Czasopismo | CHEMIK | Rocznik 2024 - zeszyt 1

Potencjał wykorzystania metabolomiki w badaniach przemysłowych

Potential of using metabolomics in industrial research

10.15199/5.2024.1.3

nr katalogowy: 148526
10.15199/5.2024.1.3

Streszczenie

Metabolomika, należąca do nauk omicznych, jest podejściem analitycznym służącym do określania zmian jakościowych i ilościowych w składzie próbki (metabolomu) przy pomocy zaawansowanych metod analitycznych, takich jak spektroskopia magnetycznego rezonansu jądrowego (NMR) oraz spektrometria mas (MS) sprzężona z technikami separacyjnymi (np. LC-MS, GC-MS, CE-MS). Zebrane dane analityczne są analizowane za pomocą wielowymiarowych metod chemometrycznych oraz metod uczenia maszynowego. Ze względu na zdolność do wykrywania zmian w badanym materiale analitycznym powodowanych przez czynniki zarówno wewnętrzne jak i zewnętrzne, metabolomika wykazuje bardzo duży potencjał do wykorzystania w różnych gałęziach przemysłu, gdzie potrzebna jest powtarzalność procesów, dokładna analiza oraz autentykacja-uwierzytelnianie pochodzenia poszczególnych składników stosowanych w produkcji. Metabolomika może być stosowana w takich branżach przemysłowych jak przemysł spożywczy, biotechnologiczny, farmaceutyczny i kosmetyczny. Doskonale może sprawdzać się w medycynie do wyznaczania nowych celów terapeutycznych, pozwala na monitorowanie terapii oraz rozwoju stanów patologicznych. W toksykologii środowiskowej umożliwia określanie zmian w metabolomie organizmów po ekspozycji na dany stresor oraz zmiany środowiskowe. W opracowaniu przedstawiono przykłady aktualnych i potencjalnych zastosowań metabolomiki w różnych gałęziach przemysłu.

Abstract

Metabolomics, a field within omics sciences, is an analytical approach used to determine qualitative and quantitative changes in the composition of a sample (metabolome) using advanced analytical methods such as nuclear magnetic resonance spectroscopy (NMR) and mass spectrometry (MS) coupled with separation techniques (e.g., LC-MS, GC-MS, CE-MS). The collected analytical data are analyzed using multidimensional chemometric methods and machine learning techniques. Due to its ability to detect changes in the analyzed material caused by both internal and external factors, metabolomics has great potential for use in various industries where process repeatability, precise analysis, and authentication of the origin of individual components used in production are needed. Metabolomics can be applied in industries such as food, biotechnology, pharmaceuticals, and cosmetics. It can also be valuable in medicine for identifying new therapeutic targets, monitoring therapy, and the development of pathological conditions. In environmental toxicology, it enables the determination of changes in the organism’s metabolome after exposure to a specific stressor and environmental changes. This paper presents examples of current and potential applications of metabolomics in various industries.

Słowa kluczowe

Keywords

Bibliografia

[1] J. K. Nicholson, J. C. Lindon, i E. Holmes, „«Metabonomics»: understanding the metabolic responses of living systems to pathophysiological stimuli via multivariate statistical analysis of biological NMR spectroscopic data”, Xenobiotica, 1999, t. 29, nr 11, s. 1181–1189.
[2] B. Amer i E. E. K. Baidoo, „Omics-Driven Biotechnology for Industrial Applications”, Front. Bioeng. Biotechnol., 2021, t. 9, s. 613307.
[3] M. Fraga-Corral, M. Carpena, P. Garcia-Oliveira, A. G. Pereira, M. A. Prieto, i J. Simal-Gandara, „Analytical Metabolomics and Applications in Health, Environmental and Food Science”, Crit. Rev. Anal. Chem., 2022, t. 52, nr 4, s. 712–734.
[4] Q. Yang i in., „Metabolomics biotechnology, applications, and future trends: a systematic review”, RSC Adv., 2019, t. 9, nr 64, s. 37245– 37257.
[5] S. A. Goldansaz, A. C. Guo, T. Sajed, M. A. Steele, G. S. Plastow, i D. S. Wishart, „Livestock metabolomics and the livestock metabolome: A systematic review”, PLOS ONE, 2017, t. 12, nr 5, s. e0177675.
[6] L. Nephali i in., „Biostimulants for Plant Growth and Mitigation of Abiotic Stresses: A Metabolomics Perspective”, Metabolites, 2020, t. 10, nr 12, s. 505.
[7] K. A. Aliferis i D. Bernard-Perron, „Cannabinomics: Application of Metabolomics in Cannabis (Cannabis sativa L.) Research and Development”, Front. Plant Sci., 2020, t. 11, s. 554.
[8] J. Pandohee, E. Kyereh, S. Kulshrestha, B. Xu, i M. F. Mahomoodally, „Review of the recent developments in metabolomics-based phytochemical research”, Crit. Rev. Food Sci. Nutr., 2023, t. 63, nr 19, s. 3734–3749.
[9] J. Zhao, G. Wang, J. Chu, i Y. Zhuang, „Harnessing microbial metabolomics for industrial applications”, World J. Microbiol. Biotechnol., 2020, t. 36, nr 1, s. 1.
[10] E. A. Bridgewater Br, „High Resolution Mass Spectrometry Improves Data Quantity and Quality as Compared to Unit Mass Resolution Mass Spectrometry in High-Throughput Profiling Metabolomics”, J. Postgenomics Drug Biomark. Dev., 2014, t. 04, nr 02.
[11] A.-H. M. Emwas, „The Strengths and Weaknesses of NMR Spectroscopy and Mass Spectrometry with Particular Focus on Metabolomics Research”, w Metabonomics, t. 1277, J. T. Bjerrum, Red., w Methods in Molecular Biology, 2015, vol. 1277. , New York, NY: Springer New York, s. 161–193.
[12] B. B. Misra, „New software tools, databases, and resources in metabolomics: updates from 2020”, Metabolomics, 2021, t. 17, nr 5, s. 49.
[13] L. Mattoli, M. Gianni, i M. Burico, „Mass spectrometry‐based metabolomic analysis as a tool for quality control of natural complex products”, Mass Spectrom. Rev., 2023, t. 42, nr 4, s. 1358–1396.
[14] A. M. Weljie, J. Newton, P. Mercier, E. Carlson, i C. M. Slupsky, „Targeted Profiling: Quantitative Analysis of 1 H NMR Metabolomics Data”, Anal. Chem., 2006, t. 78, nr 13, s. 4430–4442.
[15] H.-Y. Yu, S. Myoung, i S. Ahn, „Recent Applications of Benchtop Nuclear Magnetic Resonance Spectroscopy”, Magnetochemistry, 2021, t. 7, nr 9, s. 121.
[16] O. Beckonerti in., „Metabolic profiling, metabolomic and metabonomic procedures for NMR spectroscopy of urine, plasma, serum and tissue extracts”, Nat. Protoc., 2007, t. 2, nr 11, s. 2692–2703.
[17] J. Jacyna, M. Kordalewska, i M. J. Markuszewski, „Design of Experiments in metabolomics-related studies: An overview”, J. Pharm. Biomed. Anal., 2019, t. 164, s. 598–606.
[18] J. Sostarei in., „Comparison of modified Matyash method to conventional solvent systems for polar metabolite and lipid extractions”, Anal. Chim. Acta, 2018, t. 1037, s. 301–315.
[19] S. Wold, K. Esbensen, i P. Geladi, „Principal component analysis”, Chemom. Intell. Lab. Syst., 1987, t. 2, nr 1–3, s. 37–52.
[20] F. Murtagh i P. Contreras, „Algorithms for hierarchical clustering: an overview”, WIREs Data Min. Knowl. Discov., 2012, t. 2, nr 1, s. 86–97.
[21] L. McInnes, J. Healy, N. Saul, i L. Großberger, „UMAP: Uniform Manifold Approximation and Projection”, J. Open Source Softw., 2018, t. 3, nr 29, s. 861.
[22] U. Johansson, C. Sönströd, U. Norinder, i H. Boström, „Trade-off between accuracy and interpretability for predictive in silicomodeling”, Future Med. Chem., 2011, t. 3, nr 6, s. 647–663.
[23] B. Crook, M. Schlüter, i T. Speith, „Revisiting the PerformanceExplainability Trade-Off in Explainable Artificial Intelligence (XAI)”, 2023.
[24] M. Barker i W. Rayens, „Partial least squares for discrimination”, J. Chemom., 2003, t. 17, nr 3, s. 166–173.
[25] M. Bylesjö, M. Rantalainen, O. Cloarec, J. K. Nicholson, E. Holmes, i J. Trygg, „OPLS discriminant analysis: combining the strengths of PLS‐DA and SIMCA classification”, J. Chemom., 2006, t. 20, nr 8–10, s. 341–351.
[26] R. Tibshirani, „Regression Shrinkage and Selection Via the Lasso”, J. R. Stat. Soc. Ser. B Methodol., 1996, t. 58, nr 1, s. 267–288.
[27] A. E. Hoerl, R. W. Kannard, i K. F. Baldwin, „Ridge regression:some simulations”, Commun. Stat., 1975, t. 4, nr 2, s. 105–123.
[28] S. Menard, Applied Logistic Regression Analysis. 2455 Teller Road, Thousand Oaks California 91320 United States of America: SAGE Publications, Inc., 2002.
[29] M. Garrido, F. X. Rius, i M. S. Larrechi, „Multivariate curve resolution– alternating least squares (MCR-ALS) applied to spectroscopic data from monitoring chemical reactions processes”, Anal. Bioanal. Chem., 2008, t. 390, nr 8, s. 2059–2066.
[30] M. A. Hearst, S. T. Dumais, E. Osuna, J. Platt, i B. Scholkopf, „Support vector machines”, IEEE Intell. Syst. Their Appl., 1998, t. 13, nr 4, s. 18–28.
[31] I. A. Basheer i M. Hajmeer, „Artificial neural networks: fundamentals, computing, design, and application”, J. Microbiol. Methods, 2000, t. 43, nr 1, s. 3–31.
[32] M. T. Ribeiro, S. Singh, i C. Guestrin, „«Why Should I Trust You?»: Explaining the Predictions of Any Classifier”, w Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, San Francisco California USA: ACM, 2016, s. 1135–1144.
[33] S. Lundberg i S.-I. Lee, „A Unified Approach to Interpreting Model Predictions”, 2017.
[34]S. Kim, J. Kim, E. J. Yun, i K. H. Kim, „Food metabolomics: from farm to human”, Curr. Opin. Biotechnol., t. 37, 2016, s. 16–23.
[35] W. Wu i in., „Emerging applications of metabolomics in food science and future trends”, Food Chem. X, 2022, t. 16, s. 100500.
[36] M. Utpott, E. Rodrigues, A. D. O. Rios, G. D. Mercali, i S. H. Flôres, „Metabolomics: An analytical technique for food processing evaluation”, Food Chem., 2022, t. 366, s. 130685.
[37] P. Lopez-Sanchez i in., „Comprehensive metabolomics to evaluate the impact of industrial processing on the phytochemical composition of vegetable purees”, Food Chem., 2015, t. 168, s. 348–355.
[38] M. Esteki, J. Simal-Gandara, Z. Shahsavari, S. Zandbaaf, E. Dashtaki, i Y. Vander Heyden, „A review on the application of chromatographic methods, coupled to chemometrics, for food authentication”, Food Control, 2018, t. 93, s. 165–182.
[39] E. A. Petrakis, L. R. Cagliani, P. A. Tarantilis, M. G. Polissiou, i R. Consonni, „Sudan dyes in adulterated saffron (Crocus sativus L.): Identification and quantification by 1H NMR”, Food Chem., 2017, t. 217, s. 418–424.
[40] B. Senizza i in., „Identification of phenolic markers for saffron authenticity and origin: An untargeted metabolomics approach”, Food Res. Int., 2019, t. 126, s. 108584.
[41] Ł. Zieliński, S. Deja, I. Jasicka-Misiak i P. Kafarski, „Chemometrics as a Tool of Origin Determination of PolishMonofloral and Multifloral Honeys”, J. Agric. Food Chem., 2014, t. 62, s. 2973-2981.
[42] P. Garcia-Perez i in., „Algal nutraceuticals: A perspective on metabolic diversity, current food applications, and prospects in the field of metabolomics”, Food Chem., 2023, t. 409, s. 135295.
[43] G. Poma i in., „Edible insects in the metabolomics era. First steps towards the implementation of entometabolomics in food systems”, Trends Food Sci. Technol., 2022, t. 119, s. 371–377.
[44] N. D. Yuliana, D. Hunaefi, M. Goto, Y. T. Ishikawa, i R. Verpoorte, „Measuring the health effects of food by metabolomics”, Crit. Rev. Food Sci. Nutr., 2022, t. 62, nr 23, s. 6359–6373.
[45] M. Mussap, C. Loddo, C. Fanni, i V. Fanos, „Metabolomics in pharmacology - a delve into the novel field of pharmacometabolomics”, Expert Rev. Clin. Pharmacol., 2020, t. 13, nr 2, s. 115–134.
[46] J. C. Alarcon-Barrera, S. Kostidis, A. Ondo-Mendez, i M. Giera, „Recent advances in metabolomics analysis for early drug development”, Drug Discov. Today, 2022, t. 27, nr 6, s. 1763–1773.
[47] A. F. Nassar, T. Wu, S. F. Nassar, i A. V. Wisnewski, „UPLC–MS for metabolomics: a giant step forward in support of pharmaceutical research”, Drug Discov. Today, 2017, t. 22, nr 2, s. 463–470.
[48] X. Zhang, Q. Li, Z. Xu, i J. Dou, „Mass spectrometry-based metabolomics in health and medical science: a systematic review”, RSC Adv., 2020, t. 10, nr 6, s. 3092–3104.
[49] E. G. Armitage i C. Barbas, „Metabolomics in cancer biomarker discovery: Current trends and future perspectives”, J. Pharm. Biomed. Anal., 2014, t. 87, s. 1–11.
[50] D. Wolrab, R. Jirásko, M. Chocholoušková, O. Peterka, i M. Holčapek, „Oncolipidomics: Mass spectrometric quantitation of lipids in cancer research”, TrAC Trends Anal. Chem., 2019, t. 120, s. 115480.
[51] T. Kowalczyk, M. Ciborowski, J. Kisluk, A. Kretowski, i C. Barbas, „Mass spectrometry based proteomics and metabolomics in personalized oncology”, Biochim. Biophys. Acta BBA - Mol. Basis Dis., 2020, t. 1866, nr 5, s. 165690.
[52] P. K. Cheung i in., „The applications of metabolomics in the molecular diagnostics of cancer”, Expert Rev. Mol. Diagn., 2019, t. 19, nr 9, s. 785–793.
[53] E. K. Matich, N. G. Chavez Soria, D. S. Aga, i G. E. Atilla-Gokcumen, „Applications of metabolomics in assessing ecological effects of emerging contaminants and pollutants on plants”, J. Hazard. Mater., 2019, t. 373, s. 527–535.
[54] C. Bedia, „Metabolomics in environmental toxicology: Applications and challenges”, Trends Environ. Anal. Chem., 2022, t. 34, s. e00161.
[55] B. Campos i in., „How omics technologies can enhance chemical safety regulation: perspectives from academia, government, and industry”, Environ. Toxicol. Chem., 2018, t. 37, nr 5, s. 1252–1259.
[56] K. M. Leung, „Joining the dots between omics and environmental management”, Integr. Environ. Assess. Manag., 2018, t. 14, nr 2, s. 169–173.
[57] W. Du i in., „Response of cucumber (Cucumis sativus) to perfluorooctanoic acid in photosynthesis and metabolomics”, Sci. Total Environ., 2020, t. 724, s. 138257.
[58]X. Wang i in., „Metabolomics reveals the drought-tolerance mechanism in wild soybean (Glycine soja)”, Acta Physiol. Plant., 2019, t. 41, nr 9, s. 161.
[59] R. Baptista, D. M. Fazakerley, M. Beckmann, L. Baillie, i L. A. J. Mur, „Untargeted metabolomics reveals a new mode of action of pretomanid (PA-824)”, Sci. Rep., 2018, t. 8, nr 1, s. 5084.
[60] C. Jacques i in., „Safety assessment of cosmetics by read across applied to metabolomics data of in vitro skin and liver models”, Arch. Toxicol., 2021, t. 95, nr 10, s. 3303–3322.
[61] A. R. J. Cabritai in., „Nutritional Composition and Untargeted Metabolomics Reveal the Potential of Tetradesmus obliquus, Chlorella vulgaris and Nannochloropsisoceanica as Valuable Nutrient Sources for Dogs”, Animals, 2022, t. 12, nr 19, s. 2643.
[62] R. A. Salvino, M. F. Colella, i G. De Luca, „NMR-based metabolomics analysis of Calabrian citrus fruit juices and its application to industrial process quality control”, Food Control, 2021, t. 121, s. 107619.
[63] L. Pan i in., „Metabolomics analysis of cucumber fruit in response to foliar fertilizer and pesticides using UHPLC-Q-Orbitrap-HRMS”, Food Chem., 2022, t. 369, s. 130960.
[64] K. M. Shaikh, A. A. Nesamma, M. Z. Abdin, i P. P. Jutur, „Molecular profiling of an oleaginous trebouxiophycean alga Parachlorellakessleri subjected to nutrient deprivation for enhanced biofuel production”, Biotechnol. Biofuels, 2019, t. 12, nr 1, s. 182.
[65] L. M. Labine, E. A. O. Pereira, S. Kleywegt, K. J. Jobst, A. J. Simpson, i M. J. Simpson, „Environmental metabolomics uncovers oxidative stress, amino acid dysregulation, and energy impairment in Daphnia magna with exposure to industrial effluents”, Environ. Res., 2023, t. 234, s. 116512.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


OPAKOWANIE- e-publikacja (pdf) z zeszytu 2020-12 , nr katalogowy 129476 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


OPAKOWANIE- e-zeszyt (pdf) 2020-12 licencja: Osobista Produkt cyfrowy Nowość	19.50 zł

Prenumerata

OPAKOWANIE - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

234.00 zł

OPAKOWANIE - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
OPAKOWANIE - papierowa prenumerata roczna	300.00 zł brutto 277.78 zł netto 22.22 zł VAT (stawka VAT 8%)
OPAKOWANIE - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

342.00 zł

OPAKOWANIE - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
OPAKOWANIE - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	360.00 zł brutto 333.33 zł netto 26.67 zł VAT (stawka VAT 8%)

360.00 zł

Zeszyt

2024-1

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma