生物信息学手段分析Lipidomics

根据研究目的的不同,脂质组学可进一步分为非靶向脂质组学和靶向脂质组学。没有针对性lipidomics采用LC-MS和GC-MS技术,无偏检测细胞、组织、器官或有机体中所有脂质分子在刺激或扰动前后的动态变化。通过生物信息学分析筛选差异脂质分子并分析其通路,揭示其变化的生理机制。针对lipidomics是研究和分析一类特定的脂质。这两种方法经常联合应用于发现和定量不同的脂质分子。脂质组学在食品鉴定、疾病研究、动物模型验证、生物标志物发现、疾病诊断、药物开发、药物筛选、药物评价、临床研究、植物代谢研究、微生物代谢研究等方面发挥着重要作用。

生物信息学手段分析Lipidomics

非靶向脂质组学数据分析

1.数据采集

脂质组学通常需要使用多种分析技术来满足不同的实验需要。常用的分析技术有液相色谱-质谱(LC-MS)、气相色谱-质谱(GC-MS)、毛细管电泳-质谱(CD-MS)、HILIC-MS等。高分辨率质谱技术主要有TOF-MS、FTICR-MS、Orbitrap-MS、Sector-MS等。通过上述技术获得的质谱数据用于后续分析。

2.数据分析

  • 数据预处理:使用XCMS、MZmine、MarkerView等工具进行原始数据处理。
  • 鉴别不同的脂质分子:常用的分析方法有主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)、正交偏最小二乘判别分析(OPLS-DA)等。数据分析结果还需要通过t检验和VIP (variable importance in projection, VIP)值筛选差异脂质分子。一般认为同时满足P<0.05和VIP>1.0的变量是差异脂质分子。
  • 代谢途径分析:常用的代谢途径数据库包括LipidMaps、LipidBank、HMDB、KEGG、Reactome、BioCyc、MetaCyc等数据库,可用于分析代谢途径和相互作用网络。
  • Multi-omics分析:可用的数据库和工具包括IMPaLA网站、iPEAP软件、metababanalyst网站、SAMNetWeb网站、pwOMICS、MetaMapR、MetScape、Grinn、WGCNA、MixOmic、DiffCorr、qpgraph、huge等。

靶向脂质组学数据分析

靶向脂质组学比非靶向脂质组学更有针对性,目的是分析与生物事件相关的几种或更多的脂质分子。

1.数据采集

在有针对性的方法中,天然和同位素标记的标准有助于鉴定和定量脂质分子,并减少假阳性。定量代谢组学可用于建立组织或生物的脂质基线水平,用于实验室之间的比较,或定义正常和“紊乱”的代谢状态。使用同位素标记的内部标准也有助于解释影响分析准确性的基质诱导电离效应,从而提高生物反应测试的灵敏度。

2.数据分析

由于靶向代谢组学专注于有限种类的代谢物,数据分析比非靶向代谢组学更简单、更直接。所使用的方法和数据库与非靶向脂学类似,包括LipidMaps和LipidBank等数据库。

创造性的蛋白质组学提供了针对lipidomics没有针对性lipidomics服务。我们的服务包括基础数据分析服务。如果您已经有脂质组数据,我们还可以为您提供专业的生物信息学分析服务。

如果您对我们的脂质生物信息学分析服务感兴趣,并想了解更多信息,请随时联系我们联系我们

*我们的服务只能用于研究目的,不能用于临床用途。

相关章节:


在线调查

联系我们

版权所有©2022创意蛋白质组学。保留所有权利。