代谢组学简介-百趣代谢组学资讯

最新推荐文章于 2025-09-19 16:16:04 发布
原创 最新推荐文章于 2025-09-19 16:16:04 发布 · 1.2k 阅读 · 6 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#大数据

部署运行你感兴趣的模型镜像

百趣代谢组学资讯：代谢组学（Metabonomics/Metabolomics）是继基因组学和蛋白质组学之后发展起来的新兴的组学技术，是系统生物学的重要组成部分，研究对象大都是相对分子质量1000以内的小分子物质。

代谢组学是对某一生物体组份或细胞在一特定生理时期或条件下所有代谢产物同时进行定性和定量分析，以寻找出目标差异代谢物。可用于疾病早期诊断、药物靶点发现、疾病机理研究及疾病诊断等。

国内外研究现状简述

国际上，代谢组学研究很活跃：美国国家健康研究所(NIH)在国家生物技术发展的路线图计划中制订了代谢组学的发展规划；许多国家的科研单位和公司均开始了代谢组学相关研究及业务，如英国帝国理工大学的Jeremy Nicholson实验室、美国加州大学Davis分校的Oliver Fiehn 实验室、美国Scripps实验室、荷兰莱顿大学的Jan van der Greef实验室等。其中许多机构已经开始了多组学整合研究工作。

国内多家科研机构已先后开展了代谢组学的研究工作，包括中国科学院大连化学物理研究所许国旺实验室、中国科学院武汉数学物理研究所唐惠儒实验室、上海交通大学贾伟实验室、军科院等。

没有任何一个分析技术能够同时分析代谢组中的所有化合物，只能通过选择性地提取结合各种分析技术的并行分析来解决。

样品之间的变异、仪器动力学范围的局限和分析误差的存在也给代谢组学分析带来巨大的挑战。因此在取样方法，新型分析仪器和分析技术的研发等方面，都需要进一步深入开发。

代谢组学分析产生出海量的数据，当前我们缺乏适当的代谢组数据库和数据交换版式，需要完善代谢组学数据库，建立代谢产物数据的标准，并且需要开发功能强大的数据分析工具。

代谢组学服务简介

 上海阿趣生物科技有限公司（简称阿趣生物）成立于2012年3月，是一家专业提供生命科学前沿研究技术应用、咨询及开发的高新技术企业，是上海百趣生物医学科技有限公司（简称百趣生物）旗下全资子公司。


 

公司致力于大生命科学领域样本检测、大数据分析以及技术产品开发，承诺以客户为中心，提供专业的服务！公司愿景是成为大生命科学领域权威的检测分析服务机构。

经过多年发展，公司已经建立并完善了包括非靶标代谢组、高通量靶标代谢组、常规靶标、脂质组学、代谢流检测等研究平台。

1非靶标代谢组学

经过多年发展，BIOTREE现已拥有完善的非靶标代谢组学平台，包括 UHPLC-QTOFMS、Orbitrap LC-MS、GC-TOF-MS、GC-Q-MS 等，能够准确、快速地分析各种生物样本（血、尿、动物组织、唾液、羊水、细胞和细胞液、植物、微生物等）中的小分子代谢物。最大程度反映生命体对外界刺激、病理生理变化、以及本身基因突变产生的代谢物水平的多元动态反应。为疾病诊断、病理研究、新药开发、药物毒理学、中医药现代化、食品营养、农林、环境毒理等研究提供新的探索视角。具体产品包括：

  • GC-MS非靶标代谢组学

  • LC-MS非靶标代谢组学

  • 经典脂质组学

  • 定量脂质组学

  • VOCs非靶标代谢组学

  • 土壤代谢组学

  • 中药非靶标代谢组学

  • 肠道菌群非靶标代谢组学

2高通量靶标代谢组学

高通量靶标代谢组学整合了非靶标代谢组学和靶标代谢组学的技术优点，创造性实现了高通量、高灵敏度靶向代谢物检测，为定性、定量检测大批量、低丰度代谢物提供了高效的方法。高通量靶标代谢组学可分为高通量靶标定量和广泛靶标两种平台，该平台可以对不同结构的代谢产物或者不同功能途径中的代谢产物进行准确定性和精确定量。具体产品包括：

  • 氨基酸高通量靶标定量

  • 短链脂肪酸高通量靶标定量

  • 游离脂肪酸高通量靶标定量

  • 中心碳代谢高通量靶标定量

  • 神经递质高通量靶标定量

  • 全氟化合物高通量靶标定量

  • 单、双糖高通量靶标定量

  • 植物激素高通量靶标定量

  • 多胺及其合成通路物质高通量靶标定量

  • 胆汁酸高通量靶标定量

  • 有机酸高通量靶标定量

  • 维生素高通量靶标定量

  • 动物激素高通量靶标定量

  • 氧化三甲胺及相关代谢物高通量靶标定量

  • 类胡萝卜素高通量靶标定量

  • 动物广泛靶标代谢组

  • 植物广泛靶标代谢组

  • 类黄酮广泛靶标

  • 花青素广泛靶标

3靶标代谢组学

靶标代谢组学是对样本中特定关注的物质进行绝对定量分析，具有高灵敏度、高特异性等特点。靶标代谢组学是对非靶标代谢组学的延伸与验证，应用前景非常广阔。针对客户提供的目标物质，用MRM的方法进行定量分析，需要提供标准品（可代购）。具体产品为：

  • MRM靶标定量

4功能代谢组学

功能代谢组学是在传统的以发现差异代谢物为主要目的的非靶标、靶标代谢组学基础上，综合结合分子细胞生物学实验、同位素标记、宏基因组、转录组和蛋白组等多种技术手段，探究差异代谢物的生物功能以及相关生理病理意义的一种新方法，是传统代谢组学概念的深化和延伸。具体产品包括：

  • 靶标代谢流分析

  • 非靶标代谢流分析

  • 蛋白质组学

  • 转录组学

  • 宏基因组学

  • 微生物多样性测序

  • Western blot

文/阿趣代谢组学

您可能感兴趣的与本文相关的镜像

HunyuanVideo-Foley

HunyuanVideo-Foley

语音合成

HunyuanVideo-Foley是由腾讯混元2025年8月28日宣布开源端到端视频音效生成模型，用户只需输入视频和文字，就能为视频匹配电影级音效

代谢组学生长素促进大麦花粉成熟的能量产生途径-百趣文献解读
Biotree2012的博客
10-11 370
花粉有活力(图1C)，但未出现淀粉和钾的显色反应(图1D和1E)，钾离子被认为可以产生渗透梯度，使花粉快速水化；百趣代谢组学文献解读，这一结果表明，MSG38是大麦花粉有丝分裂的非必需基因，但它对于花粉成熟过程中的液泡动力学以及淀粉和钾的积累至关重要，这些过程可能促使花粉膨胀和水合，转而增加对花药壁组织的压力以促进花药开裂。百趣代谢组学文献解读，由MSG38/HvYUC4内源启动子驱动的MSG38-荧光蛋白融合也从W9开始，定位于花粉中(图4C)，并恢复msg38-2突变体的育性(图4D)。
百趣生物技术介绍 | 发现代谢组学 代谢物定性数量2000+
Biotree2012的博客
09-14 697
百趣生物代谢组学新技术介绍——发现代谢组学，发现代谢组学 MIX版对多种样本类型均能实现高效检测，获得优质的定性结果。一次检测，全面覆盖，代谢物定性数量2000+，脂质物质占比达到30%，综合产品价格和检测定性结果，性价比高。 “发现代谢组学”通过研究实验组和对照组中有哪些代谢产物有统计学意义上的显著差异，从定性和半定量角度发现“代谢组”上的差异，进而研究这些代谢物与生理病理变化的相关关系。针对代谢物的亲水或亲脂的性质，“发现代谢组学”包括三个系列产品。亲水版可高效完成样本中亲水性代谢物的检测定性，亲
波形包络提取与峰值提取_非靶向代谢组学对白玉兰提取物中的生物活性成分研究...
weixin_39926040的博客
12-17 338
前言2020年3月，韩国大学课题组在Food Research International杂志发表题为“UPLC-QTOF-MS/MS screening and identification of bioactive compounds in fresh, aged, and browned Magnolia denudata flower extracts”的研究论文。该研究使用超高效液相色谱...
广东凉茶作用于大鼠的血清代谢组学研究* (2012年)
06-15
传统中医理论认为,广东凉茶具有清热祛湿等多种功效.但由于其成分异常复杂,难以利用传统评价手段对其作用机制进行全面分析.文中引入代谢组学的研究策略,即采用稳定性和重复性俱佳的核磁共振技术(NMR)获得大鼠血清样本中代谢物指纹图谱的“全景”数据,然后对其进行多元数据分析,识别差异标志物.结果表明,长期饮用广东凉茶使大鼠体内的脂类代谢、糖代谢及能量代谢发生变化,且其代谢响应呈现阶段性特征.本研究为深入解析广东凉茶的作用机制和建立科学的凉茶评价系统提供了实验依据.
新手必读！10分钟带你入门代谢组
最新发布
Orange_Yang123的博客
09-19 1085
随着研究的深入，代谢组学的概念逐渐被提出和完善。常用的仪器有ICP-MS、GC-MS/MS、Q­TOF GC-MS/MS、LC-MS/MS、Q-TOF LC-MS/MS、Orbitrap LC-MS/MS等。根据QC、CV、RSD等判断数据是否可靠，根据FC、P、VIP等筛选差异显著程度较高的代谢物，通过PCA、OPLS-DA、Heatmap、火山图、KEGG功能富集等让数据可视化。与基因组学、转录组学、蛋白质组学相比，代谢组学具有数据量低、易于检测、分析简单、放大效应、终端效应、通用性高等优点。
代谢组分析
大甘的博客
01-06 2976
是通过检测和分析生物体中所有小分子代谢物（metabolites，如糖、脂质、氨基酸、有机酸等）的组成和变化，研究生物系统在生理、病理或环境条件下的代谢状态和动态变化的科学技术。代谢物是基因组、转录组和蛋白组功能的最终表达，因此代谢组分析被认为是生物学研究的最后一个层次，提供了最接近表型的信息。
一文读懂代谢组学
刘永鑫的博客——宏基因组公众号
03-28 3730
本文转载自“微生太”，已获授权。代谢组学的研究范畴聚焦于代谢产物所经历的化学过程。采用高精尖的分析仪器，对细胞内的代谢物进行定性和定量分析。与基因组学、转录组学、蛋白质组学一样，代谢组学...
代谢组学富集分析kegg 功能富集MetaboAnalystR（R包 METABOSIGNAL ）
生信小博士的博客
07-06 8236
代谢产物差异分析 | 生信菜鸟团使用MetaboDiff包分析非靶向代谢组数据 - 简书最近手里有个非靶向代谢组的数据，通过学习MetaboDiff包来熟悉代谢组分析的思路和流程，接下来的流程来自于MetaboDiff包官方帮助文档。
百趣代谢组学解读，从蛋白组学和代谢组学角度，浅析白番石榴成熟过程
Biotree2012的博客
09-26 333
百趣解读，本研究选择白番石榴成熟过程中的两个阶段，通过对不同组织进行代谢组学和蛋白组学分析，研究了白番石榴在成熟过程中代谢调控机制，研究发现蛋白出现累积，其中差异累积蛋白涉及了茉莉酸生物合成、生长素运输和乙烯等信号通路；在本研究的代谢组物质鉴定中，因其所用数据库的局限性只发现较少的植物代谢物（30-50），可采用专门针对植物研究领域构建的植物广泛靶标代谢组学技术，该技术定性物质数可达1000+，极大的提升了数据的挖掘空间，对于做植物代谢组的学者来说是目前更为适用的一种新技术。代谢组学、蛋白质组学。
代谢组学解读-Cell：新分子有效清除肝脏和血液中的脂肪
Biotree2012的博客
10-14 219
百趣代谢组学解读，显著的是，这种分子不能够改善仅肝脏中缺乏胰高血糖素受体或者缺乏甲状腺受体的小鼠体内的代谢，这就证实这种新分子的肝脏特异性信号的特异性。在这项新的研究中，由代谢专家Matthias Tschöp（亥姆霍兹慕尼黑中心/慕尼黑工业大学）、Richard diMarchi（美国印第安纳大学）和Timo Müller（亥姆霍兹慕尼黑中心）领导的一个国际小组报道利用胰高血糖素进行肝脏特异性的甲状腺激素T3运送会阻止肥胖、葡萄糖耐受不良、脂肪肝和动脉粥样硬化，同时不会给其他的组织带来副作用。
技术介绍 | 中药非靶标代谢组学—百趣生物
Biotree2012的博客
08-25 858
中医药学在我国医药卫生事业中占有十分重要的位置，代谢组学是中医药现代化的重要途径之一。百趣生物提供中药非靶标代谢组学检测服务，致力于中药鉴定和质量评价，药用植物资源的保护，中药功能活性成分代谢通路及代谢工程研究。 中医药是中华民族的瑰宝，代谢组学强调把人或动物作为一个整体去研究，同时在方法学上具有无创伤、动态、接近生理条件等研究特点，与中药治病整体性、动态性原则极为相似。 代谢组学在药效物质基础的辨识、作用机理阐明、安全性评价、药物靶点的发现、有效成分和毒性成分的体内代谢特征与命运、配伍规律、.
百趣代谢组学分享:基于大规模多中心人群的肝癌血清标志物研究
Biotree2012的博客
02-07 713
代谢组学文献分享，另外测试集的数据也显示，在区分小肝细胞癌和肝硬化的时候，该标志物组相对于AFP有较高的诊断敏感度和相似的诊断特异性。这项研究从多个中心招募了1448名受试者，对这些样本进行代谢组学LC-MS/MS检测，并结合多变量和单变量的统计分析，鉴定验证到了一组生物标志物：phe-trp和GCA，能够显著提升HCC的诊断敏感度和特异性。标志物组的敏感度能达到80%-70.3%，并且从3年前到1年前的数据可以看到，它对临床前HCC的诊断的敏感性是持上升趋势的。S-HCC：小肝细胞癌；
代谢组+基因组联合分析
aganlala的博客
01-21 5432
代谢组+基因组联合分析 简介 代谢组学是定量描述生物内源性代谢物对内外因变化应答规律的科学，能够直接反映生命体的终端和表型信息，近年来在疾病诊断和分型、生物标志物发现、药物研发、基因功能解析、代谢途径及调控机理等领域发挥着重要作用。全基因组关联分析(Genome-wide association study，GWAS) 常常用于疾病表型与相关变异位点研究，全基因组关联分析利用全基因组重测序或外显子测序技术获取数以百万计的SNP分子标记，与表型数据进行联合分析，从中筛选出与疾病相关的SNP，发现影响复杂性状的
干货第一弹！多组学联合分析之代谢组FAQ
SHANGHAILINGEN的博客
06-08 1682
按照 sMRM（Schedule Multiple Reaction Monitoring）的采集模式对样本中所含代谢物进行采集，可检测的物质是我们数据库中包含的代谢物，所以老师有关注的物质的时候需要做好售前咨询工作，避免出现关注的物质不在数据库中而导致检测不到的情况，也是相对定量。后续要进行一系列生信分析。客户已经明确要检测的物质，首先用这些物种的标准品，配置不同浓度的溶液，上机，绘制出标准曲线，建立检测该类物质的方法，验证方法的专属性、基质效应、精密度、准确度、稳定性等方面，属于绝对定量。
成功案例（IF=7.4）| 脂代谢组学和蛋白质组学分析揭示多囊卵巢综合征的发病机制
bioyigene的博客
05-13 638
多囊卵巢综合征（PCOS）是女性最常见的内分泌和代谢紊乱，也是无排卵性不孕症和高雄激素血症的主要原因。患者的主要临床表现为月经少、不孕、高雄激素血症、肥胖、多毛、痤疮、胰岛素抵抗（IR）和B超下多囊卵巢改变。严重的代谢紊乱可导致PCOS的长期并发症，包括糖尿病、高脂血症、心血管疾病，甚至子宫内膜癌。脂质代谢组学和蛋白质组学是系统生物学中旨在发现疾病中的代谢途径变化和诊断生物标志物的新学科。
2020.8.26丨代谢组测序产品概述
08-26 3800
背景介绍 4个层次的组学技术 代谢物可以反馈调节上游 文章发表现状 代谢物定义：分子量小于1000的小分子 代谢组学：检测生物体内的小于1000分子量的代谢物进行定性定量分析 检测方式 色谱技术-物质分离 GC：气相色谱 LC：液相色谱 质谱技术-物质鉴定 当遇到分子量相同的物质会打碎分子，进行二级质谱 色质联用 仪器平台 公司选择 平台比较 代谢
人脑脊液的代谢组学研究—标识恶性神经胶质瘤的特征
Biotree2012的博客
02-24 523
代谢组学分享，作者将以上两种手段观察到的肿瘤大小与检测的代谢物关联起来，发现有8个代谢物与Tgad相关，10个代谢物与FLAIR相关（R2>0.50）。恶性神经胶质瘤CSF特有的代谢特征：采用无监督的分层聚类算法发现，胶质瘤病人CSF与对照组相比，其中代谢物水平有升高或降低（图1A）。有意思的是，新诊断的胶质瘤病人（1、2、5、7号）与其他样本不在同一分支。作者接下来分析了胶质瘤与正常样本存在差异的化合物，采用双侧t检验分析，39个化合物存在显著性差异（p
联合分析专题：带你了解转录组+代谢组联合分析在医学方向的研究思路
bioyigene的博客
05-15 7367
转录组+代谢组的多组学分析，可以同时实现从“因”和“果”两个层面来探究生物学问题，相互间进行验证，从海量的数据中筛选出关键基因、代谢物及代谢通路，深度解析生物系统的宏观发育过程，解释生物过程的复杂性和整体性。
代谢组学 PLS-DA 置换检验图
03-20
### 关于代谢组学中的 PLS-DA 置换检验图 偏最小二乘判别分析 (Partial Least Squares Discriminant Analysis, PLS-DA) 是一种广泛应用于代谢组学数据分析的技术，用于分类样本并识别潜在的生物标志物。为了评估模型的有效性和防止过拟合，通常会采用置换检验 (Permutation Test)，通过随机打乱类别标签来计算模型性能指标的变化。 以下是 Python 和 R 的实现方法： --- #### 使用 Python 实现 PLS-DA 置换检验图绘制 Python 提供了 `sklearn` 库来进行 PLS 回归建模，并可以通过自定义函数完成置换检验和绘图功能。 ```python import numpy as np from sklearn.cross_decomposition import PLSRegression from sklearn.model_selection import cross_val_score import matplotlib.pyplot as plt from scipy.stats import pearsonr def permutation_test(X, y, n_permutations=1000): """ 执行 PLS-DA 的置换检验。 参数: X: 特征矩阵 y: 类别标签向量 n_permutations: 置换次数 返回: observed_scores: 原始数据上的交叉验证得分 permuted_scores: 随机化后的平均交叉验证得分列表 """ pls_da = PLSRegression(n_components=2) observed_scores = cross_val_score(pls_da, X, y, cv=5).mean() permuted_scores = [] for _ in range(n_permutations): y_shuffled = np.random.permutation(y) score = cross_val_score(pls_da, X, y_shuffled, cv=5).mean() permuted_scores.append(score) return observed_scores, permuted_scores # 数据加载与预处理省略... observed, permuted = permutation_test(X, y) plt.figure(figsize=(8, 6)) plt.hist(permuted, bins=30, alpha=0.75, color='blue', label="Permuted Scores") plt.axvline(observed, color='red', linestyle='dashed', linewidth=2, label=f'Observed Score ({observed:.2f})') plt.title('PLS-DA Permutation Test Results', fontsize=16) plt.xlabel('Cross-validation Accuracy', fontsize=14) plt.ylabel('Frequency', fontsize=14) plt.legend(fontsize=12) plt.show() ``` 上述代码展示了如何利用 `cross_val_score` 函数进行交叉验证以及通过多次随机排列目标变量 `y` 来模拟零假设下的分布情况[^2]。 --- #### 使用 R 实现 PLS-DA 置换检验图绘制 在 R 中可以借助 `ropls` 或 `mixOmics` 包轻松构建 PLS-DA 模型，并执行置换测试。 ```R library(ropls) set.seed(123) # 构造示例数据集 data(sacurine) X <- sacurine$dataMatrix Y <- factor(sacurine$sampleMetadata[, "gender"]) # 创建原始模型 model_original <- oplsdas(X, Y, predI = 2, orthoI = 0) # 进行置换检验 permut_results <- permutest(model_original, times = 1000) # 绘制结果 plot(permut_results, type = "histogram", main = "PLS-DA Permutation Test", xlab = "Q-squared Value", col = c("lightgray", "red")) legend("topright", legend=c("Permuted Q²", "Original Q²"), fill=c("lightgray", "red")) ``` 此脚本使用 `ropls::oplsdas()` 方法建立基础模型，并调用内置函数 `permutest()` 自动生成置换统计图表[^3]。 --- ### 对置换检验图的解释 置换检验的核心在于比较实际观测到的模型表现（如 $Q^2$ 或 CV-Accuracy）与基于随机重排类别的预期值之间的差异程度。如果真实分数显著高于大多数置换所得数值，则表明当前分组结构确实存在而非偶然形成[^4]。 具体而言，在直方图上可以看到所有可能因噪声引起的最大预测能力范围；而红线代表未经扰动的数据集中所获得的最佳匹配度。两者差距越大说明该分类体系越可靠可信。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值