队已经与他人合作，从一个重症监护室收集血液样本，建立病人的代谢图谱。“通过这种方式，”他说，“我们可以开始评估使用各种化合物作为生物标志物和病人康复的指标。”“为了真正了解正在发生的事情，生物标记板必须与蛋白质组学和基因组学相关，但这项工作才刚刚开始。”
尽管如此，系统生物学已经在生物学上引起了关注。传统上，生物学将一个有机体或细胞分解成它的子部分。现在，系统生物学似乎接受了亚里斯多德的观点，即“整体大于其部分之和”，并从各个领域借鉴，包括代谢组学。处理从这些领域收集数据的工具——统称为“大数据”——正在出现。
考虑数据
总的来说，代谢组学创造了一个数字挑战。“代谢组学现在常用来陪大基因群组研究从生物银行关联基因型和基因变异与特定的表型,补充营养研究监测食品组件或内源性代谢物,或支持测量在流行病学研究中,“安德烈亚斯Huhmer说,蛋白质组学和代谢组学营销总监热费希尔科学、总部设在马萨诸塞州沃尔瑟姆。这就产生了大量的数据。在人类身上已经发现了超过7500个代谢物，其中只有大约2500个是直接来自于人的;其他人来自其他来源，包括被摄入的食物和药物。
从数值上讲，我们可能正处于起始点。正如Huhmer所说，“预计未来会有更多的代谢产物，特别是在理解肠道代谢和微生物相关代谢方面的努力。”肠道菌群在代谢图谱中扮演着重要的角色，提供了关于生活方式和饮食对慢性和急性疾病如2型糖尿病和肥胖症的影响的宝贵信息。
metabolomics的两个数据存储库——metabolomics工作台和metabolights承诺给科学家更多的数据来分析团队，使他们能够在全球共享数据。
利用lipidomics
Lipidomics是代谢组学难题的另一个组成部分，但它一直是被忽视的“组学”领域，因为很少有研究人员研究这些分子——至少与他们对DNA、RNA和蛋白质的研究相比。然而，lipids为系统生物学提供了一个有用的工具，因为“它们可以被量化，它告诉我们细胞或组织的状态，”德国德累斯顿的Lipotype首席执行官Kai Simons解释道。
该公司的Lipotype猎枪Lipidomics技术提供了量化。该技术在全提取液中进行质谱分析，而不是先用液相色谱分离。只有一微升的血液，这种技术提供了Simons所说的“绝对数量——我们可以识别出2300个脂类。”
科学家们可以将一个样本发送到Lipotype，并在短短两周内完成一个完整的脂质分析。如果需要，该公司的软件可以供那些想浏览数据的研究人员使用。不过，生物学家需要收集更多关于各种代谢产物的数据，并确定它们的作用。事实上，了解更多代谢产物的功能可能会对了解完整的生物系统产生最大的影响。
弄清楚函数
即使我们能在任何生物基质中检测到所有的蛋白质和代谢产物，马萨诸塞州米尔福德市的健康科学营销主任Jose castro - perez说，“我们只知道他们中只有一小部分人这么做。”科学家需要各种方法来检测代谢产物并了解它们的生物学功能。这需要分析和生物信息学工具来进行疾病或治疗关联和途径分析，结合各种形式的“组学数据”。
为此，沃特斯开发了它的声纳软件，这是一种数据采集模式，适用于公司的Xevo g2 - xs QToF，它提供四极飞行时间(QToF)质谱测量。声纳可以从单样注射的数据独立分析(DIA)实验中，将一个完整的样品和前体和片段离子光谱进行分类，给研究人员提供关于蛋白质或代谢产物的定量和定性信息。“这个新的DIA采集模式比其他的DIA方法更先进，因为它为复杂的样本提供更快更有选择性的数据采集，”castro - perez说。此外，这种新方法可以提高数据库库搜索的可靠性和定量准确性。“Xevo g2 - xs QToF可以与水的色谱工具相结合，如超性能液相色谱，用于高通量。
代谢组学在没有基因组序列的情况下无法真正发挥作用。——Jonas Korlach，太平洋生物科学的首席科学官
“生成高质量的数据是很重要的，但最终你需要能够从原始数据到有意义的和可操作的生物信息，”castro - perez说。为了合成信息并简化数据处理和处理工作流程，沃特斯开发了它的Symphony软件，它是一个客户/服务器应用程序，允许一个或多个数据处理或处理功能在一个序列中实现自动化。这个工具甚至可以在仪器运行后立即启动数据处理，并在不需要用户干预的情况下完成它，这在大规模的研究中是非常重要的。
结合互补的方法
尽管数据的存储和分析都取得了进步，但科学家在研究代谢组学方面仍面临着巨大的障碍。位于德国不来梅的metabolomics的市场经理Aiko Barsch说:“在没有目标的工作流程中，一个瓶颈是识别未知的化合物。”“这是MS和NMR(质谱和核磁共振)都有优势的地方。”
例如，高分辨率、准确质量(HRAM)MS可以揭示未知化合物的元素组成。“女士已经走了很长的路,系统提供的极限分辨率使研究人员能够读出元素成分从所谓的同位素精细结构,”Barsch说,“但如果真正unknown-something不是database-appears样本,那么你需要新创结构说明功能,这是一个核磁共振的关键工作。因此，MS和NMR可以一起使用，作为代谢组学的补充技术。
为了更深入地研究复杂的样本，研究人员通常将MS与液相或气相色谱(LC / hramm - MS或GC / hramm - MS)结合在一起。Barsch解释说:“这有助于查明典型的代谢物，因为分离与高分辨率的检测零点结合在一个样本的特定成分上。”
NMR的进展也有所帮助。今天的平台包括标准操作程序，允许科学家将协议从一个平台传输到另一个平台。metabolomics的团队合作水平不断提高，使得这些特征对科学家在国际上的合作至关重要，因为他们在不同实验室的NMR数据中寻求一致性。
尽管metabolomics的研究人员同时使用MS和NMR,Steve Fischer,metabolomics的营销总监，在加州圣克拉拉的Agilent Technologies公司，说，“这一趋势强烈支持质谱解决方案，因为仪器的成本，测量的广度和灵敏度。”
考虑到可检测到的各种代谢物及其质量的重叠，将色谱与MS相结合，对样品进行分离和深入分析。“总的来说，LC / MS系统比GC / MS系统更能测量事物，”费舍尔说。有些样品不容易挥发，这是GC所需要的。然而，他说:“这两种系统都提供了大量的光谱信息，可以用来追踪并最终确定被检测出的代谢产物和代谢产物的丰度。”通过对比样本，这些信息揭示了代谢物的变化和多少。
分析这些变化需要专门的软件。2016年，Agilent发布了VistaFlux，它执行稳定标签同位素追踪。由于各种生物途径可以产生代谢物，“只有通过通过中间代谢物来追踪其追踪者的消耗，才能知道某一特定代谢产物的产生是什么，”费舍尔解释说。“VistaFlux从数周的人工数据处理数据分析到使用这个软件的几个小时，同时增加了可以检测的代谢物的数量。”
对于一个完全专用的代谢组学解决方案，科学家可以将Agilent的1290 UHPLC和6470三重四极LC / MS系统与Agilent metabolomics dMRM数据库和方法结合起来，该平台可以测量21个代谢物。
其他公司为科学家提供了更多的分析选项。例如，Thermo Fisher Scientific公司的HRAM基于轨道的MS系统在不到一个小时的时间内就可以检测出多达1000种的人体血浆代谢物。“对于高通量、无针对性的分析，”Huhmer说，“Thermo科学Q Exactive质谱计，结合色谱分离的广度——包括LC、离子色谱和GC系统——检测和解决代谢组中的化学成分。Huhmer说:“这项技术可以与Thermo科学复合发现者软件相结合，它可以自信地将数据转化为有意义的结果。”
在系统级上进行综合
为了了解新陈代谢系统的生物学特性——或者他们如何在一起工作——科学家必须将它们与路径联系起来，这正是基于云的XCMS在线平台的目的。“你可以从LC / MS的运行中获取数据，在一个点击-拉出它预测的路径是不规范的，”XCMS在线的创建者Gary Siuzdak解释说，他是位于加州拉霍亚的斯克里普斯研究所的斯克里普斯研究中心的教授兼主任。它还可以整合蛋白质组和基因组数据进行分析。这种能力提供了几个层次的验证。
最重要的是，XCMS在线可以很容易地搜索结果。例如，它创建了一个路径云图，一个由路径分组的代谢物的交互图。点击通道气泡可以提供路径的名称，与之相关的代谢物，而不是相关的统计信息等等。
超过14000名科学家已经在网上使用XCMS，这使得他们可以进行分析并分享结果，因为它是基于云的技术。“我们看到人们从每一个大洲——甚至是南极洲——使用这个，”Siuzdak说。
随着分析设备不断改进，生物信息学系统变得更强大，更容易使用，系统生物学方法将跨越更多领域。德国Helmholtz Zentrum Munchen计算生物学研究所所长Fabian Theis说:“在系统生物学中，有一种强有力的运动，可以变得更加平动。医学研究正在产生大量的‘经济学测量’。”
代谢物在一天的时间内波动，血液为追踪这种变化提供了很好的样本。从大的病人群体中观察血液样本尤其有趣。“由此，”Theis说，“我们可以结合不同的‘组学’，建立网络，然后将它们与人口群组或临床试验联系起来。”
赫姆霍尔兹·芒臣专门研究这类大群体。他们测量了几千名多发性硬化症患者的代谢物，然后与单核苷酸多态性(SNPs)的代谢物浓度相匹配。“你通常会发现几十个或数百个与SNP有关的代谢物，如果你把一个SNP与两个代谢产物的比值联系起来——在一个生化途径上，或者是反应——你可以看到一个SNP对这个反应的影响，”Theis解释说。“例如，我们可以选择健康和疾病的群体，或者更简单的表型，比如男性和女性，然后问我们是否发现了这个变量的代谢足迹。”
然而，这些数据并没有提供容易解释的结果。许多联想都来自间接效应，因为在途径中有一种反应会对其他反应产生深远的影响。通过计算和统计工具，Theis和他的同事们在纠正了所有其他人的影响后，将两个代谢物连接起来。“然后，这些相关性会暴露出清晰的路径，”Theis说，“然后你就可以在疾病之间进行比较。”
随着科学家和制造商开发更多的工具来更详细地分析代谢组学，我们了解了更多关于生物系统的知识——它们在健康和疾病状态下的功能，以及它们如何随着时间和不同的环境变化。学习的关键在于收集更大的数据，并与世界各地的科学家分享数据。
