ECUE-L3

Métabolomique (UE-GM)
Dr. G. Alex PAKORA

1
 Sommaire du cours
1- Rappels et spécificités illustratives des sciences
Omiques
2- Définitions et approches métabolomiques
2.1 Approches chimiométriques
2.2 Génomique fonctionnelle
2.2.1 Analyse fonctionnelle des réseaux métaboliques
2.2.1.1• Approches quantitatives
2.2.1.2• Mesure des réponses adaptatives
3- Principales applications
4- Principaux domaines d’application
5-Outils & Activités d’une plate-forme
métabolomique
6- Analyse des échantillons

2
1- RAPPELS ET SPECIFICITE ILLUSTRATIVES DES SCIENCES
« OMIQUES »

Les ARN messagers

Le transcriptome

transcriptomique

Les protéines
Le protéome

protéomique

Le gène
Le génome Les métabolites
Le métabolome
Génomique
polymorphisme métabolomique

GENOTYPE PHENOTYPE 3
 Métabolites et métabolome

Métabolites primaires Métabolites secondaires Xénobiotiques

Alimentation / Boisson Métabolisme «central»

Empreinte métabolique

Flore intestinale Environnement :

xénobiotiques
Pathologie (polluants,
médicaments…) 4
 2- DEFINITIONS ET APPROCHES METABOLOMIQUES

METABOLOME: Ensemble des constituants de faible masse moléculaire d’une cellule ou

d’un organisme.

METABOLOMIQUE: analyse (qualitative/quantitative) de l’ensemble des constituants de

faible masse moléculaires d’une cellule ou d’un organisme

METABONOMIQUE: Mesure à l’échelle de l’organisme de signatures métaboliques

résultants d’une perturbation endogène ou exogène (s’emploie essentiellement dans le domaine
de la santé)

FLUXOMIQUE: Mesure des vitesses réelles des réactions biochimiques au sein du système
vivant (stratégies indirectes par marquage isotopique)

Métabolites: molécules de masse moléculaire M < 1000

Par extension, l’analyse du métabolome recouvre l’analyse globale du métabolisme à

l’échelle du système biologique (cellule, tissu, organisme)
C’est une discipline émergente qui recouvre 2 approches majeures :
• La Chimiométrie : phénotypage haut-débit et recherche de biomarqueurs
• La Génomique fonctionnelle : analyse fonctionnelle des réseaux métabolique 5
 2.1 APPROCHES CHIMIOMETRIQUES

Repose sur la classification d’échantillons sur la base d’empreintes biochimiques et de

traitements statistiques
• Empreintes métaboliques (« Métabonomique »)
L’analyse d’empreintes métaboliques (metabolic/metabolite fingerprinting ou metabonomics) n’a pas
pour but de quantifier chaque métabolite mais permet d’obtenir une sorte de signature métabolique. La
RMN du proton permet l’obtention de spectres d’extrait complexe non purifié dans des conditions
standardisées. L’assignement des pics n’est pas réalisé car il existe de nombreux recouvrements de pics
dans les spectres RMN du proton

• Profils métaboliques
l’analyse de profils métaboliques (metabolic/metabolite profiling) concerne tous les métabolites d’une
voie ou une classe de métabolites, consiste à identifier et à quantifier un certain nombre de métabolites.
Ceci permet en biologie végétale d’estimer l’importance des voies métaboliques d’intérêt. Le niveau de
ces métabolites peut être analysé en fonction des variations environnementale ou génétique.

6
2.1 APPROCHES CHIMIOMETRIQUES

7
NATURE DES ECHANTILLONS ECHANTILLONAGE
Origine, nature et caractéristiques très Fournir une image à un instant donné
variées Facteurs qui influencent l’analyse
Fluides biologiques . Durée
Urine, sang, plasma, LCR, etc.. . Méthode (extraction: physique, chimique)
Milieux de culture . Homogénéité du prélèvement
Exsudats (végétaux) . Conservation
Tissus, biopsies Méthode d’extraction dépend
Analyse in situ (RMN liquide/solide) .de l’échantillon (tissu, biopsie, plantes,
Extraits cellules, microorganismes)
Extraits tissulaires . des métabolites à analyser
Extraits cellulaires . de la technique d’analyse utilisée
Microorganismes, plantes, animaux, etc. . de la question posée

8
 Empreintes métaboliques

Objectif général: classification (discrimination)

d’échantillons sur la base d’une analyse rapide
associée à un traitement statistique
Moyen: établir une empreinte métabolique
recherche de discriminants dans une population
d’échantillons > analyse statistique
RMN: approche classique: 1D 1H
Applications:
santé
pharmacologie
nutrition
traçabilité OGM
phénotypage
Echantillons:
fluides biologiques
tissus, biopsies
extraits de toutes natures

9
Empreintes métaboliques: principe général

Traitement quantitatif

Décomposition des valeurs singulières

Analyse statistique sur l’ensemble des échantillons

(jusqu’à plusieurs milliers) Analyse en composante
principale (PCA)
10
 Profils métaboliques

Objectif général: Mesurer le contenu en métabolites

détectables (en pratique:
principaux métabolites observables). Recherche
d’identification et
de quantification
Moyen: Mesure (RMN, MS) et identification des
composés détectés
Comparaison (semi-)quantitative entre échantillons
RMN: 1H 1D et 2D, 1D 13C (cryosonde), 2D 1H-13C,
2D 1H-31P, 2D 1H-15N,
Analyses liquide/solide (MAS, HR-MAS)
Applications: santé
pharmacologie
nutrition
biotechnologies
Echantillons: fluides biologiques
tissus, biopsies
extraits de toutes natures

11
 2.2 GENOMIQUE FONCTIONNELLE

La génomique fonctionnelle est une approche scientifique consistant à étudier le rôle du

génome dans les processus biologiques. Le génome, constitué d’ADN, est le support de
l'information héréditaire. Aujourd'hui, le génome d'un grand nombre d'espèces animales a été
déchiffré. Cependant, il reste encore beaucoup à découvrir pour comprendre sa fonction et
comment il détermine, par exemple, les étapes du développement embryonnaire et l'adaptation
aux milieux, ou encore comment son évolution a généré la biodiversité

Analyse fonctionnelle des réseaux métaboliques

• Approches quantitatives
• Mesure des réponses adaptatives

Transcriptome <=== > Protéome <===➔ Métabolome (analyse de l’ensemble des

métabolites) <=➔Fluxome (Analyse des vitesses réelles de conversions métaboliques)

Domaines d’applications très larges

Santé, Nutrition, Alimentation, Sécurité alimentaire, Agroalimentaire, Biotechnologie
(animales, végétales, microbiennes), Physiologie, Physiopathologie, etc.

12
 3- PRINCIPALES APPLICATIONS

(hommes, animaux, plantes, microorganismes)

Médecine, santé,
Nutrition
Pharmacologie, toxicologie
Agroalimentaire, sécurité alimentaire
Biotechnologies (animales, végétales, microbiennes)
Recherche de biomarqueurs, classification
d’échantillons:
•Diagnostique médical (cancer, obésité, etc.)
•Suivi (personnalisé) post-traitements
•États nutritionnels
•Pharmaceutique (AMM), pharmacologie
•traçabilité OGM
Post-génomique
•Phénotype global
•Identification de fonctions
•Analyse de mutations silencieuses
•Analyse globale de l’impact de perturbations
génétiques ou environnementales

13
 4- PRINCIPAUX DOMAINES D’APPLICATION

Santé/Cancer Pharmacologie
• Diagnostic (précoce, prédictif) • Développement/validation de nvx
• Phyiopathologie (cancer, maladies cardio- médicaments,
vasculaires, AMM
diabète/obésité) • Pharmacologie prédictive
• Maladies métaboliques, maladies du • Suivi individualisé
métabolisme • Pharmacinétique
• Biomarqueurs toxicité

Agro-alimentaire/Nutrition Microbiologie, Physiologie des

plantes et des animaux
• Nutrition (prébiotiques, probiotiques)
• Suivi nutritionnel personnalisé
• Sécurité alimentaire
• traçabilité OGM
• Etc..

14
 5-OUTILS & ACTIVITES D’UNE PLATE-FORME METABOLOMIQUE

LC-API-MS

- Accès à la masse GC-EI-MS RMN

moléculaire
Sensible
(identification) - Simple, non invasif
- Reproductible
- Analyse des molécules - Rapide
- Bibliothèques de
thermolabiles - Applicable à des biomatériaux
spectres de masse
- sensible intacts et aux grandes séries
Mais :
Mais: Mais :
- Modification chimique
peu reproductible - Sensibilité limitée
requise pour les
- Difficulté d’identification de
composés non volatils
composés inconnus
- Composés non
15
thermosensibles
Technologies utilisées en fonction des approches et des échantillons

16
17
6- ANALYSE DES ECHANTILLONS

18
 Technique de reconnaissance de forme
(décomposition en valeurs singulières)

Objectifs:
• Extraire de l’information à partir de données multidimensionnelles
• Conserver des corrélations entre données
• Aide à l’interprétation
• Dégager des profils caractéristiques: similitudes et différences dans les données
• Identifier les objets à l’origine de ces différences
• Construction de modèles capables de prédire la classe d’échantillons inconnus
Approches supervisées et non-supervisées:
1. Approches non supervisées
1. Visualisation de relations entre différents spectres
2. Choix non dirigé des classes basé sur la structure propre des données
2. Approches supervisées
1. Echantillons témoins (« connus ») et à tester (« inconnus »)
2. Ex: témoins de l’action d’un composé toxique et échantillons suspects à
analyser
3. Utilisation de modèles basés dur les échantillons témoins pour classer les
échantillons test

19