]服務簡介
代謝組學全譜分析旨在發現整體代謝網絡特征和涉及的代謝物變化特征。它以組學的視角無偏向性地大規模檢測分析所有的小分子代謝物，并采用生物信息學手段研究生物體受到擾動（如基因改變或環境變化）后內源性代謝物的整體代謝特征或變化規律。
與代謝物靶向定量相比，代謝組學全譜分析的特點在于對所有的內源性小分子代謝物（通常是濃度較高的代謝物）同時進行測定和分析，因此得到的代謝物數量更多，信息更客觀全面，更加容易從整體上獲得全面的代謝信息，從而避免研究的方向性錯誤。
]全譜代謝組與廣泛靶向代謝組的區別
廣泛靶向代謝嚴格來說仍屬于靶向定量代謝組學的一種，相比于傳統的靶向定量，其靶標代謝物數量上有了很大的提高，從幾十種提高到了數百種，具目前已有廠家宣傳，其廣泛靶向的靶標代謝物數量更是達到了三四百種（其真實性未經驗證）。廣泛靶向的優點是將代謝組學研究中檢測最多或者最容易檢測的一大類物質設定成了靶標，使用串聯質譜進行檢測。因串聯質譜具有高靈敏度的特點，所以在某些情況下，其對于含量較低的物質的檢測性能優于高分辨質譜。廣泛靶向代謝組適用于一定范圍內的代謝組學研究。
譜領全譜代謝組學使用高分辨質譜平臺建立，基于ThermoFisher超高液相色譜-四極桿軌道場高分辨質譜系統（UHPLC-Q Exactive Orbitrap Mass Spectrometer）和Waters超高液相色譜-離子淌度四極桿飛行時間質譜（Vion IMS QTof），其儀器平臺性能（靈敏度、分辨率和色譜性能）相較于普通高分辨質譜具有了大大的提高，并且可以實現同時定性定量。同時，譜領自建了包含3500多代謝物的代謝組學標品庫，代謝物信息是廣泛靶向代謝組的近十倍。因此得到的代謝物數量更多，信息更客觀全面，更加容易從整體上獲得全面的代謝信息，從而避免研究的方向性錯誤。這極大程度上為涉及代謝組的生命科學研究提供了更大的空間。
]譜領全譜代謝組學（全家桶）
譜領生物的非靶向代謝組學平臺實現了真正意義的非靶向。眾所周知，代謝物的理化性質差異巨大，從疏水性的脂質如中長鏈脂肪酸、磷脂和甘油酯，到親水性的中心碳代謝類物質如葡萄糖-6-磷酸（Glucose 6-phosphate）、乳酸（Lactic acid）、檸檬酸（Citric acid）和核糖-5-磷酸（Ribose 5-phosphate，氨基酸如谷氨酰胺（Glutamine）和核苷酸如三磷酸腺苷（ATP）都同時存在。因此，僅僅采用常規的反相色譜柱如C18和T3或Aq測到的代謝物實際上是偏向性的結果，富集到的差異性代謝物往往是脂代謝。這樣的結果顯然有失公正，既誤導了科研方向，也往往與其它組學結果相脫節。與細胞生理或病理發生密切相關的代謝途徑往往是初級代謝如糖酵解（Glycolysis或EMP途徑）、三羧酸循環（TCA循環）、戊糖磷酸途徑（Pentose Phopshate Pathway，PPP）、氧化磷酸化（Oxidative Phosphorylation）、核苷酸代謝（Nucleotide Metabolism）和四氫葉酸代謝（Tetrahydrofolic acid Metabolism）等途徑。這些途徑代謝物與基因或蛋白質層次的變化往往具有密切關系，具有更重要的意義，然而，常規代謝組學平臺往往覆蓋不了這些途徑代謝物（測不到）或者其測試結果不可靠（如色譜保留之間在1分鐘的死體積時間內）。這些代謝物的檢測往往在基于親水作用色譜高分辨率質譜聯用的非靶向代謝組學平臺（HILIC-HRMS）上具有優秀的測試結果。
譜領生物建立了領先的反相色譜高分辨率質譜聯用（RPLC-HRMS）、親水作用色譜高分辨率質譜聯用（HILIC-HRMS）和氣相色譜質譜代謝組學（GC-MS）三大非靶向代謝組學平臺。每個平臺都是經過譜領多年的優化和實戰檢驗過的靠譜平臺。其中HILIC-HRMS平臺是特色平臺，是親水性代謝檢測的優秀平臺，具有覆蓋面寬和穩定性強等有優點。配合譜領生物強大的自建標準品數據庫，真正做到非靶代謝物全覆蓋。詳情請聯系譜領生物。
]服務優勢
◆無偏向性，適用于各類型樣本和代謝物；
◆大型項目經驗豐富，單批次300 例以上樣本項目確保數據質量始終如一；
◆適合于復雜基質，單次檢測可獲得更多代謝物和代謝網絡信息；
◆自建3500+ 常見物質標品數據庫+ 購買各種商業數據庫+ 公共數據庫，超過十萬種代謝物信息；
◆全程人工校對，機器和人工智能輔助，使用保留時間、保留指數、質荷比和多級碎片離子信息進行物質定性，結果更準，物質數量更多。
]檢測物質
]服務流程
]樣本量要求
原則上單個樣本樣本量越多越好，未使用樣本譜領免費代為保存一年，可隨時返還。
其他未列出樣本具體樣本量請聯系工作人員獲取。
]生物學重復
相較于其他組學，代謝組學更加靈敏，更接近于真實情況。因此，為保證實驗結果的可靠性，要求更多的生物學樣本重復。我們建議：
臨床樣本，單組不少于30 例重復；
動物樣本，單組不少于9 例重復；
細胞、微生物樣本，單組不少于5 例重復；
其他如植物樣本，單組不少于7 例重復。
]儀器平臺
平臺一：超高效液相色譜高分辨質譜聯用儀（UHPLC-HRMS）Q Exactive ? ( Thermo Scientific Orbitrap MS)
平臺二：氣相色譜質譜聯用儀（GC-MS）7890A/5975C(Agilent GC-MS)
平臺三：氣相色譜飛行時間質譜聯用儀（GC-Tof/MS）7890A/5975C(LECO Pegasus? HT)
]服務周期
樣本檢測：15-25 個工作日；
數據分析：5-15 個工作日；
服務周期自收到預付款、待測樣本和客戶確認檢測要求之日起計算。
]應用方向
表型組和生理功能研究；
臨床早期預測、診療研究；
病理學研究 ；
天然藥物和藥理研究 ；
中醫現代化和理論研究；
食品科學、安全和營養學研究；
畜牧業和農林業研究；
植物學和環境研究；
毒理學研究。
]質譜數據預處理
該環節的目的是將儀器信號轉化為生物學信息，它是代謝組學數據分析的核心之一。譜領生物在深刻理解色譜和質譜理論的基礎上，自行設計并利用已有軟件，分別建立了針對GC-MS、UHPLC-Orbitrap MS 和UHPLC-QTOF/MS 平臺的準確、高效的質譜數據預處理系統。
]多維統計分析
主要包括主成分分析（PCA）、偏最小二乘方- 判別分析（PLS-DA)、正交偏最小二乘方- 判別分析(OPLS-DA)。PCA 分析是一種非監督性模型，主要用于直觀上可視化）真實反映各組樣本的空間分布和相互關系，但是往往因背景噪音的干擾（如遺傳或飲食）導致動物樣本尤其是臨床樣本各組之間在PCA 上不存在空間分布差異。PLS-DA 是一種基于啞變量分類的監督性模型，過濾噪音信號后可視化展示各組樣本之間的分布和相互關系，是研究動物和臨床樣本代謝組學樣本重要的多維統計模型。OPLSDA是一種更加嚴格的監督性模型，常用于動物和臨床樣本可視化分析和差異性代謝物的篩選。
]單維統計分析
T- 檢驗，U- 檢驗，火山圖分析，S-plot 分析等。
]（全譜/ 差異性）代謝物的結構鑒定和含量分析
結合譜領卓越的數據分析系統，包含標準品數據庫在內的上萬種代謝物信息的代謝數據庫，確保樣本中的代謝物的結構鑒定更加快速和準確。同時結合統計分析結果，對其含量等關鍵要素的變化情況提供詳細信息。
](Correlation) 相關性分析和熱圖（Heatmap) 分析
對差異性代謝物之間的定量相關性進行分析有助于解釋各代謝物或代謝途徑之間的關聯性。譜領生物開展的皮爾遜相關性（Pearson Correlation) 分析直觀展示了差異性代謝物之間的相互關系。
通過對差異性代謝物的定量信息進行熱圖分析，有助于直觀展示代謝物在不同組樣本中表達量之間的關系（升高或降低）。樣本先按照彼此之間組成的相似度進行聚類，根據聚類結果橫向依次排列。同理，（差異）代謝物也按照彼此在不同樣本中分布的相似度進行聚類，根據聚類結果縱向依次排列。
每個橢圓代表一個（組）樣本，橢圓間的重疊區域表明樣本（組）間的共有（差異）代謝物，每個區塊的數字表明該區塊所包含的樣本（組）的共有或獨有（差異）代謝物數量?？梢酝ㄟ^箱線圖進行展示不同分組的含量差異情況，根據中位值、上下四分位值和最大最小值，可以呈現每組數據的具體分布特征，識別數據異常值。結合統計檢驗結果，有助于更全面地描述組內和組間的代謝物種類、含量差異大小。
]代謝通路分析
通過對差異性代謝物進行代謝通路分析，有助于我們從分子生物學角度全面理解復雜的生理和病理現象，闡釋其背后的代謝機制。
Jin H, Qiao F, Chen L, Gao XF, et al. Jin H, Qiao F, Chen L, Lu C, Xu L, Gao X. Serum metabolomic signatures of lymph node metastasis of esophageal squamous cell carcinoma. J Proteome Res. 2014; 13(9): 4091-4103.
Li M, Shu X, Xu H, Zhang C, Yang L, Zhang L, Ji G. Integrative analysis of metabolome and gut microbiota in diet-induced hyperlipidemic rats treated with berberine compounds. J Transl Med. 2016; 14(1): 237.
Liu L, Duan X, Wu J. Modulating the direction of carbon flow in Escherichia coli to improve l-tryptophan production by inactivating the global regulator FruR. J Biotechnol. 2016; 231: 141-148.
Li D, Wang P, Wang P, Hu X, Chen F. Gut microbiota promotes production of aromatic metabolites through degradation of barley leaf fiber. J Nutr Biochem. 2018; 58: 49-58.
Luo B, Ma P, Nie Z, Zhang X, He X, Ding X, Feng X, Lu Q, Ren Z, Lin H, Wu Y, Shen Y, Zhang S, Wu L, Liu D, Pan G, Rong T, Gao S. Metabolite profiling and genome-wide association studies reveal response mechanisms of phosphorus deficiency in maize seedling. Plant J. 2019; 97(5): 947-969.
Liu Y, You Y, Lu Z, Yang J, Li P, Liu L, Xu H, Niu Y, Cao X. N6-methyladenosine RNA modification-mediated cellular metabolism rewiring inhibits viral replication. Science. 2019; 365(6458): 1171-1176.
Wang P, Gao J, Ke W, Wang J, Li D, Liu R, Jia Y, Wang X, Chen X, Chen F, Hu X. Resveratrol reduces obesity in high-fat diet-fed mice via modulating the composition and metabolic function of the gut microbiota. Free Radic Biol Med. 2020; 156: 83-98.
Li Q, Xu K, Wang S, Li M, Jiang Y, Liang X, Niu J, Wang C. Enzymatic Browning in Wheat Kernels Produces Symptom of Black Point Caused by Bipolaris sorokiniana. Front Microbiol. 2020; 11: 526266.
