设为首页收藏本站
开启辅助访问 切换到宽版

科学网

 找回密码
  注册
科学网 › 标签 › 代谢组学

tag 标签: 代谢组学

相关帖子

 版块 作者 回复/查看 最后发表

没有相关内容

相关日志

Nature综述|整合组学分析护航健康，推动精准医学时代的到来！
chen7qi 2018-9-26 11:50
导读 Konrad J. Karczewski, and Michael P. Snyder撰写的关于整合多组学在疾病研究中的应用一文《Integrative omics for health and disease》，于2018年2月26日发表在nature reviews genetics (Nature系列综述, 2018 IF: 41.465）。 对于发病原因复杂的疾病通常很难用单一的理论模式进行全面表述，多组学技术通过整合生物系统中诸多相互联系和作用的组分来研究复杂生物过程的机制，从而为更加准确地对疾病进行阐述提供了可能性。同时作者也阐述了多组学技术在临床应用中存在的问题和挑战，并且整合组学正推动着真正的精准医学时代的来临。 摘要 多种组学技术（如基因组、转录组、蛋白质组和代谢组）的进步已在极其详尽的分子水平促使个体化医疗成为可能。尽管每个单独的组学技术都促进了医学的进步并已进入临床实践，然而单个技术难以捕捉大多数人类疾病的整体复杂性。整合多组学技术正成为综合研究生物和疾病的新方法。本文讨论了多组学数据的整合，以及将其应用于人类健康和疾病研究的可能性。我们提供了一些多组学数据整合的例子，用以理解、诊断并监测相应疾病的治疗，包括罕见病、常见病以及癌症和移植生物学。最后我们讨论了多组学技术在临床应用上面临的技术和其它方面的挑战。 生信老司机以中心法则为主线讲解组学技术的应用和生信分析心得 名词解释 1. 可操作性 (Actionability)： 基础研究的突破能用于改善某种疾病治疗的医学实践。 2. 孟德尔遗传病 (Mendelian diseases)： 由遵循孟德尔遗传规律（如显性或者隐性）的单个位点或基因引起的疾病。 3. 遗传病因学 (Genetic aetiology)： 研究引起特定疾病的遗传因素的学科。 4. 表达数量性状位点 (Expression quantitative trait loci (eQTLs))： 诱发基因表达显著变化的遗传变异。 5. 遗传力 (Heritability)： 性状的表型变化可归因于加性遗传变异的比例。 6. DNA酶超敏感性 (DNase hypersensitivity)： 根据染色质被DNA酶I切割的敏感性来度量染色质的开放程度。 7. 结构变异 (Structural variants)： 1 Kb或者更长区域的一类遗传变异，包括拷贝数重复、插入、缺失以及易位和倒位。 8. 纵向数据 (Longitudinal data)： 在一段时间内，从较大的群体中对同一受试者的重复观测结果的集合。 高通量测序及其它大规模并行分析技术（如质谱）成本的快速下降使他们能够广泛应用于临床研究与实践。外显子组和基因组测序技术已被用于疾病的辅助诊断（尤其是罕见病的诊断）、指导癌症的治疗和预后以及建立健康个体的疾病预测模型等。很多科研人员和公司正在致力于开发全基因组范围内的遗传、基因表达和其它组学数据（如微生物组，BOX 1）做为疾病诊断的标记物（详细见TABLE 1）。例如全基因组关联分析（GWAS）已经成功地鉴定出了疾病的风险位点。然而多数情况下，一些疾病相关的驱动变异或驱动基因仍未被鉴定出来。在此情况下，其它组学技术可以在精准病理生理学上对这些疾病提供有效检测。有些组学技术如蛋白质组学可以产生更接近于生物表型的数据，但由于昂贵且不够深入全面，在用于查明病因上仍有很多挑战。因此，几乎没有一种单独的技术能够解释导致人类疾病的分子事件的复杂性。 测序发展史：150年的风雨历程 Box 1 方框1. 在多组学技术中引入微生物组 微生物组与许多人类常见疾病有关，但由于不确定其是因是果，使得问题变得更加复杂。基因组数据中，致病性关系简单明确，通常是DNA影响表型（除了癌症导致的突变发生外）。但解密微生物组成与疾病的因果关系却比较困难这些研究需要昂贵的纵向或介入性实验，并且小鼠模型无法全面模拟人体生物学。尽管如此，患有诸如炎症性肠病、II型糖尿病和肥胖症等疾病的患者确实具有与健康人群显著不同的微生物组成。此外，微生物组对免疫功能有强烈影响，在动物模型中被认为是疾病发生的潜在因素。 随着对微生物组理解的深入，综合分析该组学及其它组学技术可以加深对人类疾病的理解。最近研究显示，人类基因序列影响整个肠道微生物群的组成，为某些疾病的相关遗传位点提出新的致病解释。此外，人类遗传物质和微生物组之间的互作会影响疾病，同时整合这两种图谱的研究会很有价值。宿主与其微生物组之间的代谢信号互作已成为一个热门的研究领域，越来越多的证据表明来自肠道细菌的代谢物可能在人类疾病中起作用。因此，综合分析基因组、代谢组、微生物组及其它组学可能有助于健康管理和疾病诊治。 表1： 整合组学的数据类型 CPTAC, Clinical Proteomic TumourAnalysis Consortium; EDRN, Early Detection Research Network; ENCODE,Encyclopedia of DNA Elements; GEUVADIS, Genetic European Variation in Healthand Disease; gnomAD, Genome Aggregation Database; GTEx, Genotype–TissueExpression; GWAS, genome-wide association study. 理想情况下，不同的组学技术可以结合起来，用以辅助疾病诊断并全面了解人类的表型和疾病。然而多组学数据的分析引入了新的信息和解读上的挑战。尤其需要新颖的分析和统计方法来将不同类型的数据集整合和质量控制指标的标准化。此外该领域必须重视分子事件的解读、基础发现的可操作性以及是否可以用于指导治疗和临床护理。 下面将介绍整合组学如何通过帮助健康管理及疾病的诊断治疗来影响医学。我们讨论了罕见的孟德尔遗传病如肌营养不良症和更为常见的疾病如自闭症和阿尔茨海默病的临床前和临床应用。此外，我们还研究了多层次组学技术在癌症诊断和治疗中的应用。我们始终都在讨论综合多个数据集的优势，例如多种技术优势互补，有助于深入了解疾病的机制。此外，还讨论了目前的技术方法和将多个来源的数据进行最优组合和解读的挑战，以及将其成功应用于阐明人类疾病机制的一些令人鼓舞的例子。 1. Dissecting Mendelian disease 解析孟德尔遗传病 在北美，大约10％的住院儿童和20％的婴儿的死亡可归因于孟德尔遗传病。多数情况下，临床医生和病人家属会借助外显子组及基因组测序技术找到孟德尔遗传病的相关致病突变。但是由于疾病类型和实验设计等因素，这一新技术在靶向测序未能找到致病机理的病例中只有25-50%获得了成功。对于主要由隐性变异导致的疾病，只有当此致病变异已被收录在疾病变异数据库（如Clinvar）中或者在一个已知疾病基因上发生了蛋白质截断变异（如提前终止，移码或关键剪接位点变异）时，这种检测技术才最为有效。然而，有时变异的影响可能比较微弱（例如可诱发新的隐性剪接位点的内含子变异），或由于体细胞嵌合导致突变难以被检测到，或多个候选变异都可能是驱动变异，这些都会使导致疾病发生的真正变异变得难以被检测到。此外，不了解遗传病因或对候选变异基因研究较少时，这种诊断会格外复杂。综合其它信息如RNA测序（RNA-seq）或网络分析，有利于检测可能的驱动变异中更重要的分子事件，或提供更多的证据来表明某个候选突变是导致疾病发生的原因。例如在对非典型范可尼贫血症的患者进行多组学分析时，DNA测序和基因组杂交微阵列芯片（aCGH）在识别最终被鉴定为驱动突变的位点是有效的，而RNA-seq可为一些最初不认为有致病性的变异提供致病证据，包括影响剪接模式的内含子变异和同义突变，以及导致转录本被削弱表达的非编码外显子及其上游区域的缺失。 最近，对大约50名患者的两项系统性研究均使用了RNA-seq和其它技术（图1），使得诊断率提高了约10％到35％。其中一项研究表明，全外显子组测序（whole-exome sequencing, WES）并没有为被诊断为肌营养不良症的（muscular dystrophy, MD）患者找到驱动变异，但RNA-seq数据却鉴定出导致剪接异常的隐性剪接突变事件。特别的，即使对这些患者进行了全基因组测序（WGS）鉴定出这些变异，但由于它们多位于内含子区域或被预测为不会影响剪接，也可能不会被视为可诱发疾病的变异。由于测序成本快速降低以及可获得的信息量增加，RNA-seq可能会成为在临床实践中鉴定疾病病理与生理学的有力工具。同样地，随着蛋白质组学技术的成本越来越低和更容易获取，使其可用于鉴定诸如通过影响蛋白质稳定性或翻译后修饰的错义突变而引起的蛋白水平变化。 蛋白质组学研究概述 图1 鉴定可用于诊断罕见病的驱动变异。在Kremer和Cummings等人的工作中，采用了多组学方法助力于诊断尚未诊断的疾病。尽管现在外显子组和基因组测序能够在20%至50%的案例中有效地识别驱动变异（取决于不同的遗传和表型），但单一组学技术并不能诊断大多数的病例。（a,b）用来自患者组织的RNA-seq数据可以进行分子诊断，鉴定出异常表达、剪切或者是具有等位基因特异性表达的基因，从而帮助揭示疾病进展的分子机制。（c）在某些情况下，功能验证如蛋白质组可以更进一步助力疾病诊断。（ 生物AI插图素材获取和拼装指导 ， 高颜值可定制在线绘图工具-第三版 ） 2. Genetic architecture of common disease 常见疾病的遗传结构 很多常见病比如糖尿病、肥胖症、精神分裂症和自闭症等发病机制复杂，是多种遗传和环境因素共同作用的结果。目前已发现数千个基因组位点与人类疾病密切相关。然而一旦确立了这种相关性，难点则是在特定疾病的分子生理病理背景下研究该基因的特征以及与其影响的基因和通路。为此更多多组学数据集的分析方法被开发出来，其中包括网络分析和富集分析。 GO、GSEA富集分析一网打进 2.1 Network analyses 网络分析 多种正交类型数据的整合可用于缩小疾病相关基因的搜索范围并鉴定致病机制。特别是一些网络模型，包括蛋白质-蛋白质相互作用 生信宝典之傻瓜式(四)蛋白蛋白互作网络在线搜索 、调控和共表达网络，已被证明是鉴定疾病基因和通路的宝贵资源。这些网络可以与任何全基因组范围的数据集（包括单核苷酸多态性（SNP）或基因表达数据）相结合，用于考察在某项研究中与疾病显著相关基因网络的拓扑学性质，这对那些在全基因组统计分析不显著的基因更为适用 （因为可以考虑其加性效应， GSEA富集分析 - 界面操作 ）。对于遗传变异数据，挑战在于将SNP位点映射到受影响的基因：在某些情况下这种变异的作用比较明确，比如克罗恩氏病的免疫应答相关基因NOD2的移码突变，但更多的情况是变异影响的基因并不明确。此外，多个SNPs可以组团增强调控能力，这时就需要考虑连锁不平衡模式的影响。 尽管存在这些挑战，网络法已经成功地帮助理解了一些人类疾病。例如，在自闭症类群（ASD）患者中具有新的错义或无义突变的基因，往往富集于蛋白-蛋白相互作用网络中与其它基因（ 为了速成生物学，一位程序员探索了爆款基因背后的秘密 ）尤其是先前认为参与ASD的基因有高度连结的基因中。这种方式提供了一种在候选疾病基因中进行优选的机制，要么是表示这些基因由于是网络的中枢基因而具有更重要的影响，或因为与已知的疾病基因有关而被推定为疾病相关基因。 生信宝典之傻瓜式 (四) 蛋白蛋白互作网络在线搜索 此外，我们实验室最近的两项工作将基因组学、RNA-seq和蛋白质组学数据整合在一起，鉴定出与自闭症有关的新基因和复合物，并对其功能特点进行了描述。特别是对蛋白-蛋白相互作用网络的分析揭示了一个模块（或称为互作基因群），此模块富集了已知的参与自闭症的基因，以及在自闭症病例中携带拷贝数突变和罕见突变的基因。该模块富集了参与突触传导的基因，并且RNA-seq数据显示其中一个子模块中的许多基因在ASD患者的胼胝体具有差异表达（ DESeq2差异基因分析和批次效应移除 ），这为许多ASD患者相比于正常人有更小胼胝体的现象提供了一个假定的分子解释。同样，通过将自闭症患者的罕见变异比对到蛋白质复合体上揭示了参与自闭症的新蛋白质和复合体，包括组蛋白去乙酰化酶（HDAC）、染色质重塑复合体和其它蛋白质复合体。因此，全基因组测序数据和全外显子测序数据与蛋白质互作数据的整合可以为重要疾病（如包括自闭症、II型糖尿病和心脏病）提供新的机制解释。 来一场蛋白和小分子的风花雪月 2.2 Enrichment analyses 富集分析 为了理解从DNA到生理机能的遗传信息流整体的调控机制，最近已经进行了许多大规模的富集分析。蛋白质的编码变异是许多生物性状的基础，比如来自GWAS的许多与性状相关的基因位点富集了蛋白质序列的中断变异（非同义变异）。然而只有一小部分的疾病属于这一类，因此将非编码调控注释信息与疾病相关的其它数据整合起来，对于鉴定疾病基因和查明病因非常有价值。特别是，用于测量基因表达（RNA-seq， 转录组分析工具哪家强？ ）以及用于测量基因表达调控区活性的方法（如用于检测转录因子结合位点的染色质免疫沉淀测序（ChIP-seq）或用于检测染色质开放区域的DNA酶高敏感位点测序（DNase-seq）），在鉴定基因组调控的组织特异性研究上具有重要价值。因此，如果疾病相关变异富集在表达数量性状基因位点（eQTL）以及转录因子结合位点，那么许多疾病的病因可能是对应的调控机制异常。最近一项对108个精神分裂症相关位点的研究证实，其中20个位点的基因表达有变化，这可以至少部分解释他们之间的部分关联。 ChIP-seq基本分析流程 最近使用GWAS总结统计和功能注释数据的分区遗传法（partitioning heritability methods），阐明了编码区和调控区变异的相对贡献，结果表明许多常见性状的大部分遗传特征来源自于调控区的变异（DNA酶超敏感的开放染色质区域），以及许多细胞类型特异的增强子区域 （ 从Richard Young教授的系列研究看超级增强子发现背后的故事 (附超级增强子鉴定代码) ）。 此外，这种富集信息可用于辨别驱动变异以及通过增加对每种性状特异性注释的权重来鉴定与疾病和性状有关的新基因。在撰写本文时，这些方法尚未进入临床实践，但在揭示许多常见疾病的病因方面具有非常重要的价值。 3 Narrowing causal mechanisms in common disease 聚焦常见疾病的驱动机制 如前所述，GWAS已成功识别出与疾病在统计学上有相关性的基因位点，但却很少发现驱动变异。整合多种数据类型如功能注释数据，也可以加深对特定疾病相关变异潜在功能的理解。 3.1 Indirect integration across individuals 个体间的间接整合 目前，确定与某一性状相关的驱动变异的低成本方法是使用多个独立的数据集，从一组具有生物学证据的候选位点中确定疾病形成的机制。此过程可以从GWAS开始，然后对一组基因组范围的统计显著相关位点做后续的功能验证，具体的实验可能取决于所鉴定的基因位点的类型或疾病的遗传结构。对于编码变异，后续确定变异对蛋白质结构或功能影响的实验可以很好地解释疾病的起因。对于非编码区的变异，结果通常更难以解读，但最近的大规模表观遗传学研究如DNA元件百科全书计划（ENCODE）和表观基因组路线图项目（Roadmap Epigenomics projects），可以提示可能的调节机制以及后续实验需要关注的转录因子。例如，对系统性红斑狼疮（SLE）相关变异的详细研究表明，变异不仅影响核转录因子-κB（NF-κB）的结合，并且与肿瘤坏死因子-α诱导蛋白3（TNFAIP3）在mRNA和蛋白质水平上均相关。 Manolis Kellis和其同事最近两项综合多种数据类型的研究，极大地加深了对阿尔茨海默病和肥胖症分子病理学的理解。首先，该研究组结合基因表达和表观组学数据，发现在阿尔茨海默病小鼠模型中上调的基因具有免疫细胞增强子的特征。重要的是，虽然免疫系统基因与阿尔茨海默病之间的联系早已确立，但在此情形下多组学数据类型被证实可用于建立一个效应（所施加）的方向，即阿尔茨海默病人免疫系统基因的表达和调节活性均有协调性地增加。同样地，整合表观基因组和染色体构象数据，以及携带FTO肥胖等位基因的患者的基因表达信息和许多其它数据类型，为风险等位基因的机制提供了解释（图2）。使用CRISPR-Cas9（ CRISPR-CAS9发展历程小记 ）对风险等位基因进行基因组编辑可以修复其异常表达和热量生成，这提供了一种对于肥胖症的潜在治疗方式。 图2 从全基因组关联研究到机制解释。在最近的一项研究中，Claussnitzer和其同事提出了鉴定FTO基因中的一个与肥胖相关变异位点的疾病驱动机制的综合方法。（ 热图、箱线图在线绘制 ， 教师节献礼 - 文章用图的修改和排版 ） 图a展示了肥胖相关生物机制的整体研究策略，并对每一步进行了顺序编号。最开始的全基因组关联研究（GWAS）中曼哈顿图展示了FTO基因区与肥胖显著相关（图b）。首先，研究人员确定了相关的组织或细胞类型（步骤1）以及下游靶基因。这主要通过调控组学包括染色质状态信息和染色体构象捕获（Hi-C）数据来分析实现的。同时他们确立了该变异为发育基因IRX3和IRX5（步骤2）的表达数量性状基因位点（eQTL）。这是因为在有风险突变的个体中这些基因的表达增加而相邻其它基因的表达则没有改变（图C）。进一步发现IRX3和IRX5的表达与参与线粒体功能的基因表达负相关，与参与脂肪细胞大小调控的基因表达正相关（图d）。然后使用CRISPR-Cas9编辑实验揭示核苷酸驱动变异在ARID5B的富含AT的结合基序中（步骤3，4），并验证了其其分子效应，包括表达特征的改变和调节能量平衡的表型效应对（步骤5）。最后，使用小鼠模型在生物体水平上确立了驱动变异（步骤6）。AKTIP, AKT interacting protein; CEU, Utah residents (CEPH) with northern and western European ancestry; CHD9, chromodomain helicase DNA binding protein 9; CRNDE, colorectal neoplasia differentially expressed; FXR, farnesoid X-activated receptor; LD, linkage disequilibrium; PGC1α, peroxisome proliferatoractivated receptor-γco-activator 1-α; PRDM16, PR domain zinc-finger protein 16; RBL2, RB transcriptional co-repressor like 2; RXR, retinoid X receptor; SNPs, single-nucleotide polymorphisms; TF, transcription factor; TSS, transcription start site; UCP1, mitochondrial brown fat uncoupling protein 1. 3.2 Direct integration within an individual 个体内的直接整合 多组学技术数据的整合可以在生物调控的多个层次之间建立联系。绘制单个个体的多组学特征图谱将会是全面揭示导致特定生理表型的分子机制的有力工具。然而这些方法需要对同一个体实施多次干预及技术处理，所以比较昂贵，限制了其应用于大量样本。我们实验室第一次进行了这个实验，随访了一个人7年多，而另一个类似的研究随访了另一个人1年。在Chen等的文章中，基因组分析预测到升高的II型糖尿病风险，随后通过详尽的组学分析，包括转录组学、蛋白质组学、代谢组学和其它测量技术等进行了深入验证。特殊地，在呼吸道合胞病毒感染期间，RNA-seq和液相色谱-串联质谱（LC-MS/MS）的蛋白质组学发现参与胰岛素信号传递和响应的基因下调，同时血糖浓度上升至糖尿病患者的水平。多组学技术的优势在于可以在共不变的遗传和个体背景下追踪分子机制的联系，因为可以跟踪分子事件的连续进展，如GWAS鉴定的疾病相关基因的差异表达导致了RNA和蛋白质水平及其相应代谢物的差异。 然而，由于组学分析实验有很高的多重假设检验负担（如基因组中所有的基因或成千上万的代谢物），更大的样本量将有助于确定这种相关性的普遍性。最近一项研究监测了23个个体的不同组学特征，确定了体重增加时的炎症特征，并发现某些代谢途径在体重减轻后没有恢复到正常水平。该分析强调了个体纵向组学特征的相似性，以及在稳态和实验干扰下的个体特异性特征。为了进一步明确这些差异，将这些分析扩展到数千个个体的研究已在早产、炎症性肠病和II型糖尿病中展开。同样地，最近两个独立的研究组分别对遗传和代谢组学数据进行了分析：其中一个计算了100多个个体的多基因风险评分，并与代谢产物的测量值相关联；另一个则是在健康志愿者中鉴定了与个体代谢产物和代谢通路异常相关的罕见有害变异。此外，随着健康个体的组学参考数据库的建立（比如已经可用的有：外显子组数据、基因组数据（如Genome Aggregation Database (gnom AD)和RNA-seq数据），在这些对照组背景下解读个体水平的数据将变得更加容易。 其它工作包括弗雷明汉心脏研究（Framingham Heart Study）和基因组表征研究，如基因型-组织表达（GTEx）项目，以及被提议的enhanced GTEx（eGTEx）项目中扩展到基因表达之外的分析 （ 癌症组织特异性基因怎么找？这是个不错的开始 ）。这些项目采用了广度优先的组学分析策略，其中大量的个体是通过一组数量有限的只测定一组分子标记（例如全基因组DNA甲基化分析）的技术来绘制图谱。 4. Cancer 癌症 多组学分析已经并将继续产生巨大影响的领域是对于癌症图谱分析、诊断和治疗的领域。实际上，许多之前讨论的策略（如网络法）在识别癌症的遗传机制上将会是有效的。然而，癌症中不同突变类型 (conceptual differences in cancers)使分析变得复杂化并需要特殊处理。除了识别体细胞变异的技术挑战外，癌症病例中大多数明显的遗传改变是良性的，并不会促进癌细胞生长。因此，确定哪个突变是驱动突变或哪种通路参与其中仍是一个严峻挑战。此外，尽管一些癌症在个体间具有相同的遗传特征，但驱动突变的种类仍然高度多样化，这可能会导致预后和治疗的差异。 肿瘤化疗无效是对预先存在的突变的选择还是诱发新突变，Cell给你答案 4.1 Identifying driver mutations 鉴定驱动突变 一个典型的识别驱动突变的过程包含对多个肿瘤进行全基因组测序（WGS）来识别共有的突变基因。添加功能数据有助于对这些基因的驱动基因的可能性进行排序，因为驱动突变更可能出现在特定癌症表达的基因中。例如，在使用全外显子测序（WES）结合拷贝数变异（CNV）微阵列数据鉴定驱动突变的分析中，RNA-seq数据支持融合基因EGFR-SEPT14的表达，后续功能验证表明该突变确实可影响神经胶质瘤的生长。在另一项使用类似技术的不同分析中，个体内多个转移灶的驱动突变和演化进程在转移灶之间基本相似，表明单个转移灶足以进行下游分析。通过这种方式，使用额外多组学数据与遗传数据共同分析，提供了一种机制来过滤大量的遗传变异，最终获得与功能相关的驱动变异。 4.2 Molecular signatures of cancer 癌症的分子标记 除了识别驱动突变之外，多组学数据还可以揭示在癌症中活跃的生化途径并将其分类为各种亚型。因此，这是确定患者体内靶向哪种通路的一个有用工具，即使在这些通路中未检测到强候选突变（如难以表征的非编码突变或间接效应）。例如，转录组学和DNA甲基化模式分析已被用于识别与预后相关的癌症亚型。最近，临床蛋白质组学肿瘤分析联盟（CPTAC）的三项研究使用基于蛋白质表达特征的蛋白质组学方法鉴定了结肠直肠癌、卵巢癌和乳腺癌的亚型。重要的是，蛋白质组学数据显示出与转录组和遗传数据重叠但不完全相同的相关性，表明不同的数据类型揭示不同的信息。这些研究展示了的不同遗传和转录过程通过蛋白质组学变化发挥作用。最后，影像学信息与多组学信息的整合有望在癌症诊断和预后中发挥重要作用。 最近，调节基因表达的非编码区域的研究对于理解癌症的调控模式变得越来越有价值。将调控信息的数据集与来自癌症基因组图谱（TCGA， UCSC XENA - 集大成者(TCGA, ICGC) ， TCGA数据库在线使用 ）的WGS数据整合的一项研究，揭示了一些调控区域富含癌症患者的携带突变。在此情况下，这些非编码区域中哪些突变是驱动变异仍然难以确定，表明还需要相关研究继续对这些变异做进一步筛选；尽管如此，具有相同癌症的个体之间共有的网络拓扑结构可以指示癌症亚型，这些亚型可能有不同的预后和治疗策略。最后，鉴于癌症生长对代谢变化的强烈依赖性，代谢组学很可能在未来的癌症诊断或预后中发挥重要作用。 代谢与肿瘤，超强综述 5. Challenges 挑战 到目前为止，大多数整合模型已在科研领域被报道和发表。从首次成功诊断到多机构和国际采纳，临床基因组学的应用在过去几年中迅速扩大。同样，随着纵向多组学分析，最近有了第一个研究实例，在以后也会类似地成为一种临床工具。 然而，对于临床采用的任何技术，在检测和解读中都需要高特异性和灵敏度。目前，除了在特殊情况下使用WES或WGS，这些技术在临床实践中并不经常使用，因为对许多疾病来说它们并未被证明优于当前的检测。未来，必须建立临床指南以确保准确性和有效性，并且必须进行测试以展现其非劣效性和成本优势。 尽管存在以上挑战，组学分析仍是检测大规模变化或通路水平变化的有效方法，比进行数千个独立测试更便宜且通常更全面，并且纵向分析可以显示患者特异的趋势，并可通过重复测量增加统计支持。虽然建立临床指南仍面临挑战，但随着我们对生物的理解和参考数据库的成熟，解释遗传变异（尤其是罕见或新变异）的许多概念可应用于常见分子事件如差异表达基因、新蛋白磷酸化或独特代谢组标记。 5.1 Analytical challenges 分析挑战 在临床实践中广泛采用综合组学，必须解决各种分析挑战，尤其是用于数据的聚合、可扩展性和集成到电子健康记录（EHR）的统计方法。最重要的是，由于每个数据集都有自己的方差和偏差，因此需要一个稳定且可重复的统计框架来正确分析多个统计上不相干的数据集。多组学数据可以在多个阶段或多维度宏方式 (meta-dimensional)进行分析。简单地说，从这些数据中得出推论的一个方法就是对数据集进行成对分析，增加证据来支持某个结论。然而，同时分析三个或更多个数据集需要更复杂的多维方法，如贝叶斯模型 ( 贝叶斯学习记录 )、神经网络或降维 一文看懂PCA分析 和 还在用PCA降维？快学学大牛最爱的t-SNE算法吧（附Python/R代码） 。多组学数据类型本质上的不同使得问题进一步复杂化：例如遗传变异数据是离散和静态的，而RNA-seq数据是连续的并且可以提供纵向信息 （ WGCNA分析，简单全面的最新教程 ）。 尽管上述数据分析方法对于理解生物学和疾病是有效的，但它们可能不一定适用于临床上个体水平的数据分析。在基因组学领域，通过个体的基因型和GWAS数据库，可以计算多基因风险值来评估个体的患病风险。构建这样的多组学分析框架仍然面临一个主要障碍，即可能会面临一些比如难以将一个群体的结果应用于另一个群体的个体中类似的挑战。 除了分析方法的挑战之外，这些分析和所有相关数据的存储还需要巨大的计算资源：尽管个人的多组学数据量是可控的（例如，太字节数量级（1TB, 10^12 bytes））。但是这些数据需要放入更大的背景集中以理解与背景分布的偏差，这需要来自数千个样本（艾字节数量级（1EB , 10^18 bytes））的数据。幸运的是，云计算慢慢可以缓解这些问题，根据每个医院或医疗保健服务系统的特定需求提供弹性的计算和存储设备，同时提高计算过程的可重复性。 可重复性编程bookdown 和 Python文学化编程 - Jupyter notebook使用和插件拓展 。 目前，这种综合数据集通常没有可用于研究的标准格式，更不用说用于结构化的临床系统；因此，需要建立基础设施结构来管理这些数据，而这会带来财务和行政负担。特别是，卫生信息学家的任务是建立一个在电子健康记录（HER）中存储遗传和转录组学数据的强大基础设施。此外，需要临床医生和研究人员的共同努力来决定将哪些信息报告给患者并纳入EHR。 5.2 Accuracy and validation 准确性和验证 个体水平上，全基因组数据集存在固有错误率，结构变异也仍然难以检测和识别（因此也很少被提及）。更连续和纵向的数据如mRNA表达和蛋白质组数据，根据所测定的组织特征其准确性可能更难以评估，但是这些方法有较高技术重复和生物学重复性。在某些情况下，这些技术独立地识别同一生物学过程的不同方面，因此可以相互验证：例如RNA-seq可以重现由WES或WGS鉴定的外显子变异，而蛋白质组表达可以验证RNA-seq的表达。然而，在需要高可信度的临床环境中，这些测试目前由其它独立的技术验证，可能包括现有的临床测试如酶法或低通量测定试验。 对于癌症基因组学，解读异质性数据是一项重大挑战。由于每个肿瘤是由具有不同程度体细胞突变的细胞组成的嵌合体，即使不区分伴随突变和驱动突变，变异的检测也很困难。特别是癌症中的体细胞突变是纯系突变还是仅在组织中的一部分细胞中出现，使得变异的发现复杂化，因此需要高覆盖度和高质量数据将其与测序错误区分开来。利用细胞游离DNA（cell-free DNA）的超深度测序追踪血液中痕量癌症突变的存在以及利用单细胞测序检测癌症的异质性正成为强有力的方法。然而，用于检测早期癌症的细胞游离DNA方法需要稳健的方法来区分真正的低频（变异）事件与测序错误，并且单细胞测序仍然很昂贵。尽管如此，这些方法已经被用于解析肿瘤异质性并在产前检测中识别出癌症的一个附带突变。随着其它组学数据集与超深度测序结合，我们期望这些方法能够优势互补，为临床分子咨询提供独特而且强大的方法。 5.3 Interpretation 解读 即使拥有高度精确的数据，另一个困难在于对基因组规模结果的解读，特别是罕见的和新的分子事件，它们通常远远超过可以合理地进行功能验证的（分子）事件的数量。个体基因组中的许多变异，特别是以前没有见过且没有明确功能效应的，被称为“不确定意义的变异（VUS）”，该问题对于其它数据类型（例如转录组或蛋白质组数据）也存在。另外，判断临床上重要的分子事件如RNA表达阈值在不同的数据类型中很难确定。幸运的是，可用于外显子组、基因组测序（gnom AD）和基因表达的大型群体参考数据集已可用。它们通过提供群体中的实际（变异）频率来帮助解释罕见事件。特别是，驱动变异在受影响的个体中应该比在更多的无症状群体中有更高的变异频率，这可以支持或否定先前的致病机制。此外，医生可能会发现不相关条件下的其它致病性分子事件，也称偶发性发现，对于哪些结果反馈给患者到什么程度的信息仍存在相当大的争议。 当结合多组学技术时，这些问题有时会得到改善，尤其是对于那些难以进行统计分析的、罕见的及新的分子事件。特别是，显示为正交信息的多组学技术的直接整合可以为某个分子事件提供额外的证据：例如，如果RNA-seq显示VUS（不确定意义的变异）影响关键疾病基因的剪接，则可以证实其潜在的致病机制。通过这种方法，多技术整合可以建立起单一技术无法实现的因果关系链。 5.4 Finding the relevant tissue 寻找相关组织 为了维持样品间的一致性，许多大规模研究对已经得到的样品进行了分析，例如血液或细胞系，包括转化的淋巴母细胞样细胞系（ 被高中生物骗了这么多年，原来人体内细胞的DNA是有不同的？ ）。然而，对于临床应用，理想情况是研究与特定疾病相关的组织，因为基因表达在不同组织中显著变化（图3）。GTEx、表观组学路线图和哺乳动物基因组的功能注释5(FANTOM5)项目为多组织基因表达和表观基因组数据提供了参考数据集。多数情况下，疾病相关组织可能已有记录，例如MD（肌营养不良）的肌肉组织。然而，如果疾病定义不太明确或组织不可用，则可以通过对疾病的网络分析来鉴定组织。事实上，已证明使用疾病相关组织对MD患者的诊断是有益的。对肌肉组织的转录组分析得到的诊断结果不同通过储蓄替代组织（例如血液或成纤维细胞）来获得，因为疾病相关基因在这些里面表达低。 在将此类数据用于临床应用时，应注意确保来自患者样本的数据与参考数据集具有可比性，这对于整合其它组学数据（例如代谢组学和蛋白质组学）将是至关重要的。当然，在组织（例如大脑）中存在大量细胞异质性的情况下，这种分析更加复杂：在此情况下，具有单细胞分辨率的技术将为解析每种单独的细胞类型提供有价值的见解。在原代组织难以获得或难以维持培养的情况下，使用CRISPR系统将突变引入诱导多能干细胞（iPS， 周琪院士正面回应：60万一针有用吗？（干细胞治疗） ）可以为分子验证提供一个强有力的方法。 图3 寻找相关组织。由于其可用性和易于采集（a部分），血液通常是最方便的实验组织，但它通常不是观察特定疾病如主要影响脑或肺的疾病的分子表型的理想组织。特殊地，相比于疾病近端组织（例如肌营养不良的肌肉组织），血液的转录图谱（包括表达水平、剪接模式和增强子的使用）可能不适于检测这些疾病。 5.4 Actionability and therapeutics 可操作性和治疗 在讨论临床中使用的任何技术时，可能最重要的是其可操作性。实际上，一部分信息不足以说明其有意性：掌握诊断知识并结束诊断过程对患者和家属来说是很有帮助的。 然而，在一个被称为“精准医学”或“个性化医疗”的体系中，可以指导干预的数据将十分有用。尤其是，对患者的疾病亚型进行分类以推荐特定的药物，在组学分析（BOX 2）的基础上来确定潜在移植是否匹配良好，或确定新疾病的驱动机制（并开发可以靶向直接分子产物的治疗方案），可以改善治疗结果并延长患者的生命。然而，即使是与治疗结果在统计学上存在相关性的非驱动性分子事件也有可操作性，特别是以改变生活方式的建议形式，包括饮食、监测和预防性治疗；事实上，具有高遗传性冠心病风险的个体从他汀类药物治疗中获益更大。 Box 2 方框2 . 移植供体和受体的多组学分析 每年有数千名患者接受器官和造血干细胞移植，但移植患者的死亡率仍然很高。检测供体与受体匹配的惯例做法涉及人白细胞抗原（HLA）分型，最近已使用高通量测序技术开发了这种方法。然而，越来越清楚的是，非HLA因子可以显著影响移植物抗宿主反应（GVHD）的预后和发展，因为HLA匹配的同胞供体移植比HLA匹配但却无关的供体移植具有更低的GVHD风险，且常见的非HLA多态性与GVHD有关。 因此，多组学可用于确定最佳供体-受体匹配，以及监测排斥标记物。例如，对细胞游离DNA进行测序可以检测循环的供体DNA，其水平与器官排斥的严重程度相关。另外，对这种细胞游离DNA进行测序可同时检测病毒DNA以指示感染标志物。其它组学数据，例如RNA或蛋白表达，也可用于评估供体-受体间的相容性，以及监测排斥标志物。整合组学技术可能成为移植生物学的有用工具。 6. Conclusions and future perspectives 结论和未来展望 目前，组学技术（尤其是基因组测序以及较小程度的RNA-seq）仅在极少数情况下显示出优于传统的临床测试，因此将这些技术纳入临床实践存在较大的技术和监管障碍。然而，由于使用多种技术可以更清晰地了解健康和疾病，这些技术的整合很可能在未来的临床实践中成为普遍现象。此外，最近大型生物银行计划（如UK Biobank, Million Veterans Project和“All of Us”计划）收集了生物数据并对数百万人进行多组学分析，这将对人类疾病产生深刻的理解，并为更多其它的研究和临床应用提供有价值的参考数据库。 6.1 Predictive models of disease risk for healthy individuals and early detection of disease 健康个体的疾病风险预测模型和疾病的早期检测 与传统的临床检测一样，大规模组学数据的分子测量可以整合到疾病风险模型中。特别是最近，已经开发了一组用于计算特定疾病遗传风险的方法，称为多基因风险评分。这些方法成功地将某个疾病（如心血管病等疾病）的患者分为高风险和低风险类别。在有了基于遗传学或是家族史的疾病风险预测结果后进行针对性检测。例如，如果一个患者被预测患有II型糖尿病的风险，则进行葡萄糖和糖基化血红蛋白（HbA1c）水平的测定和其它测试，例如葡萄糖耐受性测试。然而，如果在未来能够同时高质量和低成本地进行代谢组学的测量，那么将不再需要进行单独化学测试。此外，来自可穿戴设备的持续收集的数据可与组学数据相结合用于在疾病症状出现之前的早期检测。 6.2 Disease management 疾病管理 除了疾病预测和早期诊断外，整合组学在疾病治疗和预后方面的作用将会变得越来越强大。来自转录组、表观基因组、微生物组、蛋白质组和代谢组的信息以及成像和可穿戴设备的数据都将用于帮助破译疾病，促进预后，从而指导治疗。在癌症中，肿瘤-正常组织对（tumour–normal pairs）的DNA和RNA测序已经鉴定了易位（变异）和基因表达的特征，针对性的靶向治疗进而治愈疾病。在未来，随着多组学的测量数据与疾病的预后关联，这种数据驱动的范例很可能会成为医学研究的有力工具，也将有助于促进临床诊断和治疗。 原文：Integrative omics for health and disease, DOI: 10.1038/nrg.2018.4 翻译：RPM，宋红卫，凌路頔 整合组学这么有用，要不要入门下生物信息学？ 生物信息之程序学习 ， 该如何自学入门生物信息学 ， 关于编程学习的一些思考 。也可以加入我们的培训班，一起学习，广受好评哦。 蛋白质组学研究 蛋白质组学研究概述 转录组研究 39个转录组分析工具，120种组合评估(转录组分析工具哪家强-导读版) 39个转录组分析工具，120种组合评估(转录组分析工具大比拼 （完整翻译版）) 无参转录组分析工具评估和流程展示 120分的转录组试题（第一份答案） 120分的转录组试题（第二份答案） 120分的转录组试题（第三份答案） DESeq2差异基因分析和批次效应移除 文献精读 肿瘤化疗无效是对预先存在的突变的选择还是诱发新突变，Cell给你答案 “人鸡胚胎”破解生命起源奥秘，百年来首次证实“组织者”存在于人体 ｜《Nature》发表重磅论文 被高中生物骗了这么多年，原来人体内细胞的DNA是有不同的？ 周琪院士正面回应：60万一针有用吗？（干细胞治疗） CRISPR-CAS9发展历程小记 一场大病引起的诺贝尔2017年生理学奖角逐 Science搞反狗脑 - 人脑和狗脑一样？ 一篇压根不存在的文献被引用400次？！揭开” 幽灵文献” 的真面目 基于人工智能的文献检索，导师查找，更聪明 GeenMedical：文献查询、筛选、引用排序、相似文献、全文下载、杂志分区、影响因子、结果导出、杂志评述、直接投稿，一站服务 YANDEX搜索，不翻墙稳定使用近谷歌搜索 Nature我的研究对后人毫无用途：21%的学术论文自发布后从未被引用 SCI-HUB镜像, SSH隧道访问学校内网 为了速成生物学，一位程序员探索了”爆款”基因背后的秘密 Nature邀请6位专家为您支招如何写出一流论文？ Cell：荧光标记out了，AI不用“侵入”也能识别细胞死活和类型 如果你经常用PubMed，那么这个插件将非常好用！ 生物研究中不可缺少的数字概念，多少，多大，多快 王秀杰研究组合作发现m6A修饰在小脑发育中的新功能 （附2018上半年m6A研究文章和点评） 把人类宝宝和黑猩猩幼崽一起养大，会发生什么有趣的事情呢？结局可能是有些出乎意料的～～ 你体内的细胞“成精了”？居然还互相看对了眼？ 父爱无言！科学家首次发现来自爸爸的基因，可以通过胎儿来控制妈妈对宝宝的爱 2018 Cell系列相变最强综述，未来已来，你在哪？ 更多阅读 画图三字经 生信视频 生信系列教程 心得体会 癌症数据库 Linux Python 高通量分析 在线画图 测序历史 超级增强子 培训视频 PPT EXCEL 文章写作 ggplot2 海哥组学 可视化套路 基因组浏览器 色彩搭配 图形排版 互作网络
个人分类: 生物信息|1211 次阅读|0 个评论
多组分药物体内吸收、代谢过程的一个解析软件
热度 2 weijia2009 2018-2-13 10:35
多组分药物体内吸收、代谢过程的一个解析软件 我们课题组应用基于代谢组学的多成分药物动力学Poly-PK（poly-pharmacokinetics）思想实现了对志愿者喝普洱茶前后普洱茶中的化学成分吸收、分布、代谢和排泄（ADME）代谢过程，以及喝茶后机体的整体代谢变化的研究（见参考文献 J Proteome Res, 2012）。最近，我们采用Poly-pk思想对中药黄芪汤I期临床研究中健康志愿者服用黄芪汤的体内药物成分ADME过程以及机体代谢应答反应进行了整体、动态性的检测（详情请看博文： 尝试用代谢组学打开中药体内过程的“黑箱 ”），验证了多药药物动力学Poly-PK研究策略以及技术方法的可行性(Clin Pharmacol Ther. 2017)。在此基础上，为了进一步推广这种新研究策略的应用，同时便于非组学和非药代药动的研究人员的研究和应用，我们自主研发了一套专门应用于多组分药物动力学数据分析的生物信息学软件，R包——PolyPK。目前，该研究结果发表于生物信息学和计算生物学学术期刊Bioinformatics上 (Bioinformatics.2017)，该软件包的开发也获得软件著作权，被CRAN收录，并提供免费下载使用（ https://CRAN.R-project.org/ package=polyPK）。 含多种药物分子的体内动力学研究的数据分析流程相对比较复杂，通常涉及多种不同的软件，我们团队研发的PolyPK软件R包针对各种数据分析中的技术环节以及研究者应用中会出现的主要问题，对多药药物动力学数据分析流程采用一站式自动化分析平台，采用10个函数实现了从数据预处理、差异性物质鉴定、分组、PK参数的计算、各种多元统计分析、相关分析、聚类分析等药代动力学及对机体效应分析的全部功能，最后均得到可视化的研究结果。 该应用R包还可以根据应用中出现的问题不断实现升级、更新，欢迎研究人员和同行尝试和使用。 以下做一个使用示例介绍： 安装方式： install.packages(”polyPK”) library(polyPK) 主要函数介绍： DataPre：数据预处理函数，包括：稀疏样本的去除，多种方式的缺失值填补（例如：QRILC法，最小值法等），去除和替换奇异值，对数变换等。 GetDiffData：通过统计检验方法（统计检验方式：t检验，Mann-Whitney检验，校正方式：FDR法，holm法等）得到总体差异性代谢物。 GetEndo：统计变化的内源性代谢物。 GetAbso：统计被人体吸收的药物原型成分。 GetSecdAbso：统计药物成分在机体内转化后的次级代谢物。 PKs：计算PK参数（Cmax, Tmax, AUC, CL, Tlast, Tfirst, Cmin），绘制所有成分的药-时曲线。 CorrPlot：相关性分析（Pearson法, Kendall法, Spearman法）。 ScatPlot：多元统计分析：PCA，PLS-DA。 HeatMap：层级聚类分析，并绘制热图。 主要参考文献： 1. 软件著作权：多组分药物动力学研究R函数包软件 V1.0，2017SR363080 2. Li, M.C., Wang, S.L., Xie, G.X., Ma, X.H., Chen, T.L., Jia, W.* polyPK: An R package for pharmacokinetic analysis of multi-component drugs using a metabolomics approach. Bioinformatics. btx834, 2017. 3. Xie, G.X., Wang, S.L., Hang, H., Zhao, A.H., Liu, J.J., Ma, Y.M., Lan, K., Liu, C.X., Liu, P., Chen, T.L., Jia, W.* Poly-Pharmacokinetic study of a multicomponent herbal medicine in healthy Chinese volunteers. Clinical Pharmacology Therapeutics. doi: 10.1002/cpt.784. , 2017. 4. Jia, W.,* Fan, T.P., Wang, X.N., Xie, G.X. Poly-pharmacokinetics of Herbal Medicines. Science, Special issue: The Art and Science of Traditional Medicine. S76-79, Oct, 2015. 5. Xie G, Zhao A, Zhao L, Chen T, Chen H, Qi X, Zheng X, Ni Y, Cheng Y, Lan K, Yao C, Qiu M, Jia W.* Metabolic fate of tea polyphenols in humans. Journal of Proteome Research, 11(6):3449-54, 2012.
9158 次阅读|2 个评论
尝试用代谢组学打开中药的“黑箱”
热度 31 weijia2009 2017-7-13 10:01
尝试用代谢组学打开中药的“黑箱” 贾伟 我们实验室近年来建立了基于代谢组学策略的药物代谢动力学新方法，在分子水平上刻画包括复方中药和天然产物在内的多成分药物（Multi-component Agents）在体内的整体、动态的代谢和相互作用过程。最近与上海中医药大学刘平教授团队合作，采用高通量代谢组学平台以及所建立的多组分药物生物信息学数据分析手段，开展了复方中药黄芪汤的药物动力学研究，结果于2017年7月4日在线发表于国际药理学期刊 Clinical Pharmacology Therapeutics。 药物动力学（pharmacokinetics, PK）是表征药物分子在生物体内随时间变化的吸收、分布、代谢和排泄（ADME）规律的方法。由于化学成分组成的复杂性以及在生物体内发挥药效成分的多样性，包括复方中药在内的多成分药物的代谢动力学研究一直以来是一个“瓶颈”。这种技术和方法学的“瓶颈”包括：（1）缺乏整体性，以偏概全地将一种或数种成分来代表和预测包含了成百上千个化学成分的复方药物系统；（2）缺乏动态变化，只关注药物原型分子的数据而不涉及药物互相作用以及药物分子的体内代谢全过程；（3）缺乏生化效应的信息，只关注药物分子的化学变化而没有生物体对药物的代谢反应信息。复方中药在体内的ADME是一个多成分化学系统和一个多层次多靶点的生物系统之间的相互作用过程，这个复杂的体内过程无法在还原论的思维下用一个或几个药物成分来简单还原。由于无法在理论和方法学上突破现有的瓶颈，目前定量检测单一化合物的药物PK方法很难真正描述中药整体性和动态性的体内代谢状况。因此，复方中药作为一个“黑箱”，其体内过程一直以来无法得到客观性的评价，用简单的还原方法得出的结果无法真正体现中医方剂配伍下具有协同效应的复方中药的临床价值。 2010年的时候，我与四川大学华西药学院的兰轲博士合作（有意思的是我们俩是通过科学网认识的），共同提出了一种采用代谢组学方法同时监测多成分药物动力学的新策略—我们称之为“多药药物动力学Poly-PK （poly-pharmacokinetics）”。这个新思想利用代谢组学技术，对药物自身的化学成分、体内产生的次级代谢成分，以及生物体的内源性的代谢物三组变量同时进行定性和定量检测，联合生物信息学方法对所获得的数据进行差异性和关联性的分析比较，获得远远多于传统药代动力学方法所能得到的药物代谢信息，体现复杂药物整体成分的代谢效应。在这种新的研究策略下，我们于2012年将Poly-PK成功应用于普洱茶对人体代谢影响的研究，初步验证了其有效性和可行性。2015年应邀在Science杂志有关传统药物研究的副刊上撰文总结了多成分中草药体内Poly-PK的新策略。 最近，我们与正在开展复方中药黄芪汤I期临床研究的刘平教授团队合作，对健康志愿者服用中药黄芪汤（含黄芪和甘草两味药）前后药物的多种化学成分在体内的吸收、代谢过程、以及对机体代谢网络的影响进行了系统研究。 研究结果显示黄芪汤包含有84种不同的化学成分，服药前志愿者体内被检测到292种体内代谢物，服药后则被检测到有532种代谢物。对服药前与服药后各时间点的代谢物分析比较，发现其中有485种代谢物发生变化，并且这种变化与服用黄芪汤有关。经生物信息学分析得知，黄芪汤中有56种成分是以原型成分形式被吸收进入血液，还有292种新成分（黄芪汤的次级代谢物）是黄芪汤中的原药成分通过机体代谢新产生的。另外，有166种体内的代谢物（内源性代谢产物）由于服用黄芪汤发生了显著变化。在此基础上，对这3组数据的相关性进行了系统分析。同时，黄芪汤成分被体内吸收和代谢后，能显著调节机体数十种内源性代谢物通路，也就是说黄芪汤中的成分在体内代谢过程的同时能对机体的代谢发生影响，即产生了药效作用。 这个工作首次在临床试验中验证了Poly-PK研究思路的有效性和技术可行性。我们将Poly-PK结果与常规的药物PK结果做了比较，用UPLC-TQMS（三重四级杆）定量检测的五种药物成分与Poly-PK中的相应结果完全一致，但是后者能够提供的信息远远超出前者，所检出的化合物种类和数量、观察到的药物互相作用关系，以及获得的人体代谢应答信息（药效信息）是基于单一化合物的传统PK方法无可比拟的。 Poly-PK也同样适用于复方化学药（西药）的研究。从Poly-PK概念的提出，到采用普洱茶在人群中开展验证性研究（proof of concept study），再到真正意义上的临床药代动力学研究，历时7年，因为觉得有意义，便一直摸索着做下来了。Poly-PK整合了药物分子轮廓分析和定量代谢组学技术，采用一系列多变量统计分析方法，可同时对数百种药物成分的体内代谢变化以及人体的代谢应答（药效）进行系统评价，研究展示了复杂的（黄芪汤中的）药物原型成分、经过代谢的次级成分、机体在（黄芪汤）药物影响下发生的代谢变化以及三者之间的相互关系，在系统水平上描绘出复杂药物系统的体内ADME全过程。 主要参考文献 1. Lan K, Jia W. An integrated metabolomics and pharmacokinetics strategy for multi-component drugs evaluation. Current drug metabolism. 2010, 11(1):105-14. 2. Xie G, Zhao A, Zhao L, et al. Metabolic fate of tea polyphenols in humans. Journal of proteome research. 2012, 11(6):3449-57. 3. Lan K, Xie G, Jia W. Towards polypharmacokinetics: pharmacokinetics of multicomponent drugs and herbal medicines using a metabolomics approach. Evidence-based complementary and alternative medicine: eCAM. 2013;2013:819147. 4. Jia W, Fang T, Wang X, Xie G. The polypharmacokinetics of herbal medicine. Science, The Art and Science of Traditional Medicine. 2015, 350, 6262:871. https://www.sciencemag.org/custom-publishing/collections/art-and-science-traditional-medicine-part-3-global-impact-traditional 5. Xie G, Wang S, Zhang H, Zhao A, Liu J, Ma Y, Lan K, Ni Y, Liu C, Liu P, Chen T, and Jia W. Poly-Pharmacokinetic Study of a Multicomponent Herbal Medicine in Healthy Chinese Volunteers. Clinical Pharmacology Therapeutics. 2017, Jul 4. doi: 10.1002/cpt.784. .
20993 次阅读|45 个评论
代谢组学：我住长江尾
热度 32 weijia2009 2016-9-12 08:49
代谢组学：我住长江尾 贾伟 最近代谢组学的创始人、英国帝国理工的Jeremy Nicholson教授一直在鼓吹“表型组”，即Phenomics。表型组的概念目前还不是那么清晰，可以笼统地理解为研究某一生物或细胞除了基因组以外的所有组学的集合，而其中最核心的部分，就是代谢组！上个月复旦大学的唐惠儒教授（唐教授曾在帝国理工的寺院练过多年的弹指神通）告诉我，复旦的金力教授正在牵头开展基于表型组的大型队列研究。在队列研究的范畴内，他们把表型组定义为个体从胚胎发育到出生、成长、衰老以及死亡过程中的形态特征、功能行为、分子组成规律，分成三个层面 - 生物特征、物理特征、化学特征，来进行系统的测量。 我个人很推崇这个表型组研究的策略，因为前面文章讨论过 – 基因组学不可能是精准医学的唯一手段。如果说疾病是遗传因素和包括生活方式在内的所有环境因素共同作用的一种结果的话，表型组反映的信息则更接近疾病本身。 我们知道细胞内的生命活动由众多基因、蛋白质、以及小分子代谢产物来共同承担，而上游的（核酸、蛋白质等）大分子的功能性变化最终会体现于代谢层面，如神经递质的变化、激素调控、受体作用效应、细胞信号释放、能量传递和细胞间通讯等，所以代谢组处于基因调控网络和蛋白质作用网络的下游，所提供的是生物学的终端信息。如同我们在长江的上游建大坝或对江水改道，这些项目的生态影响会在下游的河道和地域体现出来一样，我们经常说，基因组学和蛋白组学告诉你可能发生什么，而代谢组学则告诉你已经发生了什么。 我们称细胞内的代谢物特征性变化为代谢指纹 (Metabolic Fingerprints)，分泌到胞外的代谢物为代谢足迹 (Metabolic Footprints)。与基因组、转录组学和蛋白组学比较，代谢组学还具有以下特点。首先，基因和蛋白表达在功能水平上的微小变化会在代谢物上得到放大，从而使检测更容易；其次，许多基因和蛋白的非功能性变化不会在代谢物上反映出来，从而起到了上游信息向下游传递过程中“噪音过滤”的效果；第三，代谢物的种类要远小于基因和蛋白的数目，物质的分子结构也要简单得多，因而代谢组学所采用的代谢物信息库，远没有全基因组测序及大量表达序列标签的数据库那么复杂。另外，常见代谢产物在各个生物体系（如植物的初级代谢、微生物、动物）中都相似，所以代谢组学研究中采用的平台技术可以在不同的生物体系中得到应用。 唐人孟浩然有两句诗 - 人事有代谢，往来成古今。从万物皆有兴衰代谢的角度来看，我们的生物世界其实是由代谢组组成的，是这些不同的代谢组让我们生物界呈现出五彩缤纷、气象万千的表型。我们地球上的各种植物含有几十万种（大约25－50万种植物化学分子）代谢物，微生物界大约有几万种代谢物，而我们哺乳动物体内常见（分子量小于1500）代谢产物有5－7千种。这三类代谢组互相渗透，植物和微生物的代谢物通过食物、营养补充、药物等形式进入我们人体的代谢网络，也使我们每一个人的代谢表型呈现出各种不同的特征。 我曾经在以前的一篇博文中把人体的代谢网络比喻成我们所居住的都市交通网络，从市中心（譬如上海的人民广场）到城市外围的任意一点（如浦东国际机场）理论上有无数条途径可走，但大家都知道最可行的途径也就是少数几条。而我们现在究竟要走哪一条道路去机场，主要看这一刻我们的交通工具、交通状况、时间和资金情况。生命活动其实也是一样的，我们人类三万多基因，尽管功能基因所占比例不大，但它们排列组合之下，就会出现无穷多种可能性，而奇妙的是，在指挥系统近乎无穷多种可能的指令下，仅仅产生出几万种蛋白，而下游的代谢物和代谢通路更少，尤其是主要的代谢通路（交通主干线）更是屈指可数，可以在一张白纸上画清楚。那么这说明什么呢？说明再复杂的生物系统在它的功能层面有着简单的、共性的一面。有人对收集到的各种癌细胞进行检测，发现了共有大约5百万种基因突变方式，但这些变化再复杂还是有章法可循的，它们无非是要在功能层面（譬如代谢层面）实施调整和转换，达到一个或几个简单的目的 – 要么获取更多的能量，要么获得更多的物质，或者设法排除更多的废弃物，或者增强自身的抗氧化抗应激（抗药物）能力。总之癌基因调控的目的明确 - 要生存、增殖、从周边掠夺资源并向周边扩散。如果我们能够这样来看问题，我们就可以在寻找共性的变化中把复杂问题简单化，而代谢组学将是疾病分子表型和功能研究中的一门核心技术！ 再举个例子来说明为什么代谢组学重要。现在肠道菌群研究已经成为科技界最为火爆的领域之一，你搞生物的话要是不谈点菌群啥的你都不好意思出门开会！但是，这个领域目前玩的只有一个技术 – 测序，不是16S rRNA测序就是NextGen宏基因测序！测序告诉我们的是什么呢？是肠道细菌的种类信息，从门到属到种（有时甚至能到株）的分类和丰度值，如同你要研究一个城市的安全问题，这个检测技术可以帮你搞到一本覆盖全市大多数居民的花名册，仅此而已。两个肠道菌群组成相差很大的健康人站在一起，我们无法判断他们结构上的差异意味着什么，如果两个人用同一种饮食，这些菌群差异在两个人代谢和生理上会带来的什么样的功能性变化我们尚难以预测。当然菌群研究者们说他们可以通过检索数据库获得功能信息，但这些功能信息怎么来建模预测呢？每一种代谢功能下各种细菌进行相加或是加权后相加？那么互相抵消互相干扰的怎么算呢？最简单明了的代谢功能表征方法就是测代谢组！由此获得的数据是各种细菌集成的功能以及与宿主共同作用下的最终结果！ 但是，代谢组学目前尚无法全面进入精准医学和相关健康领域的产业化服务。其主要瓶颈有两个，一是标准化的问题，二是通量的问题。代谢组学往前发展的一个必经之路是定量化和标准化。基因测序技术目前成为转化研究和技术产业化的首选工具，一个重要原因是这种高通量检测技术的标准化已日渐成熟并正在行业内逐步得到普及。目前国内测序行业多家企业在基因组数据分析处理（包括测序采样与分析、碱基读出、载体标识与去除、拼接与组装、间歇填补、重复序列标识等等）逐步建立了统一的标准和流程。我们可以把华大基因比喻成秦统一六国，它积极参与国际领域内大数据管理、整合和共享标准的建立，利用自身硕大的测序平台体量和技术实力，在技术标准方面成为行业内的执牛耳者。而代谢组学则还没有发展成熟，还处于春秋战国诸侯争霸时期。 目前代谢组学除了核磁共振仪外，主要 分析仪器 为质谱。而包括 飞行 时间质谱(TOF)、三重四级杆串联质谱(TQ)、四级杆 飞行 时间串联质谱(QTOF)、离子回旋共振质谱（ICR)、轨道离子阱（Orbitrap)等高分辨质谱仪的生产厂家不下十家。这些厂家都有自己独特的仪器配置、数据处理软件、以及数据库。不同厂家用的工作软件和数据库之间都无法对话（cross-talk），因此一旦购买了某一个厂家的设备来做代谢组学，研究者往往只有照搬该厂家提供的全套分析工具，因而整个行业缺乏包括数据处理标准、数据分析途径、生物描述规范、以及报告标准在内的统一的代谢组学标准流程或标准协议。对于代谢产物鉴定，各个实验室的做法也是参差不齐，有的完全依赖国际数据资源库，有的用厂家自带数据库，有的用自己的标准品来鉴定，以致于数据的质量良莠不齐！ 代谢组学要想全面进入临床医学和健康产业的服务领域，需要化大力气解决技术平台的行业标准化问题。从代谢组学设备生产厂家到各个实验室之间都需要逐步改变工作模式，从各自为战百花齐放到互相合作统一标准，共同建立行业内的技术规范，不同平台产生的数据可以交互验证（cross-validation），最终建立起一个行业内可以共享的代谢组学数据库。 也只有在行业普遍接受的技术标准的前提下，我们才可能扩大检测规模。而没有一定的检测通量，例如一次检测数万或数十万样本的能力，代谢组学技术也很难在大型研究项目和精准医学领域扮演一个有意义的角色。前面说到复旦大学开展的基于大型队列的表型组学研究，目前已经纳入计划的队列达到二十万人，以每个人在六个时间点采集样本计，总样本数就达到了120万份，随着计划的推进，样本数将持续上升。可以想象，只有采用统一的技术标准和具备足够检测通量的代谢组学实验室才可能承担这类项目的研究工作。 记得八十年代读书的时候看过一部纪录片《话说长江》，有二十五集，当时这部电视播出后举国轰动，中国观众在信息闭塞了几十年后，通过一条流淌了数千万年全长六千多公里的河流的介绍，第一次直观的、全景的在电视中看到了自己国家广袤的大地、多彩的人文、以及长江流域美丽的自然风光。每天晚上随着主题歌响起，每个人的心里开始激动和期盼，“你从雪山走来，春潮是你的丰采；你向东海奔去，惊涛是你的气概…… ”同样，我们今天尽管科学高度发达，人类对于自身几乎是所有的重大疾病的发病机制的认知水平还处于Dark Ages（黑暗时代）阶段，随着基因组学的日趋成熟和表型研究工具如代谢组学的广泛应用，我们将会把基因和表型信息连接起来，有可能逐步打开一些疾病的黑箱，像了解一条古老的河流一样逐步认识我们的生命，一步一步地逼近疾病和生命的本质！
27965 次阅读|51 个评论
代谢组学和蛋白质组学技术检测、咨询。
Wastonchow 2016-7-12 09:47
上海阿趣生物科技致力于为广大科学家提供全面的代谢组学，蛋白组学和脂质组学解决方案，从实验方案设计、样本收集、保存等前期准备工作，到代谢物上机检测，数据分析处理（多元变量统计分析），再到后期数据的生物学解释，信号通路分析，文章发表，提供全方位的解决方案。公司建成了世界一流的代谢组学仪器检测平台（ UPLC-QTOF-MS 、 UPLC-QQQ-MS 、 Q-Exactive 、 GC-TOF-MS 、 GC × GC-TOF-MS 、 NMR ），可以为科研工作者提供非靶标代谢组学（医学、植物学、微生物、药物代谢组学和脂质组学）和靶标代谢组学（ GC-MS 靶标代谢组学、 LC-MS 靶标代谢组学）的检测服务。帮助客户发表了众多 SCI 文章，服务客户超过 800 多家，处理超过一万多例的样品，成为国内一流的代谢组学服务专家。 公司详细业务介绍可查看上海阿趣官方网站： http://www.biotree.com.cn/ 或 http://www.biotree.cn/ 公司已经成为瑞典 Umetrics 公司 SIMCA 软件国内独家代理，并定期举办多元变量统计分析（ SIMCA 软件）培训班，为国内广大 SIMCA 用户提供专业的培训。若有需要，可随时电话联系！ 周先生 联系电话： 13817804193 Q Q: 2881479531
535 次阅读|0 个评论
通过比较蛋白组学和代谢组学揭示钙调控草坪草狗牙根抗冷机理
WileyChina 2015-3-4 15:48
标题： 通过比较蛋白组学和代谢组学揭示钙调控草坪草狗牙根抗冷机理 Title: Comparative proteomic and metabolomic analyses reveal mechanisms ofimproved cold stress tolerance in bermudagrass ( Cynodon dactylon (L.) Pers.) by exogenous calcium 作者： Haitao Shi1, Tiantian Ye1,2, Bao Zhong1,2, Xun Liu1,2 and Zhulong Chan 1 摘要： 钙在植物生理活动中起重要作用，各种外界和内在的信号因子所导致的植物反应大多与钙信号转导有关。钙 作为一种第二信使，介导了许多信号反应，并参与了众多生理过程。那么， 钙 信号是如何获得对某种刺激信号的特异性反应的呢？研究表明细胞内存在许多控制 钙 信号特异性的因素。目前，在模式植物拟南芥中的研究表明， 钙 与钙结合蛋白的结合使它们的构象发生改变，从而调节它们的活性或调节它们与靶蛋白的结合能力，进而调节靶蛋白的功能及活性，最终参与众 多生理过程。然而，钙信号与狗牙根的抗性胁迫的关系还不清楚。 在本研究中，发现冷胁迫处理快速诱导了钙离子的含量；外源钙离子处理提高可以显著提高狗牙根对冻害胁迫抗性，而钙离子的螯合剂乙二醇双四乙酸（ EGTA ）处理降低了狗牙根对冻害胁迫抗性；同时外源钙离子和 EGTA 处理均可以改变冷胁迫时的活性氧积累，抗氧化酶活性及非酶促的谷胱甘肽的含量。进一步的蛋白质组学和代谢组学研究鉴定了一系列在正常和冷胁迫处理情况下被外源钙离子调控的 51 个差异表达蛋白（富集在氧化还原，三羧酸循环，醣酵解，光合作用，氧化磷酸戊糖等代谢途径）和 42 种代谢物（包括氨基酸，有机酸，糖和糖醇），分析表明部分蛋白和代谢物整合在碳代谢和氨基酸途径中。 综合以上结果，从生理学、蛋白质组学和代谢组学多角度解析了内源钙和外源钙调控草坪草狗牙根抗冷胁迫的机理。 期刊介绍 影响因子： 3.448 JCR 排名： 2013: 25/199 (Plant Sciences); 102/291 (Biochemistry Molecular Biology) 期刊简介： J ournalof Integrative Plant Biology 杂志旨在报告跟所有植物的生物进程有关的科学新发现，并且利用整合基因，化学，细胞和分子生物学的方法去了解微观和宏观范围的植物。 发表在《植物学报》 Journalof Integrative Plant Biolog y 的文章应该符合以下六个主题中任意一个主题：1）细胞和发育生物学；2）代谢生物学和生物化学；3）信号传导和应激反应；4）系统生物学和分子生理学；5）有性生殖；以及6）分子进化生态学。我们优先考虑对重要植物生态学问题做出解答，并且提供研究所需的必要的技术 。
个人分类: 草稿|1 次阅读|0 个评论
组学的未来
热度 22 weijia2009 2012-3-25 05:35
组学的未来 贾伟 2011 年 10 月 1 日出版的 The Scientist 刊出了 Stephen Friend （ 曾经是 Merck 的 Sr. VP 现在是 Sage 总裁）的一篇短文， Opinion: Thinking Outside the Genome 。文章的第一段对组学的未来作了极具煽情的展望。 Today, we’ve gotten to the point where almost no biological phenomenon can escape omics-ization, and within the next 25 years, omics will be the biggest, if not the only, game in town. Why? Because we are about to undergo what experts call a phase shift, where a technology drives a fundamental change not just in what is known, but, more importantly, in how we think of ourselves. Put another way: omics is destined to change our patterns of living in ways that only technological revolutionscan deliver. （今天，组学在我们的生物学中已经到了无处不在的地步，而在未来的 25 年内，它们将在生物学中占据老大的地位－如果还不是垄断地位的话。为什么这么说呢？因为我们正在经历着一种专家们称之为相位移动式的技术进步，这种新的科学技术将不仅动摇我们知识大厦的根基，而且会改变我们对自身（生命）的看法。换句话说，如同一场技术革命的东风，组学注定将吹遍并改变我们生存社会的每一个角落。） 作为组学研究队伍中的一个成员，我不确定是否完全赞同 Friend 对组学技术的这种 more than friendly 、准确地说是抬到了至高无上的极至地位的评价。但这几年来我的确能感受到西方科学从点到面到系统的思维认识上的相位移动，而组学技术无疑是实现这种相位移动的最为有效的科学工具。 这里说的组学（ Omics ）包含了很多个具体的组学技术，英文词根 -ome 表示一类个体的系统集合。基因组学（ Genomics ）主要研究生物系统的基因结构组成，即 DNA 的序列和表达；转录组学（ Transcriptomics ）是在整体水平上研究细胞中基因转录的情况及转录调控规律的一门学科；蛋白组学 (Proteomics) 主要研究由生物系统表达的蛋白质及其由外部刺激引起的差异；代谢组学 (Metabolomics) 则研究生物体（包括细胞、组织或个体）在不同条件下所产生的代谢产物的变化。 我们实验室从事代谢组学的研究。什么是代谢组学呢？我们知道生物体由基因调控下的生化反应以及与环境相互作用所形成的所有的生命活动几乎都发生在代谢层面，都会在代谢物的范围内留下变化印迹。我们称细胞内的代谢物变化为代谢指纹 (Metabolic Fingerprints) ，细胞外的代谢物变化为代谢足迹 (Metabolic Footprints) ，生物体的代谢组实质上最接近于其生理表型，在这个角度下，也可以说我们的生物世界其实是由各种代谢组组成的，也正是这些不同的代谢组让我们生物界呈现出五彩缤纷、气象万千的表型。我们地球上的各种植物含有几十万种（大约 25 － 50 万种植物化学分子）代谢物，微生物界包含几万种代谢物，而我们哺乳动物体内拥有 5 － 7 千种小分子代谢物（分子量小于 1500 ）。这三类代谢组互相渗透，循环往复，植物和微生物的代谢物通过食物、营养补充、药物等形式进入我们人体的代谢网络，也使我们每一个人的代谢表型呈现出各自的特征。 由于一次分析能够观察到成百上千的生化指标的变化，组学技术在疾病诊断和生物标志物的发现方面已经登堂入室，开始强势进入主流的研究领域。以药物基因组为例，一个病人的独特的 DNA 序列对单个药物反应的相互关系可以用来判断其治疗效果和副作用，从而找到与该病人个体基因组或单核苷酸多态性（ SNP ）相契合的最佳疗法。目前药物基因组学已经进入临床，开始扮演起支撑临床个体化医学发展的转化医学技术体系的核心角色，我相信药物基因组技术最终将成为医生为病人选择最佳疗法的常规手段之一。国际上正在广泛开展的肿瘤代谢研究就是一个新兴的传统分子生物学结合代谢组学的研究方向，该方向积聚了大量的来自于医药企业和高校研究机构的研究人员，他们通过代谢组学的手段探测肿瘤分子内的特征性代谢异常，然后采用其他手段如蛋白质分析或分子药理学等方法对关键代谢酶和调控基因进行表征并施加影响，以寻找新型的肿瘤治疗药物靶点。 Friend 在这篇短文中展望：在不久的将来……研究人员、患者和医生之间的关系就好比人人皆可编辑的维基百科中词条编辑者、审核者和登录维基获取知识的大众读者一样。人们会发现运用组学信息，他们也可以成为疾病模型的搭建者，像飞行中的副驾驶员一样跟医生一起决定什么情况下用什么药物，或制订和实施新的治疗方案。 组学的发展现状有君临天下的态势，其应用前景是辉煌灿烂的。但需要认识到的是，它的实质也就是一种科研工具，并不能包打天下！作为一个从事或即将从事组学研究的实验室应该头脑清醒，把握好趋势，寻找好自己的位置和发展契机。以我不成熟的观点来看，未来几年组学技术将以前所未有的速度商品化，我们日常科研工作中需要的绝大多数组学工具将成为一种服务可以按较低廉的价格从专业公司购买到，因此对于尚未搭建组学平台的许多科研实体，需要详细的调研和冷静地思考是否有必要化巨资（一哄而上）进行这样的重复性（甚至是低水平）建设。另外，组学技术将进一步自动化和规模化。从代谢组学的领域来看，我个人预计未来 3 － 5 年将有一系列简便实用的新技术问世，它们包括（ 1 ）高通量、全定量代谢组学技术 (highthroughput quantitative metabolomics) ，针对大批量生物样本尤其是临床样本进行全谱分析；（ 2 ）采用同位素标记物质的代谢通量分析技术 (FluxMetabolomics) ，针对性地研究某一关键代谢通路中的代谢物流量的动态变化和代谢节点（代谢酶）的功能；（ 3 ）代谢组试剂盒 (Metabolomicskits) ，市场将推出针对某一类代谢物进行定量的代谢组试剂盒，如胆碱类代谢物、脂肪酸类代谢物等。因此，从事组学技术研究的实验室需要寻找该技术领域内的不足之处，通过错位竞争建立自己的技术优势和平台特点，避免旷日持久的全面铺开建设或依样画葫芦式的跟踪性研究。 不同组学技术之间的交叉使用和数据关联、组学技术和传统的分子生物学手段有机结合都将是未来转化医学研究的重要手段。前两周我和上海交大 Bio-X 研究中心的万春玲博士对一篇最近发表的精神分裂研究论文写了一个同行（网上）评论，这类评论比较简单随意，类似于写博客，我把其中一段贴到这里，反映一下我们对组学和多指标手段进行生物标志物发现 (Biomarker Discovery) 的粗浅看法： In the old days, scientists used to measure a single molecule or a small set of targeted molecules and extrapolate from these data to predict what was changing in biology in neurological conditions. We often looked at what we knew best to find only what we expected to find; akin to looking under the streetlamp for lost keys. Modern technology makes it possible to use multiple platforms and measure a large panel of molecules in a single biological sample. An unbiased profiling strategy to measure protein or metabolite molecules involved in glucose/lipid metabolism will provide profuse information in uncovering the potential biomarkers of this disease. Recently, we conducted a global metabolite profiling study to identify metabolite markers of schizophrenia ( Yang et al, 2011 ), which revealed characteristic changes of multiple fatty acids and ketone bodies in both sera and urine of schizophrenia patients, suggesting an up-regulated fatty acid catabolism. Fatty acid-binding protein was also observed to associate with T0PANSS score in schizophrenia subjects in Schwarz's study. Therefore, a broad spectrum analysis on key metabolic pathways deserves more attention in discovering and developing clinical molecular tools for schizophrenia. With multiplat form assays employed in the future clinical studies, we will be able to reduce the fuzziness associated with human studies and identify new biomarkers and mechanistic pathways because we are looking beyond the light shed by the streetlamp we were trained under. 说到 streetlamp （街灯），不知怎么就想到了八十年代（我们学生时代）的一首流行歌，齐秦的《狂流》。 北风在吹着清冷的街道 , 街灯在拉开长长的影子 , 走过的路，想过的事 , 仿佛愈来愈远愈来愈长愈来愈多愈难以抛开…… 没有人能挽回时间的狂流 , 没有人能誓言相许永不分离 , 是我的错是你错过，喔 ...... 我喜欢这句没有人能挽回时间的狂流，时间能改变一切，时间也的确改变了一切，也包括我们的科学世界。就像每个时代都有流行曲，我们科学界昨天时兴的是基因，今天是组学，明天又会是什么呢？我想这些恐怕都不重要，都会改变的，新技术你方唱罢我登场，还会有比组学更新的技术问世的。在时间的狂流里，改变的是技术工具，不变的，是我们心里的 Science 。
25666 次阅读|39 个评论
[转载]两项研究揭示益生菌作用机制
drumfish 2012-3-19 10:01
近年来益生菌倍受瞩目，这类小小细菌能通过改善宿主肠道菌群生态平衡而发挥有益作用，那么它们为什么能帮助改善宿主的健康水平呢？近期两个研究组分别在Science-Translational Medicine，PNAS杂志上发表文章，报道了益生菌的作用机制，以及肠道对于益生菌的反应。 研究一： 来自耶鲁大学医学院等处的研究人员通过对双胞胎，以及小鼠的实验室中，发现在人和小鼠中，食用益生菌酸奶不会改变其肠道菌群的种类和基因含量，但是研究也证明，益生菌酸奶在许多代谢通路中都引起了明显的变化，尤其是那些与碳水化合物的处理有关的代谢通路。 益生菌这一概念最早来源于希腊语，意思是“对生命有益”（for life）。早在远古时代，人类的日常饮食中就已经含有乳酸发酵类的食品了。但这种益生菌对肠道中居住的微生物的影响以及对一般健康有何影响则仍然不清楚。 在这篇文章中，研究人员对在一段为期4个月的时间中食用某一含益生菌的酸奶的7组人类双胞胎和小鼠的肠道微生物进行了较为仔细的观察，其中小鼠被进行了特殊处理，它们的饲养情况使得它们只含有典型的人类肠道菌群中的15种细菌，研究人员分析了在食用酸奶之前、当中及之后的肠道细菌的组成和人及动物的肠道菌群的特殊基因表达模式。 结果他们发现，在人和小鼠中，食用酸奶不会改变其肠道菌群的种类和基因含量。但是研究人员又对小鼠肠道细菌的基因表达及其尿液中的代谢物的进一步分析，发现食用酸奶在许多代谢通路中都引起了明显的变化，尤其是那些与碳水化合物的处理有关的代谢通路。 这些结果显示，益生菌食品可能会以微妙、复杂的方式改变我们肠道的微生物组，这值得进行再进一步的调查。 研究二： 另外一篇文章中，研究人员 选择 了一种常见的益生菌——鼠李糖乳杆菌，添加在食物中喂养实验鼠，持续6个星期，进行观察。 行为测试表明，与摄入不添加益生菌的同样膳食的实验鼠相比，经过鼠李糖乳杆菌喂养的实验鼠较少表现出情绪 压力 和焦虑。例如在啮齿动物不适应的开阔环境中，它们能花更多的时间去探索，被放进水里时，体内反映情绪压力的 激素 水平上升幅度较小。 进一步检查发现，这些实验鼠脑部GABA受体基因的活动情况发生了改变。GABA是一种重要的神经递质，许多用于抗焦虑药物是针对它发挥作用的。研究人员说，鼠李糖乳杆菌喂养使GABA受体基因在实验鼠脑部某些区域的活动增强，在另一些区域活动减弱，总体效果是减轻焦虑。
个人分类: 未分类|2975 次阅读|0 个评论
研究热点分析：代谢组学核磁共振研究信息分析报告
xupeiyang 2010-3-22 16:48
相关研究主题： 代谢组学;核磁共振;代谢产物;代谢物;系统生物学;疾病诊断;模式识别;生物标志物;蛋白质组学;证候;中医药现代化;研究方法;代谢物组学;综述;毒理学;分析技术;作用机制;高血压病;重型肝炎 分析平台： http://www.gopubmed.org/web/gopubmed/WEB1mOWEB10O00d000j10020001000f01000j100300.y 检索策略：metabonomics and Magnetic Resonance Imaging 分析结果： 24 documents semantically analyzed Top Years Publications 2008 9 2009 8 2010 3 2007 2 2006 1 2003 1 Top Countries Publications USA 15 France 3 Netherlands 2 South Africa 1 South Korea 1 Spain 1 Top Cities Publications Denver 3 Boston 2 Richland 2 Potchefstroom 1 Paris 1 Dallas 1 New Haven 1 Leiden 1 Philadelphia 1 Detroit 1 Toulouse 1 Chapel Hill 1 Vlaardingen 1 Madrid 1 Durham 1 Orlans 1 1 2 Top Journals Publications Nmr Biomed 2 Biomark Med 1 J Inherit Metab Dis 1 J Hepatol 1 Expert Rev Mol Diagn 1 Mol Diagn Ther 1 J Proteome Res 1 Acc Chem Res 1 J Neurochem 1 J Chem Ecol 1 Clin Cancer Res 1 Cancer Biomark 1 Chem Res Toxicol 1 Tissue Eng Part C Methods 1 Am J Physiol-lung C 1 J Magn Reson 1 J Pharm Sci 1 Toxicol Mech Method 1 Radiology 1 Curr Opin Mol Ther 1 1 2 1 2 3 ... 18 Top Terms Publications Metabolism 23 Magnetic Resonance Imaging 20 Magnetic Resonance Spectroscopy 19 metabolic process 12 Biological Markers 12 Humans 12 Animals 11 Spectrum Analysis 9 Tissues 8 Patients 7 Pharmaceutical Preparations 6 Tumor Markers, Biological 6 Neoplasms 6 Proteomics 6 Proteome 6 Evaluation Studies as Topic 6 Lactation 6 Lactates 6 lactation 6 Glucose 5 1 2 3 ... 18 1 2 3 ... 6 Top Authors Publications Serkova N 2 Park S 1 Wen H 1 Yoo S 1 Kang J 1 Kim H 1 Park J 1 Jeong S 1 Lee J 1 Kwon H 1 Kang S 1 Lee D 1 Kassis A 1 Yang S Y 1 Adelstein J 1 Dib M 1 Pradat P 1 Cottingham K 1 Sherry A 1 De Leon-Rodriguez L 1 1 2 3 ... 6
个人分类: 热点前沿|2726 次阅读|0 个评论
代谢组学的闲谈
热度 10 weijia2009 2010-3-4 10:39
北卡又下了第三场雪，窗外梨花尽开，俨然一片北国风光。晚上洗漱时眼前有什么东西闪了一下，定睛一看，是一只（据说能够给我带来好运的）暗红色的七星瓢虫飞到了面前的镜子上。这次它不去浴缸了，跑到光滑的大镜面上垂直性的徜徉一番，看来在这儿它颇有安全感，开始玩有技术含量的动作了。 前几年听代谢组学领域的一位资深科学家 － 荷兰莱顿大学药物系统生物学中心的 Jan van der Greef教授做报告，在报告的开始部分他把在巴西Pantanal大沼泽地度假时拍到的水鸟捕鱼的录影展示给大家看。视频中的是一群黑剪嘴鸥（Black Skimmer），它们觅食时在空中突然俯冲而下，临近水面时将下喙插入水中分水而行，接触目标瞬间上、下喙迅速闭合，一击而中。 一只红色的小瓢虫在一个东南朝向的卫生间的出现和一只水鸟瞬间捕捉到一条小鱼似乎都是一个孤立的、偶然的现象，其实不然。我们这个世界的奇妙之处就在于它美丽的三维空间里蕴涵了无数复杂的系统性行为。小瓢虫在某处的出现伴随了一个以寻找最佳取暖场所为目的的系统性运动过程；而照片中神奇的黑剪嘴鸥一击成功的捕鱼结果是由一系列前期的系统性侦察行为来铺垫的，正如Jan 在他的报告中所说：an effective strategy combines a certain amount of discovery/exploratory behavior with prior knowledge on the ecosystem － 一个有效的（捕鱼）策略其实包含了熟知该生态系统前提下所进行的相当数量的发现/探索行为。《岳阳楼记》里对洞庭湖的有沙鸥翔集，锦鳞游泳的描述，风景煞是美丽。我们也许并未想过沙鸥在水面上的翔集不是自由和随机的，而是跟水面下游泳的锦鳞的动向高度关联的，如果我们要做一个代谢组学中的Scores plot，就会得到以水面为界的两个动物聚集(clusters)。 我的同事Ron Morrison曾经认真地问我什么是代谢组，如何采用代谢组学进行合作研究。他是研究胰岛素信号转导MAPK通路中的ERK 和JNK途径的，我问他知道跟肥胖表型相关的一共有多少个基因多少条通路？他所研究的JNK途径对于一个肥胖表型的发生大致贡献率是多大呢？他摇摇头说这些都说不好。我说打个比方，从我们校园到Greensboro的飞机场理论上有无数条途径可走，但你我都知道比较可行的途径也就是少数两三条。现在的问题是都不知道这2－3条最重要的通路时，我们各自在自己熟悉的道路上潜心研究，都发现了有通往机场的车流量经过你的Market Street和我的Spring Garden Street，都认为自己研究的可能就是那主要的2－3条道之一，十年以后也许我们认识到我们都错了。现在我们有一种技术对交通的正常状况、繁忙状况和瘫痪状况进行航拍，通过比较发现当XYZ共3条道路阻塞以后前往机场的交通才真正瘫痪，那么我们就可以有针对性地研究这几条道路了。代谢组学就是这种航拍技术，它不做任何假设，针对疾病和健康两种状态（人群）进行代谢物全谱检测，帮你寻找出与疾病相关的一组差异物，可能会有好几十个，从它们所在的被上调或下调的代谢通路上我们再去找到关键的代谢（限速）酶，再找到它们上游的调控基因。代谢组学有很多功能，如生物标志物的发现，疾病早期诊断和预测，药物或营养干预的评价，药物毒性评价，代谢工程研究，等等，但它也仅仅是个平台技术，不是万能的，无法独立开展机制性研究；而用代谢组学与分子生物学协同研究，进行导航，就可以起到事半功倍的作用。湖面上的黑剪嘴鸥需要在空中对河面浅水层的鱼群进行系统扫描，确定具体区域和目标后，开始俯冲攻击。在这种协同作战中代谢组学完成前面的勘察工作，完成后面致命一击的多半是我们分子生物学的同仁。我们人类已知的小分子（分子量小于1000）代谢物大概有2500种左右，能被我们常规分析仪器检测到的大致有一半，1200种左右，但我们尚无法确定其所有的结构。目前世界上较好的代谢组学实验室通常能一次性在一个生物样本（如血清）中同时鉴别出400－600 个内源性代谢物，可见代谢组学还有很大的上升空间，当然其处理的数据量和后期生化通路诠释的工作量也是非常庞大的。 我们代谢组学的第一个十年（从上世纪末到两三年前）用一句话来总结是 － 欧洲发起和领跑、中国很快跟上。过去十多年我们的目光一直紧盯着英国帝国理工的Jeremy Nicholson教授的实验室、原德国马普现在美国加州大学Davis分校的Oliver Fiehn实验室、以及荷兰的Jan van der Greef实验室。我们的领域内曾经有Metabonomics 还是Metabolomics 之争，说得更实在一点是核磁共振（NMR）与质谱(Mass Spectrometry)孰优孰劣之争。今天的学术会议上已经少有这种争论了，因为我们的视野已今非昔比了，用什么名字其实无所谓，质谱技术在代谢组学领域的应用已经逐渐成为主力军；而在生物样本的微量和无损检测以及在组织样本的原位检测方面核磁分析技术有无可替代性。中国科学家之间（先于外国科学家）开展交叉合作、取长补短的一个标志是2007年国内三个实验室 － 中科院大连化学物理所的许国旺实验室、武汉数学物理所唐惠儒实验室以及我所在的上海交通大学实验室合作申请973项目，将核磁、气质和液质两种技术三个平台捆到了一起。 代谢组学发展的第二个十年正在酝酿着巨大的变化。除了领域中像Jeremy 和Jan等几位欧洲的标杆性实验室以外，北美洲正在全面崛起，其速度已经远超出中国。从仪器硬件上，美国的代谢组学实验室大多装备精良，我目前负责的代谢组学核心实验室( http://www.dhmri.org/about.html )拥有10台最新型号的液质（包括Waters UPLC-HDMS）和气质(GCxGC-tofMS)以及包括950MHz在内的3台核磁共振仪，这样的重型武器配备堪称北美最强之一。据我所知，美国还有几个地方正在立项筹建大型代谢组学研究设施。软件方面，美国的少数几个实验室已经成功解决了困扰质谱代谢组学研究的几个瓶颈，全面加快了从高通量样品分析到完成海量数据分析的整个研究过程，基本可以随心所欲地把整个平台应用于农业、植物、临床医学、药物或营养等任何一个领域的项目研究中去。导致近年代谢组学在美国快速发展的原因有很多，NIH在内的政府资助和导向是一个重要推动力；另一个原因是工业界尤其是制药工业界经历了（前些年）蛋白组和代谢组学骤热以后出现的冷却，逐步理性地认识了组学平台技术的优势和技术局限性；另外，一个最重要的原因或许是美国的代谢组学研究与欧洲的发展模式不一样，他们没有包袱、不拘一格，一开始就与分子生物学以及其他学科协同作战，相得益彰，美国高校和研究院所高水平的生物学基础为代谢组学在生化机制、转化医学方面的深入应用提供了其他国家所不具备的强大的推动力。
个人分类: 未分类|46698 次阅读|30 个评论
普洱茶的随笔
热度 4 weijia2009 2009-6-11 08:48
今天早上秘书Eileen 拿着她的priority list 问我那篇关于普洱茶的科普介绍写得怎么样了，这是她第三次“委婉地”提醒我了。两周前Salisbury Post 的记者Emily Ford 来实验室采访了我们的草药研究，写了个报道，文中提到了我们目前做的普洱茶的工作，看来UNCG本部也想做个相关报道。我跟Eileen 说下班前给她。 刚化了个把小时写了个两页纸的普洱茶的介绍，停下键盘突然想或许更应该写个中文的随想什么的，想记下一些跟这个茶有关的片段。 普洱茶的英文大多写成Pu-erh Tea, 这里的人一发音就变成Poor Tea，不好听，我稍加改变，跟他们说可以发成Pure Tea，这下基本解决问题了。实验室里刚安装调试好了一台液相色谱-时间飞行质谱仪，下面可以做些化合物的profiling分析了。另外分析茶中的一些成分还需要我们正在安装中的气相色谱（时间飞行）质谱仪 – 5年前我们组就是以这个类型的气相色质联用仪为核心在上海交大建立了代谢组学技术平台，而我的博士生（现在是我UNCG的博士后）邱云平则一贯简称它为“气质”，经常跟我说他的气质不错，结果如何好，现在我的很多学生自然也都颇具“气质”了。说到这里想起了另外一个“歪理”，记得Waters－北京的舒放一次在做报告时阐述质谱仪对天然产物的分析古已有之，他引用清初王夫之的话“盖格物者，即物以穷理，唯质测为得之”。他翻译成“如果要不断深入地研究事物的话只有用质谱去测定了”，乍一听还比较妥贴。我们UNCG这些中药的“质测”工作还没正式开始，附近的茶叶商可能已经乐坏了，因为整个NCRC（North Carolina Research Campus）好像都在尝试这个来自中国的 Pure Tea。上周二我在NCRC作了个讲座，Eileen 和 Stephanie 给听众们准备了冰水、绿茶和普洱茶，我注意到普洱茶最快被喝光。 第一次接触普洱茶还是90年代初在密苏里州的圣路易斯吃广东早茶，记得那是一家叫“皇宫”的餐厅，点心很棒，但端上来的所谓的普洱茶比较难喝，尤其是第一杯没泡开时的味道，我还寻思怎么这个店子把刷锅水给弄出来给我们喝。后来换了几家早茶店好像都一样，喝到的都是这个带“土味”的红棕色的茶。其实普洱茶就是这样的，泡起来色泽褐红，具有独特的陈香味儿，很多人开始不太习惯。 普洱茶取名于云南一个叫普洱的小镇，用云南大叶种晒青茶为原料，采用当地的发酵工艺加工而成。按照发酵方法，有“生茶”（即制成晒青令其在自然存放中缓慢发酵陈化）和“熟茶”（即将晒青以高温、高湿加速发酵）两类主要品种。我在天津大学工作时去过两趟云南（位于中越边界）考察那里的三七基地，在云南买了不少普洱茶回家尝试着喝，渐渐地也习惯了。去年秋天刚来北卡时，UNCG历史系有个叫James Anderson教授约我聊天，他居然用一口流利的普通话跟我聊了他对中国文化的很多看法，其中他就讲到了普洱茶以及把普洱茶运往外地的“茶马古道”。跟一个老美聊天的话题能一直深入到祖国西南边陲的茶马古道是我始料未及的。以前云南普洱茶外运的路线，最主要的有“三道六线”，三道即：北道一线至北京；西道一线至西藏；南道四线出南洋或再到各地。James曾对这个文化背景做过研究，颇有心得。其实很多外国人对中国的研究还是很有独到之处的，几个月前审稿读到一篇瑞士人写的云南沙溪一带的民族草药介绍，把当地一些药用植物的情况和变迁说得头头是道，真是（用我们江浙话讲叫）另有一功！ 普洱茶据称有不少功效，最有名的便是降脂。我们对普洱茶真正的兴趣产生于课题组的邱明丰副教授06－08年被上海市委组织部从交大派往云南版纳州挂职担任主管科技的州长助理这段时间。明丰中途回上海时问我做点什么合作好，他提供了一个很长的傣药的list，我只选了普洱茶，跟他说如果我们能对这个茶做几年研究，弄懂些东西就相当不错了，其他的傣药做不了，也别去浪费时间了。后来便设计了一个比较系统的实验，由明丰负责提供道地的普洱茶产品，我们动用了当时交大新配置的超高效液相－四极杆－时间飞行质谱，分析了三个相邻产地的普洱茶品种在成份上的细微差异，分析了普洱茶与（也是发酵茶的）传统红茶在成份上的主要差异，分析了不同存化时间（从1年到10年）的产品成份上的差异，初步弄清楚了存化时间越长（所谓价格越贵）其主要成分的变化规律，譬如“茶龄”越长，茶内具有生物活性的表儿茶素含量显著上升，而咖啡因会下降。当然最有意思的是“临床”试验 － 我们组内很多研究生报名参加了这个长达6周的实验，在澳门大学读双硕士学位的叶茂被调回来组织和牵头这个实验，每个学生一日三餐吃规定食物，在规定时间喝定量的普洱茶，在规定时间采集尿样（肯定是超过了政府部门“双规”的严格程度）。实验发现了一些有意思的结果，如普洱茶使得inositol 和3-chlorotyrosine等一系列内源性代谢物的含量（朝着有益于脂代谢的方向）明显波动。而当大家停止饮用普洱茶两周后，其尿液代谢谱并未像我们预期的那样恢复至饮用前的状态。多元统计分析发现导致这个“代谢状态”异常的差异性代谢物大多是跟肠道菌群代谢有关的产物，也就是说饮用普洱茶在很大程度上改变了受试者的肠道菌群结构，使得人体代谢谱在停止饮茶后持续停留在“另一个”状态。我们结合其他几个实验的结果，推测所谓的饮茶甚至很多的“dietary intervention”之所以能有益我们的健康，一个重要原因是它们对于人类肠道菌群所施加的结构性的调整，帮助我们维系了一个更好的微生态平衡。肠道菌群对于我们的健康重要性超乎我们的想象，我经常光顾我的合作者－上海交大的赵立平教授的博客去及时更新我在这方面的知识，（一方面也看看他最近在捣鼓些什么新东西）。 写到这里应该说普洱茶的研究才刚开始，我觉得对于（别人研究了多年的）传统药物和饮品进行新的研究最主要的是要解决一个研究策略的问题。在天然产物中寻找单个活性分子的西方主流式做法已经难以为继，这个普洱茶就可以为例，里面几乎没什么稀奇古怪的成份可供活性筛选。我们的前人用含有多种成份的疗法去“调理”一种复杂的人体疾病是个事实，也是个模式，我们自然也要用这个（把多种成份视作一体的）模式去设计实验，寻找它在整体水平上（譬如代谢水平、表观基因表达水平）造成的影响和变化，然后再作还原性分析，在局部寻找其关键“节点”上的变化。当然与此同时这些天然化学成份也可以逐步分离简化，直至找到仍能保持其整体活性的基本组合和单元。用这样的思路去重新设计实验，开展整体性的营养研究、天然和传统药物研究应该是我们课题组长久的研究策略。
个人分类: 未分类|10101 次阅读|15 个评论
以代谢物组学为参照介绍血液指纹图谱中医药信息学研究方法
zhj71626 2008-6-23 13:11
以代谢物组学为参照介绍血液指纹图谱中医药信息学研究方法 赵宏杰（吉林市中医院 吉林 吉林 132011 ） 雷钧涛 （吉林医药学院 吉林 吉林 132011 ） 摘 要：血液指纹图谱中医药信息学研究方法是一种新的中医药现代化研究方法，为方便大家了解和认识这一方法，特以代谢物组学为参照介绍了它的一些特点。 中国图书资料分类号： R2-03 　　 文献标识码： A 主题词 : 代谢物组学 血液指纹图谱 中医药信息学 藏象信息模型 近年来，笔者结合系统生物学、中医药信息学和生物信息学等学科的最新研究成果，提出了血液指纹图谱藏象信息模型这一中医药信息学研究新方法。为方便大家了解和认识这一方法，下面以代谢物组学为参照介绍它的一些特点。 - 1. 代谢物组学 代谢物组学是以代谢物分析的整体方法来研究功能蛋白如何产生能量和处理体内物质，评价细胞和体液的内源性和外源性代谢物浓度与功能关系的学科。是系统生物学的重要组成部分。通常采用绘图技术，现代分析测定方法 (NMR,HPLC,MS) ，以及应用计算机技术和统计学方法，以高通量实验和大规模计算为特征，完成细胞或者生物样品所有代谢物的指纹图谱。 其核心思想是它能够通过整体代谢物图谱，直接认识生物体的生理和生化状态 . 代谢物组学通过研究 代谢指纹图谱 的变化，能更直接地反映体内生物化学过程和状态的变化。其研究对象主要是生物体液，如尿液、血液，主要研究手段是核磁共振。代谢物组学在药物模型识别和确证、作用机制研究和安全性评价等方面具有重要的理论意义和应用价值。 - 2. 血液指纹图谱中医药信息学研究方法 在日、年等完整的生命节律时段内，连续提取血液并制作血液指纹图谱，根据中医子午流注和藏气法时等中医时间医学理论，构建动态的有时间变量的中医学的人体生命信息模型，血液指纹图谱藏象信息模型。实现中医学的理论表达，并在此基础上以信息技术实现中医学的研究与实际应用。 - 3. 以代谢物组学为参照介绍血液指纹图谱中医药信息学研究方法 3.1 指纹图谱方法是一种信息学方法，代谢物组学研究表明，指纹图谱方法可以直接认识生物体的生理和生化状态和随时空变化的情况。不仅关心代谢物质的整体也关注其动态变化规律。 3.2 血液指纹图谱能比代谢指纹图谱，更完整的认识生物体的生理和生化状态 . 。代谢物组指生物体内的所有小分子代谢物，是生物体的特定部分在特定环境中，经基因组表达和新陈代谢产生的中介物及终产物。血液所包含的成分比这还要多，血液大致相当于系统整体代谢物组。所以，血液指纹图谱能比代谢指纹图谱，更完整的认识生物体的生理和生化状态 . 。 3.3 中医通过子午流注和藏气法时等中医时间医学理论，对生物体的生理和生化状态即功能单位进行划分，系统生物学以信息建模与系统整合为目标，血液指纹图谱藏象信息模型实现了这一目标，而且遵循了中医对系统 由上而下划分的原则，进行的信息建模。 3.4 藏象生理血液指纹图谱即人体正常的生理和生化状态，藏象病理血液指纹图谱即人体异常的生理和生化状态，也就是证的血液指纹图谱。 1992 年程士德教授在他编写的《内经理论体系纲要》一书中说：藏象学说的实质就是关于人体形态结构、生理功能、物质代谢、病理变化的高度概括，是一个综合性的概念。 中医药学从认识和掌握人体功能状态的变化规律入手，初步揭示了人体生命活动的变化规律。证候既然是中医对疾病过程中人体功能状态的概括和总结，因此，用生理学方法探讨中医证候是证候研究的前提。。 　　中医学的证候的观点，即对人体状态加以认识、分类和调控的观点，是目前现代医学对人体状态分类所没有的，通过中医对人体所处证候的分类，用现代科技手段通过对生理信息的处理，从而认识人体的状态特征，是中医学证候现代研究的基础性和前提工作。 证是人体在疾病过程中某一阶段的病理概括，是机体对病因的整体反应状态，它反映了藏象、经络、气血津液等功能结构的异常变化。不同的证候标示着机体不同层面的整体功能异常，中医把认识疾病的焦点放在了整体功能上，用各种辨证方法把病人身上出现的整体功能异常辨别为各种有特异临床表现的证，每一种证实际上都是有特征内容和表现的整体功能异常态，可见，证的本质应是整体功能的，而不是解剖形态的。 - 证本质研究又是证型规范化的前提与基础，是中、西医两种医学体系深层次沟通的必由途径。所以深入地探索中医证的诊断或评价指标、尝试对其进行定性定量的表达研究，是中医证型规范化及建立中医疗效评价指标体系的重要指标，具有实际的临床应用价值。 4. 血液指纹图谱突破了制约代谢物组学中医研究的瓶颈 目前，代谢物组学通常采取核磁共振（ NMR ）、质谱（ S ）、高效液相色谱（ HPLC ）为代谢物组绘制图谱。代谢组学之父、英国伦敦帝国理工学院 Jeremy Nicholson 教授认为，人体应该作为一个完整的系统来研究，应用代谢组学和全面性系统策略来理解疾病过程，与中医的整体观念和辨证论治思维方式不谋而合。〔 13 〕 中医界非常多的学者也赞同这个观点，但是，（ NMR ）这样的昂贵设备限制了代谢物组学中医研究的开展。而血液指纹图谱藏象信息模型的研究，主张以红外和拉曼光谱制作血液指纹图谱，这样，既可以保证指纹图谱的测定简单、可行、有效，又保证了指纹图谱所必须具备的特异性、重现性和再现性。而且大大的降低了血液指纹图谱研究的成本，以红外和拉曼光谱制作代谢指纹图谱，也将大大降低代谢物组学中医研究的成本，推动这一新兴学科快速发展。 参考文献： 赵宏杰、张笑波 . 中医学与信息科学跨越式大联合 . 中国医学报， 2005-04-09 ： B05 赵宏杰、张笑波 . 中医学与信息科学学科交叉的几个关键问题 . 医学信息， 2005 （ 9 ）： 赵宏杰、张笑波 . 中医取象比类方法现代化：中医现代化的解决之道 . 科学时报， 2005-11-01 赵宏杰、张笑波 . 应用指纹图谱以时测象研究藏象实质 . 科学时报， 2005-12-02 赵宏杰、张笑波 . 中医学与信息科学学科交叉的新方式信息中医学 . 科学中国人 ,2005 年 11 期 魏永燕、刘培勋 . 中药复方现代研究新技术新方法的进展 . 中国中西医结合杂志。 2005 年第 11 期， 1051-1053 刘昌孝 . 代谢物组学在中药现代研究中的意义 . 中草药 2004;35(6):601-605. 黄国荣．关于证与人体功能态关系的方法沦研究 . 中国人体科学， 1996,6(1) ： 21-26 任秀玲 . 中医学 现象 -- 状态医学 学科 . 中华中医药杂志 ,2005:20(1):11 ～ 13 任秀玲 . 论中医学的本质特征 . 中国医药学报 ,2004:19(2):113 ～ 115 闪增郁对中医证的现代研究将导致人体状态学的产生 中国中医基础医学杂志 2004 Vol.10 No.12 P.8-8,10 闪增郁，张智，刘洋，中医藏象理论的基础研究是中医学现代研究的起点中国中医基础医学杂志 2003 Vol.9 No.11 P.4-6 合作可喜 前景可期贾伟教授谈代谢组学与中医药研究的结合 . 中国医药报， 2006-04-29 ：总第 3175 期 7
个人分类: 重点推荐文章|2566 次阅读|4 个评论
更多...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-6-1 19:30

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部