Métabolomique - Metabolomics

Le dogme central de la biologie montrant le flux d'informations de l'ADN au phénotype. A chaque étape est associé l'outil de biologie des systèmes correspondant, de la génomique à la métabolomique.

La métabolomique est l'étude scientifique des processus chimiques impliquant les métabolites , les substrats de petites molécules, les intermédiaires et les produits du métabolisme cellulaire. Plus précisément, la métabolomique est "l'étude systématique des empreintes chimiques uniques que des processus cellulaires spécifiques laissent derrière elles", l'étude de leurs profils de métabolites à petites molécules . Le métabolome représente l'ensemble complet des métabolites dans une cellule, un tissu, un organe ou un organisme biologique, qui sont les produits finaux des processus cellulaires. L'ARN messager (ARNm), les données d' expression génique et les analyses protéomiques révèlent l'ensemble des produits géniques produits dans la cellule, données qui représentent un aspect de la fonction cellulaire. Inversement, le profilage métabolique peut donner un instantané instantané de la physiologie de cette cellule, et ainsi, la métabolomique fournit une « lecture fonctionnelle directe de l'état physiologique » d'un organisme. L'un des défis de la biologie des systèmes et de la génomique fonctionnelle est d'intégrer les informations génomiques , transcriptomiques , protéomiques et métabolomiques pour permettre une meilleure compréhension de la biologie cellulaire.

Histoire

Le concept selon lequel les individus pourraient avoir un "profil métabolique" qui pourrait se refléter dans la composition de leurs fluides biologiques a été introduit par Roger Williams à la fin des années 1940, qui a utilisé la chromatographie sur papier pour suggérer que les schémas métaboliques caractéristiques de l'urine et de la salive étaient associés à des maladies telles que comme la schizophrénie . Cependant, ce n'est que grâce aux progrès technologiques des années 1960 et 1970 qu'il est devenu possible de mesurer quantitativement (par opposition à qualitativement) les profils métaboliques. Le terme "profil métabolique" a été introduit par Horning et al. en 1971 après avoir démontré que la chromatographie en phase gazeuse-spectrométrie de masse (GC-MS) pouvait être utilisée pour mesurer les composés présents dans les extraits d'urine et de tissus humains. Le groupe Horning, avec celui de Linus Pauling et Arthur B. Robinson, a dirigé le développement de méthodes GC-MS pour surveiller les métabolites présents dans l'urine jusqu'aux années 1970.

Parallèlement, la spectroscopie RMN , découverte dans les années 1940, connaît également des progrès rapides. En 1974, Seeley et al. a démontré l'utilité d'utiliser la RMN pour détecter des métabolites dans des échantillons biologiques non modifiés. Cette première étude sur le muscle a mis en évidence l'intérêt de la RMN dans la mesure où il a été déterminé que 90 % de l' ATP cellulaire est complexé au magnésium. Comme la sensibilité s'est améliorée avec l'évolution des intensités de champ magnétique plus élevées et la rotation de l'angle magique , la RMN continue d'être un outil analytique de premier plan pour étudier le métabolisme. Les efforts récents pour utiliser la RMN pour la métabolomique ont été largement conduits par le laboratoire de Jeremy K. Nicholson au Birkbeck College, à l'Université de Londres et plus tard à l' Imperial College de Londres . En 1984, Nicholson a montré que la spectroscopie RMN 1 H pouvait potentiellement être utilisée pour diagnostiquer le diabète sucré, et plus tard, il a été le premier à appliquer des méthodes de reconnaissance de formes aux données spectroscopiques de RMN.

En 1995, des expériences de métabolomique par chromatographie liquide et spectrométrie de masse ont été réalisées par Gary Siuzdak alors qu'il travaillait avec Richard Lerner (alors président du Scripps Research Institute) et Benjamin Cravatt, pour analyser le liquide céphalo-rachidien d'animaux privés de sommeil. Une molécule d'un intérêt particulier, l' oléamide , a été observée et a montré plus tard qu'elle avait des propriétés d'induction du sommeil. Ce travail est l'une des premières expériences de ce type combinant la chromatographie liquide et la spectrométrie de masse en métabolomique.

En 2005, la première base de données de spectrométrie de masse en tandem métabolomique, METLIN , pour caractériser les métabolites humains a été développée dans le laboratoire Siuzdak du Scripps Research Institute . METLIN s'est depuis développé et au 1er juillet 2019, METLIN contient plus de 450 000 métabolites et autres entités chimiques, chaque composé ayant des données expérimentales de spectrométrie de masse en tandem générées à partir d'étalons moléculaires à plusieurs énergies de collision et en modes d'ionisation positive et négative. METLIN est le plus grand référentiel de données de spectrométrie de masse en tandem de ce type. 2005 a également été l'année de la première parution de la revue académique dédiée Metabolomics, fondée par son actuel rédacteur en chef, le professeur Roy Goodacre .

En 2005, le laboratoire Siuzdak s'est engagé dans l'identification des métabolites associés à la septicémie et dans un effort pour résoudre le problème de l'identification statistique des métabolites dérégulés les plus pertinents à travers des centaines d'ensembles de données LC/MS, le premier algorithme a été développé pour permettre l'alignement non linéaire de données métabolomiques de spectrométrie de masse. Appelé XCMS, où le "X" constitue toute technologie chromatographique, il a depuis (2012) été développé en tant qu'outil en ligne et en 2019 (avec METLIN) compte plus de 30 000 utilisateurs enregistrés.

Le 23 janvier 2007, le Human Metabolome Project , dirigé par David Wishart de l' Université de l'Alberta , Canada, a achevé la première ébauche du métabolome humain, consistant en une base de données d'environ 2500 métabolites, 1200 médicaments et 3500 composants alimentaires. Des projets similaires sont en cours sur plusieurs espèces végétales, notamment Medicago truncatula et Arabidopsis thaliana depuis plusieurs années.

À la mi-2010, la métabolomique était encore considérée comme un « domaine émergent ». En outre, il a été noté que la poursuite des progrès dans le domaine dépendait en grande partie de la résolution de « défis techniques autrement irrésolubles » par l'évolution technique de l' instrumentation de spectrométrie de masse .

En 2015, le profilage du métabolome en temps réel a été démontré pour la première fois.

Métabolome

Projet métabolome humain
Voir aussi : Métabolome et base de données du métabolome humain

Le métabolome fait référence à l'ensemble complet des métabolites de petites molécules (<1,5 kDa) (tels que les intermédiaires métaboliques, les hormones et autres molécules de signalisation, et les métabolites secondaires) présents dans un échantillon biologique, tel qu'un seul organisme. Le mot a été forgé par analogie avec la transcriptomique et la protéomique ; comme le transcriptome et le protéome, le métabolome est dynamique, changeant de seconde en seconde. Bien que le métabolome puisse être défini assez facilement, il n'est actuellement pas possible d'analyser l'ensemble de la gamme des métabolites par une seule méthode analytique.

La première base de données de métabolites (appelée METLIN ) pour rechercher des données de fragmentation à partir d'expériences de spectrométrie de masse en tandem a été développée par le laboratoire Siuzdak du Scripps Research Institute en 2005. METLIN contient plus de 450 000 métabolites et autres entités chimiques, chaque composé ayant des données expérimentales de spectrométrie de masse en tandem. En 2006, le laboratoire de Siuzdak a également développé le premier algorithme permettant l'alignement non linéaire des données métabolomiques de la spectrométrie de masse. Appelé XCMS, où le "X" constitue toute technologie chromatographique, il a depuis (2012) été développé en tant qu'outil en ligne et en 2019 (avec METLIN) compte plus de 30 000 utilisateurs enregistrés.

En janvier 2007, des scientifiques de l' Université de l'Alberta et de l' Université de Calgary ont terminé la première ébauche du métabolome humain. La base de données sur le métabolisme humain (HMDB) est peut-être la base de données spectrale métabolomique publique la plus complète à ce jour. La HMDB stocke plus de 110 000 entrées de métabolites différentes. Ils ont répertorié environ 1200 médicaments et 3500 composants alimentaires qui peuvent être trouvés dans le corps humain, comme indiqué dans la littérature. Ces informations, disponibles dans la base de données sur le métabolisme humain (www.hmdb.ca) et basées sur l'analyse des informations disponibles dans la littérature scientifique actuelle, sont loin d'être complètes. En revanche, on en sait beaucoup plus sur les métabolomes d'autres organismes. Par exemple, plus de 50 000 métabolites du règne végétal ont été caractérisés et plusieurs milliers de métabolites ont été identifiés et/ou caractérisés à partir de plantes individuelles.

Chaque type de cellule et de tissu possède une « empreinte digitale » métabolique unique qui peut élucider des informations spécifiques à un organe ou à un tissu. Les échantillons biologiques utilisés pour l'analyse métabolomique comprennent, mais sans s'y limiter, le plasma, le sérum, l'urine, la salive, les matières fécales, les muscles, la sueur, l'air expiré et le liquide gastro-intestinal. La facilité de collecte facilite une résolution temporelle élevée, et parce qu'ils sont toujours en équilibre dynamique avec le corps, ils peuvent décrire l'hôte dans son ensemble. Le génome peut dire ce qui pourrait arriver, le transcriptome peut dire ce qui semble se passer, le protéome peut dire ce qui le fait se produire et le métabolome peut dire ce qui s'est passé et ce qui se passe.

Métabolites

Les métabolites sont les substrats, les intermédiaires et les produits du métabolisme . Dans le contexte de la métabolomique, un métabolite est généralement défini comme toute molécule de taille inférieure à 1,5 kDa. Cependant, il existe des exceptions à cela en fonction de l'échantillon et de la méthode de détection. Par exemple, les macromolécules telles que les lipoprotéines et l' albumine sont détectées de manière fiable dans les études métabolomiques basées sur la RMN du plasma sanguin. En métabolomique à base de plantes, il est courant de se référer aux métabolites « primaires » et « secondaires ». Un métabolite primaire est directement impliqué dans la croissance, le développement et la reproduction normaux. Un métabolite secondaire n'est pas directement impliqué dans ces processus, mais a généralement une fonction écologique importante . Les exemples incluent les antibiotiques et les pigments . En revanche, dans la métabolomique humaine, il est plus courant de décrire les métabolites comme étant soit endogènes (produits par l'organisme hôte) soit exogènes . Les métabolites de substances étrangères telles que les médicaments sont appelés xénométabolites.

Le métabolome forme un vaste réseau de réactions métaboliques , où les sorties d'une réaction chimique enzymatique sont des entrées pour d'autres réactions chimiques. De tels systèmes ont été décrits comme des hypercycles .

Métabonomie

La métabonomie est définie comme « la mesure quantitative de la réponse métabolique multiparamétrique dynamique des systèmes vivants à des stimuli physiopathologiques ou à une modification génétique ». Le mot origine vient du grec μεταβολή qui signifie changement et nomos qui signifie un ensemble de règles ou de lois. Cette approche a été lancée par Jeremy Nicholson à l'Université Murdoch et a été utilisée en toxicologie, en diagnostic de maladies et dans un certain nombre d'autres domaines. Historiquement, l'approche métabonomique a été l'une des premières méthodes à appliquer la portée de la biologie des systèmes aux études du métabolisme.

Il y a eu un certain désaccord sur les différences exactes entre « métabolomique » et « métabonomie ». La différence entre les deux termes n'est pas liée au choix de la plate-forme analytique : bien que la métabonomique soit davantage associée à la spectroscopie RMN et la métabolomique aux techniques basées sur la spectrométrie de masse , cela est simplement dû aux usages entre différents groupes qui ont popularisé les différents termes. Bien qu'il n'y ait toujours pas d'accord absolu, il existe un consensus croissant selon lequel la «métabolomique» met davantage l'accent sur le profilage métabolique au niveau cellulaire ou organique et concerne principalement le métabolisme endogène normal. La « métabonomie » étend le profilage métabolique pour inclure des informations sur les perturbations du métabolisme causées par des facteurs environnementaux (y compris le régime alimentaire et les toxines), les processus pathologiques et l'implication d'influences extragénomiques, telles que la microflore intestinale . Ce n'est pas une différence triviale; les études métabolomiques devraient, par définition, exclure les contributions métaboliques provenant de sources extragénomiques, car celles-ci sont externes au système étudié. Cependant, dans la pratique, dans le domaine de la recherche sur les maladies humaines, il existe encore un grand chevauchement dans la manière dont les deux termes sont utilisés, et ils sont souvent en fait synonymes.

Exmétabolomique

Article détaillé : Exométabolomique

L'exométabolomique, ou « empreinte métabolique », est l'étude des métabolites extracellulaires. Il utilise de nombreuses techniques d'autres sous-domaines de la métabolomique et a des applications dans le développement de biocarburants , le biotraitement , la détermination du mécanisme d'action des médicaments et l'étude des interactions intercellulaires.

Technologies analytiques

Les étapes clés d'une étude métabolomique

Le flux de travail typique des études métabolomiques est illustré dans la figure. Tout d'abord, des échantillons sont collectés à partir de tissus, de plasma, d'urine, de salive, de cellules, etc. Ensuite, les métabolites sont extraits souvent avec l'ajout d'étalons internes et la dérivation. Lors de l'analyse des échantillons, les métabolites sont quantifiés ( chromatographie liquide ou chromatographie en phase gazeuse couplée à la spectroscopie MS et/ou RMN ). Les données de sortie brutes peuvent être utilisées pour l'extraction des caractéristiques des métabolites et traitées ultérieurement avant l'analyse statistique (telle que l' ACP ). De nombreux outils et logiciels bioinformatiques sont disponibles pour identifier les associations avec les états pathologiques et les résultats, déterminer des corrélations significatives et caractériser les signatures métaboliques avec les connaissances biologiques existantes.

Méthodes de séparation

Initialement, les analytes dans un échantillon métabolomique constituent un mélange très complexe. Ce mélange complexe peut être simplifié avant la détection en séparant certains analytes des autres. La séparation atteint divers objectifs : les analytes qui ne peuvent pas être résolus par le détecteur peuvent être séparés dans cette étape ; dans l'analyse MS, la suppression des ions est réduite ; le temps de rétention de l'analyte sert d'information concernant son identité. Cette étape de séparation n'est pas obligatoire et est souvent omise dans les approches basées sur la RMN et le « shotgun » telles que la lipidomique au fusil de chasse .

La chromatographie en phase gazeuse (GC), en particulier lorsqu'elle est interfacée avec la spectrométrie de masse ( GC-MS ), est une technique de séparation largement utilisée pour l'analyse métabolomique. La GC offre une très haute résolution chromatographique et peut être utilisée avec un détecteur à ionisation de flamme (GC/FID) ou un spectromètre de masse (GC-MS). La méthode est particulièrement utile pour l'identification et la quantification de petites molécules volatiles. Cependant, une limitation pratique de la GC est l'exigence de dérivatisation chimique pour de nombreuses biomolécules car seuls les produits chimiques volatils peuvent être analysés sans dérivatisation. Dans les cas où un plus grand pouvoir de résolution est requis, la chromatographie bidimensionnelle ( GCxGC ) peut être appliquée.

La chromatographie liquide à haute performance (HPLC) est devenue la technique de séparation la plus courante pour l'analyse métabolomique. Avec l'avènement de l'ionisation par électrospray , la HPLC a été couplée à la SM. Contrairement à la GC , la HPLC a une résolution chromatographique inférieure, mais ne nécessite aucune dérivatisation pour les molécules polaires et sépare les molécules en phase liquide. De plus, la HPLC a l'avantage de pouvoir mesurer une gamme beaucoup plus large d'analytes avec une sensibilité plus élevée que les méthodes GC.

L'électrophorèse capillaire (CE) a une efficacité de séparation théorique plus élevée que la HPLC (bien que nécessitant beaucoup plus de temps par séparation) et convient à une utilisation avec une plus large gamme de classes de métabolites que la GC. Comme pour toutes les techniques électrophorétiques, elle est la plus appropriée pour les analytes chargés.

Méthodes de détection

Comparaison des méthodes métabolomiques les plus couramment utilisées

La spectrométrie de masse (SM) est utilisée pour identifier et quantifier les métabolites après séparation facultative par GC , HPLC ou CE . La GC-MS a été la première technique de trait d'union à être développée. L'identification exploite les modèles distincts dans lesquels les analytes se fragmentent, ce qui peut être considéré comme une empreinte spectrale de masse ; des bibliothèques existent qui permettent l'identification d'un métabolite selon ce schéma de fragmentation . La SEP est à la fois sensible et peut être très spécifique. Il existe également un certain nombre de techniques qui utilisent la MS en tant que technologie autonome : l'échantillon est infusé directement dans le spectromètre de masse sans séparation préalable, et la MS offre une sélectivité suffisante à la fois pour séparer et pour détecter les métabolites.

Pour l'analyse par spectrométrie de masse, les analytes doivent être chargés et transférés en phase gazeuse. L'ionisation électronique (EI) est la technique d'ionisation la plus courante appliquée aux séparations GC car elle est sensible aux basses pressions. L'IE produit également une fragmentation de l'analyte, fournissant à la fois des informations structurelles tout en augmentant la complexité des données et en masquant éventuellement l'ion moléculaire. L'ionisation chimique à pression atmosphérique (APCI) est une technique à pression atmosphérique qui peut être appliquée à toutes les techniques de séparation ci-dessus. APCI est une méthode d'ionisation en phase gazeuse légèrement plus agressive que l'ESI qui convient aux composés moins polaires. L'ionisation par électrospray (ESI) est la technique d'ionisation la plus couramment appliquée en LC/MS. Cette ionisation douce est plus efficace pour les molécules polaires avec des groupes fonctionnels ionisables. Une autre technique d'ionisation douce couramment utilisée est l'ionisation secondaire par électronébulisation (SESI) .

L'analyse de masse en surface a connu une résurgence au cours de la dernière décennie, avec de nouvelles technologies MS axées sur l'augmentation de la sensibilité, la minimisation du bruit de fond et la réduction de la préparation des échantillons. La capacité d'analyser les métabolites directement à partir de biofluides et de tissus continue de défier la technologie actuelle de la SEP, en grande partie à cause des limites imposées par la complexité de ces échantillons, qui contiennent des milliers à des dizaines de milliers de métabolites. Parmi les technologies développées pour relever ce défi, citons la nanostructure-initiateur MS (NIMS), une approche de désorption/ionisation qui ne nécessite pas l'application de matrice et facilite ainsi l'identification de petites molécules (c.-à-d. métabolite). MALDI est également utilisé, cependant, l'application d'une matrice MALDI peut ajouter un bruit de fond significatif à <1000 Da qui complique l'analyse de la plage de faible masse (c'est-à-dire les métabolites). De plus, la taille des cristaux matriciels résultants limite la résolution spatiale qui peut être obtenue en imagerie tissulaire. En raison de ces limitations, plusieurs autres approches de désorption/ionisation sans matrice ont été appliquées à l'analyse des biofluides et des tissus.

La spectrométrie de masse d'ions secondaires (SIMS) a été l'une des premières approches de désorption/ionisation sans matrice utilisée pour analyser les métabolites d'échantillons biologiques. Le SIMS utilise un faisceau d'ions primaires à haute énergie pour désorber et générer des ions secondaires à partir d'une surface. Le principal avantage du SIMS est sa haute résolution spatiale (aussi petite que 50 nm), une caractéristique puissante pour l'imagerie tissulaire avec la SEP. Cependant, SIMS doit encore être facilement appliqué à l'analyse des biofluides et des tissus en raison de sa sensibilité limitée à > 500 Da et de la fragmentation de l'analyte générée par le faisceau d'ions primaires à haute énergie. L'ionisation par électrospray de désorption (DESI) est une technique sans matrice pour l'analyse d'échantillons biologiques qui utilise un spray de solvant chargé pour désorber les ions d'une surface. Les avantages de DESI sont qu'aucune surface spéciale n'est requise et que l'analyse est effectuée à pression ambiante avec un accès complet à l'échantillon pendant l'acquisition. Une limitation de DESI est la résolution spatiale car la "focalisation" de la pulvérisation de solvant chargée est difficile. Cependant, un développement récent appelé ESI d'ablation laser (LAESI) est une approche prometteuse pour contourner cette limitation. Plus récemment, les techniques de piège à ions telles que la spectrométrie de masse orbitrap sont également appliquées à la recherche en métabolomique.

La spectroscopie par résonance magnétique nucléaire (RMN) est la seule technique de détection qui ne repose pas sur la séparation des analytes, et l'échantillon peut ainsi être récupéré pour d'autres analyses. Toutes sortes de métabolites de petites molécules peuvent être mesurés simultanément - en ce sens, la RMN est proche d'être un détecteur universel. Les principaux avantages de la RMN sont une reproductibilité analytique élevée et la simplicité de préparation des échantillons. En pratique, cependant, il est relativement peu sensible par rapport aux techniques basées sur la spectrométrie de masse. La comparaison des méthodes métabolomiques les plus couramment utilisées est présentée dans le tableau.

Bien que la RMN et la SM soient les techniques les plus largement utilisées, les techniques modernes sont d'autres méthodes de détection qui ont été utilisées. Ceux-ci incluent la résonance cyclotron ionique à transformée de Fourier , la spectrométrie de mobilité ionique , la détection électrochimique (couplée à la HPLC), la spectroscopie Raman et le radiomarqueur (lorsqu'il est combiné avec la chromatographie en couche mince).

Méthodes statistiques

Liste des logiciels pour l'analyse métabolique

Les données générées en métabolomique consistent généralement en des mesures effectuées sur des sujets dans diverses conditions. Ces mesures peuvent être des spectres numérisés ou une liste de caractéristiques des métabolites. Dans sa forme la plus simple, cela génère une matrice avec des lignes correspondant aux sujets et des colonnes correspondant aux caractéristiques des métabolites (ou vice versa). Plusieurs programmes statistiques sont actuellement disponibles pour l'analyse des données de RMN et de spectrométrie de masse . Un grand nombre de logiciels libres sont déjà disponibles pour l'analyse des données métabolomiques présentées dans le tableau. Certains outils statistiques répertoriés dans le tableau ont été conçus pour les analyses de données RMN et ont également été utiles pour les données MS. Pour les données de spectrométrie de masse, un logiciel est disponible qui identifie les molécules qui varient dans les groupes de sujets sur la base de la valeur de masse sur charge et parfois du temps de rétention en fonction de la conception expérimentale.

Une fois la matrice de données des métabolites déterminée, des techniques de réduction des données non supervisées (par exemple, PCA) peuvent être utilisées pour élucider les schémas et les connexions. Dans de nombreuses études, y compris celles évaluant la toxicité des médicaments et certains modèles de maladie, les métabolites d'intérêt ne sont pas connus a priori . Cela fait des méthodes non supervisées, celles sans hypothèses préalables d'appartenance à une classe, un premier choix populaire. La plus courante de ces méthodes comprend l' analyse en composantes principales (ACP) qui peut réduire efficacement les dimensions d'un ensemble de données à quelques-unes qui expliquent la plus grande variation. Lorsqu'il est analysé dans l'espace PCA de dimension inférieure, le regroupement d'échantillons avec des empreintes métaboliques similaires peut être détecté. Les algorithmes PCA visent à remplacer toutes les variables corrélées par un nombre beaucoup plus petit de variables non corrélées (appelées composantes principales (PC)) et à conserver la plupart des informations dans l'ensemble de données d'origine. Ce regroupement peut élucider les schémas et aider à la détermination des biomarqueurs de la maladie - les métabolites les plus corrélés avec l'appartenance à une classe.

Les modèles linéaires sont couramment utilisés pour les données métabolomiques, mais sont affectés par la multicolinéarité . D'autre part, les statistiques multivariées sont des méthodes florissantes pour les données métabolomiques corrélées de grande dimension, dont la plus populaire est la régression de la projection sur les structures latentes (PLS) et sa version de classification PLS-DA. D'autres méthodes d' exploration de données , telles que la forêt aléatoire , les machines à vecteurs de support , etc. reçoivent une attention croissante pour l'analyse de données métabolomiques non ciblées. Dans le cas des méthodes univariées, les variables sont analysées une par une à l'aide d'outils statistiques classiques (tels que le test t de Student , l' ANOVA ou les modèles mixtes) et seules celles avec des valeurs p suffisamment petites sont considérées comme pertinentes. Cependant, des stratégies de correction doivent être utilisées pour réduire les fausses découvertes lorsque plusieurs comparaisons sont effectuées. Pour l'analyse multivariée , les modèles doivent toujours être validés pour garantir la généralisation des résultats.

Apprentissage automatique et exploration de données

L'apprentissage automatique est également un outil puissant qui peut être utilisé dans l'analyse métabolomique. Récemment, les auteurs d'un article publié dans Analytical Chemistry ont développé un logiciel de prédiction du temps de rétention appelé Retip . Cet outil, développé en collaboration avec NGALAB , le West Coast Metabolomics Center et Riken, permet à tous les laboratoires d'appliquer l'intelligence artificielle à la prédiction du temps de rétention de petites molécules dans une matrice complexe, comme le plasma humain, les plantes, les aliments ou les microbes. La prédiction du temps de rétention augmente le taux d'identification en chromatographie liquide et conduit par la suite à une meilleure interprétation biologique des données métabolomiques.

Applications clés

L' évaluation de la toxicité / toxicologie par profilage métabolique (en particulier des échantillons d'urine ou de plasma sanguin) détecte les changements physiologiques causés par l'agression toxique d'un produit chimique (ou d'un mélange de produits chimiques). Dans de nombreux cas, les changements observés peuvent être liés à des syndromes spécifiques, par exemple une lésion spécifique du foie ou des reins. Ceci est particulièrement pertinent pour les sociétés pharmaceutiques qui souhaitent tester la toxicité de candidats médicaments potentiels : si un composé peut être éliminé avant qu'il n'atteigne les essais cliniques pour des raisons de toxicité indésirable, cela permet d'économiser l'énorme dépense des essais.

Pour la génomique fonctionnelle , la métabolomique peut être un excellent outil pour déterminer le phénotype causé par une manipulation génétique, telle que la suppression ou l'insertion d'un gène. Parfois, cela peut être un objectif suffisant en soi, par exemple pour détecter tout changement phénotypique dans une plante génétiquement modifiée destinée à la consommation humaine ou animale. Plus excitante est la perspective de prédire la fonction de gènes inconnus par comparaison avec les perturbations métaboliques causées par la suppression/insertion de gènes connus. De telles avancées proviendront probablement d' organismes modèles tels que Saccharomyces cerevisiae et Arabidopsis thaliana . Le laboratoire Cravatt du Scripps Research Institute a récemment appliqué cette technologie aux systèmes de mammifères , identifiant les N- acyltaurines comme substrats endogènes jusque-là non caractérisés pour l'enzyme amide d'acide gras hydrolase (FAAH) et les éthers de monoalkylglycérol (MAGE) comme substrats endogènes pour les hydrolase KIAA1363 .

La métabologénomique est une nouvelle approche pour intégrer les données métabolomiques et génomiques en corrélant les métabolites exportés par les microbes avec les gènes biosynthétiques prédits. Cette méthode d'appariement basée sur la bioinformatique permet la découverte de produits naturels à plus grande échelle en affinant les analyses métabolomiques non ciblées pour identifier les petites molécules avec une biosynthèse associée et se concentrer sur celles qui n'ont peut-être pas de structures auparavant bien connues.

La Fluxomique est un développement ultérieur de la métabolomique. L'inconvénient de la métabolomique est qu'elle ne fournit à l'utilisateur que des informations de niveau d'équilibre, tandis que la fluxomique détermine les taux de réaction des réactions métaboliques et peut tracer les métabolites dans un système biologique au fil du temps.

La nutrigénomique est un terme généralisé qui relie la génomique, la transcriptomique, la protéomique et la métabolomique à la nutrition humaine. En général, un métabolome dans un fluide corporel donné est influencé par des facteurs endogènes tels que l'âge, le sexe, la composition corporelle et la génétique ainsi que par des pathologies sous-jacentes. La microflore du gros intestin est également un facteur de confusion potentiel très important des profils métaboliques et pourrait être classée comme un facteur endogène ou exogène. Les principaux facteurs exogènes sont l'alimentation et les médicaments. Le régime peut alors être décomposé en nutriments et non-nutriments. La métabolomique est un moyen de déterminer un paramètre biologique, ou empreinte métabolique, qui reflète l'équilibre de toutes ces forces sur le métabolisme d'un individu.

Voir également

Les références

Lectures complémentaires

Liens externes