代謝組學在抑郁癥方面的應用

1、代謝組學在抑郁癥方面應用 鄭曉麗00362032第1頁目錄CONTENTS第一章第二章第三章第四章代謝組學代謝組學在抑郁癥中應用展望抑郁癥第2頁系統(tǒng)生物學基因組學蛋白質(zhì)組學轉(zhuǎn)錄組學代謝組學在整體水平上研究細胞中基因轉(zhuǎn)錄情況及轉(zhuǎn)錄調(diào)控規(guī)律學科從系統(tǒng)整體觀念去碩士物體全部遺傳物質(zhì)結構與功效新興學科是以蛋白質(zhì)組為研究對象，研究細胞、組織或生物體蛋白質(zhì)組成及其改變規(guī)律科學利用系統(tǒng)研究伎倆從整體水平考查生物體系受刺激或擾動后其下游代謝產(chǎn)物改變，從而反應生物體病理生理動態(tài)改變規(guī)律1第3頁代謝組學特點1、關注內(nèi)源化合物。2、對生物體系中小分子化合物進行定性定量研究。3、化合物上調(diào)和下調(diào)指示了與疾病、毒性、基

2、因修飾或環(huán)境因子影響。4、能夠被用于疾病診療和藥品治療。2第4頁代謝組學優(yōu)點基因和蛋白質(zhì)表示微小改變會在代謝物上得到放大，使檢測更輕易代謝物種類遠遠小于基因和蛋白質(zhì)數(shù)目采取技術更為通用。給定代謝物在每個組織中都一樣不需要進行基因組測序和大量表示序列標簽3第5頁代謝組學研究應用藥品研發(fā) 1藥品篩選 2藥效及毒性評價 3作用機制與臨床評價疾病研究 1病變標識物發(fā)覺 2疾病診療 3治療和預后判斷微生物代謝組學 1微生物表型分類 2突變體篩選 3代謝路徑及微生物工程 4發(fā)酵工藝監(jiān)控和優(yōu)化 5微生物降解環(huán)境污染物植物代謝組學 1特定種類植物代謝物 2不一樣基因型植物代謝 物組學表型研究 3一些生態(tài)植物代

3、謝物組學 4受外界刺激后植物本身免疫應答4第6頁4代謝組學研究流程5第7頁癌癥、心臟病、心血管疾病是人類健康三大殺手，伴隨人類生存壓力增大和生活節(jié)奏變快,抑郁癥已成為損害人類健康第四大疾病，抑郁癥發(fā)病率將不停上升，到年，抑郁將成為造成人類死亡和傷殘第二大原因6第8頁抑郁癥臨床表現(xiàn)心境低落顯著而持久情感低落，抑郁消極思維遲緩意志活動減退臨床表現(xiàn)行為遲緩，生活被動、疏懶，不想做事，整日臥床，閉門獨居、回避社交。認知功效損害軀體癥狀0103050402患者思維聯(lián)想速度遲緩，反應遲鈍，思緒閉塞近事記憶力下降、注意力障礙、反應時間延長、警覺性增高、抽象思維能力差、學習困難。睡眠障礙、乏力、食欲減退、體重

4、下降7第9頁抑郁癥治療方法藥品治療當前抗抑郁藥主要包含選擇性5-羥色胺再攝取抑制劑（代表藥品氟西汀、帕羅西汀、舍曲林）、5-羥色胺和去甲腎上腺素再攝取抑制劑（代表藥品文拉法辛和度洛西?。?。促去甲腎上腺素和5-羥色胺釋放（米氮平）食療法首烏桑葚粥，蓮子百合粥，西芹炒百合心理治療慣用心理治療方法包含支持性心理治療、認知行為治療、人際治療、婚姻和家庭治療、精神動力學治療等，其中認知行為治療對抑郁發(fā)作療效已經(jīng)得到公認。物理治療近年來出現(xiàn)了一個新物理治療伎倆重復經(jīng)顱磁刺激（rTMS）治療，主要適合用于輕中度抑郁發(fā)作8第10頁單擊此處添加標題單擊此處添加文本，本模版全部圖形線條及其對應素材均可自由編輯、改

5、色、替換，提議您在展示時字體選擇微軟雅黑。2代謝組學關于抑郁癥研究9第11頁實例1抑郁癥患者血清代謝物及組學初步研究下丘腦垂體腎上腺CRHACTH皮質(zhì)醇10第12頁實例1抑郁癥患者血清代謝物及組學初步研究5-HT NEDA去甲基前體單氨類神經(jīng)遞質(zhì)EHVADOPAC5-HIAAMAOMAOCOMT以經(jīng)過抑制突觸外單胺類神經(jīng)遞質(zhì)降解或重吸收來提升其濃度，到達抗抑郁效果藥品，僅對70-80%患者有效.提醒抑郁癥發(fā)生還存在單胺類神經(jīng)遞質(zhì)以外原因，值得深入研究。11第13頁為何用代謝組學研究呢抑郁癥發(fā)病機制非常復雜，僅從某一方面或單系統(tǒng)研究往往不能得到對整體現(xiàn)象圓滿解釋，也不能全方面充分說明其發(fā)病機制。

6、目前研究認為抑郁癥發(fā)病與神經(jīng)、免疫、內(nèi)分泌等系統(tǒng)功能紊亂親密相關聯(lián)。僅是這三個系統(tǒng)，其各自都具有復雜自身調(diào)節(jié)和自我反饋功能一個正常工作人體包含“人體”本身和與之共同進化而來且共生消化道微生物群體 (或稱菌群)，孤立地研究“人體”本身基因，轉(zhuǎn)錄子以及蛋白質(zhì)當然可認為人們認識人體生物學提供重要信息，但無法提供使人體正常工作不可缺少菌群信息. 人體血液和尿液代謝組卻攜帶著包含菌群在內(nèi)每一個細胞信息，所以代謝組學方法對研究如人體這么復雜進化雜合體十分有效12第14頁抑郁癥患者血清代謝物及組學初步研究PCAPLS-DARFA13聚類分析第15頁研究對象：選取單胺類神經(jīng)遞質(zhì)及其代謝產(chǎn)物水平改變顯著樣本 2

7、0 例，作為抑郁癥患者組，同期健康體檢者 20 例為對照組樣品處理樣品處理：從-80冰箱取出血清樣本，室溫下溶化。取血清 100L，用 400L甲醇提取液抽提后，2500 r/m 離心 5min 沉淀蛋白質(zhì)。轉(zhuǎn)移含有小分子化合物上清液100L 至 96 孔板，轉(zhuǎn)移 96 孔板用氮吹儀氮氣吹干約 30min 后，再真空冷凍干燥過夜。色譜上樣前，用含有質(zhì)量控制標準物流動相溶解。（UPLC）對干燥樣品進行樣品衍生化。衍生試劑為 N,O-雙(三甲基硅烷基)三氟乙酰胺，衍生反應條件為 60，衍生時間為 1 小時（GC）114第16頁對于特定化合物來說,其定性信息就是該化合物特征譜圖和色譜保留時間 ,是化

8、合物判定基礎;其定量信息就是該化合物色譜響應強度, 如峰高、峰面積, 是定量比較不一樣樣品或組別之間差異基礎由于每分析一個樣品都出現(xiàn)大量(通常數(shù)百甚至數(shù)千個)色譜峰最終所得到定量數(shù)據(jù)都將構成一個數(shù)據(jù)集, 表第一列為樣品名;第一行對應之處為色譜定量數(shù)據(jù)。這樣每個樣品特征就由同一行中眾多定量數(shù)據(jù)所決定, 而各個樣品之間或者各組樣品之間差異程度取決于上述定量數(shù)據(jù)。 由于數(shù)據(jù)量非常大 ,采樣常規(guī)統(tǒng)計分析方法既難以發(fā)現(xiàn)樣品之間或各組之間異同 ,也難以發(fā)現(xiàn)樣品中哪些變量(分子)造成上述差異 。所以代謝組學數(shù)據(jù)需要特殊方法加以分析 。15第17頁 數(shù)據(jù)規(guī)范標準化處理為了消除了儀器因為不一樣運行天數(shù)所產(chǎn)生機器

9、調(diào)諧效率不一樣所造成同一組樣品數(shù)據(jù)改變所帶來誤差，每一個化合物在不一樣運行天數(shù)（橫坐標）測定同組樣品中信號要進行以下歸一化處理216第18頁1紅色棱錐代表抑郁癥患者組，位于 3D 圖前方，藍色圓球代表健康對照組，位于圖后方.2血清代謝物分析數(shù)據(jù)經(jīng) PCA 處理，將多維數(shù)據(jù)進行降維，將樣本進行分類，能夠直觀每一個樣品在空間中分布從而了解代謝改變趨勢.3該模型并不穩(wěn)定，對抑郁癥和對照組判別率不高，需進行其它多元判別分析。3.117第19頁PCA原理統(tǒng)計學上把數(shù)據(jù)點與它在回歸直線上對應位置差異稱為殘差，把每個殘差平方之后加起來 稱為殘差平方和，它表示隨機誤差效應。一組數(shù)據(jù)殘差平方和越小,其擬合程度越

10、好。假如該組數(shù)據(jù)中樣品數(shù)為 n , 檢測到色譜峰 / 或變量數(shù)為 m 。那么, 這個原始數(shù)據(jù)表幾何含義就代表了在一個 m 維空間中分布著n個點 ,每個樣品位置由其對應一組變量(矢量)所確定 ?？紤]用投影方法對上述(多維空間)模型,進行降維處理以化繁為簡。在模型計算時首先利用最小二乘法原理找到一條直線使全部樣品距離該直線殘差平方和最小, 而投影在此數(shù)軸方向矢量平方和最大, 那么該直線方向也就表達了樣品間最大差異 , 由此得到第一個主成份(PC1);在此基礎上,沿著與前一個主成份直線垂直方向找到其次差異最顯著直線, 得到第二個主成份(PC2)。經(jīng)過這種方式, 拋棄細小 、無序差異,保留最大 、有序

11、差異, 最終得到只有少數(shù)幾個主成份數(shù)學模型, 并使數(shù)據(jù)變得簡單并輕易了解和展示。數(shù)據(jù)權重 假如直接采取主成份分析這種最大化差異投影方法 ,往往造成絕對數(shù)值大、變異較大變量在模型擬合中貢獻占主導地位 , 而絕對數(shù)值范圍小、變異小變量對模型貢獻也小。為了消除這種偏重 ,能夠?qū)?shù)據(jù)進行合理權重(weighting)或縮放(scaling)。18參考文件：阿基業(yè). 代謝組學處理方法-PCA J.中國臨床藥理學與治療學 15(5):481-489第20頁Omnisoft Array Studio 軟件1取每個化合在全部樣品中均值為比對標準，高于均值用紅色表示，低于均值用是綠色代表示，橫坐標代表全部樣品，

12、縱坐標為全部化合物。2基本上能夠區(qū)分抑郁癥患者和健康對照組，區(qū)分度良好。3個別樣品分布出現(xiàn)交叉，如抑郁癥組樣品 1、2、3、20、25 分布遠離大多數(shù)樣品聚類區(qū)。3.219第21頁Yiran Yao, Pei Zhang, Jing Wang, Jiaqing Chen, Yong Wang, Yin Huang, Zunjian Zhang*,Fengguo Xu*. Dissecting target toxic tissue and tissue specific responses of irinotecan in rats using metabolomics approach.Fr

13、ont Pharmacol. 8:122（SCI, IF:4.418）用代謝組學方法研究伊立替康對大鼠靶器官毒性和組織特異性反應在回腸，空腸，盲腸，結腸，心臟，肺，肝臟，腎臟和脾臟篩選出代謝物倍數(shù)改變熱圖。每個小方格表示每個代謝物物在該器官量其顏色表示該代謝物量大小，量越大顏色越深紅色為上調(diào)，綠色為下調(diào)每行表示每個代謝物在不一樣器官中量每列表示每個器官中全部代謝物量結論：肝臟，回腸和空腸是最受影響組織?；诖x組學中藥西聯(lián)用減毒增效研究第22頁Yiran Yao, Pei Zhang, Jing Wang, Jiaqing Chen, Yong Wang, Yin Huang, Zunjian

14、 Zhang*,Fengguo Xu*. Dissecting target toxic tissue and tissue specific responses of irinotecan in rats using metabolomics approach.Front Pharmacol. 8:122（SCI, IF:4.418）用代謝組學方法研究伊立替康對大鼠靶器官毒性和組織特異性反應篩選出9個組織中代謝物倍數(shù)改變分層聚類分析。 紅色，藍色和綠色背景分別是肝臟，空腸和回腸樣品?；啬c肝臟、空腸、結腸、盲腸心臟、腎臟、脾臟、肺基于代謝組學中藥西聯(lián)用減毒增效研究第23頁1、將抑郁癥組和對照組

15、血清代謝物組學檢測數(shù)據(jù)導入 SIMCA-P 12 軟件進行PLS-DA 分析，采取得分因子作為預測變量線性關系依據(jù)，經(jīng)過預測變量之間協(xié)方差來建立判別模型。 2、PLS-DA 得分矩陣投影散點圖紅色方塊圖標代表對照組，黑色菱形圖標代表抑郁癥患者組3、R2Y=0.699，表明 69.9樣本符合該模型判別；Q2=0.447，靠近 0.5。這些參數(shù)說明 PLS-DA模型對抑郁癥和健康對照組判別能力較強，但預測力并不高。3.320第24頁 方差（Standard Deviation） 用來度量隨機變量和其數(shù)學期望（即均值）之間偏離程度協(xié)方差協(xié)方差用于衡量兩個變量總體誤差方差和標準差都是對一組(一維)數(shù)據(jù)

16、進行統(tǒng)計，反應是一維數(shù)組離散程度；而協(xié)方差是對2組數(shù)據(jù)進行統(tǒng)計，反應是2組數(shù)據(jù)之間相關性21第25頁差異化合物t-檢驗利用 UPLC-MS、GC-MS 技術分析抑郁癥組和對照組血清代謝物，經(jīng)過 Metabolon企業(yè)自建標準化合物數(shù)據(jù)庫（pure reference compound library）進行嚴格比對，取得判定，共檢測到 345 個代謝化合物。采取嚴格顯著差異條件時（p0.05），抑郁癥患者組和健康對照組之間有 66 個化合物是有顯著差異在 66 個顯著差異化合物中，相對于健康對照血清，16 個在抑郁癥患者血清中上升，50 個下降。22第26頁3.41隨機森林分析（random f

17、orest analysis）能對數(shù)據(jù)進行分類同時，可以給出各個潛在生物標志物在分類過程中重要性評分，根據(jù)評分能夠篩選出相對重要生物標志物.2一方面可結合生物標志物代謝途徑研究其與抑郁癥發(fā)病關系，其次潛在生物標志物可用于抑郁癥實驗診斷3從圖表中可以看出，隨機森林分布圖對抑郁癥病人和健康對照分組預測能力為92.5%，優(yōu)于PLS-DA判別模型23第27頁氨基酸類包含谷氨酸鹽、谷氨酰胺、胱氨酸-谷氨酰氨基酸、5-氧脯氨酸天冬氨酸鹽、乙酰天門冬氨酸、色氨酸、 5 -羥色胺、 3-吲哚硫酸、抗壞血酸、蘇氨酸天冬氨酸鹽脂肪酸類白三烯B4 、DPA、DHE、EPA、5-HETE、12-HETE能量代謝類1,

18、5 -脫水葡萄糖醇、葡萄糖、乳酸、丙酮酸鹽、檸檬酸鹽類固醇代謝類皮質(zhì)醇、可松、脫氫表雄酮硫酸鹽，硫化孕烯醇酮類固醇硫酸酯、琥珀酰膽堿、蘋果酸酯血紅素代謝類血紅素（heme），膽紅素（E，E）和膽紅素（Z，Z）。424第28頁1用軟件 MicroLab STAR軟件繪制箱形圖（Box-plot），表示抑郁癥患者和健康人血清中代謝物差異。2中間方塊內(nèi)數(shù)據(jù)為全部數(shù)據(jù)點中間 50%數(shù)據(jù)集，方塊上邊緣線到最高值線之間數(shù)據(jù)是最高 25%，方塊下邊緣線到最高低線之間數(shù)據(jù)是最低 25%。加號是整組數(shù)據(jù)平均值，方塊里橫線是中值25第29頁分類定義方法定義 非監(jiān)督模式分析按相同性特征對原始數(shù)據(jù)進行分類，把同一類特

19、征樣品歸類，并用可視化技術表示結果主成份分析法（PCA）意在利用降維思想，把多指標轉(zhuǎn)化為少數(shù)幾個綜合指標（主要成份）上，從而利用主要成份提取數(shù)據(jù)集特征 聚類分析依據(jù)因子本身特征研究個體，目標在于將相同因子歸類。 有監(jiān)督模式分析有監(jiān)督分類判別分析是利用已取得信息對未知數(shù)據(jù)進行歸類、識別及預測。偏最小二乘法-判別分析（PLS-DA）采取得分因子作為預測變量線性關系依據(jù)，經(jīng)過預測變量之間協(xié)方差來建立模型，使不一樣種類樣品得到最大分離方向隨機森林分析首先隨機選取部分分類信息已知數(shù)據(jù) 建立一棵決議樹, 剩下數(shù)據(jù) 。經(jīng)過該決議樹來取得每個樣品分類預測26第30頁相關主要代謝物通路與抑郁癥可能發(fā)生發(fā)展關系進

20、行分析討論：1氨基酸類神經(jīng)遞質(zhì)/氨基酸代謝血清氨基酸含量可間接反應腦內(nèi)氨基酸水平2脂肪酸類脂肪酸含量，一直被用來評定營養(yǎng)情況3能量代謝能量代謝對于氨基酸類神經(jīng)遞質(zhì)能源供給4類固醇代謝皮質(zhì)醇水平改變可能會造成糖代謝改變5血紅素代謝血清中血紅素和膽紅素含量降低，提醒抑郁癥患者造血系統(tǒng)可能發(fā)生紊亂。27第31頁結論1. 血清單胺類神經(jīng)遞質(zhì)及其代謝產(chǎn)物紊亂與抑郁癥親密相關。2. 經(jīng)過 PCA 聚類分析、PLS-DA 判別分析和隨機森林分析法建立抑郁癥診療模型能夠有效區(qū)分抑郁癥患者和健康對照人群，含有良好預測能力，能夠?qū)σ钟舭Y進行臨床試驗診療。3. 從全部判定出 345 個代謝物中，用有監(jiān)督隨機森林分析

21、篩選了 30 種對分組貢獻最大代謝物作為抑郁癥潛在生物代謝標志物，分別包括氨基酸代謝物、脂肪酸代謝物、能量代謝物、類固醇激素代謝物以及血紅素代謝物，這些發(fā)覺為抑郁癥發(fā)病機制研究和臨床試驗診療奠定了基礎。參考文件：和昱辰.抑郁癥患者血清代謝物及組學初步研究M.第三軍醫(yī)大學 1-80 28第32頁實例2.文拉法辛和氟西汀抗抑郁作用機制和藥效特點代謝組學研究利用代謝組學來比較文拉法辛和氟西汀抗抑郁效果目1.分別利用氟西汀和文拉法辛兩種藥品對CUMS動物模型進行干預，觀察大鼠行為學改變。2.采集尿液，利用GC-MS法進行代謝組學分析，尋找潛在生物標志物。方法29第33頁CUMS動物模型禁食、禁水、冰水

22、游泳、50 熱應激、夾尾、電擊足底、潮濕墊料和傾斜45、束縛應激、陌生物品、噪音共10 種刺激隨機安排，詳細刺激種類，每日1 種，每種刺激累計2 3 次，同種刺激不能連續(xù)出現(xiàn)，次序隨機，使動物不能預料刺激發(fā)生，應激連續(xù)21 d。給藥組及模型組同時給予孤養(yǎng)，正常對照組群養(yǎng)且不予任何刺激。30第34頁單擊此處添加標題單擊此處添加文本，本模版全部圖形線條及其對應素材均可自由編輯、改色、替換，提議您在展示時字體選擇微軟雅黑。31第35頁實例1.文拉法辛和氟西汀抗抑郁作用機制和藥效特點代謝組學研究1 文拉法辛和氟西汀對潛在生物標志物回歸調(diào)整分析經(jīng)過獨立樣本t 檢驗比較了正常對照組和模型組中這15 種差異代謝物含量改變，2 其中纈氨酸，絲氨酸，谷氨酸和-丙氨酸均無顯著性差異，其中除在天冬氨酸和吲哚乙酸含量水平上兩種陽性藥均沒有回調(diào)趨勢，故只對其余9 種代謝產(chǎn)物進行回歸調(diào)整分析32第36頁兩種藥品干預均能夠使甘氨酸、琥珀酸鹽、酮戊二酸、苯丙氨酸、烏頭酸鹽和棕櫚酸鹽6 種