代谢网络数据库构建与数据整合
构建反应网络数据库并将用户多组学数据映射到网络节点上，以便探索代谢反应。
基于Reactome、BiGG或BioModels网络策展反应网络数据库，将用户提供的转录组、蛋白质组和/或代谢组数据以log2(fold change)和统计值形式整合到网络；对于缺失的蛋白质丰度，使用基因表达平均值广播到蛋白质节点；对于复合物，计算所有可用组分值的中位数并推断聚合P值。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
Metaboverse实现多样化代谢调控模式的自动化发现与可视化
Metaboverse enables automated discovery and visualization of diverse metabolic regulatory patterns.
实验完整度
高包含人类肺腺癌公共代谢组数据分析、TCGA队列生存分析、酵母mct1Δ模型多组学时间序列及遗传操作功能验证（过表达、生长试验、Western blot）
主要模型
早期人肺腺癌公共稳态代谢组数据（39对肿瘤与癌旁正常组织） TCGA肺腺癌RNA-seq队列（487例基因表达样本） 酿酒酵母BY4743野生型与mct1Δ突变体
重点核对
LUAD代谢组数据使用Metabolomics Workbench项目PR000305（39对样本），P值经Benjamini–Hochberg校正 TCGA生存分析使用优化FPKM截断值（SMS：49.5413；GLYCTK：0.913），患者按表达高低分组（SMS高105例、低382例） 酵母mct1Δ与WT比较：RNA-seq n=4，蛋白质组n=3，代谢组n=6（3小时WT组n=5） 酵母生长试验：BY4743 WT或mct1Δ菌株，经EV、CTP1过表达或CTP1-GFP过表达质粒转化，半对数稀释点样，30°C培养2-3天 Western blot验证GFP融合蛋白表达：α-GFP抗体1/2,000，α-Pgk1抗体1/3,000
摘要
代谢与多种细胞过程交织，包括控制细胞命运、影响肿瘤发生、参与应激反应等。代谢是一个复杂、相互依赖的网络，局部扰动可能对整个代谢网络产生广泛的间接影响。长期以来，分析和技术的限制一直是代谢数据解释的瓶颈。为解决这些不足，我们开发了Metaboverse，一个用户友好的工具，以促进数据探索和假设生成。在此，我们介绍利用代谢网络从数据中提取复杂反应模式的算法。为了最小化网络中缺失测量的影响，我们引入了能够在多个反应间进行模式识别的方法。使用Metaboverse，我们识别了一个先前未描述的代谢物特征，该特征与早期肺腺癌患者的生存结果相关。使用酵母模型，我们识别了代谢反应，提示柠檬酸稳态在由柠檬酸转运蛋白Ctp1促进的线粒体功能障碍期间具有适应性作用。我们证明Metaboverse增强了用户从多组学数据集中提取有意义的模式以开发可操作假设的能力。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 如何克服代谢网络复杂性和数据稀疏性，从多组学数据中自动提取并可视化复杂的代谢调控模式，并验证这些模式能否揭示新的生物学特征？
- 核心机制
- Metaboverse通过比较反应底物、产物和调节因子来识别净变化模式，并利用反应折叠算法桥接缺失数据；在酵母中，mtFAS缺陷诱导线粒体功能障碍，细胞通过下调Ctp1和改变柠檬酸稳态、上调回补途径进行代谢适应以维持生长。
- 主要证据
- 在LUAD代谢组数据中，Metaboverse优先识别出与生存结局相关的SMS反应模式（TCGA队列Cox回归log-rank P值排名前0.65%）以及GLYCTK等模式；在酵母mct1Δ模型中，多组学时间序列分析识别出Ctp1反应模式，并通过CTP1过表达导致生长缺陷、GFP融合蛋白验证等功能实验支持其适应性作用。
- 研究意义
- Metaboverse提供了一个集成平台，用于代谢网络的模式识别和假设生成，可帮助用户以更整体的思维设计未来实验。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
反应模式识别与可视化
自动识别反应水平上的复杂调控模式，并优先排序以生成假设。
Metaboverse比较每个反应的输入（底物）、输出（产物）和调节因子（催化剂和抑制剂），计算净变化以识别反应模式（包括Average、ModReg、TransReg等）；返回通过用户指定倍数变化和/或统计阈值的交互式反应列表；提供最近邻网络和通路可视化。
缺失数据下的反应折叠
减轻代谢组数据稀疏性对模式识别的影响，桥接网络中的缺失测量。
开发算法折叠最多三个相连的反应，如果中间缺失数据点可以通过反应序列远端测量数据桥接；若中间反应组分未测量，但产生该未测量组分的反应输入或消耗该组分的反应输出被量化，则可将两个反应合并为代表性反应。
LUAD代谢组数据模式识别与生存关联分析
测试Metaboverse能否捕获已知代谢扰动并发现与患者预后相关的新特征。
使用早期人肺腺癌公共稳态代谢组数据（Metabolomics Workbench PR000305）进行反应模式识别；对TCGA LUAD队列进行Cox回归生存分析，使用优化表达截断值，评估SMS和GLYCTK基因表达与生存结局的相关性。
酵母mct1Δ模型多组学时间序列分析
在多组学和时间序列背景下展示Metaboverse识别线粒体功能障碍相关代谢特征的能力。
使用mct1Δ酵母模型（mtFAS通路缺陷），在从葡萄糖转换为棉子糖培养基后收集RNA-seq（0、3、12小时）、蛋白质组（稳态）和代谢组（0、0.25、0.5、1、3、12小时）数据，整合到酵母代谢网络，探索急性和慢性响应。
Ctp1功能验证与代谢适应机制探究
验证Metaboverse识别的Ctp1反应模式，并探究其在mtFAS缺陷中的适应性作用。
在mct1Δ和WT背景下过表达CTP1或CTP1-GFP，进行生长点样试验和Western blot验证蛋白表达；对CTP1进行共表达分析（SpQN归一化Pearson r>0.5）和GO富集分析；通过代谢组学检测氨基酸和回补途径酶的变化。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
验证细胞功能变化
验证分子表达变化
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| Western blot | α-GFP抗体 | Cell Signaling Technology | 2956 |
| α-Pgk1抗体 | Abcam | ab113687 | |
| RNA-seq | Direct-zol试剂盒 | Zymo Research | -- |
| Illumina TruSeq链特异性mRNA文库制备试剂盒 | Illumina | RS-122-2101 and RS-122-2102 | |
| Agilent Technologies 2200 TapeStation及D1000 ScreenTape检测 | Agilent Technologies | 5067-5582 and 5067-5583 | |
| Kapa文库定量试剂盒 | Kapa Biosystems | KK4824 | |
| Illumina HiSeq SR Cluster Kit v4-cBot | Illumina | GD-401-4001 | |
| HiSeq SBS Kit v4 | Illumina | FC-401-4002 | |
| Proteomics | Orbitrap Fusion Lumos质谱仪 | Thermo Fisher Scientific | -- |
| Proxeon EASY-nLC 1000液相色谱系统 | Thermo Fisher Scientific | -- | |
| Agilent 1260 Infinity泵 | Agilent | -- | |
| Gas chromatography metabolomics | d4-琥珀酸 | Sigma | 293075 |
| d27-肉豆蔻酸 | CDN Isotopes | D-1711 | |
| Agilent 5977b GC-MS MSD-HES | Agilent | -- | |
| Agilent 7693A自动液体进样器 | Agilent | -- | |
| O-甲氧胺盐酸盐 | MP Bio | 155405 | |
| 无水吡啶 | EMD Millipore | PX2012-7 | |
| Liquid chromatography metabolomics | Xbridge酰胺柱（100 × 2.1 mm, 3.5 μm） | Waters | -- |
| Dionex Ultimate 3000超高效液相色谱 | Dionex | -- | |
| Q Exactive质谱仪 | Thermo Scientific | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| LUAD代谢组数据分析 | 样本来源（Metabolomics Workbench PR000305）、39对肿瘤与正常组织、统计方法（双尾同方差Student’s t检验，Benjamini–Hochberg校正） 阅读提示：Methods中“Human LUAD metabolomics and analysis”小节及Fig. 1图注 |
| TCGA生存分析 | TCGA-LUAD队列样本量（487例基因表达样本）、优化FPKM截断值（SMS：49.5413；GLYCTK：0.913）、分组比例（最小组0.2）、删失规则 阅读提示：Methods中“Human LUAD metabolomics and analysis”小节及Fig. 2图注、Extended Data Fig. 5 |
| 酵母多组学时间序列 | 菌株（BY4743 WT和mct1Δ）、培养基转换（S-葡萄糖到S-棉子糖）、采样时间点、生物学重复数（RNA-seq n=4，蛋白质组n=3，代谢组n=6） 阅读提示：Methods中“RNA-seq”、“Proteomics”、“Gas chromatography metabolomics”和“Liquid chromatography metabolomics”小节，以及Fig. 3图注 |
| 酵母生长试验 | 菌株和质粒（EV、CTP1、CTP1-GFP）、培养基（S-minimal无尿嘧啶，含2%葡萄糖或2%棉子糖）、点样密度（OD600 0.3–0.6，十倍数稀释）、培养温度和时间（30°C，2–3天） 阅读提示：Methods中“Yeast growth assays and experiments”小节及Fig. 4a图注、Extended Data Fig. 10a |
| Western blot验证 | 抗体稀释比（α-GFP 1/2,000；α-Pgk1 1/3,000）、抗体供应商和货号、实验重复次数（验证实验重复1次） 阅读提示：Methods中“Protein expression validation”小节及Extended Data Fig. 10b |