多組學聯(lián)合分析——簡單粗暴的發(fā)高分文章
隨著高通量測序技術(shù)的不斷發(fā)展與完善，單組學研究也日趨成熟與完善，而整合多組學數(shù)據(jù)研究疾病靶點的工作方興未艾。
多層組學整合分析是指對來自不同組學，如基因組學、轉(zhuǎn)錄組學、蛋白組學和代謝組學，的數(shù)據(jù)源進行歸一化處理、比較分析應用到同一課題中。
基因組學 (Genomics)：利用高通量測序獲取樣本中所有功能基因的序列和表達量信息。
轉(zhuǎn)錄組學 (Transcriptomics)：利用高通量測序全面快速地獲取某一物種特定器官或組織在某一狀態(tài)下幾乎所有轉(zhuǎn)錄本。轉(zhuǎn)錄組測序可以檢測到所有正在表達的基因的變化動態(tài)。
蛋白組學 (Proteomics)：利用HPLC-MSMS技術(shù)獲取某一時刻樣本內(nèi)所有表達蛋白。蛋白組學是基因表達調(diào)控機理研究的一個重要工具。
代謝組學 (Metabolomics)：利用液質(zhì)聯(lián)用/氣質(zhì)聯(lián)用技術(shù)研究在某一時刻樣本內(nèi)所有代謝物。代謝組學放大了基因和蛋白表達的微小變化, 反映了機體系統(tǒng)的生理和病理狀態(tài)。
一句話概括：
基因組學告訴你可能發(fā)生什么（what possibly happen），
轉(zhuǎn)錄組學告訴你正在發(fā)生什么（what probably happen），
蛋白組學告訴你已經(jīng)發(fā)生什么（what actually happen），
而代謝組學則告訴你什么確實發(fā)生了（what happened）
下面通過蛋白組學和代謝組學整合分析文獻，來了解如何進行多組學研究
文章題目：The influence of hypoxia and IFN-g on the proteome and metabolomeof therapeutic mesenchymal stem cells（蛋白組學和代謝組學整合分析，揭示低氧和炎癥環(huán)境導致的蛋白組和代謝組變化）
雜志：Biomaterials
影響因子:8.402
發(fā)表時間：15 March 2018
摘要
在過去的15年中，間充質(zhì)干細胞(mesenchymal stem cells, MSCs)被認為具有抑制炎癥和促進組織修復的能力。不管這些細胞在給藥前是否已被激活，它們的表型都會對所治療的病理生理環(huán)境中的環(huán)境信號做出反應。由于缺氧和炎癥在急性損傷和慢性疾病的環(huán)境中同時存在，我們試圖探索當細胞暴露于48小時的1%氧氣、IFN-γ或兩者共同作用時，MSCs的蛋白質(zhì)組和代謝組是如何變化的。我們特別關(guān)注細胞代謝、免疫調(diào)節(jié)、細胞外基質(zhì)的分泌和修飾以及生存能力的變化。IFN-γ促進抗致病蛋白的表達，誘導MSCs在促進自身生存的同時抑制炎癥和纖維化。缺氧反而導致細胞對低氧的適應，包括上調(diào)參與厭氧代謝、自噬、血管生成和細胞遷移的蛋白質(zhì)。雖然雙重啟動效應產(chǎn)生了疊加效應，但我們也發(fā)現(xiàn)了許多協(xié)同效應的例子。這些數(shù)據(jù)為MSCs在給病人注射后的表現(xiàn)提供了深入的了解，并提示在給病人注射前致敏細胞如何提高其治療能力。
材料方法
細胞處理和分組：MSCs細胞分別暴露在對照，IFN- γ，hypoxia（低氧），IFN-γ+ hypoxia（Dual）條件下48 h.
實驗方法：(1) 提取細胞總蛋白，利用LC-MS /MS進行蛋白組學分析； (2) 利用GC-MS對細胞進行代謝組學分析。
結(jié)果
共檢測到3465個蛋白，2435個蛋白有一種以上的肽鑒定，31蛋白在三種處理中共同差異表達。代謝組學分析發(fā)現(xiàn)44個細胞代謝物具有很強的信號。IFN-γ的激活導致丙氨酸的水平比缺氧的啟動高。?；撬岷蛠喤；撬釋Ρ彼犸@示了相似的趨勢。IFN-γ和Dual相比，犬尿氨酸和酪氨酸的相對豐度沒有顯著差異。根據(jù)以上結(jié)果，作者進一步分析代謝組合蛋白組與四種生物環(huán)境（新陳代謝，免疫調(diào)節(jié)，細胞外基質(zhì)(ECM)，細胞存活）的相關(guān)性。
圖1數(shù)據(jù)概述。A)與對照MSCs相比，顯示顯著差異表達的蛋白的總數(shù)以及刺激條件之間的交集。 B)不同刺激條件下都差異表達的31種蛋白的蛋白互作網(wǎng)絡圖。
圖2雙IFN-g/缺氧刺激對A)糖酵解，B)中性氨基酸降解，C) TCA循環(huán)，D)脂肪降解，E)電子傳遞鏈的影響。注，缺氧啟動細胞的趨勢是相似的，然而，與IFN-γ共同暴露加強了HKII、ACO1和ACSL5的上調(diào)，在面板a、C和D中分別用黑星表示。除了上調(diào)這些蛋白外，IFN-γ對上述途徑的影響并不顯著。