生物化學與分子生物學/其他組學

組學與系統生物醫學 - 基因組學 - 轉錄物組學 - 蛋白質組學 - 代謝組學 - 其他組學 - 系統生物醫學及其應用

糖組學研究生命體聚糖多樣性及其生物學功能 編輯

生物界豐富多樣的聚糖類型狻蓋了有機體所有細胞,它們不僅決定細胞的類型和狀態,也參與了細胞許多生物學行為,如細胞發育、分化,腫瘤轉移,微生物感染,免疫反應等。糖組學(glycomics)側重於糖鏈組成及其功能的研究,其主要研究對象為聚糖,具體內容包括研究糖與糖之間、糖與蛋白質之間、糖與核酸之間的聯繫和相互作用。糖組學是基因組學和蛋白質組學等的後續和延伸。因此,要深入了解生命的複雜規律,就必須有「基因組-蛋白質組-糖組"的整體觀念,這樣才有可能揭示生物體全部基因功能,從而為重大疾病發生、發展機制的進一步闡明和有效控制,以及為疾病預測、新的診斷標記物的篩選及藥物靶標的發現提供依據。

糖組學分為結構糖組學與功能糖組學兩個分支 編輯

糖組(glycome)指單個個體的全部聚糖,糖組學則對糖組(主要針對糖蛋白)進行全面的分析研究,包括結構和功能兩方面內容,因此可將其分為結構糖組學(structural glycomics)和功能糖組學 (functional glycomics)兩個分支。糖組學的內容主要涉及單個個體的全部糖蛋白結構分析,確定編碼糖蛋白的基因和蛋白質糖基化的機制。因此,糖組學主要要回答4個方面的問題:①什麼基因編碼糖蛋白,即基因信息;②可能糖基化位點中實際被糖基化的位點,即糖基化位點信息;③聚糖結構,即結構信息;④糖基化功能,即功能信息。

色譜分離/質譜鑑定和糖微陣列技術是糖組學研究的主要技術 編輯

1. 色譜分離與質譜鑑定技術 色譜分離與質譜鑑定技術為糖組學研究的核心技術,被廣泛地應用於糖蛋白的系統分析。通過與蛋白質組數據庫結合使用,這種方法能系統地鑑定可能的糖蛋白和糖基化位點。
具體策略包括如下幾個步驟:①凝集素親和層析-1 (用於糖蛋白分離):依據待分離糖蛋白的聚糖類型單獨或串聯使用不同的凝集素;②蛋白質消化:將分離得到的糖蛋白用蛋白酶I消化以生成糖肽;③凝集素親和層析-2(用於糖肽分離):採用與步驟①相同的凝集素柱從消化液中捕集目的糖肽;④HPLC純化糖肽;⑤序列分析、質譜和解離常數測定;⑥數據庫搜索和聚糖結構分析以獲得相關遺傳和糖基化信息。然後使用不同的凝集素柱進行第二和第三次循環,捕集其他類型的糖肽,以對某個細胞進行較全面的糖組學研究。其中凝集素親和層析亦稱為糖捕獲 (glyco-catch)法。
2、糖微陣列技術 糖微陣列技術是生物芯片中的一種,是將帶有氨基的各種聚糖共價連接在包被有化學反應活性表面的玻璃芯片上,一塊芯片上可排列200種以上的不同糖結構,幾乎涵蓋了全部末端糖的主要類型包。糖微陣列技術可廣泛用於糖結合蛋白的糖組分析,以對生物個體產生的全部蛋白聚糖結構進行系統鑑定與表徵。但目前可用於微陣列的糖數量還非常有限,糖微陣列技術有待進一步的發展。
3、生物信息學 糖蛋白糖鏈研究的信息處理、歸納分析以及糖鏈結構檢索都要藉助生物信息學來進行。目前這方面的數據庫和網絡包括CFC、KEGG和CCSD等。

糖組學與腫瘤的關係密切 編輯

目前,2-DE已經成功地用於鑑定糖蛋白差異。已報道有多種血清糖蛋白可作為腎細胞癌、乳腺癌、結直腸癌等的標記物;糖基化改變普遍存在於腫瘤的發生、發展過程中,分析糖基化修飾對於深入研究腫瘤的發生機制及診斷治療有着重要的價值;糖基化差異也可用於構建特異的多糖類癌症疫苗,以發展新的免疫治療策略。
與基因組學和蛋白質組學研究相比,糖組學的研究還處於起步階段。阻礙糖組學迅速發展的原因主要是糖鏈本身結構的複雜性和研究技術的限制。但不管如何,糖組學作為基因組學和蛋白質組 學的重要補充,將為人類在對生命本質深層次理解的進程中發揮越來越重要的作用。

脂組學揭示生命體脂質多樣性及其代謝調控 編輯

生命體脂質具有化學多樣性和功能多樣性的特點,其代謝與多種疾病的發生、發展密切相關,很多疾病都與脂代謝紊亂有關,如糖尿病、肥胖病、癌症等。因此,脂質的分析量化對研究疾病發生機制和診斷治療,以及醫藥研發有非常重要的生物學意義。脂組學(lipidomics)就是對生物樣本中脂質進行全面系統的分析,從而揭示其在生命活動和疾病中發揮的作用。

脂組學是代謝組學的一個分支 編輯

脂組學的研究內容為生物體內的所有脂質分子,並以此為依據推測與脂質作用的生物分子的變化,揭示脂質在各種生命活動中的重要作用機制。通過研究脂質提取物,可獲得脂組(lipidome)的信息,了解在特定生理和病理狀態下脂質的整體變化。因此,脂組學實際上是代謝組學的重要組成部分。
脂組學的研究有以下優勢:①只研究脂質物質及其代謝物。脂質物質在結構上的共同點決定了樣品前處理及分析技術平台的搭建較為容易,而且可以借鑑代謝組學的研究方法。②脂組學數據庫的建立和完善速度較快,並能建立與其他組學的網絡聯繫。③脂質組分析的技術平台可用於代謝組學的研究,促進代謝組學發展。

脂組學研究的三大步驟——分離、 鑑定和數據庫檢索 編輯

  1. 樣品分離 脂質主要從細胞、血漿、組織等樣品中提取。由於脂質物質在結構上有共同特點,即有極性的頭部和非極性的尾部。所以,脂質採用氯仿、甲醇及其他有機溶劑的混合提取液,能夠較好地溶出樣本中的脂質物質。
  2. 脂質鑑定 隨着分析技術的不斷發展,脂質的分析方法也在不斷的改進。總體而言,大部分的分析技術都能用來分析脂質,包括脂肪酸、磷脂、神經鞘磷脂、甘油三酯和類固醇等。常規的技術有薄層色譜(TLC)、氣相色譜-質譜聯用(GC-MS)、電噴霧質譜(ESI/MS)、液相色譜-質譜聯用(LC/MS)、高效液相色譜-芯片-質譜聯用(HPLC-Chip/MS)、超高效液相色譜-質譜聯用(UPLC/MS)、超高效液相色譜-傅立葉變換質譜聯用(UPLC/FT-MS)等。
  3. 數據庫檢索 隨着脂組學的迅速發展,相關數據庫也逐步建立。現有數據庫能夠查詢脂質結構、質譜信息、分類及實驗設計、實驗信息等,其功能也越來越完善。數據庫的建立無疑成為推動脂組學自身發展的良好工具。國際上最大的數據庫LIPID Maps(http://www.lipidmaps. org/)是由美國國立綜合醫學研究所(National Institute of General Medical Sciences, NIGMS)組織構建的,它包含了脂質分子的結構信息、質譜信息、分類信息、實驗設計等。數據庫包含了游離脂肪酸、膽固醇、甘油三酯、磷脂等八個大類共40 673種脂質的結構信息(截至2017年1月)。

脂組學研究促進脂質生物標誌物的發現和疾病診斷 編輯

發現疾病相關的診斷標誌物是進行疾病診斷的關鍵。脂組學所提供的方法能夠監測病人與正常人之間的脂質變化,從中找到差異較大的脂質化合物,作為疾病早期診斷的指標。科學家定量研究了卵巢癌病人和良性卵巢瘤病人血清中各種膽固醇及脂蛋白的含量變化,結果表明:以載脂蛋白A I (apoA I)和游離膽固醇(free cholesterol, FC)為診斷指標排除卵巢瘤的正確率高達95.5%, 綜合apoA I、FC、高密度脂蛋白游離膽固醇(HDLFC)、高密度脂蛋白總膽固醇(HDLTC)、apoB及高密度脂蛋白-3(HDL3)片段診斷卵巢癌的準確率達到97.0%。另有證據報道溶血磷脂酸在卵巢癌的診斷中表現出高度的敏感性和特異性,能夠作為早期診斷卵巢癌及術後隨訪的生物標誌物。
總之,脂組學從脂代謝水平研究疾病的發生、發展過程的變化規律,尋找疾病相關的脂生物標誌 物,進一步提高疾病的診斷效率,並為疾病的治療提供更為可靠的依據。脂組學能夠在一定程度上促進代謝組學的發展,並通過代謝組學技術的整合運用建立與其他組學之間的關係,最終實現醫學科學的整體進步。