代谢组学—Metabolomics Workbench数据库介绍

代谢组学—Metabolomics Workbench数据库介绍

之前做的代谢组学下游分析，其实都是从测序公司给的下游数据开始处理的。对于代谢组学还有两个比较关键的点没有涉及，一是从原始的离子峰（质谱数据）处理，而是从公共数据库出发，利用别人的数据，做些数据挖掘方面的工作。

之前看过许多微生物组或代谢组学的文章，其中的原始数据常常是不公开的，每次看到我都觉得“太离谱咯”，如下图

今天介绍下Metabolomics Workbench数据库，第一次看到我就觉得这不就是代谢组中的“GEO”吗？

（刚刚接触，可能会有写的不对的地方）

1.简介

Metabolomics Workbench 数据库（中国语常称为代谢组学工作台），这是一个由美国国立卫生研究院（NIH）支持、由加州大学圣地亚哥分校运营的国家级代谢组数据与工具平台：

• 核心定位与功能
  • 国家级代谢组数据中心：Metabolomics Workbench 托管 NIH Common Fund 的国家代谢组数据存储库（NMDR），作为一个国际化的代谢组数据与元数据资源中心，涵盖多种物种与实验平台，包括 MS（质谱）和 NMR（核磁共振）数据
  • 数据类型丰富：支持上传与访问原始数据（MS/NMR 原始文件）、处理后的定量结果（如代谢物浓度、峰高/面积、谱图等），适用于靶向和非靶向研究
  • 集成多种数据库：
    • 代谢物数据库（Metabolite Database）：截至 2025 年 2 月，已收录超过 174,000 个结构化代谢物记录，来源包括 LIPID MAPS、ChEBI、HMDB、PubChem、NP Atlas、EPA CompTox、KEGG 等。支持文本、子结构、质量（m/z）搜索等功能。
    • RefMet 标准名称体系：提供统一的代谢物命名规范，覆盖 >700,000 个名称，源自 3,500 多项 MS 和 NMR 研究，增强研究间数据对比和整合能力。
    • 人类代谢基因/蛋白数据库（MGP）：提供代谢相关的大约 7,300 个基因和 15,500 个蛋白质的数据资源。
• 分析工具与平台功能
  • 在线分析工具：
    • MetStat：跨多个研究进行代谢物的浓度趋势统计汇总，支持按物种、组织、分析方法等筛选比较。
    • MSCAT（Metabolomics Software CATALOG）：基于 Docker 的软件目录，可在线生成代谢组学分析流程。
    • DSPC 网络图工具：使用“去偏差稀疏偏相关”（Debiased Sparse Partial Correlation）算法绘制代谢物间关联网络，可映射化合物分类或 fold-change 等。
    • LC-MS 搜索功能：支持搜索超过 4.5 百万个 m/z + 保留时间特征，覆盖 890 多项研究，允许按样本来源、设备类型等筛选条件定位信息
  • RefMet 工具
    • 名称转换、结构浏览、核心结构层级、离子加合物（ion-adduct）计算、m/z 计算以及输入名称批量映射等功能都支持在线调用
  • 开放应用接口（REST 服务）：支持程序化调用，用于检索研究数据、代谢物信息、分析流程等内容，便于自动化整合与二次开发
  • Jupyter Notebook 支撑分析：通过 Binder 启动 Jupyter Notebooks，便于用户分析 NMDR 中的研究数据，也可浏览 JSON 格式的 mwTab 文件
• 数据资源与研究实践
  • 研究浏览与检索：支持按物种、样本类型、疾病关联等维度筛选研究，并提供一键检索功能（包括代谢物本身与其在研究中的表现）
  • 数据引用规范：使用者引用 NMDR 数据时，需提供 Project ID 和 DOI（可在项目概要页面查到）。平台还提供推荐引用模板
  • 综合支持资源：文件资料包括实验方案，教程，培训材料，协议；同时提供代谢物标准、工具、外部链接及教育资源

2 代谢组数据库比较

• Metabolomics Workbench (NIH)：美国主导，除了数据仓库外，更强调 数据标准化（mwTab 格式） 和 可直接用于分析的处理后数据
• MetaboLights (EBI-EMBL)：欧洲主导，侧重代谢组原始数据存储
• HMDB (Human Metabolome Database)：是代谢物知识库，主要是代谢物本身的信息（化学、通路、浓度），而 MW/MetaboLights 更偏向于实验数据

3.实践

• 以“ST002318”为例，业务提供了数据集的基本介绍，样本信息以及各种形式的文件下载

• 文件下载
  • Perform statistical analysis：直接在 Metabolomics Workbench 的网页版界面调用内置分析工具（ANOVA、t-test、PCA 等）。优点：无需下载，适合快速看差异和可视化。局限：功能有限、灵活度低，通常只用于初步探索
  • Show all samples：显示该 study 下所有样本的元信息（metadata）：包括样本编号、分组信息（比如处理 vs 对照）、样本类型（细胞/血清）、时间点、技术平台等
  • Show named metabolites：显示作者已经鉴定并命名的代谢物清单（如乳酸、谷氨酸、色氨酸等），通常附带定量值（强度、峰面积、浓度）。用处：最常用的部分，直接用来做差异代谢物分析、通路富集。
  • Download named metabolite data：下载一份表格（通常是 TSV/CSV），包含所有已命名代谢物在各样本中的定量值，用处：最推荐下载这个文件，它就是可直接导入 R（MetaboAnalystR）、Python（pandas）或 MetaboAnalyst 在线工具的矩阵
  • Download mwTab file (text) / (JSON)：这是 Metabolomics Workbench 的标准数据交换格式，叫做 mwTab。text 版本：人类可读的结构化文本。JSON 版本：机器可读，方便程序批量处理。内容：不仅包括代谢物数据，还包括 metadata、实验条件、质控信息。用处：如果打算用 Workbench API 或做自动化批量下载，就用它；一般科研人员直接分析时不必用
  • Download data files (Contains raw data)：
  • 下载该研究的原始质谱/核磁数据（mzML、CDF、RAW 等格式）。优点：可以自己做峰提取、峰对齐、代谢物鉴定。局限：非常大（几个 GB 到几十 GB），需要专业软件（XCMS、MS-DIAL、MZmine 等）和经验。一般只有在需要验证作者的峰提取/鉴定或开发新算法时才需要；大多数生物学研究直接用 “named metabolite data” 就够了

以上是对Metabolomics Workbench数据库的初步探索与介绍，后续在实际使用过程中再遇到问题，再写帖子记录下吧。