Метаболомика всесторонне описывает молекулярный фенотип биологического объекта с предельно возможной степенью детализации и является неотъемлемой частью постгеномных исследований. Посредством же анализа метаболитов, задействованных в патологических биохимических процессах, метаболомный анализ может использоваться в клинической практике для эффективной диагностики и расчета рисков онкологических заболеваний.
Введение.
В настоящее время согласно базе данных о метаболоме человека, все известные метаболиты, присутствующие в человеческом организме составляют более 17 тыс. Эта цифра не окончательная, проводимые исследования в данном направлении открывают нам все новые и новые ключевые метаболиты характерные для разных заболеваний, и в первую метаболиты онкологических заболеваний. Аналитические подходы, применяемые в этой области по своей специфичности и чувствительности, не уступают генетическим исследованиям.
Метаболомические исследования (МИ) - это наиболее точный подход, который дает возможность быстрого мониторинга состава низкомолекулярных соединений, без необходимости более глубокого анализа [1]. Все без исключения МИ делятся на две группы.
- Первая группа это целевой анализ
- Вторая группа это метаболическое профилирование Данное разделение происходит согласно цели проведения исследования и характера получаемой информации. Целевой анализ направлен на изучение конкретных или ключевых известных метаболитов и позволяет наиболее детально изучить выбранные классы соединений [2]. Метаболическое профилирование проводится в случаях, когда важно получить достоверную информацию о количестве всех возможных метаболитов и какие именно метаболиты, связаны с исследуемыми патофизиологическими процессами в организме. На практике наиболее часто используется профилирование метаболитов. Так как это позволяет проводить качественный и количественный анализ данной группы метаболитов. Независимо от выбранного аналитического подхода, существуют несколько общих шагов в МИ, включая сбор и подготовку проб, сбор и обработку данных, биостатистические анализы и интерпретацию данных. Метаболическое профилирование является начальной стадией для проведения дальнейших целевых исследований [3].
Материалы и методы.
Также очень важным в МИ является сбор образцов, хранение и подготовка к инструментальному анализу. Кровь (и его производные, такие как сыворотка) и моча являются наиболее часто используемыми образцами для исследований биомаркеров, из-за легкой доступности и высоким содержанием метаболитов.
Также для МИ могут использоваться слюна, бронхиальное содержимое, секрет поджелудочной железы и простаты, фекалии, и другие типы физиологических жидкостей или тканей [4].
Согласно стандартам МИ объем образцов, необходимый для большинства анализов находится в пределах от 0,1 до 0,5 мл. Согласно литературным данным образцы тканей также широко изучены при МИ с использованием масс-спектрометрии (МС) [5]. Образцы тканей требуют более сложных процедур подготовки перед анализом, так как, имеют в большей степени неоднородность [6].
Источники клинического материала для молекулярных исследований согласно стандартам МИ должны быть заморожены и храниться при температуре ниже -80°С. Все образцы тканей фиксируются в формалине погруженных в парафин.
Метаболиты, присутствующие в биологических образцах отличаются по молекулярной массе, термостабильности и полярности. Поэтому, чтобы изолировать все одновременно, используется метод разделения, выбор метода подготовки проб зависит от характера исследуемого соединения, класса и типа аналитического метода [7]. Метод разделения или масс- спектрометрия (МС) является высокочувствительным методом, который позволяет выявлять большое количество метаболитов даже при очень низких концентрациях [8]. МС чаще всего используют в сочетании с аналитическими методами, такими как, жидкостная или газовая хроматография (ЖХ / ГХ-МС) и ядерного магнитного резонанса (ЯМР) [9]. Сочетание различных аналитических методов, в том числе MC, ЯМР и методов визуализации, представляют собой наиболее эффективный подход к МИ. Последним этапом в МИ является анализ и интерпретация данных. Собранные посредством MC или ЯМР спектральные данные требует дальнейшей многоступенчатой обработки и нормализации для дальнейшей идентификации компонентов и их количественного анализа [10]. Такие данные идентифицируют путем размещения или поиска метаболитов в базе данных, таких как Метаболом Database (HMDB), Метлин, базе данных Golm и MassBank. Далее, многомерная статистика, требуется для распознавания образов и идентификации многокомпонентных выбросов, характерных для различных заболеваний, в том числе и раковых. Метод PCA или многофакторный анализ, основан на методах проекции. РСА моделирование используется для оценки статистической дифференциации между группами и для биохимической интерпретации. РСА (или метод главных компонентов) извлекает и отображает систематические изменения во всех образцах крови, а также показывает основные тенденции и выбросы. Эти выбросы отображают взвешенную разность между наблюдаемыми группами. Следовательно, мы можем определить эти выбросы как уникальные для исследуемых групп.
Методы PLS. При оценке данных РСА в графиках рассеивания могут появляться сигналы выше спектрального шума. Например, контрольные образцы могут быть слишком разнородны, из-за изменений, вызванных заболеваниями, полом, возрастом, питанием, образом жизни, генами и неизвестными факторами. Для решения такой неоднородности используется РLS - метод (или метод наименьших частичных квадратов).
Заключение
Таким образом, метаболомические исследования в последнее время все больше и больше используются в клинической медицине для поиска биомаркеров злокачественных заболеваний, а также для понимания патогенетических механизмов. МИ из всех постгеномных наук в настоящее время являются самыми эффективными, так как дают обширную информацию при низких затратах. Они позволяют учесть влияние эндогенных и экзогенных факторов, оказывающих влияние на злокачественный процесс и на организм в целом. На основании этих данных можно сделать необходимое заключение, как о механизме заболевания, так и о диагностических маркерах. В дальнейшем комбинируя результаты МИ с данными геномных, транскриптомных и протеомных исследований можно получить еще более полную и достоверную информацию. Анализ метаболомного профиля крови, позволяет единовременно получать информацию о сотнях и тысячах метаболитов, и уже сейчас показывает значимые результаты в решении большого количества научных и клинических задач. Поэтому на фоне новых аналитических методов, метаболомика является наиболее важным диагностическим направлением для злокачественных заболеваний в группе ОМИКС - технологий.
СПИСОК ЛИТЕРАТУРЫ
- (МЕТАБОЛОМНОЕ ПРОФИЛИРОВАНИЕ КРОВИ // О.П. Трифонова, П.Г. Лохов, А.И. Арчаков // Биомедицинская химия, 2014 том 60, вып. 3, с. 282.)
- Howe F. A., Barton S. J., Cudlip S. A., et al. Metabolic profiles of human brain tumors using quantitative in vivo 1H magnetic resonance spectroscopy. Magnetic Resonance in Medicine. 2003;49(2):223-232
- Beger R. D. A review of applications of metabolomics in cancer. Metabolites. 2013; 3(3):552-574
- Kind T., Tolstikov V., Fiehn O., Weiss R. H. A comprehensive urinary metabolomic approach for identifying kidney cancerr. Analytical Biochemistry. 2007; 363(2):185-195
- Wu H., Xue R., Tang Z., et al. Metabolomic investigation of gastric cancer tissue using gas chromatography/mass spectrometry. Analytical and Bioanalytical Chemistry. 2010; 396(4):1385-1395
- Wu H., Southam A. D., Hines A., Viant M. R. High-throughput tissue extraction protocol for NMR- and MS-based metabolomics. Analytical Biochemistry. 2008; 372(2):204-212
- Dettmer K., Aronov P. A., Hammock B. D. Mass spectrometry-based metabolomics. Mass Spectrometry Reviews. 2007;26(1):51- 78
- Villas-Boas S. G., Mas S., Akesson M., Smedsgaard J., Nielsen J. Mass spectrometry in metabolome analysis. Mass Spectrometry Reviews. 2005; 24(5):613-646
- Wu H., Southam A. D., Hines A., Viant M. R. High-throughput tissue extraction protocol for NMR- and MS-based metabolomics. Analytical Biochemistry. 2008;372(2):204-212
- Katajamaa M., Oresic M. Data processing for mass spectrometry-based metabolomics. Journal of Chromatography A. 2007; 1158(1-2):318-328