«Омиксные» технологии: биохимические особенности действия нейро- и тканеспецифичных маркеров (обзор)

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Представлены результаты научных исследований, посвященных современным технологиям, приобретающим большую значимость. Показано, что активно развивающимся подходом в ранней диагностике заболеваний является метаболомика, изучающая биохимические преобразования биомолекул в клетках организма. Метаболомные исследования на основе спектроскопии ядерного магнитного резонанса и масс-спектрометрии открывают ряд возможностей для изучения полного метаболомного профиля и особенно его нарушений, возникающих вследствие неблагоприятных факторов окружающей среды или трансформации экспрессии генов (эпигенетика). Наиболее распространенными методами исследования в рамках современной метаболомики считаются метаболический фингерпринтинг и метаболическое профилирование. Возможности метаболомного профилирования позволяют решать достаточно сложные фундаментальные и клинические задачи.

Фундаментальные и клинические научные данные продемонстрировали целесообразность многостороннего изучения процессов возникновения и развития нейродегенеративных расстройств, а также сердечно-сосудистых заболеваний на молекулярном уровне. Нарушение метаболических путей в определенных органах и тканях может приводить к существенным изменениям, связанным с циркулирующими метаболитами в периферической крови или нейрометаболитами головного мозга. Обмен веществ организма охватывает большой спектр биохимических реакций организма и разнообразный набор метаболитов, следовательно, патологические факторы способны изменять метаболический профиль организма на разных уровнях.

Анализ отечественной и зарубежной литературы показал, что не менее важным при метаболическом профилировании считается количественное определение липидов в биологических образцах (липидомика). Это открывает большие возможности для исследования метаболических преобразований липидных молекул, а также липид-зависимых механизмов, что крайне важно для изучения нейродегенеративных, неврологических и нервно-психических расстройств. В зависимости от особенностей патобиохимических процессов развития заболевания липиды служат потенциальными молекулами-маркёрами этих нарушений и могут расцениваться как важные диагностические критерии.

Сформулирован вывод о необходимости изучения нарушений метаболизма, более детального понимания патобиохимических механизмов возникновения заболеваний на молекулярном уровне, а также поиска новых молекул-маркёров и дополнительных факторов, характеризующих патологические состояния организма.

Об авторах

Е. А. Тепляшина

ФГБОУ ВО «Красноярский государственный медицинский университет имени профессора В.Ф. Войно-Ясенецкого» Министерства здравоохранения РФ

Автор, ответственный за переписку.
Email: elenateplyashina@mail.ru

к.б.н., доцент, кафедра биологической химии с курсами медицинской, фармацевтической и токсикологической химии

Россия, г. Красноярск

Н. А. Малиновская

ФГБОУ ВО «Красноярский государственный медицинский университет имени профессора В.Ф. Войно-Ясенецкого» Министерства здравоохранения РФ

Email: malinovskaya-na@mail.ru

д.м.н., зав. кафедрой биологической химии с курсами медицинской, фармацевтической и токсикологической химии

Россия, г. Красноярск

Л. Б. Шадрина

ФГБОУ ВО «Красноярский государственный медицинский университет имени профессора В.Ф. Войно-Ясенецкого» Министерства здравоохранения РФ

Email: shaliu@mail.ru

ассистент, кафедра биологической химии с курсами медицинской, фармацевтической и токсикологической химии

Россия, г. Красноярск

Список литературы

  1. Rutledge J., Oh H., Wyss-Coray T. Measuring biological age using omics data. Nature Reviews Genet. 2022; 23(12): 715–727.
  2. Patti G.J., Yanes O., Siuzdak G. Metabolomics: the apogee of the omic triology. Nature Reviews Molecular Cell Biology. 2012; 13: 4: 263–269.
  3. Au A., Cheng K.-K., Wei L.K. Metabolomics, lipidomics and pharmacometabolomics of human hypertension. Advances in experimental Medicine and Biology. 2016; 956: 599–613.
  4. Boccard J., Gonzalez-Ruiz V., Codesido S., Rudaz S. Mass spectrometry metabolomic data handling for biomarker discovery. Proteomic and Metabolomic Approaches to Biomarker Discovery. 2020; 369–388.
  5. Fiehn O. Metabolomics by gas chromatographymass spectrometry: Combined targeted and untargeted profiling. Curr. Protoc. Mol. Biol. 2016; 114(30): 1–30.
  6. Amoresano A., Pucci P. Mass spectrometry in metabolomics. Metabolomics Perspective. 2022; 109–147.
  7. Ortiz C., Carlen M., Meletis K. Spatial Trascriptomic: Molecular Maps of the Mammalian Brain. Annual Review of Neuroscience. 2021; 44: 547–562.
  8. Willsey H.R., Willsey A.J., Wang B., State M.W. Genomics, convergent neuroscience and progress in understanding autism spectrum disorder. Nat Rev Neurosci. 2022; 23(6): 323–341.
  9. Коробкова Е.О., Кожевникова М.В., Ильгисонис И.С. и др. Метаболомное профилирование больных с метаболическим синдромом. Кардиология. 2020; 60(3): 37–43.
  10. Armand E.J., Li J., Xie F., Luo C., Mukamel E. Single-Cell Sequencing of Brain Cell Transcriptomes. Neuron. 2020; 109: 6: 11–26.
  11. Bai B., Wang X., Li Y., Chen P.-C., Yu K., Dey K.K. Deep Multilayer Brain Proteomics Identifies Molecular Networks in Alzheimer's Disease Progression. J. Nutr. 2020; 105(6): 9759–991.
  12. Sinclair E., Trivedi D.K., Sarkar D., WaltonDoyle C., Milne J., Rijs A.M., A de Bie R. M., Goodacre R., Silverdale M., Barran P. Metabolomics of sebum reveals lipid dysregulation in Parkinson's disease. Int. J. Clin. Exp. Med. 2021; 12(1): 1592.
  13. Yang L., Lv P., Ai W., Li L., Shen S., Nie H., Shan Y., Bai Y., Huang Y., Liu H. Lipidomic analysis of plasma in patients with lacunar infarction using normal-phase/reversed-phase two-dimensional liquid chromatography–quadrupole time-of-flight mass spectrometry. Anal. Bioanal. Chem. 2017; 409: 3211–3222.
  14. Purroy F., Cambray S., Mauri-Capdevila G., Jove M., Sanahuja J., Farre J., Benabdelhak I., Molina-Seguin J., Colàs-Campàs L., Begue R. Metabolomics predicts neuroimaging characteristics of transient ischemic at-tack patients. EBioMedicine. 2016; 14: 131–138.
  15. Poupore N., Chosed R., Arce S., Rainer R., Goodwin R.L. Metabolomic Profiles of Men and Women Ischemic Stroke Patients. Talanta. 2021; 11(10): 1786.
  16. Hook V., Lietz C., Podvin S., Cajka T., Fiehn O. Diversity of Neuropeptide Cell-Cell Signaling Molecules Generated by Proteolytic Processing Revealed by Neuropeptidomics Mass Spectrometry. J Am Soc Mass Spectrom. 2018; 29(5): 807–816.
  17. Close J.L., Long B.R., Zeng H. Spatially resolved transcriptomic in neuroscience. Front. Mol. Neurosci. 2021; 18(1): 23–25.
  18. Горина Я.В., Комлева Ю.К., Лопатина О.Л., Черных А.И., Салмина А.Б. Влияние инсулинорезистентности на нарушение метаболизма глюкозы в миндалине головного мозга при экспериментальной болезни Альцгеймера. Бюллетень сибирской медицины. 2017; 16(4): 106–115.
  19. Комлева Ю.К., Горина Я.В., Черных А.И., Лопатина О.Л., Шабалова А.А., Труфанова Л.В., Оловянникова Р.Я., Ендржеевская-Шурыгина В.Ю., Салмина А.Б. Особенности пролиферации и миграции клеток головного мозга при когнитивном тренинге животных с экспериментальной болезнью Альцгеймера. Сибирское медицинское обоз-рение. 2016; 6: 1–5.
  20. Chen Q., Zhou T., Yuan J., Xiong X., Liu X., Qiu Z., Hu L., H. Lu, He Q., Liu C., Yang Q. Metabolomics profiling to characterize cerebral ischemia-reperfusion injury in mice. Front Pharmacol. 2023; 14: 1091616.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рисунок. Уровни взаимодействия «омных» наук. Оригинальный рисунок, созданный с помощью программы Biorender.com

Скачать (231KB)

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».