【转录调控网络】代谢组学与其他组学的联合分析经典模式简介

迷南。 2022-09-17 03:11 353阅读 0赞

### 多组学联合分析经典模式 ###

*  转录组学&代谢组学联合分析
 *   *  蛋白质组学＆代谢组学联合分析
     *  微生物组学＆代谢组学联合分析
 *  基因组学&代谢组学联合分析
 *  LncRNA＆代谢组学联合分析
 *  转录组学＆蛋白质组学＆代谢组学联合分析

# 转录组学&代谢组学联合分析 #

**转录组是获得生物体内基因表达的重要方法**，**代谢组是生物体表型的基础和直接体现者**。 转录组测序可以得到大量`差异表达基因`和`调控代谢通路`，但由于基因与表型之间很难之间关联，导致关键的信号通路难以确定，因此往往达不到预期的研究目的。`代谢产物`是生物体在内外调控下基因转录的最终结果，**是生物体表型的物质基础**。

在`系统生物学`研究时代，生物过程复杂多变，基因调控网络复杂。针对特定的生理、病理等表型进行研究，**利用转录组的数据获得大量差异表达的基因，与代谢组检测得到的差异代谢物进行关联分析,从而从原因和结果两个层次对生物体的内在变化进行分析，鉴定关键基因靶点、代谢物及代谢通路，构建核心调控网络，系统全面地解析疾病发生发展的复杂机制，从整体上解释生物学问题**。目前，转录组代谢组联合分析已被广泛用于各种疾病研究。

其基本流程如下：  
![An overview workflow of the comprehensive analysis of metabolomics and transcriptomics in cervical cancer.][]  
An overview workflow of the comprehensive analysis of metabolomics and transcriptomics in cervical cancer.

图片来源：Yang K, Xia B, Wang W, et al. **A Comprehensive Analysis of Metabolomics and Transcriptomics in Cervical Cancer**. Sci Rep. 2017;7:43353. Published 2017 Feb 22. doi:10.1038/srep43353  
————————————————

## 蛋白质组学＆代谢组学联合分析 ##

**蛋白质组学**是从蛋白整体水平上对细胞内蛋白质的组成、活动规律及蛋白质与蛋白质的相互作用进行研究的一门学科，是**功能基因组学**时代的一门新学科。目前蛋白质组学的研究主要是**基于质谱的蛋白质组学**。

**代谢组学**是系统生物学领域中继基因组学和蛋白质组学之后新近发展起来的一门学科，它通过**检测生物体在受到外源刺激或基因修饰后其体内代谢物质的变化**，从而探索整个生物体的代谢机制。

对蛋白组和代谢组两个分子层次的组学数据进行整合分析，一方面可以结合两个组学的分析结果，进行相互验证，提高后续实验验证成功率；另一方面也有助于相互补充，并且使研究更加系统。最终实现对生物变化大趋势与方向的综合了解，提出分子生物学变化机制模型，并筛选出**重点代谢通路相关的蛋白质或者代谢产物**，从而为后续进行深入实验与分析提供数据基础。  
![Metabolic and Proteomic Profiling Reveals Distinct Changes in L-Arginine Metabolism in Activated Human T Cells][]  
Metabolic and Proteomic Profiling Reveals Distinct Changes in L-Arginine Metabolism in Activated Human T Cells

图片来源：Roger Geiger, Jan C. Rieckmann, Tobias Wolf, Camilla Basso, Yuehan Feng, Tobias Fuhrer, Maria Kogadeeva, Paola Picotti, Felix Meissner, Matthias Mann, Nicola Zamboni, Federica Sallusto, Antonio Lanzavecchia,  
**L-Arginine Modulates T Cell Metabolism and Enhances Survival and Anti-tumor Activity**,  
————————————————

## 微生物组学＆代谢组学联合分析 ##

目前微生物组学主要分析肠道微生物。在肠道中，微生物与宿主之间进行密切的信息交流，在代谢、免疫、神经系统调控中起重要作用。不同组成的微生物能影响机体体重、消化功能、抵御感染和自身免疫疾病的患病风险，此外，还能影响机体对药物的反应。这些**肠道微生物主要通过小分子的代谢物与宿主进行密切的相互作用**。**微生物的代谢组学可发现肠道微生物随宿主病理生理变化的关键代谢物，为微生物组-宿主互作机制研究提供线索**。

通过微生物组+代谢组联合分析，可以对**微生物与代谢物之间的相互关系**进行研究，如微生物菌群与其生存环境的关系，代谢物对微生物稳态的影响，菌群改变在复杂疾病中的作用机理，微生物菌群的生理作用与其代谢产物及其代谢功能之间的相互作用关系及微生物菌群参与的多种代谢调控途径等。 在宿主生理、疾病病理、药物药理等方面具有良好的应用前景。  
![Integrated correlation-based network analysis of microbes and metabolites.][]  
Integrated correlation-based network analysis of microbes and metabolites.

图片来源：Yang Y, Misra BB, Liang L, et al. **Integrated microbiome and metabolome analysis reveals a novel interplay between commensal bacteria and metabolites in colorectal cancer**. Theranostics. 2019;9(14):4101-4114. Published 2019 May 31. doi:10.7150/thno.35186  
相关论文：Yachida, S., Mizutani, S., Shiroma, H. et al. **Metagenomic and metabolomic analyses reveal distinct stage-specific phenotypes of the gut microbiota in colorectal cancer**. Nat Med 25, 968–976 (2019). https://doi.org/10.1038/s41591-019-0458-7  
————————————————

# 基因组学&代谢组学联合分析 #

**代谢组学**是**定量描述生物内源性代谢物对内外因变化应答规律**的科学，能够直接反映生命体的终端和表型信息，近年来在疾病诊断和分型、生物标志物发现、药物研发、基因功能解析、代谢途径及调控机理等领域发挥着重要作用。

**全基因组关联分析**(Genome-wide association study，GWAS) 常常用于疾病表型与相关变异位点研究，**全基因组关联分析利用全基因组重测序或外显子测序技术获取数以百万计的SNP分子标记，与表型数据进行联合分析，从中筛选出与疾病相关的SNP，发现影响复杂性状的基因变异**。虽然通过GWAS技术已经识别了大量相关的基因组变异位点，并在实践中发现了许多关联基因，但却仅能解释遗传性状的一小部分，因为表型获取的数据有限，且大部分不能量化，大大局限了GWAS在基因定位和功能研究上的应用。

**代谢组学与基因组学数据的整合分析**，可获得更多可量化的数据，获得更全面的分子特征，病理生理状态、药物作用或应激扰动的变化信息，揭示疾病分子机制。代谢组学与基因组数据的整合研究可广泛应用到基础医学、临床诊断以及药物研发等领域的各个方面。目前，多组学信息的有效整合仍然是难点，需要系统生物学和计算机技术的共同进步。  
![分析流程][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_20_color_FFFFFF_t_70_g_se_x_16]  
相关论文：Tabassum, R., Rämö, J.T., Ripatti, P. et al. Genetic architecture of human plasma lipidome and its link to cardiovascular disease. Nat Commun 10, 4329 (2019). https://doi.org/10.1038/s41467-019-11954-8  
Paulus C, Rebets Y, Tokovenko B, et al. New natural products identified by combined genomics-metabolomics profiling of marine Streptomyces sp. MP131-18. Sci Rep. 2017;7:42382. Published 2017 Feb 10. doi:10.1038/srep42382  
————————————————

# LncRNA＆代谢组学联合分析 #

\*\*长非编码RNA（long non-coding RNA，lncRNA）\*\*是一类长度大于200个核苷酸但不具备编码蛋白质能力的分子。普遍存在于人类和各种真核生物中，**lncRNA具有广泛转录、种类众多、功能多样**等特点，是多种生物学过程的必需调节剂，并通过多种机制起作用。

代谢组学分析的是生物体在内外调控下基因转录的最终结果，是生物体表型的物质基础和表型的直接体现者。

在系统生物学研究时代，生物发育过程复杂多变，基因调控网络复杂，单独用一种组学对系统生物学进行研究，往往比较片面。**lncRNA测序数据与代谢组数据进行关联分析**，深入到调控基因以及功能基因，从原因和结果两个层次分析生物体的内在变化，锁定与代谢物变化重点通路，构建**核心调控网络**，系统全面地解析疾病发生发展的复杂机制，进而从整体上解释生物学问题。  
![关联分析流程][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_20_color_FFFFFF_t_70_g_se_x_16 1]  
其中，关联分析内容包括：KEGG通路富集分析，相关性热图、相关性网络图，典范对应分析（CCA　Ａｎａｌｙｓｉｓ），O2PLS模型关联分析，以及最终鉴定关键LｎｃＲＮＡ／ｍRNA／代谢物。

————————————————

# 转录组学＆蛋白质组学＆代谢组学联合分析 #

蛋白质是生物体内执行功能的最终载体，蛋白质组学的研究主要以质谱蛋白质组学为基础。 代谢组学是系统生物学领域中的一个新兴学科， 它通过检测外源刺激或遗传修饰后生物体内代谢物的变化来探索整个生物体的代谢机制。

对生物体内生命过程中产生的一系列代谢产物做全面的分析有助于揭示基因型和表型之间的联系，**整合多组学分析是目前综合分析代谢产物的最有效的方法**。转录组与蛋白质组数据依据 mRNA 与蛋白之间的翻译关系彼此关联，通过此关系将 mRNA 与其翻译的蛋白整合，即**通过蛋白 ID 查找与之匹配的转录本数据**。

**蛋白质组学和代谢组学整合分析最常见的思路是基于同一条KEGG 通路的数据整合，通过找到参与某条重要的代谢通路的差异表达的蛋白质，并在代谢组学分析结果中重点关注该通路中代谢物的变化关系，基于该 KEGG 通路进一步探讨代谢物的改变是否是由蛋白质的变化所引起，据此找到参与同一生物进程（KEGG Pathway）中发生显著性变化的蛋白质和代谢物，快速锁定关键蛋白，挖掘相关靶标分子**。  
![分析内容][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_20_color_FFFFFF_t_70_g_se_x_16 2]  
正如图中所示，主要分析内容包括：

*  数据质量控制。
 *  分别对mRAN，蛋白组数据，代谢组数据进行差异表达分析.
 *  mRNA和蛋白相关性分析
 *  靶基因GO注释，KEGG富集分析。
 *  关联蛋白GO注释，KEGG富集分析。
 *  mRNA和蛋白关联结果互作分析。
 *  蛋白互作网络图。
 *  差异表达代谢物分析以及皮尔森相关系数分析。
 *  mRNA，蛋白以及代谢组联合分析。
 *  通路整合分析，基于KEGG注释筛选差异表达代谢物。
 *  差异代谢物分类。
 *  mRNA-蛋白-代谢物通路统计以及聚类分析。
 *  调控网络。  
    ————————————————  
    原文链接：https://blog.csdn.net/aganlala/article/details/111866060  
    原文链接：https://blog.csdn.net/aganlala/article/details/112349887  
    原文链接：https://blog.csdn.net/aganlala/article/details/112388735  
    原文链接：https://blog.csdn.net/aganlala/article/details/112878015  
    原文链接：https://blog.csdn.net/aganlala/article/details/112947687  
    原文链接：https://blog.csdn.net/aganlala/article/details/113110722

[An overview workflow of the comprehensive analysis of metabolomics and transcriptomics in cervical cancer.]: /images/20220828/64f15c87db1443668e52924363d5ec6f.png
[Metabolic and Proteomic Profiling Reveals Distinct Changes in L-Arginine Metabolism in Activated Human T Cells]: /images/20220828/049fc688fc8249ba88d66be214c09aa2.png
[Integrated correlation-based network analysis of microbes and metabolites.]: /images/20220828/bca0969fad4c4e0dad91cca095e53c25.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/447bc3984fd74194a93479431c1a0f85.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/8f709c06e3724d53931a570a1be2e4f5.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_20_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220828/ebc42d45bc7a4275912218485d308e4e.png