代謝組學常使用的數據庫

　　代謝組主要是對小分子代謝物（一般50-1500 Da）進行高通量定性和定量分析，代謝組分析產生了大量的生物信息數據。代謝組數據庫的開發對于歸納總結這些大數據，方便后續的代謝組學數據分析，揭示隱藏在大數據背后的生物學機理具有十分重要的作用。

　　目前常用的代謝組學數據庫有HMDB、NIST、LMSD、LipidBlast、KEGG和Metlin等，本期小編進行了歸納總結，希望對從事代謝組學研究的大家有所幫助。

　　Human

　　Metabolome

　　Database（HMDB）

　　HMDB數據庫是由加拿大代謝組學創新中心（TMIC）于2007年創立的代謝組學綜合數據庫。網站主要收錄人體內源性代謝產物，包括化合物簡介、化學式、分子量、化學分類、化學性質、代謝通路、部分代謝產物濃度和部分MS/MS圖譜等。目前為HMDB Version 4.0，數據庫主要包含化學數據、臨床數據和分子生物學/生物化學數據，共計114183個代謝物條目。另外DrugBank（包含約2280種藥物代謝物信息）、T3DB（包含約3670種常見毒素和環境污染物代謝物信息）、SMPDB（包含約25000個人類代謝物和疾病通路信息）和FooDB（包含約28000種食品成分和食品添加劑代謝物信息）也屬于HMDB數據庫的一部分。

　　NIST

　　NIST數據庫通常被認為是一個EI-MS數據庫，但是在新版的NIST數據庫中也包含了小分子化合物的ESI MS/MS質譜圖。這些小分子包括代謝物的化學標準品、脂質以及生物活性肽。數據庫中還包含了常見的ESI加合離子類型的母離子碎片信息和代謝物二級結構信息。數據庫包含了幾十萬種化合物信息，代謝物只是其中的一部分，數據豐富，但需要人工進行衍生化基團回溯。

　　LIPID MAPS Structure Database（LMSD）

　　LMSD數據庫包含了生物相關的脂質結構以及注釋。該數據庫包含了超過40000個脂質的結構，這使其成為了目前世界上最大的公共脂質數據庫。LMSD數據庫將所有的脂質分為八個類別，每個類別又具有自己的下一級分類。所有在LMSD數據庫中的脂質化合物都被分配了一個編號。LMSD中的每一個記錄包含該脂質對應的分子結構，通用名和系統命名，外部數據庫的鏈接，化合物的物理化學性質等信息。

　　LipidBlast

　　Fiehn實驗室于2013年上線了一款免費的數據庫，該數據庫基于計算機預測的脂質類化合物的串聯質譜信息來幫助研究者對脂質類化合物進行注釋。該數據庫包含了約200000張MS/MS質譜圖，涵蓋了來自于29個類別的約100000個化合物。其中，超過一半的數據是從LMSD數據庫導入或者使用LMSD Tool來生成。LipidBlast數據庫還包含了許多沒有被LMSD數據庫包含的細菌和植物脂質信息。該數據庫使用計算機生成了約80000個正離子模式數據和約130000個負離子模式數據，同時也包含了多種加合離子的類型。

　　KEGG

　　KEGG數據庫是由日本京都大學生物信息學中心的Kanehisa實驗室于1995年創立，是國際最常用的生物信息數據庫之一，以“理解生物系統的高級功能和實用程序資源庫”著稱。含有部分代謝組學信息。主要偏重于代謝通路和整合代謝、基因和蛋白通路信息。

　　Metabolite Link（Metlin）

　　Metlin數據庫是由The Scripps Institute Gary Siuzdak創立。網站主要側重于非靶向代謝組學代謝產物的鑒定，其主要特征是具有大量代謝產物的MS/MS圖譜，而且每個化合物都有不同的碰撞能圖譜，可以清晰的找到代謝產物的碎片離子，還可獲得分子量、化學結構式和化學結構等信息。該數據庫包含超過960000種化合物，包括來自不同生物的內源性代謝物和外源性化合物。