]服务简介
代谢组学全谱分析旨在发现整体代谢网络特征和涉及的代谢物变化特征。它以组学的视角无偏向性地大规模检测分析所有的小分子代谢物，并采用生物信息学手段研究生物体受到扰动（如基因改变或环境变化）后内源性代谢物的整体代谢特征或变化规律。
与代谢物靶向定量相比，代谢组学全谱分析的特点在于对所有的内源性小分子代谢物（通常是浓度较高的代谢物）同时进行测定和分析，因此得到的代谢物数量更多，信息更客观全面，更加容易从整体上获得全面的代谢信息，从而避免研究的方向性错误。
]全谱代谢组与广泛靶向代谢组的区别
广泛靶向代谢严格来说仍属于靶向定量代谢组学的一种，相比于传统的靶向定量，其靶标代谢物数量上有了很大的提高，从几十种提高到了数百种，具目前已有厂家宣传，其广泛靶向的靶标代谢物数量更是达到了三四百种（其真实性未经验证）。广泛靶向的优点是将代谢组学研究中检测最多或者最容易检测的一大类物质设定成了靶标，使用串联质谱进行检测。因串联质谱具有高灵敏度的特点，所以在某些情况下，其对于含量较低的物质的检测性能优于高分辨质谱。广泛靶向代谢组适用于一定范围内的代谢组学研究。
谱领全谱代谢组学使用高分辨质谱平台建立，基于ThermoFisher超高液相色谱-四极杆轨道场高分辨质谱系统（UHPLC-Q Exactive Orbitrap Mass Spectrometer）和Waters超高液相色谱-离子淌度四极杆飞行时间质谱（Vion IMS QTof），其仪器平台性能（灵敏度、分辨率和色谱性能）相较于普通高分辨质谱具有了大大的提高，并且可以实现同时定性定量。同时，谱领自建了包含3500多代谢物的代谢组学标品库，代谢物信息是广泛靶向代谢组的近十倍。因此得到的代谢物数量更多，信息更客观全面，更加容易从整体上获得全面的代谢信息，从而避免研究的方向性错误。这极大程度上为涉及代谢组的生命科学研究提供了更大的空间。
]谱领全谱代谢组学（全家桶）
谱领生物的非靶向代谢组学平台实现了真正意义的非靶向。众所周知，代谢物的理化性质差异巨大，从疏水性的脂质如中长链脂肪酸、磷脂和甘油酯，到亲水性的中心碳代谢类物质如葡萄糖-6-磷酸（Glucose 6-phosphate）、乳酸（Lactic acid）、柠檬酸（Citric acid）和核糖-5-磷酸（Ribose 5-phosphate，氨基酸如谷氨酰胺（Glutamine）和核苷酸如三磷酸腺苷（ATP）都同时存在。因此，仅仅采用常规的反相色谱柱如C18和T3或Aq测到的代谢物实际上是偏向性的结果，富集到的差异性代谢物往往是脂代谢。这样的结果显然有失公正，既误导了科研方向，也往往与其它组学结果相脱节。与细胞生理或病理发生密切相关的代谢途径往往是初级代谢如糖酵解（Glycolysis或EMP途径）、三羧酸循环（TCA循环）、戊糖磷酸途径（Pentose Phopshate Pathway，PPP）、氧化磷酸化（Oxidative Phosphorylation）、核苷酸代谢（Nucleotide Metabolism）和四氢叶酸代谢（Tetrahydrofolic acid Metabolism）等途径。这些途径代谢物与基因或蛋白质层次的变化往往具有密切关系，具有更重要的意义，然而，常规代谢组学平台往往覆盖不了这些途径代谢物（测不到）或者其测试结果不可靠（如色谱保留之间在1分钟的死体积时间内）。这些代谢物的检测往往在基于亲水作用色谱高分辨率质谱联用的非靶向代谢组学平台（HILIC-HRMS）上具有优秀的测试结果。
谱领生物建立了领先的反相色谱高分辨率质谱联用（RPLC-HRMS）、亲水作用色谱高分辨率质谱联用（HILIC-HRMS）和气相色谱质谱代谢组学（GC-MS）三大非靶向代谢组学平台。每个平台都是经过谱领多年的优化和实战检验过的靠谱平台。其中HILIC-HRMS平台是特色平台，是亲水性代谢检测的优秀平台，具有覆盖面宽和稳定性强等有优点。配合谱领生物强大的自建标准品数据库，真正做到非靶代谢物全覆盖。详情请联系谱领生物。
]服务优势
◆无偏向性，适用于各类型样本和代谢物；
◆大型项目经验丰富，单批次300 例以上样本项目确保数据质量始终如一；
◆适合于复杂基质，单次检测可获得更多代谢物和代谢网络信息；
◆自建3500+ 常见物质标品数据库+ 购买各种商业数据库+ 公共数据库，超过十万种代谢物信息；
◆全程人工校对，机器和人工智能辅助，使用保留时间、保留指数、质荷比和多级碎片离子信息进行物质定性，结果更准，物质数量更多。
]检测物质
]服务流程
]样本量要求
原则上单个样本样本量越多越好，未使用样本谱领免费代为保存一年，可随时返还。
其他未列出样本具体样本量请联系工作人员获取。
]生物学重复
相较于其他组学，代谢组学更加灵敏，更接近于真实情况。因此，为保证实验结果的可靠性，要求更多的生物学样本重复。我们建议：
临床样本，单组不少于30 例重复；
动物样本，单组不少于9 例重复；
细胞、微生物样本，单组不少于5 例重复；
其他如植物样本，单组不少于7 例重复。
]仪器平台
平台一：超高效液相色谱高分辨质谱联用仪（UHPLC-HRMS）Q Exactive ™ ( Thermo Scientific Orbitrap MS)
平台二：气相色谱质谱联用仪（GC-MS）7890A/5975C(Agilent GC-MS)
平台三：气相色谱飞行时间质谱联用仪（GC-Tof/MS）7890A/5975C(LECO Pegasus® HT)
]服务周期
样本检测：15-25 个工作日；
数据分析：5-15 个工作日；
服务周期自收到预付款、待测样本和客户确认检测要求之日起计算。
]应用方向
表型组和生理功能研究；
临床早期预测、诊疗研究；
病理学研究 ；
天然药物和药理研究 ；
中医现代化和理论研究；
食品科学、安全和营养学研究；
畜牧业和农林业研究；
植物学和环境研究；
毒理学研究。
]质谱数据预处理
该环节的目的是将仪器信号转化为生物学信息，它是代谢组学数据分析的核心之一。谱领生物在深刻理解色谱和质谱理论的基础上，自行设计并利用已有软件，分别建立了针对GC-MS、UHPLC-Orbitrap MS 和UHPLC-QTOF/MS 平台的准确、高效的质谱数据预处理系统。
]多维统计分析
主要包括主成分分析（PCA）、偏最小二乘方- 判别分析（PLS-DA)、正交偏最小二乘方- 判别分析(OPLS-DA)。PCA 分析是一种非监督性模型，主要用于直观上可视化）真实反映各组样本的空间分布和相互关系，但是往往因背景噪音的干扰（如遗传或饮食）导致动物样本尤其是临床样本各组之间在PCA 上不存在空间分布差异。PLS-DA 是一种基于哑变量分类的监督性模型，过滤噪音信号后可视化展示各组样本之间的分布和相互关系，是研究动物和临床样本代谢组学样本重要的多维统计模型。OPLSDA是一种更加严格的监督性模型，常用于动物和临床样本可视化分析和差异性代谢物的筛选。
]单维统计分析
T- 检验，U- 检验，火山图分析，S-plot 分析等。
]（全谱/ 差异性）代谢物的结构鉴定和含量分析
结合谱领卓越的数据分析系统，包含标准品数据库在内的上万种代谢物信息的代谢数据库，确保样本中的代谢物的结构鉴定更加快速和准确。同时结合统计分析结果，对其含量等关键要素的变化情况提供详细信息。
](Correlation) 相关性分析和热图（Heatmap) 分析
对差异性代谢物之间的定量相关性进行分析有助于解释各代谢物或代谢途径之间的关联性。谱领生物开展的皮尔逊相关性（Pearson Correlation) 分析直观展示了差异性代谢物之间的相互关系。
通过对差异性代谢物的定量信息进行热图分析，有助于直观展示代谢物在不同组样本中表达量之间的关系（升高或降低）。样本先按照彼此之间组成的相似度进行聚类，根据聚类结果横向依次排列。同理，（差异）代谢物也按照彼此在不同样本中分布的相似度进行聚类，根据聚类结果纵向依次排列。
每个椭圆代表一个（组）样本，椭圆间的重叠区域表明样本（组）间的共有（差异）代谢物，每个区块的数字表明该区块所包含的样本（组）的共有或独有（差异）代谢物数量。可以通过箱线图进行展示不同分组的含量差异情况，根据中位值、上下四分位值和最大最小值，可以呈现每组数据的具体分布特征，识别数据异常值。结合统计检验结果，有助于更全面地描述组内和组间的代谢物种类、含量差异大小。
]代谢通路分析
通过对差异性代谢物进行代谢通路分析，有助于我们从分子生物学角度全面理解复杂的生理和病理现象，阐释其背后的代谢机制。
Jin H, Qiao F, Chen L, Gao XF, et al. Jin H, Qiao F, Chen L, Lu C, Xu L, Gao X. Serum metabolomic signatures of lymph node metastasis of esophageal squamous cell carcinoma. J Proteome Res. 2014; 13(9): 4091-4103.
Li M, Shu X, Xu H, Zhang C, Yang L, Zhang L, Ji G. Integrative analysis of metabolome and gut microbiota in diet-induced hyperlipidemic rats treated with berberine compounds. J Transl Med. 2016; 14(1): 237.
Liu L, Duan X, Wu J. Modulating the direction of carbon flow in Escherichia coli to improve l-tryptophan production by inactivating the global regulator FruR. J Biotechnol. 2016; 231: 141-148.
Li D, Wang P, Wang P, Hu X, Chen F. Gut microbiota promotes production of aromatic metabolites through degradation of barley leaf fiber. J Nutr Biochem. 2018; 58: 49-58.
Luo B, Ma P, Nie Z, Zhang X, He X, Ding X, Feng X, Lu Q, Ren Z, Lin H, Wu Y, Shen Y, Zhang S, Wu L, Liu D, Pan G, Rong T, Gao S. Metabolite profiling and genome-wide association studies reveal response mechanisms of phosphorus deficiency in maize seedling. Plant J. 2019; 97(5): 947-969.
Liu Y, You Y, Lu Z, Yang J, Li P, Liu L, Xu H, Niu Y, Cao X. N6-methyladenosine RNA modification-mediated cellular metabolism rewiring inhibits viral replication. Science. 2019; 365(6458): 1171-1176.
Wang P, Gao J, Ke W, Wang J, Li D, Liu R, Jia Y, Wang X, Chen X, Chen F, Hu X. Resveratrol reduces obesity in high-fat diet-fed mice via modulating the composition and metabolic function of the gut microbiota. Free Radic Biol Med. 2020; 156: 83-98.
Li Q, Xu K, Wang S, Li M, Jiang Y, Liang X, Niu J, Wang C. Enzymatic Browning in Wheat Kernels Produces Symptom of Black Point Caused by Bipolaris sorokiniana. Front Microbiol. 2020; 11: 526266.
