代谢组学/应用/营养/个人代谢组学
返回上一章： 数据库
下一章： 贡献者
第一类： 疾病研究
转至： 生活方式
返回： 营养基因组学
- 随着技术的进步和计算机程序新算法的发现，我们将看到医学研究人员检测人体代谢物浓度变化的能力。这可能导致发现精神分裂症等疾病的新生物标志物。这些想法由埃莱恩·霍姆斯和勒罗伊·胡德及其同事在关于精神分裂症生物标志物和个人代谢组学潜力的文章中分享。
- 个人代谢组学将成为未来根据个人情况诊断和治疗代谢紊乱的简便方法。可以分析尿液或血液中的代谢物，并通过收集的数据，检查个体可能患有的疾病。我们的综述主要集中在糖尿病，因为它是最常研究和最常见的代谢紊乱之一。
- 在“基于相关性和定量 (1)H NMR 的代谢组学揭示了糖尿病大鼠中特定的代谢途径紊乱”一文中，利用链脲佐菌素诱导大鼠患糖尿病。然后，对尿液和血浆进行分析，以发现可能指示糖尿病的代谢物。发现了 17 种不同的代谢物，其中许多含量过高。通过将这些信息提升到更高的水平，在未来，它可以用于轻松诊断或治疗人类的糖尿病。
- 类似地，在“用于代谢组学的综合二维气相色谱/飞行时间质谱：糖尿病的生物标志物发现”一文中，在人类患者中发现了 5 种潜在的生物标志物。然而，与第一篇论文相比，使用二维气相色谱而不是 NMR。发现的潜在生物标志物包括葡萄糖和亚油酸。同样，这些发现对于进一步的诊断和治疗很有用。
- 第三篇文章，“1型糖尿病和正常尿白蛋白排泄患者的一氧化氮合成和异前列腺素生成”表明，在 1 型糖尿病患者中，一氧化氮 (NO) 水平高于正常健康个体。然而，这种 NO 的增加对肾脏功能没有影响，因为糖尿病患者尿液中的白蛋白排泄正常。NO 是一种代谢物，可以用于进一步诊断和研究糖尿病。
- 文章“个人代谢组学作为下一代营养评估”讨论了当前和未来的技术以及合作实验室和数据库如何将在脂类等代谢方面发挥关键作用，以便在不久的将来评估代谢疾病并个性化人类的健康和饮食。
- 文章“前瞻性医疗保健：医学的第二次转型”描述了目前用于预测疾病的数据库和标准如何不足。相反，应该使用预测模型（例如，将 Gail 模型用于乳腺癌）来评估疾病风险或疾病的负面影响，并帮助根据个人的个性化评估和预测模型制定适当的治疗方案。
- 发现的网站主要是针对研究人员和专业人士而不是普通消费者的资源网站。Chenomx Inc 是一家生命科学公司，为制药公司的代谢组学研究人员提供化学软件和数据分析解决方案等。他们拥有获得专利的 NMR 套件 5.1，该套件包含五个不同的功能工具，如 Chenomx Profiler 和 Chenomx Compound Builder。他们提供的软件非常可靠准确，能够快速识别和量化代谢物。目前，他们的数据库中包含超过 250 种代谢物，为代谢组学研究人员提供了大量信息。
- PreDX 是唯一一个针对消费者或普通民众而不是研究机构或大型公司的网站。该网站提供了一种新型的血液检测，评估在有糖尿病风险的个体中发现的不同代谢物。这一点非常重要，因为一些糖尿病病例可以通过改变饮食和运动来预防。了解患糖尿病的风险可以极大地帮助个体进行预防。
- 最后一个网站属于代谢组学学会，这是一个由著名的代谢组学科学家组成的团体，他们正在努力进一步扩展他们的领域。除了提供资源外，他们还提供有关代谢组学领域新技术和方法的教程和研讨会。该网站提供了与代谢组学中使用的各种软件类型的链接。虽然这对公众没有用，但对于希望使用代谢组学帮助诊断患者的代谢组学研究人员或医生来说，它是一个很好的资源。
- Chenomx NMR Suite 帮助科学家将代谢反应与病理、毒性、药物疗效和遗传学联系起来。
主要关注点
- 通过使用核磁共振波谱技术，并采用独特创新的软件，提供对各种生物样本中代谢物的分析技术。
摘要
- Chenomx Inc 是一家生命科学公司，为全球制药公司和机构的代谢组学研究人员提供了许多服务。通过与化学软件和系统生物学数据分析解决方案等特定领域的领先供应商合作，Chenomx 通过其网站提供了一系列高效、经济且及时的服务。这些服务包括核磁共振 (NMR) 波谱数据采集、代谢物分析的目标分析和大量生物样本的统计分析。所有这些都通过其独一无二的专利 Chenomx NMR Suite 5.1 实现；该套件包含五个不同的功能工具，例如 Chenomx Profiler、Chenomx Compound Builder、Chenomx Spin Simulator、Chenomx Library Manager 和 Chenomx Processor。
- Chenomx 聘请了高素质的科学家来执行所有服务。多年来，Chenomx 在处理和分析各种生物样本方面积累了丰富的经验。Chenomx 实验室拥有尿液、血浆、血清、唾液和细胞提取物的标准协议。Chenomx 继续改进和扩展其在处理新样本方面的知识，这些样本可以用于通过核磁共振波谱分析特定代谢物的检测。Chenomx 的核磁共振波谱是快速检测生物流体成分的强大工具。Chenomx 使用的核磁共振波谱仪具有 400 到 800 MHz 的场强。将核磁共振波谱与软件相结合，可以实现高效的一步式生物流体分析。Chenomx 软件能够准确、可靠且快速地识别和量化代谢物，为研究人员提供完整而全面的分析结果，并以各种格式或数据库呈现：分隔文本、Microsoft Excel、XML、SIMCA-P、Matlab 等等。
- 目前，Chenomx 提供酒精、脂肪酸、氨基酸、糖、有机酸和核酸成分等样本制备服务。Chenomx 数据库拥有超过 250 种化合物，需要解释其研究的化合物或途径的代谢组学研究人员只需点击几下鼠标即可访问 www.chenomx.com 提供的优势工具。
- 核磁共振
- 利用核磁共振来研究分子的一系列科学方法 ("核磁共振波谱法") ( http://en.wikipedia.org/wiki/NMR )
- 化学计量学
- 在实验设计和评估结果数据中使用数学统计方法 ( http://en.wiktionary.org/wiki/chemometrics )
- 代谢物
- 任何由代谢反应产生或参与代谢反应的物质 ( http://en.wiktionary.org/wiki/metabolite )
- 场强
- 在电场或磁场中给定点上所有力（作用于单位质量或单位电荷或单位磁极）的矢量和 ( http://wordnetweb.princeton.edu/perl/webwn?s=field%20strength )
- 血清
- 将全血在允许凝固后分离成固体和液体成分后获得的透明淡黄色液体 ( http://en.wiktionary.org/wiki/serum )
- 该网站提供分析各种代谢物的技术，我们在这门课程中讨论过其中一些代谢物。
http://predictmyrisk.com/about.html
识别可能在五年内患上糖尿病的患者。
主要关注点
- 主要关注点是利用代谢物血液检测来找出患糖尿病风险的患者，并使用除葡萄糖以外的代谢指标来做到这一点。
摘要
- 糖尿病是许多人的重大健康问题。它会导致其他健康问题，例如高血压、血栓、视力丧失、中风以及许多其他疾病。如今，医生可以通过一些方法检测糖尿病的风险因素，以便在糖尿病发病之前预防。医生会使用一种血液检测来检测空腹期间血液中的葡萄糖水平。不幸的是，这种检测被发现并不像以前假设的那样准确。
- PreDX 是一个网站，它提供了一种新型的血液检测，可以检测出许多不同的代谢物，这些代谢物被发现存在于患糖尿病风险的患者中。这种新的检测方法对医生来说可能非常有用，因为它分析血液中的代谢物，与传统的空腹血糖检测相比，它可以更准确地衡量糖尿病风险。该网站声称其血液检测能够识别出在患上糖尿病之前五年内有患病风险的患者。PreDX 声称这是一个简单易行且灵敏的检测方法，它可以提供患者风险以及该风险原因的易于理解的结果。这种检测还可以用于现有的糖尿病患者，以更全面地测试其糖尿病控制情况。
- 该检测方法是在空腹血液样本上进行的。一种算法分析了许多蛋白质和血源性生物标志物。然后，该算法将这些数据汇总成一个单一的数值分数，该分数可以转换为风险百分比。这项技术可以通过电话、在线或通过传真将信息发送到网站上的号码来获得。
- 生物标志物
- 用作生物状态指标的物质。 ( http://en.wikipedia.org/wiki/Biomarkers )
- 蛋白质
- 由氨基酸组成的有机化合物，这些氨基酸以线性链排列，并通过相邻氨基酸残基的羧基和氨基之间的肽键连接在一起。 ( http://en.wikipedia.org/wiki/Protein )
- 中风
- 由于供应大脑血液的血管出现障碍而导致的脑功能迅速丧失。 ( http://en.wikipedia.org/wiki/Stroke )
- 大血管
- 指大血管。 ( http://diabetes.org.au/glossary.htm )
- 空腹血糖
- 一种检测方法，用于了解在隔夜禁食后采集的血液样本中葡萄糖的含量。 ( http://www.medterms.com/script/main/art.asp?articlekey=3393 )
- 遗传标记
- 产生可识别性状的特定基因，可用于家族或人群研究。 ( http://wordnetweb.princeton.edu/perl/webwn?s=genetic%20marker )
- 视网膜病变
- 是一个通用术语，指的是眼睛视网膜发生的某种非炎症性损伤。这种情况最常见的原因是血液供应出现问题。 ( http://en.wikipedia.org/wiki/Retinopathy )
- 该网站提供了一种检测方法，用于分析与糖尿病相关的代谢物。这与我们课程的内容相关，因为它展示了代谢的复杂相互作用及其对身体的影响。
http://www.metabolomicssociety.org
- 代谢组学协会是一个致力于代谢组学领域发展的网站。它是一个非营利组织，拥有来自20个国家的500多名成员。该协会还出版了自己的期刊《代谢组学》，这是一本由施普林格出版的同行评审期刊，每3-4个月出版一次。该网站提供了多种代谢组学资源，包括大量软件和数据库。然而，这些资源更适合研究人员，而不是“日常”个人。换句话说，它不是代谢组学的WebMD，但仍然提供信息，医生或研究人员可以使用这些信息来帮助“日常”个人进行个人代谢组学分析。
- 该网站上列出的几乎所有软件都使用核磁共振或各种质谱仪。利用这些，他们能够通过与大型数据库进行比较来检测某些代谢物，有时甚至可以对新发现的代谢物进行结构化。XCMS(2)能够使用“相似性搜索”，它可以获取未知代谢物并提出可能的结构基序，从而允许对未知代谢物进行可能的鉴定。MetaboMiner是一个能够“识别复杂生物流体中代谢物”的程序，这在医疗环境中会很有用。HORA可能是最相关的，因为它是一个由人类血液中代谢物组成的数据库。它允许您判断哪些代谢物异常，并且方便地提供图表来管理数据。虽然还有更多软件可用，但最后这两个与个人代谢组学最相关。该网站还提供了代谢物的数据库，包括一些与疾病相关的数据库，例如OMIM。除了软件之外，代谢组学协会还提供各种教程讲习班，包括“NIH理解生物途径和网络的路线图——代谢组学”和“PubChem：化学生物学筛选结果的公共存储库”。该网站最重要的部分是软件资源，尽管网站还有其他有用的方面。
- NIH
- 美国国立卫生研究院 (http://en.wikipedia.org/wiki/NIH)
- 代谢谱分析
- 代谢谱分析采用一系列分析方法（例如，质谱和高分辨率1H核磁共振谱），适合于感兴趣的代谢物类别（类）的化学性质。 (http://www.genomicglossaries.com/content/metabolic_engineering.asp)
- 代谢指纹图谱
- 根据样品的来源或生物学相关性对其进行快速分类。 (http://www.genomicglossaries.com/content/metabolic_engineering.asp)
- 足迹分析
- 是一种识别蛋白质结合的DNA位点的技术，通过这种技术，该区域的键不受核酸酶攻击的保护。 (http://www.hgsc.bcm.tmc.edu/docs/HGSC_glossary.html)
- 转录组分析
- 通过识别细胞中所有存在的信使RNA来分析细胞的全局基因表达。 (http://www.nature.com/nrmicro/journal/v2/n12/glossary/nrmicro1046_glossary.html)
- 代谢通量分析
- 一种类似于通量基分析的分析技术，用于确定代谢物在生物过程中产生的速率。 (http://en.wikipedia.org/wiki/Metabolic_flux_analysis)
- 代谢组
- 指的是生物样本（例如单个生物体）中发现的完整的小分子代谢物（例如代谢中间体、激素和其他信号分子以及次级代谢物）集合。 (http://en.wikipedia.org/wiki/Metabolome)
- Auffray，Charles；Chen，Zhu；Hood，Leroy。系统医学：医学基因组学和医疗保健的未来。基因组医学 2009，I:2。 http://genomemedicine.com/content.I/I/2.
- 系统生物学可用于确定和早期预警某些疾病，这得益于计算和技术方面的进步。
- 通过制定可靠的假设，可以通过采集特定代谢物的样本，并使用经过精心设计的数学方法来对生物系统进行监测，从而对数据做出明智的决策。然后，可以通过一系列网络与其他科学家共享这些数据。
- 通过精心设计的假设驱动方法，可以创建合成生物学和动态过程，使用户能够改变代谢物的参数来预测不同浓度的影响。使用这些精心设计的方法，个人基因组计划将能够确定正常和患病表型的差异。如果没有高质量的设计和评估，由此产生的生物标志物的用途将受到影响。然而，微阵列和PCR技术的最新进展以及蛋白质组学工具的进步，使得能够获得准确的读数和高质量的数据。使用强大的计算机程序，可以生成显示蛋白质间相互作用的网络过程。计算方面的一些限制是注释数据的差异。不同的编程语言，以及细胞系统不断变化的事实，使得编写一个涵盖细胞所有变化的理想程序变得困难。随着技术的进步，新的计算方法将允许对整个细胞系统和器官进行建模。该项目高度依赖于注释信息，因此所有组织都应该使用注释标准，并密切关注实验的质量。
系统生物学 - 通过使用复杂生物系统知识，可以确定行为和不同的条件。
合成生物学 - 使用模块化过程可以设计和建模生物系统。
分层 - 外观
www.dictionary.com
异速生长 - 生长测量
www.dictionary.com
阐明 - 使清楚
www.dictionary.com
系统 - 有计划
www.dictionary.com
细胞计数 - 细胞计数
www.dictionary.com
Kaddurah-Daouk，Rima。精神分裂症患者的代谢谱分析。PLoS 医学。2006 年 8 月，V.3，I.8；第 1222-1223 页。
- 代谢组学可用于监测和开发不同人类疾病的生物标志物。
- 本文提供了一个想法，即使用适当的测量工具，环境因素可以用于发现新的疾病生物标志物，例如精神分裂症。
- 在这个医学发展时期，人们提出了发现和预防疾病的新思路。精神疾病，更具体地说，精神分裂症，阻碍着全世界许多人的日常生活。这种疾病有治疗过程，但许多精神分裂症患者发现很难坚持治疗。他们经常停止治疗，结果只能复发，使症状加重。Elaine Holmes 和她的同事提出了精神分裂症没有已知生物标志物的事实。他们专注于通过识别脑脊液样本的变化来识别精神分裂症的生物标志物。为此，他们使用核磁共振 (NMR) 来记录多个共振系数。他们跟踪了两组不同精神分裂症患者的代谢物，并用抗精神病药物治疗了一组患者。他们发现，一旦给予治疗，正在测试的代谢组子集就会稳定到正常水平。Elaine Holmes 和她的同事认为，通过研究代谢组学，科学家可以找出能量和脂质生物合成代谢的障碍。在对这项研究进行进一步测试时，应该包括更大的样本群体，以及复制和验证结果的能力。这将减少混杂效应，并允许更具意义的生物学假设。
异常 - 偏离正常。
主导系数 - 乘法中的常数因子
脑脊液 (CSF) - 大脑周围脊柱中的透明液体
核磁共振 (NMR) - 使用量子磁性的物理共振
2 型糖尿病 - 非胰岛素依赖型糖尿病
Zhang, Shucha。Nagana Gowda,GA。Asiago, V。Shanaiah, N。Barbas, C。“基于相关和定量 (1)H NMR 的代谢组学揭示了糖尿病大鼠的特定代谢途径紊乱”。分析生物化学 383。2008 年 5 月。76-84。2009 年 2 月 11 日 http://www.ncbi.nlm.nih.gov/pubmed/18775407?ordinalpos=1&itool=EntrezSystem2.PEntrez.Pubmed.Pubmed_ResultsPanel.Pubmed_DefaultReportPanel.Pubmed_RVDocSum
- 1 型糖尿病是一种自身免疫性疾病，由身体破坏胰腺中的 β 细胞引起。尽管糖尿病是一个研究得很透彻的课题，但它的原因和预防措施仍然没有得到很好的理解。在这项研究中，研究人员使用代谢组学方法来研究 1 型糖尿病。具体来说，研究人员将核磁共振 (NMR) 和质谱与多变量统计分析 (MSA) 相结合。这些技术使研究人员能够以相对经济高效且节省时间的方式筛选大量的代谢物样本并收集与正常个体和糖尿病患者相关的数据。代谢组学作为研究疾病的一种方法非常普遍。例如，它已被用于研究癌症、2 型糖尿病、先天性代谢错误，甚至饮食和营养。
- 在这项研究中，研究人员给大鼠注射链脲佐菌素 (STZ) 以诱导 1 型糖尿病。然后，他们在 4 天后检查大鼠的葡萄糖水平是否升高超过 200 毫克/分升，以确认它们是否患有糖尿病。所选择的对照组在年龄和性别上均相当。两组大鼠都保持在适当的条件下，并提供适当的食物和水供应。在初始注射后 7 天，每 8 小时收集一次尿液样本。在处死大鼠之前，通过心脏穿刺收集血液样本。从尿液和血液样本中收集数据，并使用配备 HCN 1H 反向检测探头的 NMR 光谱仪进行分析。分析后，鉴定并定量了 17 种代谢物。
- 在糖尿病大鼠中，葡萄糖、α-生育酚、尿素、甘油三酯、TBARS 和肝脏 α-生育酚均高于对照组。此外，糖尿病大鼠在 24 小时时间范围内消耗和分泌的尿量是对照组的 10 倍。
- 糖尿病大鼠的葡萄糖以及各种其他较小分子的峰值强度高。葡萄糖的特定数量平均比对照大鼠高约 7500 倍。观察到乳酸的增加量是第二高的，约为 40 倍。
- 为了确认所编制的数据的准确性，研究人员进行了多变量分析：主成分分析 (PCA)。PCA 结果表明，由于大量的代谢物，对照组和糖尿病大鼠区分明显。去除葡萄糖不会影响区分糖尿病大鼠和对照大鼠的分析。
- 使用代谢组学方法研究 1 型糖尿病，研究人员发现，即使从样本中去除最显著的标志物（葡萄糖）后，代谢物之间仍然存在显著差异，从而将对照大鼠与糖尿病大鼠区分开来。此外，研究人员开发了一个网络，显示了代谢物变化及其相互之间的相关性。
- 自身免疫
- 机体不能识别自身组成部分为自身，导致机体对自身细胞和组织产生免疫反应 (http://en.wikipedia.org/wiki/Autoimmune)
- 葡萄糖
- 单糖（或简单糖），也称为葡萄糖、血糖或玉米糖，是生物学中非常重要的碳水化合物 (http://en.wikipedia.org/wiki/Glucose)
- 先天性代谢错误
- 包括一大类涉及代谢紊乱的遗传疾病 (http://en.wikipedia.org/wiki/Inborn_errors_of_metabolism)
- 质谱
- 穿过磁场的带电粒子沿圆形路径偏转，圆形路径的半径与质荷比 m/e 成正比 (http://www.chem.ucalgary.ca/courses/351/Carey/Ch13/ch13-ms.html)
- 代谢物
- 是“特定细胞过程留下的独特化学指纹的系统研究”：具体来说，是对它们的低分子量代谢物谱的研究 (http://en.wikipedia.org/wiki/Metabolites)
- 核磁共振 (NMR)
- 是一种基于原子核的量子力学磁性质的物理现象 (http://en.wikipedia.org/wiki/Nuclear_magnetic_resonance)
- 主成分分析
- 确定可以解释原始集合的更小集合的合成变量 (http://en.wikipedia.org/wiki/Principal_components_analysis)
- 链脲佐菌素
- 一种天然存在的化学物质，对哺乳动物胰腺中产生胰岛素的 β 细胞特别有毒 (http://en.wikipedia.org/wiki/Streptozotocin)
- 甘油三酯
- 大多数脂肪在食物和身体中存在的化学形式 (http://www.americanheart.org/presenter.jhtml?identifier=4778)
- 1 型糖尿病
- 1 型糖尿病是一种自身免疫性疾病，会导致胰腺产生胰岛素的 β 细胞被破坏 (http://en.wikipedia.org/wiki/Type_1_diabetes)
- 这与代谢的整体研究有关。
Li, Xiang。Xu,Z。Lu, X。Yang, X。Yin, P。Kong, H。Xu, G。“用于代谢组学的综合二维气相色谱/飞行时间质谱：糖尿病生物标志物发现”。分析化学学报 663。2008 年 11 月。257-262。2009 年 2 月 11 日 <http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6TF4-4V2NKGK-2&_user=47004&_rdoc=1&_fmt=&_orig=search&_sort=d&view=c&_acct=C000005018&_version=1&_urlVersion=0&_userid=47004&md5=bc0216cfd9f5107aa5fd79797ede270b>.
- 代谢组学可用于诊断疾病并帮助进行机制研究。研究人员使用线性色谱-质谱 (LC-MS) 和气相色谱-质谱 (GC-MS) 来检查需要高灵敏度、高选择性且具有较大线性范围的代谢物含量。在这项研究中，研究人员通过 LC-MS 和多变量统计分析 (MSA) 研究了 2 型糖尿病 (T2DB) 患者的血浆磷脂水平。修改了一些标准方法来检查健康患者和糖尿病患者之间的代谢物谱差异。例如，研究人员将 GC X GC-MS 与超高效液相色谱质谱 (UPLC-MS) 相结合，以获取大鼠的全局代谢物谱。GC X GC 已被用于多种方式。但是，当它与 MS 结合使用时，可以在样本之间对比代谢物谱。
- 从血浆中提取代谢物，并通过GC X GC-TOFMS进行分析。数据被提交到数据处理软件。进行峰对齐调整和模式识别。根据代谢物在投影中的变量重要性（VIP），获得了潜在的生物标志物代谢物。它们通过ChromaTOF和NIST MS Search 2.0软件进行鉴定。
- 本研究招募了48名糖尿病患者和31名健康对照志愿者。收集血液样本，获得血浆蛋白。然后，使用LECO Pegasus 4D GC X GC-TOFMS设备分析血浆样本。之后，使用偏最小二乘判别分析（PLSDA）揭示了健康人群和糖尿病患者之间的差异。使用正交信号校正（OSC）来排除两种样本类型之间的差异。
- 如上所述，选择VIP值大于1.0的代谢物作为潜在的生物标志物。经过进一步分析和排除无关数据后，研究人员得出结论：如果相似度大于750，则与已发表的数据匹配。他们发现9个潜在的生物标志物中，有4个与已发表的数据匹配。棕榈酸、磷酸、2-羟基异丁酸和亚油酸都被鉴定为阳性匹配。
- 众所周知，葡萄糖和脂类是2型糖尿病的关键特征。在2型糖尿病患者中，血液中循环的游离脂肪酸（FFA）水平升高。这可能是2型糖尿病发展的诱因，也可能是2型糖尿病的结果。此外，FFA可能与葡萄糖竞争底物水平氧化，从而干扰丙酮酸脱氢酶的活性。这会导致细胞内葡萄糖水平升高。FFA水平升高也可能导致高胰岛素血症。高胰岛素血症可能是2型糖尿病患者胰岛素抵抗的开始。由于发现的生物标志物与高血糖或β-氧化问题相关，它们可以用于辅助诊断或进一步研究。
- 气相色谱
- 具体来说，气相-液相色谱法——涉及将样品气化并注入色谱柱顶部(http://teaching.shu.ac.uk/hwb/chemistry/tutorials/chrom/gaschrm.htm)
- 多元统计分析
- 描述一组程序，这些程序涉及同时观察和分析多个统计变量(http://en.wikipedia.org/wiki/Multivariate_statistical_analysis)
- 飞行时间质谱 (TOFMS)
- 离子被电场加速到相同的动能，离子的速度取决于其质荷比(http://en.wikipedia.org/wiki/Time-of-flight_mass_spectrometry)
- 2型糖尿病
- 一种代谢紊乱，其特征是在胰岛素抵抗和相对胰岛素缺乏的情况下出现高血糖。(http://en.wikipedia.org/wiki/Diabetes_mellitus_type_2)
- 高胰岛素血症
- 存在于患有2型糖尿病或胰岛素抵抗的人群中，血液中循环的胰岛素水平过高。(http://en.wikipedia.org/wiki/Hyperinsulinemia)
- 超高效液相色谱
- 一种色谱柱，它包含色谱填料（固定相）、用于推动流动相通过色谱柱的泵，以及用于显示分子保留时间的检测器(http://en.wikipedia.org/wiki/Ultra_performance_liquid_chromatography)
- 这与代谢的整体研究有关。
O'Byrne, Sharon, P Forte, LJ Roberts II, JD Morrow, A Johnston, E Anggard, RDG Leslie, and Nigel Benjamin. "Nitric Oxide Synthesis and Isoprostane Production in Subjects With Type 1 Diabetes and Normal Urinary Albumin Excretion." Diabetes. 49. 5, 857-862. May 2000. http://diabetes.diabetesjournals.org/cgi/reprint/49/5/857
- 1型糖尿病患者患严重微血管并发症的风险很高。对这些并发症的研究已经进行了大量研究，重点是内皮和一氧化氮 (NO) 的产生。NO 在人体微血管的日常正常功能中起着重要作用。NO 的作用受到其自身产生和自由基超氧化物 (O2-) 产生之间的平衡的严格调节。当 NO 和 O2- 相互作用时，会形成高反应性的过氧化亚硝酸盐 (ONOO-)，它催化 LDL 胆固醇中异前列腺素的形成。异前列腺素是高血糖的标志物；高血糖是一种与糖尿病相关的疾病，会导致维持血管的重要组织增殖，从而引起并发症。在这项研究中，研究人员设计了一种准确量化 NO 合成的方法，以深入研究患有正常尿白蛋白排泄 (UAER) 的 1 型糖尿病患者中 NO 与自由基产生之间的关系以及与正常对照组的匹配。
- 该方法需要将稳定同位素 L-[15N]2-精氨酸注入每个受试者体内，并在 36 小时内每 12 小时收集一次尿液，并将 L-[15N]2-精氨酸转化为 15N-硝酸盐。受试者遵循严格的指南，例如在研究前 3 天和研究期间避免进行体育锻炼。通过同位素稀释质谱法，使用特定异前列腺素的代谢产物 2,3-二正丁基-5,6-二氢-F2-IsoP 来量化前 12 小时的自由基产生。通过使用同位素比质谱法检测尿液中排泄的 15N-硝酸盐水平，测量了全身 NO 的产生。采取了谨慎的考虑和措施，以限制糖尿病和健康受试者之间可能改变结果的可变性因素，包括年龄、BMI、血压和胆固醇。
- 根据结果，与对照组相比，1 型糖尿病患者表现出全身 NO 合成的显着增加，特别是那些患病史超过 20 年的患者。所有与个体特征、肌酐清除率和消除率相关的变量均微不足道。只有性别的差异会影响 15N-硝酸盐水平，无论是否患有糖尿病，女性总体表现出最高的 NO 产生。确定体内氧化应激水平的 F2-异前列腺素水平表明 NO 合成与自由基之间存在反比关系。这与早期假设一致，即氧化物质（自由基）的存在使 NO 合成失活。异前列腺素浓度在糖尿病组和对照组中相似，因此糖尿病组中 NO 产生更高的一个可能解释可能是由于 NO 的抗氧化和保护活性。NO 抑制自由基，自由基在糖尿病患者产生的高血糖条件下积聚。这项研究的结果为人们对 NO 在 1 型糖尿病患者中的作用提供了新的有希望的见解。
- 微血管
- 指小的血管 (http://diabetes.org.au/glossary.htm)
- 血管病
- 任何血管或淋巴管的疾病 (http://wordnetweb.princeton.edu/perl/webwn?s=angiopathy)
- 微量白蛋白尿
- 少量蛋白质（白蛋白）泄漏到尿液中；肾脏损伤的早期预警信号 (http://diabetes.org.au/glossary.htm)
- 有丝分裂
- 诱导细胞的有丝分裂 (http://medical-dictionary.thefreedictionary.com/mitogenesis)
- 血糖正常
- 指血糖正常；体内血糖水平正常 (http://en.wiktionary.org/wiki/euglycemic)
- 为了进一步了解 1 型糖尿病患者中 NO（从精氨酸代谢到脯氨酸的产生）产生与自由基之间的关系以及微血管疾病的出现。
German, J. Bruce. Roberts, Matthew-Alan. and Watkins, Steven M. “Personal Metabolomics as a Next Generation Nutritional Assessment” The American Society for Nutritional Sciences. J. Nutr. May 2009. 133:4260-4266, December 2003. http://jn.nutrition.org/cgi/content/full/133/12/4260
- 每个人在代谢调节方面都有所不同，因此并不一定存在每个人都必须遵循的最佳饮食。未来将需要对个人独特的代谢进行个性化评估。最终目标将是使每个人的健康个性化，以便更好地预测和管理疾病。现在，由于理解个体代谢健康的挑战，需要采取更精确和更通用的方法。重要的是要定义饮食组成部分作为完整饮食的输入变量以及整合代谢的输出变量，以便判断一个人的健康状况。迄今为止，营养研究人员尚未解决在营养临床试验中获取代谢组学范围内的数据集作为输出变量的问题。代谢组学的目标是准备一个包含给定生物样本中所有代谢物的综合数据集。由于生物样本中小型代谢物的广泛动态和化学范围，这目前还不可行。但是，可以将代谢物分成特定的类别，分析这些类别，然后以电子方式重新组合数据。例如，血液中的所有脂类类别都可以根据每个脂肪酸成分的质量进行量化。质谱等技术提供了一种非常高效且相对便宜的方法来实施系统以收集此类数据。用于解决大多数代谢物类别的技术与用于脂肪酸和复杂脂类的技术一样可用。因此，在使用这些技术组装人类和实验动物的代谢物数据库方面，没有重大的技术障碍，这些数据库包括氨基酸和小肽、甾醇、有机酸、糖和醇、维生素、核苷酸等。只要数据是定性和定量的，来自不同人类和动物研究的数据都可以直接比较。如果数据既定性又定量，那么在不同的实验室中使用完全不同的分析技术，相隔数年进行的研究将产生直接可比的数据。疾病的主要致病因素通常是细胞和组织的生化成分发生改变。因此，基因调控控制与主要致病因素之间的联系对于药物开发、医药、营养和其他治疗措施的应用至关重要。识别基因、转录物、蛋白质和代谢物之间的关系是了解整合代谢的必要组成部分。现在已经有了软件可以将分析数据叠加到上述途径上，这提供了一种强大的方法来识别通过从微阵列获得的基因数据的共表达来调节代谢的生物学机制。GenMAPP 是一个特别有用的工具，它允许用户将途径信息链接到基因表达数据。总的来说，目标是与各个实验室合作，解释血液脂类的差异，从而提供关于使用食物、药物和生活方式进行干预以改善脂类代谢的预测性知识。
- 环境
所有外部变量的总和，包括饮食、生活方式，以及不可忽视的共存生物体。
- 脂质组学
脂质的研究和探索。
- 脂质
广泛定义为任何脂溶性（亲脂性）、天然存在的分子，例如脂肪、油脂、蜡、胆固醇、甾醇、脂溶性维生素（如维生素 A、D、E 和 K）、单甘油酯、二甘油酯、磷脂等。脂质的主要生物学功能包括能量储存、作为细胞膜的结构成分以及重要的信号分子。（http://en.wikipedia.org/wiki/Lipid）
- 营养遗传学
指人类之间特定的基因序列差异，以及这些差异如何影响对饮食的反应差异和对特定营养物质的需求差异。
- 营养基因组学
是研究饮食对所有基因表达及其功能的影响。
- 与每个人都有关，因为脂质的研究和探索，以及根据自身代谢结构制定个性化饮食，可能会影响我们的个人健康。可能会彻底改变我们对健康和饮食的看法。
Snyderman, Ralph 和 Langheier, Jason。“前瞻性医疗保健：医学的第二次转型”基因组生物学 2006 年。2009 年 5 月。7:104。2006 年 3 月 27 日。 http://genomebiology.com/2006/7/2/104
图片:Breast Cancer Awareness (263497131).jpg
.jpg){kind=link}
- “前瞻性医疗保健”一词是指个性化的风险预测和战略性医疗保健规划，它将促进一种新的护理形式。目前医疗保健的方法基于还原论方法，该方法简化了传染病和慢性病的因果关系。疾病并非由一种微生物引起（因为这过于简单），而是由于遗传易感性和环境暴露而发展。随着时间的推移，病理增加，可逆性下降，护理成本增加。更早的干预措施可以明显降低成本和疾病负担。因此，目前的研究似乎集中在治疗慢性疾病，而不是预防慢性疾病。借助包括基因组学、蛋白质组学和代谢组学等快速发展的领域在内的现代科学技术，预测事件并在发生损害之前进行干预是可能的。前瞻性医疗保健是一种新的方法，它融合了当前以疾病为导向的医学的所有力量，但基于战略性健康规划的概念，即一种积极的、前瞻性的护理方法。在这个系统中，将对个人进行评估，以确定他们患各种疾病的基线风险、他们当前的健康状况以及鉴于他们的风险，他们发展特定临床问题的可能性。为了实现这一点，必须获得必要的工具，例如预测性生物标志物，例如低密度脂蛋白 (LDL) 用于心血管疾病。需要识别这些生物标志物并随着时间的推移进行跟踪，以确定个人发展任何特定疾病的可能性是增加还是降低。因此，需要一个预测模型来完成这项任务。预测性建模包含各种用于创建模型的过程，这些模型可以区分预测因子和其他许多对预测结果没有那么有价值的因素。数学模型可以作为提高总体护理标准的指南，但不应用于确定最终诊断或治疗方案，因为人类对模型可能无法解释的异常情况敏感。最好的做法是医疗保健使用这些数学模型作为指南来帮助标准化护理，而目前还没有这样做。为了最大限度地发挥作用，临床医学需要能够在更短的时间内准确预测事件的预测模型，而不是 10 年内复发的可能性。为了实现这一目标，将需要收集更多相关且具体的数据进行分析，如图 5 所示，该图说明了从人群队列中收集临床数据和生物标志物分析结果（如基因表达、蛋白质阵列和心电图），并将这些结果存储在疾病模型库中，然后从中开发模型。这些模型可用于识别特定疾病或事件的风险预测因子，因此可以与特定个人的概况进行比较，以确定他们的风险或诊断疾病进展。与因果基因高度相关的 SNP 等生物标志物将比目前收集的大部分数据更好地预测不良结局，并提供更好的预测模型。对于被确定为高风险的个人，他们将接受广泛的监视，以尽可能多地跟踪疾病，并提供治疗支持，例如乳腺癌。对于任何疾病，特别是乳腺癌，为了实现个性化的预防和早期干预，有必要预测基线风险，提供早期检测的监视，并在疾病发展时促进最佳的个性化治疗。为了用乳腺癌做到这一点，有一些特定的模型，称为 Gail 和 Claus 模型，以及 BRCAPRO，它们用于预测风险，并用于促进适当的治疗。将这些新技术应用于医疗保健不仅将提供对健康及其向疾病演变的更详细的理解，而且还将支持预测事件和预测适当干预的能力。
- 还原论方法
- 将发病机制的概念简化为最少数量的因果因素
- 生物标志物
- 可测量的生物学因素，可预测疾病的发展
- BRCA1/BRCA2
- 人类基因，其特定突变会增加女性患乳腺癌和卵巢癌的风险（乳腺癌高达 86%），以及男性患乳腺癌和前列腺癌的风险。
- Claus 模型
- 一个计算机程序，使用统计学来预测一个人根据家族史患乳腺癌的风险（http://www.cancer.gov/Templates/db_alpha.aspx?CdrID=446553)
- Gail 模型
- 一个计算机程序，使用个人和家族史来估计女性患乳腺癌的可能性。也称为 Gail 风险模型。（http://www.cancer.gov/Templates/db_alpha.aspx?searchTxt=gail&sgroup=Starts+with&lang=)
- SNP
- 单核苷酸多态性 -- 当基因组（或其他共享序列）中的单个核苷酸（A、T、C 或 G）在物种成员之间（或在个体中配对染色体之间）发生差异时，就会发生 DNA 序列变异。（http://en.wikipedia.org/wiki/Single_nucleotide_polymorphism)
- 如果实施，前瞻性医疗保健可能会影响现代医疗保健的运作方式。我们可以成为试验品，看看这种类型的干预是否可行，如果成功，我们最终会从中受益。总体上与代谢和身体调节如何影响健康相关。
- O'Byrne，Sharon，P Forte，LJ Roberts II，JD Morrow，A Johnston，E Anggard，RDG Leslie 和 Nigel Benjamin。“1 型糖尿病和正常尿白蛋白排泄患者的一氧化氮合成和异前列腺素生成”。糖尿病。49. 5, 857-862。2000 年 5 月。
- Li, Xiang。Xu,Z。Lu, X。Yang, X。Yin, P。Kong, H。Xu, G。“用于代谢组学的综合二维气相色谱/飞行时间质谱：糖尿病生物标志物发现”。分析化学学报 663。2008 年 11 月。257-262。2009 年 2 月 11 日 <http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6TF4-4V2NKGK-2&_user=47004&_rdoc=1&_fmt=&_orig=search&_sort=d&view=c&_acct=C000005018&_version=1&_urlVersion=0&_userid=47004&md5=bc0216cfd9f5107aa5fd79797ede270b>.
- Zhang，Shucha。Nagana Gowda，GA。Asiago，V。Shanaiah，N。Barbas，C。“相关和定量 (1)H NMR 基于代谢组学揭示了糖尿病大鼠中特定代谢途径的紊乱”。分析生化 383。2008 年 5 月。76-84。2009 年 2 月 11 日<http://www.ncbi.nlm.nih.gov/pubmed/18775407?ordinalpos=1&itool=EntrezSystem2.PEntrez.Pubmed.Pubmed_ResultsPanel.Pubmed_DefaultReportPanel.Pubmed_RVDocSum>。
- “糖尿病风险测试”。PreDX。2008 年。Tethys Bioscience，Inc.。2009 年 2 月 15 日<http://predictmyrisk.com/about.html>。
- “首页”。代谢组学协会。2008 年 12 月。赛默飞世尔科技。2009 年 2 月 13 日<129.128.185.121/metabolomics_society>
- German, J. Bruce. Roberts, Matthew-Alan. and Watkins, Steven M. “Personal Metabolomics as a Next Generation Nutritional Assessment” The American Society for Nutritional Sciences. J. Nutr. May 2009. 133:4260-4266, December 2003. http://jn.nutrition.org/cgi/content/full/133/12/4260
- Snyderman, Ralph 和 Langheier, Jason。“前瞻性医疗保健：医学的第二次转型”基因组生物学 2006 年。2009 年 5 月。7:104。2006 年 3 月 27 日。 http://genomebiology.com/2006/7/2/104
- 确定资源的主要重点。可能的答案包括特定生物体、数据库设计、信息集成，但也还有很多其他可能性。
- 新术语 1
- 定义。（来源：http://）
- 新术语 2
- 定义。（来源：http://）
- 新术语 3
- 定义。（来源：http://）
- 新术语 4
- 定义。（来源：http://）
- 新术语 5
- 定义。（来源：http://）
- 新术语 6
- 定义。（来源：http://）
- 新术语 7
- 定义。（来源：http://）
- 新术语 8
- 定义。（来源：http://）
- 新术语 9
- 定义。（来源：http://）
- 新术语 10
- 定义。（来源：http://）
- 在此输入您的文章摘要。请注意，每条条目开头（有时也包括结尾）的标点符号至关重要。它应该在 300-500 字之间。文章的主要观点是什么？他们试图回答什么问题？他们找到了明确的答案吗？如果是，是什么？如果不是，他们发现了什么或者他们的发现中存在哪些相互矛盾的想法？
- 输入一个 100-150 字的描述，说明这篇文章中的内容如何与传统的代谢课程相关联。这篇文章是否与特定途径（例如，糖酵解、柠檬酸循环、类固醇合成等）或调节机制、能量学、位置、途径的整合相关联？它是否谈到了新的分析方法或想法？这篇文章是否展示了与人类基因组计划（或其他基因组计划）的联系？
- 确定资源的主要重点。可能的答案包括特定生物体、数据库设计、信息集成，但也还有很多其他可能性。
- 新术语 1
- 定义。（来源：http://）
- 新术语 2
- 定义。（来源：http://）
- 新术语 3
- 定义。（来源：http://）
- 新术语 4
- 定义。（来源：http://）
- 新术语 5
- 定义。（来源：http://）
- 新术语 6
- 定义。（来源：http://）
- 新术语 7
- 定义。（来源：http://）
- 新术语 8
- 定义。（来源：http://）
- 新术语 9
- 定义。（来源：http://）
- 新术语 10
- 定义。（来源：http://）
- 在此输入您的文章摘要。请注意，每条条目开头（有时也包括结尾）的标点符号至关重要。它应该在 300-500 字之间。文章的主要观点是什么？他们试图回答什么问题？他们找到了明确的答案吗？如果是，是什么？如果不是，他们发现了什么或者他们的发现中存在哪些相互矛盾的想法？
- 输入一个 100-150 字的描述，说明这篇文章中的内容如何与传统的代谢课程相关联。这篇文章是否与特定途径（例如，糖酵解、柠檬酸循环、类固醇合成等）或调节机制、能量学、位置、途径的整合相关联？它是否谈到了新的分析方法或想法？这篇文章是否展示了与人类基因组计划（或其他基因组计划）的联系？
- 确定资源的主要重点。可能的答案包括特定生物体、数据库设计、信息集成，但也还有很多其他可能性。
- 新术语 1
- 定义。（来源：http://）
- 新术语 2
- 定义。（来源：http://）
- 新术语 3
- 定义。（来源：http://）
- 新术语 4
- 定义。（来源：http://）
- 新术语 5
- 定义。（来源：http://）
- 新术语 6
- 定义。（来源：http://）
- 新术语 7
- 定义。（来源：http://）
- 新术语 8
- 定义。（来源：http://）
- 新术语 9
- 定义。（来源：http://）
- 新术语 10
- 定义。（来源：http://）
- 在此输入您的文章摘要。请注意，每条条目开头（有时也包括结尾）的标点符号至关重要。它应该在 300-500 字之间。文章的主要观点是什么？他们试图回答什么问题？他们找到了明确的答案吗？如果是，是什么？如果不是，他们发现了什么或者他们的发现中存在哪些相互矛盾的想法？
- 输入一个 100-150 字的描述，说明这篇文章中的内容如何与传统的代谢课程相关联。这篇文章是否与特定途径（例如，糖酵解、柠檬酸循环、类固醇合成等）或调节机制、能量学、位置、途径的整合相关联？它是否谈到了新的分析方法或想法？这篇文章是否展示了与人类基因组计划（或其他基因组计划）的联系？
- 确定资源的主要重点。可能的答案包括特定生物体、数据库设计、信息集成，但也还有很多其他可能性。
- 新术语 1
- 定义。（来源：http://）
- 新术语 2
- 定义。（来源：http://）
- 新术语 3
- 定义。（来源：http://）
- 新术语 4
- 定义。（来源：http://）
- 新术语 5
- 定义。（来源：http://）
- 新术语 6
- 定义。（来源：http://）
- 新术语 7
- 定义。（来源：http://）
- 新术语 8
- 定义。（来源：http://）
- 新术语 9
- 定义。（来源：http://）
- 新术语 10
- 定义。（来源：http://）
- 在此输入您的文章摘要。请注意，每条条目开头（有时也包括结尾）的标点符号至关重要。它应该在 300-500 字之间。文章的主要观点是什么？他们试图回答什么问题？他们找到了明确的答案吗？如果是，是什么？如果不是，他们发现了什么或者他们的发现中存在哪些相互矛盾的想法？
- 输入一个 100-150 字的描述，说明这篇文章中的内容如何与传统的代谢课程相关联。这篇文章是否与特定途径（例如，糖酵解、柠檬酸循环、类固醇合成等）或调节机制、能量学、位置、途径的整合相关联？它是否谈到了新的分析方法或想法？这篇文章是否展示了与人类基因组计划（或其他基因组计划）的联系？