代谢组学/分析方法/统计方法

返回上一章：激素
下一章：代谢控制的计算建模
转到首页：核磁共振
返回到：组织

统计方法

任何科学研究都会产生数据。在收集完实验数据后，需要对其进行量化和分析。统计分析方法被用于帮助从实验中得出结论。

待审阅和包含的文章和网页

同行评审文章 #1

通过代谢组数据逆向工程发现代谢网络

代谢组学。2009 年 9 月；5(3)：318-329。

审阅者：Ahman N

主要关注点

利用基于统计相似性度量的方法开发和分析整合代谢数据上的网络干扰。

新术语

逆向工程: 研究或分析（代谢物）以了解其运行或网络的详细信息，以创建副本或改进版本。（来源：http://en.wikipedia.org/wiki/Reverse_engineering）
修剪: 一种替代的数学方法，用于去除网络推断中的间接相互作用。（来源：http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2731157/?tool=pubmed）
网络推断: 预测一组节点和节点之间的一组有向或无向边。（来源：http://www.sysbio.org/sysbio/networkbio/）
计算机模拟: 在计算机上或通过计算机模拟进行实验。（来源：http://en.wikipedia.org/wiki/In_silico）
假阳性率: 在所有执行的测试中，错误地拒绝零假设的特定测试的概率。（来源：http://en.wikipedia.org/wiki/False_positive_rate）
随机模拟: 一种分析涉及大量物种且具有复杂反应动力学的化学反应的方法。（来源：http://en.wikipedia.org/wiki/Stochastic_simulation）
置换检验: 一种统计显著性检验，其中通过计算观察数据点标签重新排列下检验统计量的所有可能值来获得参考分布。（来源：http://en.wikipedia.org/wiki/Permutation_test#Permutation_tests）
接收者操作特征 (ROC): 用于更大系统网络推断质量的全局衡量指标。（来源：http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2731157/?tool=pubmed）
内在变异性: 由于复杂的调控模式（例如 pH 值、温度等）在细胞过程中发生的波动。（来源：http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2731157/?tool=pubmed）
雅可比矩阵: 一种在计算机模拟动力学系统中量化代谢物对之间相互作用强度的的方法。（来源：http://en.wikipedia.org/wiki/Jacobian_matrix_and_determinant）

摘要

这篇文章主要基于利用逆向工程技术开发和分析代谢网络。逆向工程技术在转录组学中非常流行，用于推断基因调控网络，但在代谢网络推断中并不常用。代谢途径的模拟非常重要，因为它可以显示结构和功能之间的关系。因此，作者开发了一种基于三个已知代谢途径的代谢网络推断，分别是含有 4 种代谢物的 E. coli 苏氨酸合成途径、含有 13 种代谢物的 S. cerevisiae 糖酵解途径，以及含有 18 种代谢物的 E. coli 中央代谢途径。这三个途径用于本研究的计算机模拟数据生成。此外，该研究还试图证明稳态，即最简单的实验分析，本身就足以揭示底层代谢网络的连通性。存在着多种组学数据逆向工程方法。然而，作者选择了统计相似性度量作为网络推断工具，因为它们被广泛使用，并且最适合稳态数据的分析。在使用相似性度量之前，比较了三个变量以模拟细胞中的条件。它们分别是酶变异性、内在变异性和环境变异性。在相似性度量中，识别并去除了相似性网络推断中的一些间接相互作用。使用条件化方法识别间接相互作用，使用修剪方法从网络推断中去除间接相互作用。然后，确定相似性得分的显著性度量，以获得推断网络的连通性模式，然后可以将其与从计算机模拟模型中获得的实际代谢网络进行比较。最后，他们使用相互作用强度验证了结果，因为细胞网络中相互作用的强度在网络中的所有边之间并不相同。研究结果表明，作者成功构建了网络推断。代谢组数据上的网络推断可以测试非线性度量以及消除间接相互作用的度量。根据结果，通过条件化和修剪消除高比例的间接链接，网络推断更加准确。此外，作者还发现，与其他变量相比，内在变异性为开发网络推断提供了更多信息。

与传统代谢课程的相关性

文章中的一些内容与传统课程有些关联。其中之一是影响网络干扰构建的酶变异性。以糖酵解为例，三种酶（己糖激酶、磷酸果糖激酶-1、丙酮酸激酶）的调控取决于细胞状态（饥饿状态或进食状态）。为了开发完美的网络干扰，必须考虑酶的调控。此外，文章指出了结构和功能在网络干扰中的重要性。这与传统代谢课程密切相关，因为蛋白质的结构可以决定其极性、电荷等等，这些都会影响蛋白质的作用。此外，代谢组数据上网络推断的开发是科学上的突破，因为代谢组数据的逆向工程技术是一种新的分析方法，尽管它已应用于转录组学等其他领域。