代謝組學/分析方法/統計方法

返回上一章：激素
下一章：代謝控制的計算建模
轉到首頁：核磁共振
返回到：組織

統計方法

任何科學研究都會產生資料。在收集完實驗資料後，需要對其進行量化和分析。統計分析方法被用於幫助從實驗中得出結論。

待審閱和包含的文章和網頁

同行評審文章 #1

透過代謝組資料逆向工程發現代謝網路

代謝組學。2009 年 9 月；5(3)：318-329。

審閱者：Ahman N

主要關注點

利用基於統計相似性度量的方法開發和分析整合代謝資料上的網路干擾。

新術語

逆向工程: 研究或分析（代謝物）以瞭解其執行或網路的詳細資訊，以建立副本或改進版本。（來源：http://en.wikipedia.org/wiki/Reverse_engineering）
修剪: 一種替代的數學方法，用於去除網路推斷中的間接相互作用。（來源：http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2731157/?tool=pubmed）
網路推斷: 預測一組節點和節點之間的一組有向或無向邊。（來源：http://www.sysbio.org/sysbio/networkbio/）
計算機模擬: 在計算機上或透過計算機模擬進行實驗。（來源：http://en.wikipedia.org/wiki/In_silico）
假陽性率: 在所有執行的測試中，錯誤地拒絕零假設的特定測試的機率。（來源：http://en.wikipedia.org/wiki/False_positive_rate）
隨機模擬: 一種分析涉及大量物種且具有複雜反應動力學的化學反應的方法。（來源：http://en.wikipedia.org/wiki/Stochastic_simulation）
置換檢驗: 一種統計顯著性檢驗，其中透過計算觀察資料點標籤重新排列下檢驗統計量的所有可能值來獲得參考分佈。（來源：http://en.wikipedia.org/wiki/Permutation_test#Permutation_tests）
接收者操作特徵 (ROC): 用於更大系統網路推斷質量的全域性衡量指標。（來源：http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2731157/?tool=pubmed）
內在變異性: 由於複雜的調控模式（例如 pH 值、溫度等）在細胞過程中發生的波動。（來源：http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2731157/?tool=pubmed）
雅可比矩陣: 一種在計算機模擬動力學系統中量化代謝物對之間相互作用強度的的方法。（來源：http://en.wikipedia.org/wiki/Jacobian_matrix_and_determinant）

摘要

這篇文章主要基於利用逆向工程技術開發和分析代謝網路。逆向工程技術在轉錄組學中非常流行，用於推斷基因調控網路，但在代謝網路推斷中並不常用。代謝途徑的模擬非常重要，因為它可以顯示結構和功能之間的關係。因此，作者開發了一種基於三個已知代謝途徑的代謝網路推斷，分別是含有 4 種代謝物的 E. coli 蘇氨酸合成途徑、含有 13 種代謝物的 S. cerevisiae 糖酵解途徑，以及含有 18 種代謝物的 E. coli 中央代謝途徑。這三個途徑用於本研究的計算機模擬資料生成。此外，該研究還試圖證明穩態，即最簡單的實驗分析，本身就足以揭示底層代謝網路的連通性。存在著多種組學資料逆向工程方法。然而，作者選擇了統計相似性度量作為網路推斷工具，因為它們被廣泛使用，並且最適合穩態資料的分析。在使用相似性度量之前，比較了三個變數以模擬細胞中的條件。它們分別是酶變異性、內在變異性和環境變異性。在相似性度量中，識別並去除了相似性網路推斷中的一些間接相互作用。使用條件化方法識別間接相互作用，使用修剪方法從網路推斷中去除間接相互作用。然後，確定相似性得分的顯著性度量，以獲得推斷網路的連通性模式，然後可以將其與從計算機模擬模型中獲得的實際代謝網路進行比較。最後，他們使用相互作用強度驗證了結果，因為細胞網路中相互作用的強度在網路中的所有邊之間並不相同。研究結果表明，作者成功構建了網路推斷。代謝組資料上的網路推斷可以測試非線性度量以及消除間接相互作用的度量。根據結果，透過條件化和修剪消除高比例的間接連結，網路推斷更加準確。此外，作者還發現，與其他變數相比，內在變異性為開發網路推斷提供了更多資訊。

與傳統代謝課程的相關性

文章中的一些內容與傳統課程有些關聯。其中之一是影響網路干擾構建的酶變異性。以糖酵解為例，三種酶（己糖激酶、磷酸果糖激酶-1、丙酮酸激酶）的調控取決於細胞狀態（飢餓狀態或進食狀態）。為了開發完美的網路干擾，必須考慮酶的調控。此外，文章指出了結構和功能在網路干擾中的重要性。這與傳統代謝課程密切相關，因為蛋白質的結構可以決定其極性、電荷等等，這些都會影響蛋白質的作用。此外，代謝組資料上網路推斷的開發是科學上的突破，因為代謝組資料的逆向工程技術是一種新的分析方法，儘管它已應用於轉錄組學等其他領域。