食品科学里的代谢组学分析综述.docxVIP

食品科学里的代谢组学分析综述 学号：2011201373 姓名：杨海源 摘要 代谢组学在许多学科已成为重要的分析工具，比如人类疾病学、营养学、药物研发、植物生理学等其他学科。在食品科学学科中代谢组学已成为热门的分析原材料和产品质量、加工处理、安全性评价的方法。这篇文章从代谢物识别、数据预测、信息处理方法讨论了代谢组学的最新进展及代谢组学分析在每个阶段的特殊方法。 引言 代谢组学使一个体系中许多小分子代谢物研究成为可能。在许多研究领域已成为重要的研究工具，最近验证并发现代谢组学在人类疾病研究、药物研发、植物分析、人类营养及其他领域发展迅速、影响广泛。代谢组学分析大体上分为代谢物靶标分析和代谢物非靶标分析。靶标分析针对目标代谢组中某一个特组的组分分析、大多情况下要求识别和量化组中的代谢物。靶标分析在未确定条件下对于混合代谢组中反应评估很重要。 靶标代谢组学分析特殊要求样品高纯度和单一选择性提取。相反，非靶标代谢组学分析主要探测代谢分子群组，尽可能获取代谢模式及代谢物指纹，对特殊代谢物无识别和定量分析要求。非靶标分析已被用于生物学的可识别指纹分析，如植物病。基于特殊目标物的分析和数据处理，多数代谢物组学研究也被分为代谢物识别、信息获取、可预测性研究（见图.1）。 图1: 代谢组学一般分类 代谢组学 代谢组学 萃取 ------------------------------------------------------------------------------------------------ 靶标分析非靶标分析 样品准备 靶标分析 非靶标分析 数据处理 ----------------------------------------------------------------------------------------------- 信息获取预测结果物质识别 信息获取 预测结果 物质识别 标记物识别分析主要在于发现样品数量的不同，没有必要创建统计模型或评估可能的路径来说明这些差异。葡萄酒的分类常通过葡萄品种和生产区及发酵代谢技术来区分。通常用多元数据分析技术获得代谢物的识别与最大化的分类，此方法在主成分分析中成为应用最多。主成分分析与其他多元数据分析在其他领域也广泛谈到。相反，信息代谢组学分析主要对目标物的定性、定量分析，或对非靶标代谢物分子获取内在信息。代谢物数据库应用不断发展和更新，如人类代谢物数据库。通过信息代谢组学可以进行对可能的代谢路径分析、新生物活性物的发现、生物标记物的发现、特殊代谢数据库的创建、代谢物的功能研究。一些代谢组学报告提出，基于代谢物轮廓的统计模型大量被创建，它可用于其它方法很难定量的可预测变量。如对绿茶感官质量的预测代谢数据模型已被开发。这些模式产生通常通过偏最小二乘法实现，本文在数据处理部分将会讨论。 在食品科学中代谢组学被用于食品研究、解决主要问题方面应用很广泛，很具有潜力。如植物健康、甚至物种起源，而且代谢组学被认为是未来一项解决农业和人类营养最有用的工具。 代谢物识别、信息获取、可预测代谢组学近期已被联合应用于食品质量、营养分析、组分分析，并在其他领域应用不断普及。本文从代谢物提取、分离、检测、数据处理及在食品质量、安全性、规范性、微生物、加工处理方面深入讨论代谢组学在食品中的应用前景。 代谢组学分析过程 代谢组学分析过程包括依次为样品准备、代谢物提取、衍生化处理、代谢物分离、检测、数据处理（图.2）。但每步并不是总要做，仅检测和数据处理在所有代谢组学研究报告中是必不可少的。这些步骤的选择取决于研究对象特殊性（非靶标\靶标分析）、样品类型（固体\液体）、所用分离设备（GC \LC）、检测方法（MS\NMR）。表1总结了近期代谢组学研究在食品分析中的应用。 图.2:代谢组学分析示意图 样品准备 如固体样品苹果皮和土豆样品制备是典型的一组需在液氮冷冻或冷冻干燥后保存。在提取时适当的研磨样品。可提高代谢组分的释放。由于样品水分含量不同，冷冻干燥法作为一种浓缩步骤，需尽可能最大限度减少代谢物差异。类似蜂蜜这类浓缩液样品在处理初始阶段需先进行稀释，而大量信息最大化的收集，在浓缩阶段比较合适。对于酒中代谢物和橄榄油中挥发性成分的浓缩分别用冻干法、固相微萃取。 提取 最初提取目的是数量上最大化和目标化合物浓缩。由于这个原因，提取是在代谢组学分析中最关键的一步。非靶标代谢组学分析中所涉及的自然化合物大多是未知的。因