La metabolómica es el estudio científico de los procesos químicos que involucran metabolitos , sustratos de moléculas pequeñas, intermediarios y productos del metabolismo celular . Específicamente, la metabolómica es el "estudio sistemático de las huellas químicas únicas que dejan procesos celulares específicos", el estudio de sus perfiles de metabolitos de moléculas pequeñas. [1] El metaboloma representa el conjunto completo de metabolitos en una célula, tejido, órgano u organismo biológico, que son los productos finales de los procesos celulares. [2] El ARN mensajero (ARNm), los datos de expresión genética y los análisis proteómicos revelan el conjunto de productos genéticos que se producen en la célula, datos que representan un aspecto de la función celular. Por el contrario, el perfil metabólico puede dar una instantánea instantánea de la fisiología de esa célula, [3] y, por lo tanto, la metabolómica proporciona una "lectura funcional directa del estado fisiológico" de un organismo. [4] De hecho, existen correlaciones cuantificables entre el metaboloma y otros conjuntos celulares ( genoma , transcriptoma , proteoma y lipidoma ), que pueden usarse para predecir la abundancia de metabolitos en muestras biológicas, por ejemplo, de la abundancia de ARNm. [5] Uno de los últimos desafíos de la biología de sistemas es integrar la metabolómica con toda la demás información -ómica para proporcionar una mejor comprensión de la biología celular.
El concepto de que los individuos podrían tener un "perfil metabólico" que podría reflejarse en la composición de sus fluidos biológicos fue introducido por Roger Williams a finales de la década de 1940, [6] quien utilizó la cromatografía en papel para sugerir que los patrones metabólicos característicos en la orina y la saliva estaban asociados con enfermedades como la esquizofrenia . Sin embargo, fue sólo gracias a los avances tecnológicos de las décadas de 1960 y 1970 que se hizo factible medir cuantitativamente (en lugar de cualitativamente) los perfiles metabólicos. [7] El término "perfil metabólico" fue introducido por Horning, et al. en 1971 después de demostrar que la cromatografía de gases-espectrometría de masas (GC-MS) podría usarse para medir compuestos presentes en orina humana y extractos de tejido. [8] [9] El grupo Horning, junto con el de Linus Pauling y Arthur B. Robinson, lideraron el desarrollo de métodos GC-MS para monitorear los metabolitos presentes en la orina durante la década de 1970. [10]
Al mismo tiempo, la espectroscopia de RMN , descubierta en la década de 1940, también estaba experimentando rápidos avances. En 1974, Seeley et al. demostró la utilidad del uso de RMN para detectar metabolitos en muestras biológicas no modificadas. [11] Este primer estudio sobre músculo destacó el valor de la RMN ya que se determinó que el 90% del ATP celular forma complejos con magnesio. A medida que la sensibilidad ha mejorado con la evolución de campos magnéticos más intensos y el giro en ángulo mágico , la RMN sigue siendo una herramienta analítica líder para investigar el metabolismo. [8] [12] Los esfuerzos recientes para utilizar la RMN para la metabolómica han sido impulsados en gran medida por el laboratorio de Jeremy K. Nicholson en el Birkbeck College de la Universidad de Londres y más tarde en el Imperial College de Londres . En 1984, Nicholson demostró que la espectroscopia de 1 H NMR podría usarse potencialmente para diagnosticar diabetes mellitus y más tarde fue pionero en la aplicación de métodos de reconocimiento de patrones a datos espectroscópicos de NMR. [13] [14]
En 1994 y 1996, Gary Siuzdak realizó experimentos de cromatografía líquida, espectrometría de masas y metabolómica [15] [16] mientras trabajaba con Richard Lerner (entonces presidente del Instituto de Investigación Scripps ) y Benjamin Cravatt , para analizar el líquido cefalorraquídeo de animales privados de sueño. . Se observó una molécula de particular interés, la oleamida , y más tarde se demostró que tenía propiedades para inducir el sueño. Este trabajo es uno de los primeros experimentos de este tipo que combinan cromatografía líquida y espectrometría de masas en metabolómica.
En 2005, se desarrolló en el laboratorio Siuzdak del Instituto de Investigación Scripps la primera base de datos de espectrometría de masas en tándem de metabolómica , METLIN , [17] [18] para caracterizar metabolitos humanos . Desde entonces, METLIN ha crecido y, a partir de diciembre de 2023, METLIN contiene datos experimentales de MS/MS sobre más de 930 000 estándares moleculares y otras entidades químicas, [19] cada compuesto tiene datos experimentales de espectrometría de masas en tándem generados a partir de estándares moleculares en múltiples energías de colisión y en positivo. y modos de ionización negativa. METLIN es el mayor depósito de datos de espectrometría de masas en tándem de su tipo. La revista académica dedicada Metabolomics apareció por primera vez en 2005, fundada por su actual editor en jefe Roy Goodacre .
En 2005, el laboratorio de Siuzdak se dedicó a identificar metabolitos asociados con la sepsis y, en un esfuerzo por abordar la cuestión de identificar estadísticamente los metabolitos desregulados más relevantes en cientos de conjuntos de datos de LC/MS, se desarrolló el primer algoritmo para permitir la alineación no lineal de datos de metabolómica de espectrometría de masas. Llamado XCMS, [20] se ha desarrollado desde (2012) [21] como una herramienta en línea y a partir de 2019 (con METLIN) tiene más de 30.000 usuarios registrados.
El 23 de enero de 2007, el Proyecto Metaboloma Humano , dirigido por David S. Wishart , completó el primer borrador del metaboloma humano, compuesto por una base de datos de aproximadamente 2.500 metabolitos, 1.200 fármacos y 3.500 componentes alimentarios. [22] [23] Se han llevado a cabo proyectos similares en varias especies de plantas, en particular Medicago truncatula [24] y Arabidopsis thaliana [25] durante varios años.
A mediados de 2010, la metabolómica todavía se consideraba un "campo emergente". [26] Además, se señaló que un mayor progreso en el campo dependía en gran parte, a través del abordaje de "desafíos técnicos irresolubles", de la evolución técnica de la instrumentación de espectrometría de masas . [26]
En 2015, se demostró por primera vez la elaboración de perfiles de metabolomas en tiempo real. [27]
El metaboloma se refiere al conjunto completo de metabolitos de molécula pequeña (<1,5 kDa) [22] (como intermediarios metabólicos, hormonas y otras moléculas de señalización, y metabolitos secundarios) que se encuentran dentro de una muestra biológica, como un solo organismo. [28] [29] La palabra fue acuñada en analogía con transcriptómica y proteómica ; Al igual que el transcriptoma y el proteoma, el metaboloma es dinámico y cambia de segundo a segundo. Aunque el metaboloma se puede definir con bastante facilidad, actualmente no es posible analizar toda la gama de metabolitos mediante un único método analítico.
La primera base de datos de metabolitos (llamada METLIN ) para buscar datos de fragmentación de experimentos de espectrometría de masas en tándem fue desarrollada por el laboratorio Siuzdak del Instituto de Investigación Scripps en 2005. [17] [18] METLIN contiene más de 450.000 metabolitos y otras entidades químicas, cada compuesto tiene datos experimentales de espectrometría de masas en tándem. En 2006, [20] el laboratorio de Siuzdak también desarrolló el primer algoritmo que permite la alineación no lineal de datos metabolómicos de espectrometría de masas. Denominado XCMS, donde la "X" constituye cualquier tecnología cromatográfica, ha sido desarrollado como una herramienta online.
En enero de 2007, científicos de la Universidad de Alberta y de la Universidad de Calgary completaron el primer borrador del metaboloma humano. La Base de Datos del Metaboloma Humano (HMDB) es quizás la base de datos espectral metabolómica pública más extensa hasta la fecha [30] y es una base de datos electrónica de libre acceso (www.hmdb.ca) que contiene información detallada sobre los metabolitos de moléculas pequeñas que se encuentran en el cuerpo humano. Está destinado a aplicaciones en metabolómica, química clínica, descubrimiento de biomarcadores y educación general. La base de datos está diseñada para contener o vincular tres tipos de datos:
La base de datos contiene 220.945 entradas de metabolitos, incluidos metabolitos solubles en agua y lípidos. Además, 8.610 secuencias de proteínas (enzimas y transportadores) están vinculadas a estas entradas de metabolitos. Cada entrada de MetaboCard contiene 130 campos de datos, de los cuales 2/3 de la información están dedicados a datos químicos/clínicos y el otro 1/3 a datos enzimáticos o bioquímicos. [31] La versión 3.5 de la HMDB contiene >16.000 metabolitos endógenos, >1.500 fármacos y >22.000 componentes alimentarios o metabolitos alimentarios. [32] Esta información, disponible en la Base de datos del metaboloma humano y basada en el análisis de la información disponible en la literatura científica actual, está lejos de ser completa. [33] Por el contrario, se sabe mucho más sobre los metabolomas de otros organismos. Por ejemplo, se han caracterizado más de 50.000 metabolitos del reino vegetal y se han identificado y/o caracterizado muchos miles de metabolitos de plantas individuales. [34] [35]
Cada tipo de célula y tejido tiene una "huella" metabólica única que puede dilucidar información específica de un órgano o tejido. Las muestras biológicas utilizadas para el análisis metabolómico incluyen, entre otras, plasma, suero, orina, saliva, heces, músculos, sudor, aliento exhalado y líquido gastrointestinal. [36] La facilidad de recopilación facilita una alta resolución temporal y, debido a que siempre están en equilibrio dinámico con el cuerpo, pueden describir el huésped como un todo. [37] El genoma puede decir lo que podría suceder, el transcriptoma puede decir lo que parece estar sucediendo, el proteoma puede decir qué lo hace suceder y el metaboloma puede decir qué ha sucedido y qué está sucediendo. [38]
Los metabolitos son los sustratos, intermediarios y productos del metabolismo . En el contexto de la metabolómica, un metabolito suele definirse como cualquier molécula de menos de 1,5 kDa de tamaño. [22] Sin embargo, existen excepciones a esto según la muestra y el método de detección. Por ejemplo, macromoléculas como las lipoproteínas y la albúmina se detectan de forma fiable en estudios metabolómicos del plasma sanguíneo basados en RMN . [39] En la metabolómica de origen vegetal, es común referirse a metabolitos "primarios" y "secundarios". [3] Un metabolito primario está directamente involucrado en el crecimiento, desarrollo y reproducción normales. Un metabolito secundario no participa directamente en esos procesos, pero suele tener una función ecológica importante . Los ejemplos incluyen antibióticos y pigmentos . [40] Por el contrario, en la metabolómica humana, es más común describir los metabolitos como endógenos (producidos por el organismo huésped) o exógenos . [41] [42] Los metabolitos de sustancias extrañas, como las drogas, se denominan xenometabolitos. [43]
El metaboloma forma una gran red de reacciones metabólicas , donde las salidas de una reacción química enzimática son entradas para otras reacciones químicas. Estos sistemas han sido descritos como hiperciclos . [ cita necesaria ]
La metabonómica se define como "la medición cuantitativa de la respuesta metabólica multiparamétrica dinámica de los sistemas vivos a estímulos fisiopatológicos o modificaciones genéticas". El origen de la palabra proviene del griego μεταβολή que significa cambio y nomos que significa conjunto de reglas o conjunto de leyes. [44] Este enfoque fue iniciado por Jeremy Nicholson en la Universidad de Murdoch y se ha utilizado en toxicología, diagnóstico de enfermedades y varios otros campos. Históricamente, el enfoque de la metabonómica fue uno de los primeros métodos en aplicar el alcance de la biología de sistemas a los estudios del metabolismo. [45] [46] [47]
Ha habido cierto desacuerdo sobre las diferencias exactas entre "metabolómica" y "metabonómica". La diferencia entre los dos términos no está relacionada con la elección de la plataforma analítica: aunque la metabonómica está más asociada con la espectroscopia de RMN y la metabolómica con técnicas basadas en espectrometría de masas , esto se debe simplemente a los usos entre diferentes grupos que han popularizado los diferentes términos. Si bien todavía no existe un acuerdo absoluto, existe un consenso cada vez mayor de que la "metabolómica" pone un mayor énfasis en el perfil metabólico a nivel celular u orgánico y se ocupa principalmente del metabolismo endógeno normal. La 'Metabonómica' amplía los perfiles metabólicos para incluir información sobre las perturbaciones del metabolismo causadas por factores ambientales (incluidas la dieta y las toxinas), procesos patológicos y la participación de influencias extragenómicas, como la microflora intestinal . Ésta no es una diferencia trivial; Los estudios metabolómicos deberían, por definición, excluir las contribuciones metabólicas de fuentes extragenómicas, porque son externas al sistema que se estudia. Sin embargo, en la práctica, dentro del campo de la investigación de enfermedades humanas todavía existe un gran grado de superposición en la forma en que se utilizan ambos términos y, de hecho, a menudo son sinónimos. [48]
La exometabolómica, o "huella metabólica", es el estudio de los metabolitos extracelulares. Utiliza muchas técnicas de otros subcampos de la metabolómica y tiene aplicaciones en el desarrollo de biocombustibles , bioprocesamiento , determinación del mecanismo de acción de fármacos y estudio de interacciones intercelulares. [49]
En la figura se muestra el flujo de trabajo típico de los estudios de metabolómica. Primero, se recolectan muestras de tejido, plasma, orina, saliva, células, etc. Luego, los metabolitos se extraen a menudo con la adición de estándares internos y derivatización. [38] Durante el análisis de la muestra, los metabolitos se cuantifican ( cromatografía líquida o cromatografía de gases junto con espectroscopia de EM y/o RMN ). Los datos de salida sin procesar se pueden utilizar para la extracción de características de metabolitos y procesarse aún más antes del análisis estadístico (como el análisis de componentes principales , PCA). Se encuentran disponibles muchas herramientas y software bioinformáticos para identificar asociaciones con estados y resultados de enfermedades, determinar correlaciones significativas y caracterizar firmas metabólicas con el conocimiento biológico existente. [50]
Inicialmente, los analitos de una muestra metabolómica comprenden una mezcla muy compleja. Esta mezcla compleja se puede simplificar antes de la detección separando algunos analitos de otros. La separación logra varios objetivos: los analitos que el detector no puede resolver se pueden separar en este paso; en el análisis de MS, se reduce la supresión de iones ; el tiempo de retención del analito sirve como información sobre su identidad. Este paso de separación no es obligatorio y a menudo se omite en la RMN y en enfoques basados en "escopeta", como la lipidómica de escopeta .
La cromatografía de gases (GC), especialmente cuando se interconecta con la espectrometría de masas ( GC-MS ), es una técnica de separación ampliamente utilizada para el análisis metabolómico. La GC ofrece una resolución cromatográfica muy alta y se puede utilizar junto con un detector de ionización de llama (GC/FID) o un espectrómetro de masas (GC-MS). El método es especialmente útil para la identificación y cuantificación de moléculas pequeñas y volátiles. [51] Sin embargo, una limitación práctica de la GC es el requisito de derivatización química para muchas biomoléculas, ya que solo se pueden analizar productos químicos volátiles sin derivatización. En los casos en los que se requiera un mayor poder de resolución, se puede aplicar la cromatografía bidimensional ( GCxGC ).
La cromatografía líquida de alta resolución (HPLC) se ha convertido en la técnica de separación más común para el análisis metabolómico. Con la llegada de la ionización por electropulverización , la HPLC se acopló a la MS. A diferencia de la GC , la HPLC tiene una resolución cromatográfica más baja, pero no requiere derivatización de las moléculas polares y separa las moléculas en la fase líquida. Además, la HPLC tiene la ventaja de que se puede medir una gama mucho más amplia de analitos con una sensibilidad mayor que los métodos de GC. [52]
La electroforesis capilar (CE) tiene una eficiencia de separación teórica más alta que la HPLC (aunque requiere mucho más tiempo por separación) y es adecuada para su uso con una gama más amplia de clases de metabolitos que la GC. Como ocurre con todas las técnicas electroforéticas, es más apropiada para analitos cargados. [53]
La espectrometría de masas (MS) se utiliza para identificar y cuantificar metabolitos después de una separación opcional mediante GC , HPLC o CE . GC-MS fue la primera técnica con guiones que se desarrolló. La identificación aprovecha los distintos patrones en los que se fragmentan los analitos. Estos patrones pueden considerarse como una huella digital espectral de masas. Existen bibliotecas que permiten la identificación de un metabolito según este patrón de fragmentación [ se necesita ejemplo ] . La EM es sensible y puede ser muy específica. También hay una serie de técnicas que utilizan la EM como tecnología independiente: la muestra se infunde directamente en el espectrómetro de masas sin separación previa, y la EM proporciona suficiente selectividad para separar y detectar metabolitos.
Para el análisis por espectrometría de masas, los analitos deben cargarse y transferirse a la fase gaseosa. La ionización electrónica (EI) es la técnica de ionización más común aplicada a las separaciones por GC, ya que admite bajas presiones. La EI también produce fragmentación del analito, proporcionando información estructural al mismo tiempo que aumenta la complejidad de los datos y posiblemente oscurece el ion molecular. La ionización química a presión atmosférica (APCI) es una técnica de presión atmosférica que se puede aplicar a todas las técnicas de separación anteriores. APCI es un método de ionización en fase gaseosa que proporciona una ionización ligeramente más agresiva que ESI, que es adecuada para compuestos menos polares. La ionización por electropulverización (ESI) es la técnica de ionización más común aplicada en LC/MS. Esta ionización suave tiene más éxito para moléculas polares con grupos funcionales ionizables. Otra técnica de ionización suave comúnmente utilizada es la ionización secundaria por electropulverización (SESI) .
En la década de 2000, el análisis de masas basado en superficies resurgió, con nuevas tecnologías de EM centradas en aumentar la sensibilidad, minimizar el fondo y reducir la preparación de muestras. La capacidad de analizar metabolitos directamente de biofluidos y tejidos continúa desafiando la tecnología actual de EM, en gran parte debido a los límites impuestos por la complejidad de estas muestras, que contienen miles a decenas de miles de metabolitos. Entre las tecnologías que se están desarrollando para abordar este desafío se encuentra la MS con iniciador de nanoestructura (NIMS), [54] [55] un enfoque de desorción/ionización que no requiere la aplicación de una matriz y, por lo tanto, facilita la identificación de moléculas pequeñas (es decir, metabolitos). También se utiliza MALDI ; sin embargo, la aplicación de una matriz MALDI puede agregar un fondo significativo a < 1000 Da que complica el análisis del rango de masa baja (es decir, metabolitos). Además, el tamaño de los cristales de la matriz resultantes limita la resolución espacial que se puede lograr en la obtención de imágenes de tejidos. Debido a estas limitaciones, se han aplicado otros enfoques de desorción/ionización sin matriz al análisis de biofluidos y tejidos.
La espectrometría de masas de iones secundarios (SIMS) fue uno de los primeros enfoques de desorción/ionización sin matriz utilizados para analizar metabolitos de muestras biológicas. [ cita necesaria ] SIMS utiliza un haz de iones primarios de alta energía para desorber y generar iones secundarios a partir de una superficie. La principal ventaja de SIMS es su alta resolución espacial (tan pequeña como 50 nm), una característica poderosa para la obtención de imágenes de tejidos con EM. Sin embargo, SIMS aún no se ha aplicado fácilmente al análisis de biofluidos y tejidos debido a su sensibilidad limitada a >500 Da y a la fragmentación del analito generada por el haz de iones primario de alta energía. La ionización por electropulverización por desorción (DESI) es una técnica sin matriz para analizar muestras biológicas que utiliza una pulverización de disolvente cargado para desorber iones de una superficie. Las ventajas de DESI son que no se requiere una superficie especial y el análisis se realiza a presión ambiente con acceso total a la muestra durante la adquisición. Una limitación de DESI es la resolución espacial porque es difícil "enfocar" la pulverización de disolvente cargada. Sin embargo, un desarrollo reciente denominado ablación con láser ESI (LAESI) es un enfoque prometedor para sortear esta limitación. [ cita necesaria ] Más recientemente, las técnicas de trampa de iones, como la espectrometría de masas orbitrap , también se aplican a la investigación de la metabolómica. [56]
La espectroscopia de resonancia magnética nuclear (RMN) es la única técnica de detección que no depende de la separación de los analitos y, por lo tanto, la muestra se puede recuperar para análisis posteriores. Se pueden medir simultáneamente todo tipo de metabolitos de moléculas pequeñas; en este sentido, la RMN está cerca de ser un detector universal. Las principales ventajas de la RMN son la alta reproducibilidad analítica y la simplicidad de la preparación de muestras. Sin embargo, en la práctica es relativamente insensible en comparación con las técnicas basadas en espectrometría de masas. [57] [58]
Aunque la RMN y la EM son las técnicas más utilizadas, en la actualidad se han utilizado otros métodos de detección. Estos incluyen resonancia ciclotrón de iones por transformada de Fourier , [59] espectrometría de movilidad iónica , [60] detección electroquímica (acoplada a HPLC), espectroscopia Raman y radiomarcado (cuando se combina con cromatografía de capa fina). [ cita necesaria ]
Los datos generados en metabolómica suelen consistir en mediciones realizadas en sujetos en diversas condiciones. Estas mediciones pueden ser espectros digitalizados o una lista de características de metabolitos. En su forma más simple, esto genera una matriz con filas correspondientes a sujetos y columnas correspondientes a características de metabolitos (o viceversa). [8] Actualmente se encuentran disponibles varios programas estadísticos para el análisis de datos tanto de RMN como de espectrometría de masas . Ya está disponible una gran cantidad de software gratuito para el análisis de los datos metabolómicos que se muestran en la tabla. Algunas herramientas estadísticas enumeradas en la tabla fueron diseñadas para análisis de datos de RMN y también fueron útiles para datos de EM. [61] Para los datos de espectrometría de masas, hay software disponible que identifica moléculas que varían en los grupos de sujetos en función del valor de sobrecarga de masa y, a veces, del tiempo de retención según el diseño experimental. [62]
Una vez que se determina la matriz de datos del metabolito, se pueden utilizar técnicas de reducción de datos no supervisadas (por ejemplo, PCA) para dilucidar patrones y conexiones. En muchos estudios, incluidos aquellos que evalúan la toxicidad de los fármacos y algunos modelos de enfermedades, los metabolitos de interés no se conocen a priori . Esto hace que los métodos no supervisados, aquellos sin suposiciones previas de pertenencia a una clase, sean una primera opción popular. El más común de estos métodos incluye el análisis de componentes principales (PCA), que puede reducir de manera eficiente las dimensiones de un conjunto de datos a unas pocas que expliquen la mayor variación. [37] Cuando se analiza en el espacio PCA de dimensiones inferiores, se puede detectar agrupación de muestras con huellas metabólicas similares. Los algoritmos PCA tienen como objetivo reemplazar todas las variables correlacionadas con un número mucho menor de variables no correlacionadas (denominadas componentes principales (PC)) y retener la mayor parte de la información en el conjunto de datos original. [63] Esta agrupación puede dilucidar patrones y ayudar en la determinación de biomarcadores de enfermedades: metabolitos que se correlacionan más con la pertenencia a una clase.
Los modelos lineales se utilizan comúnmente para datos metabolómicos, pero se ven afectados por la multicolinealidad . Por otro lado, las estadísticas multivariadas son métodos prósperos para datos metabolómicos correlacionados de alta dimensión, de los cuales el más popular es la regresión de Proyección a Estructuras Latentes (PLS) y su versión de clasificación PLS-DA. Otros métodos de extracción de datos , como el bosque aleatorio , las máquinas de vectores de soporte , etc., reciben cada vez más atención para el análisis de datos metabolómicos no dirigidos. [64] En el caso de los métodos univariados, las variables se analizan una por una utilizando herramientas estadísticas clásicas (como la prueba t de Student , ANOVA o modelos mixtos) y sólo aquellas con valores p suficientemente pequeños se consideran relevantes. [36] Sin embargo, se deben utilizar estrategias de corrección para reducir los descubrimientos falsos cuando se realizan comparaciones múltiples, ya que no existe un método estándar para medir la cantidad total de metabolitos directamente en metabolómica no dirigida. [65] Para el análisis multivariado , los modelos siempre deben validarse para garantizar que los resultados puedan generalizarse.
El aprendizaje automático es una herramienta poderosa que se puede utilizar en el análisis metabolómico. Recientemente, los científicos han desarrollado un software de predicción del tiempo de retención. Estas herramientas permiten a los investigadores aplicar inteligencia artificial a la predicción del tiempo de retención de moléculas pequeñas en mezclas complejas, como plasma humano, extractos de plantas, alimentos o cultivos microbianos. La predicción del tiempo de retención aumenta la tasa de identificación en cromatografía líquida y puede conducir a una mejor interpretación biológica de los datos metabolómicos. [66]
La evaluación de toxicidad / toxicología mediante perfiles metabólicos (especialmente de muestras de orina o plasma sanguíneo) detecta los cambios fisiológicos causados por la agresión tóxica de una sustancia química (o una mezcla de sustancias químicas). En muchos casos, los cambios observados pueden estar relacionados con síndromes específicos, por ejemplo, una lesión específica en el hígado o el riñón. Esto es de particular relevancia para las compañías farmacéuticas que desean probar la toxicidad de posibles fármacos candidatos: si un compuesto puede eliminarse antes de que llegue a los ensayos clínicos basándose en su toxicidad adversa, se ahorra el enorme gasto de los ensayos. [48]
Para la genómica funcional , la metabolómica puede ser una excelente herramienta para determinar el fenotipo causado por una manipulación genética, como la eliminación o inserción de un gen. A veces esto puede ser un objetivo suficiente en sí mismo; por ejemplo, detectar cualquier cambio fenotípico en una planta genéticamente modificada destinada al consumo humano o animal. Más interesante es la perspectiva de predecir la función de genes desconocidos en comparación con las perturbaciones metabólicas causadas por la eliminación/inserción de genes conocidos. Es muy probable que estos avances provengan de organismos modelo como Saccharomyces cerevisiae y Arabidopsis thaliana . El laboratorio Cravatt del Instituto de Investigación Scripps ha aplicado recientemente esta tecnología a sistemas de mamíferos , identificando las N -aciltaurinas como sustratos endógenos no caracterizados previamente para la enzima amida hidrolasa de ácidos grasos (FAAH) y los éteres de monoalquilglicerol (MAGE) como sustratos endógenos para los no caracterizados. hidrolasa KIAA1363 . [67] [68]
La metabologenómica es un enfoque novedoso para integrar datos metabolómicos y genómicos mediante la correlación de metabolitos exportados por microbios con genes biosintéticos predichos. [69] Este método de emparejamiento basado en bioinformática permite el descubrimiento de productos naturales a mayor escala al refinar análisis metabolómicos no específicos para identificar moléculas pequeñas con biosíntesis relacionada y centrarse en aquellas que pueden no tener estructuras previamente conocidas.
La fluxómica es un desarrollo posterior de la metabolómica. La desventaja de la metabolómica es que solo proporciona al usuario abundancias o concentraciones de metabolitos, mientras que la fluxómica determina las velocidades de reacción de las reacciones metabólicas y puede rastrear metabolitos en un sistema biológico a lo largo del tiempo.
Nutrigenómica es un término generalizado que vincula la genómica, la transcriptómica, la proteómica y la metabolómica con la nutrición humana. En general, en un fluido corporal determinado, un metaboloma está influenciado por factores endógenos como la edad, el sexo, la composición corporal y la genética, así como por patologías subyacentes. La microflora del intestino grueso también es un factor de confusión potencial muy importante en los perfiles metabólicos y podría clasificarse como factor endógeno o exógeno. Los principales factores exógenos son la dieta y los medicamentos. Luego, la dieta se puede dividir en nutrientes y no nutrientes. La metabolómica es un medio para determinar un criterio de valoración biológico, o huella metabólica, que refleja el equilibrio de todas estas fuerzas en el metabolismo de un individuo. [70] [71] Gracias a las recientes reducciones de costos, la metabolómica ahora se ha vuelto accesible para los animales de compañía, como las perras preñadas. [72] [73]
La metabolómica de las plantas está diseñada para estudiar los cambios generales en los metabolitos de muestras de plantas y luego realizar una extracción de datos profunda y un análisis quimiométrico. Los metabolitos especializados se consideran componentes de los sistemas de defensa de las plantas biosintetizados en respuesta al estrés biótico y abiótico. [74] Recientemente se han utilizado enfoques metabolómicos para evaluar la variación natural en el contenido de metabolitos entre plantas individuales, un enfoque con gran potencial para mejorar la calidad composicional de los cultivos. [75]