为了搞清楚LipidMaps的Biopan通路算法,读了这篇文献:
Using lipidomics analysis to determine signalling and metabolic changes in cells
2017年的文章,非常系统的介绍了脂质组学的数据处理的软件,主要包括
1.在工具,软件和数据库的支撑下,脂质数据是怎么收集和处理的
2.在分子层面上脂质组分析是怎么实施的
3.怎么去整合数据分析到生物背景中
4.这些结果怎样去预测酶活和潜在的治疗位点
自己总结,主要包括:
1.质谱数据的定性和定量分析软件
LipidMaps
1.可以描述脂质代谢物的整体变化
2.可以画出脂质结构,预测结构
3.可以进行文本搜索.输入脂质名称,缩写或者mass
LipidBank & LipidSearch
是日本脂类生物化学会议(Japanese Conference on the Biochemistry of Lipids ,JCBL)的官方数据库，涵盖了7000多个不同的脂质，可以连接 LipidSearch
LipidHome
EBI的LipidHome可以输入name or mass进行检索,但目前只有甘油糖脂和甘油磷脂,可以下载不同格式的结果文件csv, excel,etc.
lipID
可以根据masses or mass–charge ratios进行脂质检索
Lipid-Pro
可以分析DIA的数据.
Lipid Data Analyser (LDA)
LDA可以使不同平台的数据整合在一起
2.结构搜索
目前有三个工具用于结构搜索 JME, MarvinSketch ChemDrawPro.前两个是web工具需要Java,第三个是桌面版软件.
3.谱图的3D展示
SECD & LIMSA
可以对mass图谱进行3D展示,它的输出可以作为LIMSA的输入,进行定性和定量的分析
2.脂质组学分析 (Lipidomics analysis)
作者提出了两个观点:
1.亚细胞结构的纯化非常难,直接导致了脂质组不能分析特定的细胞膜,进而凸显了成像技术的重要性(即成像+组学一起食用更佳)
2.利用脂质组找Biomarker,但是这样并不能很好的确认它的生化过程.(也就是只是找到了,但搞不懂机制是为什么).并且这种简单地寻找脂质组学识别的脂质模式变化的方法,通常缺乏明确识别一个或者多个有用的生物标志物信号所必需的选择性和特异性.即无法被统计度量.
所以他自己开发了一个方法,在后面描述,作者继续:
脂质结构分析(作者这样命名小标题可能是根据下面的想法)
一般来说，脂类的变化可以通过测定量的变化来观察。为了处理实验数据中的生物变异性，可以将所有脂类归一化，例如归一化为整个脂质体的总量.任何特定脂质浓度的变化都可以解释为细胞膜结构或代谢或信号通路的变化。作为一种独特的方法，脂质结构分析的目的是确定脂质在酰基碳链长度和双键数量方面的变化
注:这个观点指导了他的方法学的设计,然后他设计了三个细胞系并分别得到脂质组数据:
1.一个K-ras等位基因和一个突变等位基因敲除的细胞系(WT)
2.一个激活的K-ras突变等位基因和一个野生型等位基因敲除的细胞系(MUT)
3.一个K-ras突变等位基因和一个野生型等位基因的细胞系(HET)
作者把焦点放在PI上, PI是一种重要的膜上磷脂，可被PI4激酶磷酸化为PIP，随后被PI4P-5激酶磷酸化为PIP2,而PIP2是PI3激酶和磷脂酶C (PLC)的共同底物.因此在调节细胞流动性和增殖的信号通路中发挥关键作用.这些信号通路在许多疾病中具有明显的关键作用，尤其是在恶性肿瘤中
脂质组学数据显示了酰基链长度和双键数的变化。与野生型相比,短(C-30, C-32)和长(C-40)酰基链长度和高度不饱和(>3)的PI在MUT和MUT中都更丰富.
为了搞清楚,作者检测了每个表型癌细胞系中PIP和PIP2的结构变化。根据PI的代谢通路:PI -> PIP -> PIP2 .
可能提示PI4激酶、PLC和PI3激酶下游信号通路发生变化.
有趣的是，与WT相比，MUT和HET中带有1-2个双键的C-36、C-38的PIP都降低了.明明PIP的底物PI上升了,它却下降了呢?并且MUT细胞系中的PIP2也跟PIP是一样的趋势.PIP是PIP2的底物,这个逻辑还是好理解的,关键是为什么PIP浓度下降了.作者认为:与WT细胞相比,PI4激酶和PI3激酶在MUT和HET细胞系中激活了,于是作者拿出自己的通路分析方法.
预知后事如何,请看下章分解.