Exométabolomique

Un article de Wikipédia, l'encyclopédie libre.
Sauter à la navigation Sauter à la recherche
Une expérience modèle d'exométabolomique mise en place à partir d'une culture liquide avec analyse par LC-MS (A), et à partir de plaques d'agar avec analyse par MSI (B).

L'exométabolomique, également appelée « empreinte métabolique » (metabolic footprinting en anglais)[1],[2], est une discipline qui étudie les métabolites extracellulaires, et constitue un sous-domaine de la métabolomique[3].

Alors que les mêmes approches analytiques utilisées pour identifier des profils de métabolites s'appliquent à l'exométabolomique, telles que la chromatographie en phase liquide couplée à la spectrométrie de masse (LC-MS en anglais), la résonance magnétique nucléaire (RMN) ou la chromatographie en phase gazeuse couplée à la spectrométrie de masse (GC-MS en anglais), l'analyse des exométabolites soulève des défis particuliers et se focalise le plus généralement sur l'étude des transformations de groupes de métabolites exogènes par des systèmes biologiques[3]. Typiquement, ces expériences sont effectuées en comparant des métabolites à deux ou plusieurs points temporels, par exemple entre un milieu de culture ayant subi une certaine évolution et un autre n'ayant pas été inoculé, ou de contrôle ; cette approche peut permettre de distinguer différents états physiologiques d'une souche sauvage de levure et entre des levures mutantes. Puisque, dans beaucoup de cas, le groupe d'exométabolites (extracellulaire) est moins dynamique que les groupes d'endométabolites (intracellulaires, qui sont souvent perturbés lors de l'échantillonnage), et que des milieux définis chimiquement (milieux de culture in vitro adaptés aux cellules humaines ou animales dans lesquels tous les composés chimiques sont connus) peuvent être utilisés, alors cela réduit le nombre de défis de la métabolomique[4].

L'exométabolomique est également utilisée comme outil complémentaire aux données issues de la génomique, la transcriptomique[5] et la protéomique, afin d'avoir un meilleur aperçu des fonctions des gènes et des voies métaboliques. De plus, l'exométabolomique peut être utilisée pour quantifier les molécules polaires étant consommées ou sécrétées par un organisme, ainsi que pour mesurer la production de métabolites secondaires[6],[7].

Historique[modifier | modifier le code]

L'étude des métabolites extracellulaire est très fréquente dans la littérature scientifique[8],[9],[10]. Cependant, le profilage global des exométabolites n'a pu être réalisé que grâce à des avancées récentes permettant d'améliorer la séparation chromatographique et la détection de centaines de milliers de composés chimiques depuis le milieu des années 2000[7]. La première étude visant à démontrer l'intérêt biologique de profilages comparatifs de groupes d'exométabolites n'a pas eu lieu avant 2003, lors de laquelle le terme de metabolic footprinting a été inventé par Jess Allen et ses collaborateurs[1],[7]. Ces travaux ont suscité un grand intérêt de la part de la communauté scientifique, en particulier pour ceux travaillent sur la caractérisation du métabolisme microbien. L'idée d'un "exométabolome" incluant les composés du groupe d'exométabolites n'a pas vu le jour avant 2005[11].

Des progrès récents en imagerie de spectrométrie de masse ont permis la localisation spatiale des métabolites sécrétés[12]. À mesure que la microbiologie devient de plus en plus centrée sur la structure des communautés microbiennes, l'exométabolomique a fourni une compréhension rapide des interactions métaboliques entre deux ou plusieurs espèces[13]. Récemment, l'exométabolomique a été utilisée pour concevoir des systèmes de co-culture[14]. Du fait que l'analyse des métabolites extracellulaires permet de faire des prédictions et des identifications d'échanges de métabolites (cross-feeding en anglais) entre plusieurs espèces, les analyses exométabolomiques peuvent être utilisées pour comprendre les réseaux de communautés écologiques[15].

Méthodes analytiques[modifier | modifier le code]

En principe, n'importe quelle méthode utilisée en métabolomique peut l'être aussi en exométabolomique. Néanmoins, la chromatographie en phase liquide couplée à la spectrométrie de masse a été la plus largement utilisée[3]. De la même façon qu'en métabolomique, les métabolites sont identifiés par rapport à leur masse absolue, le temps de rétention et leur motifs de fragmentation MS/MS en les comparant à des standards authentiques. Les chromatographies typiquement utilisées sont la chromatographie à interaction hydrophile pour la quantification des métabolites polaires[16], ou bien la chromatographie en phase inversée (C18) pour quantifier des composés non polaires, des lipides et des métabolites secondaires[17]. La chromatographie en phase gazeuse couplée à la spectrométrie de masse peut aussi être utilisée pour quantifier des sucres simples et d'autres carbohydrates plus complexes, ainsi que pour obtenir des profils métaboliques complets[18].

Puisque la LC-MS ne fournit pas de données spatiales sur la localisation des métabolites, on peut utiliser en complément l'imagerie de spectrométrie de masse (MSI en anglais)[3].

Applications[modifier | modifier le code]

Les techniques d'exométabolomique ont été utilisées dans les domaines suivants :

  • génomique fonctionnelle : utilisation des métabolites pour assigner une fonction à des gènes inconnus[19]
  • bioénergie : études de matières premières à base de lignocellulose[20]
  • agriculture et alimentation : caractérisation d'exométabolites issus de racines afin de déterminer comment ces derniers affectent les rhizobactéries améliorant la croissance des plantes[21] ; metabolic footprinting de souches de levures afin d'identifier des souches de levures optimales pour améliorer la fermentation et les attributs positifs dans le vin[22]
  • santé : différencier des cellules de vessie saines et cancéreuses avec le metabolic footprinting[23] ; le footprinting en combinaison à d'autres techniques pour une identification plus précoce des épidémies et la caractérisation des souches[24] ; l'étude du vieillissement avec l'exométabolomique chez C. elegans[25] ; l'analyse des métabolites extracellulaires pour comprendre le mécanisme pathogène des parasites protozoaires intracellulaires[26]
  • cycle du carbone : fixation du carbone à l'échelle du globe et interactions entre phytoplancton et dinoflagellés[27]
  • communautés microbiennes : effets des interactions entre les exométabolites de E. coli et C. elegans sur l'espérance de vie[28] ; les bactéries et les levures dans les systèmes laitiers[13]
  • bioremédiation
  • découpage des niches métaboliques : en 2010, des analyses exométabolomiques de la cyanobactérie Synechococcus sp. PCC7002 par Baran et ses collaborateurs ont montré que ce photoautotrophe peut diminuer de façon significative un groupe divers de métabolites exogènes[29] ; une étude exométabolomique complémentaire sur les isolats microbiens sympatriques issus de croûte terrestre biologique, que l'on trouve au sein de communautés de cyanobactéries dans les sols du désert du plateau du Colorado, a suggéré qu'un découpage des niches métaboliques existe dans ces communautés, où chaque isolat utilise 13 à 26 % des métabolites présents dans le sol[30]
  • métabolites secondaires : metabolic footprinting afin de déterminer le mode d'action des substances antifongiques[31]

Articles connexes[modifier | modifier le code]

Références[modifier | modifier le code]

  1. a et b (en) Jess Allen, Hazel M. Davey, David Broadhurst et Jim K. Heald, « High-throughput classification of yeast mutants for functional genomics using metabolic footprinting », Nature Biotechnology, vol. 21, no 6,‎ , p. 692–696 (ISSN 1087-0156, DOI 10.1038/nbt823, lire en ligne, consulté le 14 juillet 2017)
  2. (en) Valeria Mapelli, Lisbeth Olsson et Jens Nielsen, « Metabolic footprinting in microbiology: methods and applications in functional genomics and biotechnology », Trends in Biotechnology, vol. 26, no 9,‎ , p. 490–497 (ISSN 0167-7799 et 1879-3096, DOI 10.1016/j.tibtech.2008.05.008, lire en ligne, consulté le 14 juillet 2017)
  3. a b c et d Leslie P Silva et Trent R Northen, « Exometabolomics and MSI: deconstructing how cells interact to transform their small molecule environment », Current Opinion in Biotechnology, vol. 34,‎ , p. 209–216 (DOI 10.1016/j.copbio.2015.03.015, lire en ligne, consulté le 14 juillet 2017)
  4. (en) Animal Cell Culture | Mohamed Al-Rubeai | Springer (lire en ligne)
  5. Debra Rossouw, Tormod Næs et Florian F. Bauer, « Linking gene regulation and the exo-metabolome: A comparative transcriptomics approach to identify genes that impact on the production of volatile aroma compounds in yeast », BMC Genomics, vol. 9,‎ , p. 530 (ISSN 1471-2164, PMID 18990252, PMCID PMC2585593, DOI 10.1186/1471-2164-9-530, lire en ligne, consulté le 14 juillet 2017)
  6. (en) Pramote Chumnanpuen, Michael Adsetts Edberg Hansen, Jørn Smedsgaard et Jens Nielsen, « Dynamic Metabolic Footprinting Reveals the Key Components of Metabolic Network in YeastSaccharomyces cerevisiae », International Journal of Genomics, vol. 2014,‎ , p. 1–14 (ISSN 2314-436X, PMID 24616891, PMCID PMC3926413, DOI 10.1155/2014/894296, lire en ligne, consulté le 14 juillet 2017)
  7. a b et c (en) Douglas B. Kell, Marie Brown, Hazel M. Davey et Warwick B. Dunn, « Metabolic footprinting and systems biology: the medium is the message », Nature Reviews Microbiology, vol. 3, no 7,‎ , p. 557–565 (ISSN 1740-1526, DOI 10.1038/nrmicro1177, lire en ligne, consulté le 14 juillet 2017)
  8. (en) N. A. Vavilova, M. V. Ustinova, T. M. Voinova et N. N. Stepanichenko, « Polyketide exometabolites of the causative agent of rice blast and their role in pathogenesis », Chemistry of Natural Compounds, vol. 24, no 4,‎ , p. 487–491 (ISSN 0009-3130 et 1573-8388, DOI 10.1007/BF00598539, lire en ligne, consulté le 14 juillet 2017)
  9. A. H. Tambiev, N. N. Shelyastina et N. N. Kirikova, « Exometabolites of Lipid Nature from Two Species of Marine Microalgae », Functional Ecology, vol. 3, no 2,‎ , p. 245–247 (DOI 10.2307/2389307, lire en ligne, consulté le 14 juillet 2017)
  10. (en) Jane Badenoch-Jones, R. E. Summons, M. A. Djordjevic et J. Shine, « Mass Spectrometric Quantification of Indole-3-Acetic Acid in Rhizobium Culture Supernatants: Relation to Root Hair Curling and Nodule Initiation », Applied and Environmental Microbiology, vol. 44, no 2,‎ , p. 275–280 (ISSN 0099-2240 et 1098-5336, PMID 16346073, PMCID PMC242007, lire en ligne, consulté le 14 juillet 2017)
  11. Jens Nielsen et Stephen Oliver, « The next wave in metabolome analysis », Trends in Biotechnology, vol. 23, no 11,‎ , p. 544–546 (DOI 10.1016/j.tibtech.2005.08.005, lire en ligne, consulté le 14 juillet 2017)
  12. Katherine B. Louie, Benjamin P. Bowen, Xiaoliang Cheng et James E. Berleman, « “Replica-Extraction-Transfer” Nanostructure-Initiator Mass Spectrometry Imaging of Acoustically Printed Bacteria », Analytical Chemistry, vol. 85, no 22,‎ , p. 10856–10862 (ISSN 0003-2700, DOI 10.1021/ac402240q, lire en ligne, consulté le 14 juillet 2017)
  13. a et b (en) Anders H. Honoré, Michael Thorsen et Thomas Skov, « Liquid chromatography–mass spectrometry for metabolic footprinting of co-cultures of lactic and propionic acid bacteria », Analytical and Bioanalytical Chemistry, vol. 405, no 25,‎ , p. 8151–8170 (ISSN 1618-2642 et 1618-2650, DOI 10.1007/s00216-013-7269-3, lire en ligne, consulté le 14 juillet 2017)
  14. Suzanne M. Kosina, Megan A. Danielewicz, Mujahid Mohammed et Jayashree Ray, « Exometabolomics Assisted Design and Validation of Synthetic Obligate Mutualism », ACS Synthetic Biology, vol. 5, no 7,‎ , p. 569–576 (DOI 10.1021/acssynbio.5b00236, lire en ligne, consulté le 14 juillet 2017)
  15. (en) Adam M. Feist, Markus J. Herrgård, Ines Thiele et Jennie L. Reed, « Reconstruction of biochemical networks in microorganisms », Nature Reviews Microbiology, vol. 7, no 2,‎ , p. 129–143 (ISSN 1740-1526, PMID 19116616, PMCID PMC3119670, DOI 10.1038/nrmicro1949, lire en ligne, consulté le 14 juillet 2017)
  16. (en) Laura E. McNamara, Terje Sjöström, R. M. Dominic Meek et Richard O. C. Oreffo, « Metabolomics: a valuable tool for stem cell monitoring in regenerative medicine », Journal of The Royal Society Interface, vol. 9, no 73,‎ , p. 1713–1724 (ISSN 1742-5689 et 1742-5662, PMID 22628210, PMCID PMC3385772, DOI 10.1098/rsif.2012.0169, lire en ligne, consulté le 14 juillet 2017)
  17. (en) Peng Gao et Guowang Xu, « Mass-spectrometry-based microbial metabolomics: recent developments and applications », Analytical and Bioanalytical Chemistry, vol. 407, no 3,‎ , p. 669–680 (ISSN 1618-2642 et 1618-2650, DOI 10.1007/s00216-014-8127-7, lire en ligne, consulté le 14 juillet 2017)
  18. Tiffany Sue, Victor Obolonkin, Hywel Griffiths et Silas Granato Villas-Bôas, « An Exometabolomics Approach to Monitoring Microbial Contamination in Microalgal Fermentation Processes by Using Metabolic Footprint Analysis▿ », Applied and Environmental Microbiology, vol. 77, no 21,‎ , p. 7605–7610 (ISSN 0099-2240, PMID 21890679, PMCID PMC3209156, DOI 10.1128/AEM.00469-11, lire en ligne, consulté le 14 juillet 2017)
  19. Richard Baran, Benjamin P. Bowen, Morgan N. Price et Adam P. Arkin, « Metabolic Footprinting of Mutant Libraries to Map Metabolite Utilization to Genotype », ACS Chemical Biology, vol. 8, no 1,‎ , p. 189–199 (ISSN 1554-8929, DOI 10.1021/cb300477w, lire en ligne, consulté le 14 juillet 2017)
  20. (en) Ying Zha et Peter J. Punt, « Exometabolomics Approaches in Studying the Application of Lignocellulosic Biomass as Fermentation Feedstock », Metabolites, vol. 3, no 1,‎ , p. 119–143 (PMID 24957893, PMCID PMC3901257, DOI 10.3390/metabo3010119, lire en ligne, consulté le 14 juillet 2017)
  21. (en) L. V. Kravchenko, T. S. Azarova, E. I. Leonova-Erko et A. I. Shaposhnikov, « Root Exudates of Tomato Plants and Their Effect on the Growth and Antifungal Activity of Pseudomonas Strains », Microbiology, vol. 72, no 1,‎ , p. 37–41 (ISSN 0026-2617 et 1608-3237, DOI 10.1023/A:1022269821379, lire en ligne, consulté le 14 juillet 2017)
  22. Chandra L. Richter, Barbara Dunn, Gavin Sherlock et Tom Pugh, « Comparative metabolic footprinting of a large number of commercial wine yeast strains in Chardonnay fermentations », FEMS Yeast Research, vol. 13, no 4,‎ , p. 394–410 (ISSN 1567-1356, DOI 10.1111/1567-1364.12046, lire en ligne, consulté le 14 juillet 2017)
  23. (en) Kishore Kumar Pasikanti, Juwita Norasmara, Shirong Cai et Ratha Mahendran, « Metabolic footprinting of tumorigenic and nontumorigenic uroepithelial cells using two-dimensional gas chromatography time-of-flight mass spectrometry », Analytical and Bioanalytical Chemistry, vol. 398, no 3,‎ , p. 1285–1293 (ISSN 1618-2642 et 1618-2650, DOI 10.1007/s00216-010-4055-3, lire en ligne, consulté le 14 juillet 2017)
  24. (en) Kelvin K. W. To, Ami M. Y. Fung, Jade L. L. Teng et Shirly O. T. Curreem, « Tsukamurella pseudo-outbreak characterized by phenotypic tests, 16S rRNA sequencing, pulsed-field gel electrophoresis and metabolic footprinting », Journal of Clinical Microbiology,‎ , JCM.02845–12 (ISSN 0095-1137 et 1098-660X, PMID 23135942, PMCID PMC3536211, DOI 10.1128/JCM.02845-12, lire en ligne, consulté le 14 juillet 2017)
  25. (en) Robert J. Mishur, Jeffrey A. Butler et Shane L. Rea, Biological Aging, Humana Press, Totowa, NJ, (DOI 10.1007/978-1-62703-556-9_15, lire en ligne), p. 195–213
  26. Hany M. Elsheikha, Mamdowh Alkurashi, Kenny Kong et Xing-Quan Zhu, « Metabolic footprinting of extracellular metabolites of brain endothelium infected with Neospora caninum in vitro », BMC Research Notes, vol. 7,‎ , p. 406 (ISSN 1756-0500, PMID 24973017, PMCID PMC4105892, DOI 10.1186/1756-0500-7-406, lire en ligne, consulté le 14 juillet 2017)
  27. (en) Kelsey L. Poulson-Ellestad, Elizabeth L. Harvey, Matthew D. Johnson et Tracy J. Mincer, « Evidence for Strain-Specific Exometabolomic Responses of the Coccolithophore Emiliania huxleyi to Grazing by the Dinoflagellate Oxyrrhis marina », Frontiers in Marine Science, vol. 3,‎ (ISSN 2296-7745, DOI 10.3389/fmars.2016.00001, lire en ligne, consulté le 14 juillet 2017)
  28. Correia, Gonçalo dos Santos, 1989-, « Coupling metabolic footprinting and flux balance analysis to predict how single gene knockouts perturb microbial metabolism », Repositório da Universidade de Lisboa,‎ (lire en ligne, consulté le 14 juillet 2017)
  29. (en) Richard Baran, Benjamin P. Bowen et Trent R. Northen, « Untargeted metabolic footprinting reveals a surprising breadth of metabolite uptake and release by Synechococcus sp. PCC 7002 », Molecular BioSystems, vol. 7, no 12,‎ (ISSN 1742-2051, DOI 10.1039/C1MB05196B, lire en ligne, consulté le 14 juillet 2017)
  30. (en) Richard Baran, Eoin L. Brodie, Jazmine Mayberry-Lewis et Eric Hummel, « Exometabolite niche partitioning among sympatric soil bacteria », Nature Communications, vol. 6,‎ , ncomms9289 (PMID 26392107, PMCID PMC4595634, DOI 10.1038/ncomms9289, lire en ligne, consulté le 14 juillet 2017)
  31. (en) Jess Allen, Hazel M. Davey, David Broadhurst et Jem J. Rowland, « Discrimination of Modes of Action of Antifungal Substances by Use of Metabolic Footprinting », Applied and Environmental Microbiology, vol. 70, no 10,‎ , p. 6157–6165 (ISSN 0099-2240 et 1098-5336, PMID 15466562, PMCID PMC522091, DOI 10.1128/AEM.70.10.6157-6165.2004, lire en ligne, consulté le 14 juillet 2017)