基于临床代谢组学推断代谢功能异常的生物信息学方法

Looking for differential metabolites through univariate or multivariate statistical analysis has been the main strategy in clinical metabolomics researches. However, since there are various cis-/trans- regulations within metabolites and metabolic pathways, and the disease itself is a dynamic developing process, difference analysis strategy based on individual metabolite has been limited in clinical analysis. The complex and multi-view metabolic system and disease’s dynamic features are new challenges for current researches in clinical metabolomics. The present project intends to explore bioinformatics methods suitable for clinical metabolomics. Covariation networks will be designed based on the correlation between metabolites. Meanwhile, manual annotation method depending on subjective experience will be changed. Convenient and effective annotation technologies and causal analysis methods will be developed to infer abnormal metabolism. Expected outcomes of this project will not only help deeply understand the metabolic mechanisms, but also provide key technical support for clinical metabolomics, which has important theoretical and practical value.

通过单变量或多变量分析方法寻找差异代谢物一直是临床代谢组学研究的主流策略。然而，由于代谢物和代谢通路存在多种正/负反馈调节作用，并且疾病本身也是一个动态发展的过程，基于单代谢物的差异分析策略已经很难满足临床样本的分析需求。代谢系统的复杂性、多面性以及疾病特征的动态性是当下临床代谢组学研究所面临的新挑战。本项目拟通过探索适合临床代谢组学的生物信息学分析方法，基于代谢物之间的相关关系设计共变化网络的分析策略，用于疾病的代谢特征提取。本项目的预期成果不仅有助于深入了解代谢机制，而且为临床代谢组学研究提供关键技术支持，具有重要理论研究和实际应用价值。

由于生物系统的网络性、复杂性和疾病特征的动态性，基于单代谢物的差异分析策略已不能满足临床样本的分析需求。发展系统整体地挖掘代谢物之间关联且适用于临床数据的生物信息分析方法，就有可能从网络水平对疾病机制作出更深层次的阐释，甚至可以预测疾病发展的动态网络标志物。.本课题探索从临床组学推断异常代谢功能的生物信息学方法，设计基于代谢共变化关系的分析策略，并以相关疾病为例从网络水平搜索其代谢特征，提示疾病状态下的异常代谢活动。.针对临床数据，从两个角度开展代谢共变化分析：通过比较静态数据（疾病/健康）寻找有显著差异的共变化关系;以及通过考察代谢物的共变化关系与疾病的关联性搜索可能的动态网络特征。经构建慢乙肝的代谢共变化网络发现，甘氨酸合成不足、脂肪酸分解途径受到阻滞是慢乙肝患者的主要代谢特征。结果也得到了代谢物水平和独立表达谱芯片的数据支持。.本课题发展的生物信息学研究方法不仅可以为多组学分析的临床转化应用提供生物信息学层面的技术支持，而且有助于从整体水平阐释临床复杂疾病的分子特征，具有重要的理论意义和潜在应用前景。