Die Metabolomics-Datenanalyse ist ein mehrstufiger Prozess, der viele spezialisierte Softwaretools nutzt. Diese Datenanalyse kann in drei Hauptschritte unterteilt werden: Datenverarbeitung und Qualitätskontrolle, statistische Analyse und Interpretation biologischer Daten. Die in diesem Protokoll beschriebenen Werkzeuge sind so konzipiert, dass sie den letzten Schritt der Analyse ermöglichen.
In den letzten zehn Jahren hat sich die Metabolomik aufgrund von Fortschritten in analytischen Technologien wie der Gaschromatographie-Massenspektrometrie und der Flüssigkeitschromatographie-Massenspektrometrie zu einer anomischen Wissenschaft entwickelt. Diese Techniken ermöglichen die gleichzeitige Messung von Hunderten bis Tausenden von niedermolekularen Metaboliten, wodurch komplexe mehrdimensionale Datensätze entstehen. Die Analyse von Metabolomik-Daten stellt mehrere Herausforderungen für pathway-basierte Anreicherungsansätze dar.
Erstens kann eine signifikante Anzahl von Metaboliten nicht auf Stoffwechselwege abgebildet werden. Darüber hinaus ist die Abdeckung des Sekundär- und Lipidstoffwechsels nicht ausreichend. Daher werden alternative Ansätze für die biologische Interpretation der Daten benötigt.
Datengesteuerte Netzwerkanalysetechniken können dazu beitragen, die Herausforderungen zu meistern, die mit der wissensbasierten Analyse der Anreicherung von Metabolomics-Daten verbunden sind. Zum Beispiel können Korrelationsnetzwerke helfen, Beziehungen zwischen bekannten und unbekannten Metaboliten abzuleiten und so die Annotation der Unbekannten zu erleichtern.
