net/publication/261700370
KUTIPAN
BACA
1
1.649
3 penulis, termasuk:
Chiu-Ping Liu
Academia Sinica
4 PUBLIKASI 69 KUTIPAN
Semua konten setelah halaman ini diunggah oleh Chiu-Ping Liu pada 09 Januari 2018.
8
Metabolomik dalam Penelitian Pengobatan Herbal
Lie-Fen Shyur, Chiu-Ping Liu, dan Shih-Chang Chien
8.1
pengantar
Buku Pegangan Metabolomik Tumbuhan, Edisi pertama. Diedit oleh Wolfram Weckwerth dan Günter Kahl
# 2013 Wiley-VCH Verlag GmbH & Co. KGaA. Diterbitkan 2013 oleh Wiley-VCH Verlag GmbH & Co. KGaA.
(NMR) spektroskopi] dengan alat data mining untuk menghasilkan profil metabolik
yang komprehensif dari suatu organisme [3,5]. Metabolomics telah terbukti sangat
cepat dan unggul dari teknologi postgenomics lainnya untuk analisis pengenalan
pola sampel biologis [6], dan sekarang memainkan peran penting dalam biologi
tanaman fundamental dan bioteknologi pertanian terapan. Metabolomik telah
digunakan untuk menilai kualitas komposisi tanaman [7] dan garis introgresi
interspesifik untuk perbaikan tanaman tomat [8], memastikan keamanan suplemen
makanan nabati [9], mengevaluasi tanaman yang dimodifikasi secara genetik
[10,11], mengkarakterisasi respons metabolik untuk cekaman abiotik (misalnya,
kekurangan air, garam, dan cekaman kekeringan), dan mengidentifikasi lokus sifat
kuantitatif metabolik [12,13].
Karena kompleksitas kimia dari metabolisme tumbuhan, para peneliti
umumnya menganggap bahwa teknik analitik tunggal memiliki keterbatasan dan
bias yang melekat pada kelas senyawa tertentu, terutama karena kromatografi,
teknik ionisasi, dan kemampuan detektor yang tidak akan memberikan visualisasi
yang komprehensif dari metabolom. Oleh karena itu, beberapa teknologi umumnya
digunakan. Spektrometri massa (MS) dan spektroskopi NMR adalah beberapa
teknik yang paling umum digunakan dalam metabolisme dan menyediakan rute
terpendek untuk identifikasi metabolit. Kinerja penganalisis massa dengan teknik
ionisasi spesifik digabungkan dengan berbagai metode kromatografi telah
dibandingkan [16], dan Ruan dan Teixeira da Silva memberikan ringkasan dan
perbandingan sistem teknologi metabolomik tanaman saat ini dengan penggunaan
metode MS dan NMR [13].
Kromatografi gas (GC) (atau GC-MS) adalah teknik pertama untuk pemfilteran
metabolit metabolit obat dan metabolit primer dalam cairan bio manusia [17,18].
Penerapan paling awal dari teknik untuk sistem tanaman adalah sebagai alat
diagnostik untuk menganalisis respon herbisida pada bibit jelai [19]. GC-MS
adalah salah satu teknik metabolomik yang paling populer, menggabungkan
sensitivitas tinggi dan spesifisitas, untuk menghasilkan metabolit primer hidrofilik
yang mudah menguap, hidrofobik, dan terderivatisasi, seperti asam amino, gula,
dan asam organik, dan beberapa metabolit sekunder polar yang diturunkan,
terutama yang hadir dalam ekstrak tumbuhan yang kompleks. Saat ini, GC-MS
terintegrasi dengan berbagai database MS komersial online untuk mencari senyawa
referensi yang dapat membantu mengidentifikasi senyawa yang terpisah. Namun,
seperti Fiehn et al. dilaporkan,
Analisis metabolom dengan LC-MS adalah metode unik untuk memfilter
tanaman atau metabolit sekunder bioaktif secara farmakologis (misalnya
karotenoid, flavonoid, saponin, alkamida, alkaloid, dan turunan glikosidik) [21-23].
Secara umum, ekstrak kasar yang diperoleh dari ekstraksi sederhana dan prosedur
pemurnian parsial dengan berbagai pelarut organik diperlukan untuk analisis LC-
MS. Kimia kolom yang berbeda dan elusi fase gerak memungkinkan pemisahan
dan analisis dan
j
8.1 Pendahuluan 157
jenis metabolit tumbuhan yang spesifik. Namun, data terbatas tersedia untuk
menjelaskan struktur metabolit tanaman dengan metode LC-MS. Karena
keragaman senyawa, peneliti biasanya perlu menetapkan massa molekul otentik
mereka sendiri untuk referensi atau pengindeksan senyawa dan informasi
fragmen terionisasi dan database untuk profil spesies tanaman jika tidak ada
data LC-MS untuk ID senyawa fitokimia yang tersedia di domain publik. Satu
laporan menjelaskan protokol untuk metabolisme tanaman tak bertarget skala
besar dengan menggunakan kromatografi cair fase terbalik (LC) - MS [LC-
quadrupole time-of-ight (QTOF) MS] resolusi tinggi yang digabungkan dengan
perangkat lunak khusus (MetAlign;http://www.metalign.nl atau
http://www.pri.wur.nl/UK/products/MetAlign/) untuk memberikan
perbandingan rinci dari kelompok sampel tanaman atau untuk menghubungkan
data metabolomik dengan informasi biologi sistem lain, penanda genetik, dan /
atau parameter kualitas spesifik [24].
Spektroskopi NMR memiliki sejarah panjang digunakan untuk penjelasan
struktural di bidang penelitian kimia produk alami. Sebagai alat metabolisme,
spektroskopi NMR memiliki beberapa keunggulan dibandingkan metode berbasis
MS karena merupakan metode deteksi universal untuk semua molekul yang
mengandung inti aktif NMR. Untuk bahan kimia yang mengandung proton,
intensitas semua sinyal proton sebanding dengan konsentrasi molekul metabolit,
memungkinkan perbandingan langsung dari konsentrasi semua senyawa tanpa perlu
menetapkan kurva kalibrasi untuk masing-masing senyawa. Meskipun pendekatan
metabolomik berbasis NMR memiliki resolusi dan reproduktifitas yang lebih baik
daripada metode MS, mereka memiliki sensitivitas yang relatif rendah (MS 106-
109 kali lipat lebih sensitif). Kromatografi cair kinerja tinggi (HPLC) digabungkan
dengan NMR (HPLC – NMR) atau HPLC – NMR dengan antarmuka ekstraksi fase
padat (SPE) otomatis antara unit HPLC dan NMR (HPLC – SPE – NMR), yang
menggantikan pelarut kromatografi dengan pelarut yang berbeda untuk akuisisi
data NMR, memiliki dampak yang berkembang pesat pada penelitian produk alami
dan metabolomik. Penggunaan LC-NMR di laboratorium analitik dimulai pada
akhir tahun 1990-an [25,26]. Baru-baru ini, LC-NMR telah digunakan sendiri atau
dalam kombinasi dengan teknik tanda hubung lainnya di bidang penelitian jamu.
Misalnya, LC-NMR digabungkan dengan LC-MS dan LC-dichroism melingkar
telah digunakan untuk mempelajari biotransformasi senyawa fenolik bioaktif
(tetrahydroprotoberberines) dalam kultur sel tanaman [27].
Bioinformatika memainkan peran kunci dalam memfasilitasi penyimpanan,
penyebaran, dan interpretasi data metabolomik. Sejumlah database spektral,
senyawa, dan bio-fluida yang komprehensif [30-32] dan perangkat lunak untuk
identifikasi dan kuanti fi kasi senyawa dan untuk pemrosesan data tersedia [33-35].
MetaboAnalyst, platform berbasis web terintegrasi untuk analisis komprehensif
data metabolomik kuantitatif, telah dikembangkan untuk digunakan oleh ahli
biologi. Ini mencakup pemrosesan data dan normalisasi, analisis statistik, dan
interpretasi fungsional [4]. Perbandingan fitur rinci MetaboAnalyst dan dua lainnya
berbasis web gratis
alat pengolahan data metabolomik, MetDB [36] dan metaP-Serve [37], dan dua
paket perangkat lunak komersial, SIMCA-Pþ dan SAS, telah dijelaskan [4].
158j 8 Metabolomik dalam Penelitian
Pengobatan Herbal
Deskripsi tersedia dari database dan peranti lunak non-komersial dan komersial,
dan juga situs web untuk menetapkan metabolit yang tidak diketahui, dengan
informasi yang menyertainya (seperti spektrum massa dan tandem massa, informasi
kromatografi, dan metadata lainnya) [6,38].
8.2
Metode dan Protokol
Metode dan protokol untuk profil metabolit atau studi metabolomik tanaman obat
dengan metode kromatografi gas-ionisasi elektron (GC-EI-MS), kromatografi cair-
spektrometri massa ionisasi elektrospray (LC-ESI-MS) dan metode LC-SPE-NMR
telah dijelaskan. Tujuan dari menggunakan teknik analitik bertanda hubung ini
adalah untuk (i) mengklasifikasikan atau membedakan spesies tanaman obat
dengan secara komparatif mengisi metabolit sekunder yang ada dalam jaringan
tanaman tertentu, seperti bagian udara atau akar, dengan GC-MS atau LC-MS; (ii)
menetapkan sidik jari kimia untuk pengendalian kualitas sediaan ekstrak tumbuhan
obat batch-ke-batch dengan GC-MS atau LC-MS yang ditargetkan; (iii) memantau
respon metabolik terhadap cekaman abiotik, luka, proses pascapanen pada tanaman
obat (GC-MS atau LC-MS); (iv) mengasosiasikan dan menyimpulkan
kemungkinan phytocompounds bioaktif dalam ekstrak tanaman obat dengan
aktivitas farmakologis terdeteksi dengan GC-MS atau LC-MS; dan (v) memperoleh
informasi dengan cepat tentang jenis senyawa utama dan / atau bioaktif yang
terdapat dalam ekstrak tumbuhan bioaktif farmakologis atau fraksi turunan dan
penjelasan struktur kimiawi langsung tanpa memerlukan prosedur ekstraksi dan
pemurnian senyawa yang lama (LC-SPE-NMR).
Sebelum melakukan analisis metabolomik tanaman obat, otentikasi tanaman
target dengan taksonomi, genetika, atau alat lain adalah langkah pertama yang
penting untuk memastikan bahwa spesies tanaman yang benar digunakan untuk
penyelidikan. Banyak obat-obatan herbal tradisional memiliki fenotipe yang mirip
atau nama percobaan yang identik tetapi memiliki khasiat farmakologis yang
berbeda, atau padanan yang serupa bahkan mungkin beracun bagi manusia. Tingkat
metabolit atau senyawa bioaktif yang ada pada tanaman dapat bervariasi tergantung
pada tahap perkembangan, kondisi pertumbuhan, dan waktu panen, misalnya. Oleh
karena itu, praktek pertanian yang baik untuk menanam tanaman obat di lapangan
sangat dianjurkan. Selain itu, masalah penggunaan herbisida dan kontaminasi
logam berat harus dijelaskan untuk sampel tanaman obat mentah. Biasanya untuk
studi metabolis tanaman obat,
8.2.1
Bahan
8.2.1.1 Reagen
● Gas CO2 (kemurnian ≤99.5%).
● Gas N2 (kemurnian ≤99.999%).
● Gaseous He (kemurnian ≤99.9999%).
● Metanol (MeOH), anhidrat> 99,9% (Mallinckrodt, St. Louis, MO, USA).
● Etanol (EtOH),> 99,9% (JT Baker, Phillipsburg, NJ, USA).
● Etil asetat (CH3COOC2H5, EA),> 99,5% (Mallinckrodt).
● n-Butanol (C4H10O, BuOH), 99,9% (ECHO Chemical, Miaoli, Taiwan).
● Asetonitril (MeCN, ACN), 99,9% (JT Baker).
● Asam tri fl uoroacetic (CF3CO2H, TFA) (Mallinckrodt).
● N, O-Bis (trimethylsilyl) tri fl uoroacetamide (BSTFA) dan trimethylchlorosilane
(TMCS) (99: 1) (Supelco, Bellefonte, PA, USA).
● Hexadecane (C16H34), ≤98% (Fluka, Buchs, Swiss).
● Pelarut organik lainnya untuk ekstraksi (reagen atau kelas HPLC).
● Pelarut deuterasi.
● Nitrogen cair untuk sampel pembekuan. Ini harus ditangani dengan hati-hati, dan
sarung tangan serta kacamata harus digunakan untuk perlindungan.
● Nitrogen cair untuk mengaplikasikan gas ke sumber ionisasi spektrometer massa.
8.2.1.2 Peralatan
● Freezer (—80 ○ C) untuk penyimpanan sampel (Model 995, Thermo Electron,
Waltham, MA, USA).
● Freeze dryer untuk pengeringan sampel (4,5 l Model 77500, Labconco, Kansas City, MO,
AMERIKA SERIKAT,).
● Ultrasonicator (Bransonic 5510, Transcat, Rochester, NY, USA).
● Sistem konsentrasi tekanan rendah.
● Botol kaca (SUN-SRi, Rockwood, TN, USA).
● Pruner (gunting kebun).
● Membran polytetra fl uoroethylene (PTFE) 0,22 dan 0,45 mm (unit penyaring
yang digerakkan oleh jarum suntik Millex-GP).
● Jarum suntik HPLC 10 ml (Hamilton, Reno, NV, USA).
● Kolom C18 fase terbalik analitik (RP), 150 × 4,6 mm id
● Sistem ekstraksi cairan superkritis (Sistem SFX 1220R, ISCO, Lincoln, NE, USA).
● LCQ Advantage ion-trap mass spectrometer (Thermo Finnigan, San Jose, CA,
USA) digabungkan dengan sistem kromatografi cair Seri 1100 (Agilent, Santa
Clara, CA, USA) (untuk analisis HPLC – ESI-MS) dihubungkan dengan dioda-
detektor larik (AYAH).
● Kolom RP-18 [Fenomeneks (Torrance, CA, AS) Luna 3 mm C18, 150 ×
2.0 mm id].
● Jejak Sistem 2000 GC-MS dengan autosampler A200S (Thermo Finnigan) yang
dilengkapi dengan detektor massa Polaris Q (Thermo Scienti fi c, Waltham, MA,
USA) dan perangkat lunak Xcalibur versi 2.0 (Thermo Scienti fi c).
● Rtx-5MS kolom kapiler silika leburan (Crossbond 5% difenil- / 95% dimetil-
polisiloksan, 30 m × 0,25 mm id, ketebalan film 0,25 mm) untuk analisis GC.
● Sistem HPLC – SPE – NMR, termasuk sistem Agilent HPLC 1100, perangkap SPE
kartrid, antarmuka Prospekt 2 SPE NMR, pompa isokratik, spektrometer 500
atau 600 MHz NMR dengan probe LC 30 ml, dan perangkat lunak Hystar
(Bruker, Billerica, MA, USA).
● Institut Standar dan Teknologi Nasional (NIST) (Gaithersburg, MD, AS;
http://www.nist.gov/srd) sistem perangkat lunak database 2.0.
● Sistem perangkat lunak SIMCA-Pþ 12.0.1 (Umetrics, San Jose, CA, USA).
8.2.2
Prosedur
8.2.2.2.1 Pilihan 1
1) Giling sampel beku-kering dengan alu dan mortar di bawah nitrogen cair.
2) Timbang 1 g sampel kering-beku ke dalam botol kaca.
3) Tambahkan 10 ml MeOH 100%.
4) Pusaran dengan kuat selama 1 menit pada suhu kamar (20-25 ○ C).
5) Sonikasi setiap sampel selama 15 menit pada frekuensi maksimum secara terus-
menerus dalam penangas air pada suhu kamar.
6) Saring ekstrak melalui membran PTFE 0,22 mm.
7) Transfer ekstrak ke dalam botol kaca baru yang sesuai untuk autosampler LC-
MS dan melakukan analisis LC-MS.
8.2.2.2.2 pilihan 2
1) Potong bahan mentah segar atau kering menjadi beberapa bagian dengan alat
pemotong rumput.
2) Rendam potongan dalam 10 kali volume 70% EtOH encernya pada suhu
kamar selama 5 hari dan ulangi prosedur ini sekali.
3) Konsentrasikan ekstrak etanol total dalam vakum (dengan evaporator putar).
4) Tangguhkan total ekstrak dalam air suling (dalam 1 l atau volume yang sesuai).
5) Secara berturut-turut, partisi total ekstrak etanol menggunakan EA (1 l, tiga
kali), BuOH (1 l, tiga kali) untuk menghasilkan fraksi EA, BuOH, dan air.
6) Subjek fraksi EA atau BuOH ke kromatografi kolom silika gel RP-18 untuk
fraksinasi terpandu bioaktivitas lebih lanjut atau langsung ke analisis LC-MS.
8.2.2.3 Analisis LC – MS
Operasi LC untuk LC – MS bergantung pada karakteristik kimia dan polaritasnya.
Biasanya, opsi yang disukai adalah sistem fase balik dengan gradien atau campuran
pelarut isokratik air, ACN, atau MeOH. Sejumlah kecil asam, seperti asam format
atau asam asetat, atau amonium asetat dapat digunakan dalam fase gerak. Dua
antarmuka yang paling banyak digunakan adalah ESI dan ionisasi kimia tekanan
atmosfer (APCI), terutama dalam kaitannya dengan analisis produk alami
tumbuhan. Dalam hubungannya dengan antarmuka ini, berbagai jenis penganalisis,
seperti ion-trap, quadrupole, atau time-of-ight (TOF), dapat digunakan. Ekstrak
tumbuhan kasar umumnya mengandung berbagai jenis senyawa yang memiliki sifat
fisiokimia, ukuran molekul, kelarutan, dan stabilitas yang berbeda. Karena itu,
mengoptimalkan kondisi ionisasi untuk semua metabolit dalam ekstrak kasar sulit.
Untuk tanaman obat dan penelitian jamu, LC-MS digunakan sebagai pendekatan
metabolomik untuk menetapkan sidik jari kimia untuk kontrol kualitas ekstrak
tumbuhan dengan menganalisis metabolit aktif secara farmakologis yang ada dalam
fraksi ekstrak yang diperkaya [23]. Fraksinasi yang dipandu bioaktivitas, bersama
dengan analisis LC-MS dari ekstrak bioaktif tertentu dari tanaman obat, diperlukan
[23,30,39,40]. HPLC-ESI-MS atau HPLC-APCI-MS dengan produk alami
tumbuhan obat digunakan untuk analisis fenolat (misalnya, asam caffeic, asam
cichoric, asam klorogenat), fl glikosida avonoid [misalnya, quercetin 3-O-
rhamnosyl-
! (1 ! 6) -galaktosida, kaempferol 3-O-rhamnosyl- (1 6) -galaktosida, dan
rutin] atau alkamida dari tumbuhan Echninacea [23,41],
1) Siapkan dan buang pelarut fase gerak (minimal 15 menit), pancing pompa dan
selang HPLC.
2) Hubungkan sistem HPLC ke sistem komputer dan mulai program online.
3) Prasyaratkan lampu PDA dan suhu oven kolom setidaknya selama 30 menit
sebelum memulai analisis sampel.
4) Degas sel HPLC dengan kecepatan aliran tinggi (misalnya, 5 ml / menit) selama
setidaknya 15 menit.
5) Mencuci kolom dengan pelarut fase gerak pada laju aliran 1 ml / menit sampai
tekanan dasar mencapai baseline.
6) Program pengaturan untuk pengaturan gradien dan parameter pemisahan
lainnya. Beberapa opsi yang dijelaskan di bawah ini dapat dipertimbangkan.
8.2.2.4.1 Opsi 1 Untuk metabolit target yang mengisi senyawa alkamid
Echinacea, gunakan gradien MeOH dalam air: 40% dari 0 hingga 5 menit,
40–60% dari 5 hingga 15 menit, dan 60–100% dari 15 hingga 60 menit
pada laju aliran 0,2 ml / menit. Puncak eluting dipantau dengan diode-array
detector (DAD) secara bersamaan pada 210 dan 254 nm sebelum injeksi
ke dalam sistem MS.
Untuk Metabolit target yang mengisi senyawa fenolik Echinacea, menggunakan
elusi gradien dengan 0,05% TFA-H2O (pelarut A) dan 0,05% TFA-MeOH (pelarut
B): 5% dari 0 sampai 5 menit, 5-20% dari 5 sampai 30 menit, 20–45% dari 30
hingga 40 menit, dan 45–50% dari 40 hingga 50 menit dengan laju aliran 0,2 ml /
menit. Puncak eluting dipantau dengan DAD secara bersamaan pada 254 dan 330
nm sebelum diinjeksikan ke dalam sistem MS.
8.2.2.4.2 Opsi 2 Untuk metabolit target yang mengisi senyawa fenolik dari
ekstrak tanaman obat lain, seperti fraksi BuOH dari tanaman obat tertentu,
gunakan gradien pelarut 0,05% TFA-ACN (pelarut B) dalam 0,05% TFA-
H2O (pelarut A) : 10–11% dari 0 hingga 10 menit, 11–19% dari 10 hingga
15 menit, 19–21% dari 15 hingga 35 menit, 21–28% dari 35 hingga 47
menit, 28–100% dari 47 hingga 55 menit , dipertahankan pada 100% dari
55 hingga 57 menit, 100-10% dari 57 hingga 60 menit, dan re-ekuilibrasi
dengan 10% dari 60 hingga 62 menit dengan laju aliran 0,2 ml / menit.
Puncak eluting dipantau dengan DAD secara bersamaan pada 330 nm
sebelum injeksi ke dalam sistem MS.
1) Giling sampel beku-kering dengan menggunakan dari alu dan lesung di bawah
nitrogen cair.
2) Timbang 1 g sampel kering-beku ke dalam botol kaca.
3) Tambahkan 10 ml MeOH 100%.
4) Pusaran dengan kuat selama 1 menit pada suhu kamar (20-25 ○ C)
5) Sonikasi setiap sampel selama 15 menit pada frekuensi maksimum secara terus-
menerus dalam penangas air pada suhu kamar.
6) Saring ekstrak melalui membran PTFE 0,22 mm.
7) Tambahkan 25 ml hexadecane (10 ml / ml larutan stok dalam air suling) sebagai
standar kuantitatif internal dan pusaran selama 10 detik.
8) Transfer ekstrak ke dalam botol kaca baru yang sesuai untuk autosampler GC-
MS dan melakukan analisis GC-MS atau melakukan derivatisasi senyawa yang
dijelaskan di bawah ini.
6) Jika standar internal yang digunakan tidak diperlukan untuk derivatisasi, maka standar
internal ditambahkan dan dicampur dengan sampel senyawa sebelum diinjeksikan ke
kolom GC.
massa untuk identifikasi senyawa karena kemunculan senyawa baru dengan
jejak massa yang sama dalam jendela waktu retensi yang sama dengan
senyawa lain, pemeriksaan manual kromatogram sangat disarankan.
11) Analisis klaster: metode tanpa pengawasan, analisis komponen prinsip
(PCA), dan analisis klaster hierarki digunakan dengan perangkat lunak
SIMCA-P mengikuti panduan pengguna yang tersedia dari beranda
Umetrics (http: // www. umetrics.com/). Sebagai alternatif, bioplot [52] dan
plot terkait umum [53] untuk analisis statistik multivariat dan metode
visualisasi digunakan [23]. Metode yang diawasi (misalnya, analisis
diskriminan kuadrat-terkecil parsial (PLS-DA), prosedur kemometri yang
diawasi) digunakan untuk mendefinisikan klasifikasi maksimum dan
pemisahan sampel independen.
12) Analisis statistik: intensitas metabolit disajikan sebagai standar T rata-rata
deviasi (SD). Analisis statistik dilakukan dengan SAS v9.0 (SAS Institute,
Cary, NC, USA). Signifikansi statistik metabolit yang ada dalam kelompok
atau perlakuan yang berbeda ditentukan oleh analisis varian (ANOVA) dengan
uji post-hoc Fisher. Nilai p <0,05 dianggap signifikan secara statistik.
1) Dapatkan data NMR dan digitalisasi nilai numerik untuk analisis statistik lebih
lanjut.
2) Bagilah spektrum NMR menjadi serangkaian wadah kecil (ember). Jumlah
intensitas sinyal di setiap nampan dihitung dengan intensitas relatif sehubungan
dengan area referensi atau jumlah total intensitas setelah penghapusan sinyal
yang tidak diinginkan dari pelarut sisa atau air. Rinciannya dijelaskan oleh Kim
et al. [63]. Spektrum NMR dapat diproses dengan menggunakan program
komersial seperti ACD NMR Manager (Advanced Chemistry Development,
Toronto, Kanada) atau AMIX-TOOLS (Bruker Biospin, Rheinstetten, Jerman).
3) Impor data NMR ke dalam sistem perangkat lunak SIMCA-Pþ 12.0.1. Datanya
mean-centered dan diskalakan ke varian Pareto [57,64]. Metode PCA dan
PLS-DA digunakan untuk pengelompokan dan klasifikasi sampel atau
variabel independen.
8.3
Aplikasi
8.4
Perspektif
Pengobatan Herbal
calon dari jenis tumbuhan, jaringan, atau sediaan fitoplankton, yang juga penting
untuk mengevaluasi kualitas tumbuhan obat secara komprehensif. Seiring dengan
serangkaian uji bioaktivitas dalam sistem mamalia, mengintegrasikan data dan
informasi metabolomik untuk memvalidasi tanda tangan biologis dan kemanjuran
farmakologis tanaman obat akan memfasilitasi pengembangan fitomedis modern
yang dimurnikan dengan metabolom untuk kesehatan manusia.
Referensi
Pengobatan Herbal
Basel. Induksi apoptosis pada MCF-7 manusia
32 Smith, CA, O'Maille, G., Want, EJ, Qin, sel kanker payudara oleh fitokimia dari
C., Trauger, SA, Brandon, TR, Custodio, Anoectochilus formosanus. J. Biomed. Sci.,
DE, Abagyan, R., dan Siuzdak, G. (2005) 11, 928–939.
METLIN: massa metabolit database 41 Wang, CY, Staniforth, V., Chiao, MT,
spektral. Ada. Drug Monit., 27, 747–751. Hou, CC, Wu, HM, Yeh, KC, Chen, CH,
33 Weljie, AM, Newton, J., Mercier, P., Hwang, PI, Wen, TN, Shyur, LF, dan
Carlson, E., dan Slupsky, CM (2006) Yang, NS (2008) Genomik dan
Profil yang ditargetkan: analisis proteomik dari modulator imun efek dari
kuantitatif dari data metabolomik 1H fraksi butanol Echinacea purpurea dalam
NMR. Anal. Chem., 78, 4430–4442. sel dendritik manusia. BMC Genomics, 9,
34 Smith, CA, Want, EJ, O'Maille, G., 479–498.
Abagyan, R., dan Siuzdak, G. (2006) 42 Hou, CC, Chen, YP, Wu, JH, Huang,
XCMS: memproses data spektrometri CC, Wang, SY, Yang, NS, dan Shyur,
massa untuk pengisian metabolit LF (2007) Galaktolipid memiliki efek
menggunakan penyelarasan puncak kemopreventif kanker baru dengan
nonlinier, pencocokan, dan identifikasi. menekan mediator inflamasi dan
Anal. Chem., 78, 779–787. melanoma B16 tikus. Cancer Res., 67,
35 Cui, Q., Lewis, IA, Hegeman, AD, 6907–6915.
Anderson, ME, Li, J., Schulte, CF, 43 Chiang, YM, Chuang, DY, Wang, SY,
Westler, WM, Eghbalnia, HR, Sussman, Kuo, YH, Tsai, PW, dan Shyur, LF
MR, dan Markley, JL (2008) Identifikasi (2004) Pemfilteran metabolit dan
Metabolit melalui Madison Database bioaktivitas kemopreventif dari
Konsorsium Metabolomics. Nat. ekstrak tumbuhan dari Bidens pilosa.
Biotechnol., 26, 162–164. J. Ethnopharmacol., 95, 409–419.
36 Neuweger, H., Albaum, SP, Dondrup, M., 44 James, AT dan Martin, AJ (1952)
Persicke, M., Watt, T., Niehaus, K., Stoye, Kromatografi partisi gas-cair: pemisahan
J., dan Goesmann, A. (2008) MeltDB: dan estimasi mikro asam lemak volatil
platform perangkat lunak untuk analisis dan dari asam format menjadi asam
integrasi data percobaan metabolomik. dodekanoat. Biochem. J., 50, 679–690.
Bioinformatics, 24, 2726–2732. 45 Jiang, H., Xie, Z., Koo, HJ, McLaughlin,
37 Kastenmuller, G., Romisch-Margl, W., SP, Timmermann, BN, dan Gang, DR
Wagele, B., Altmaier, E., dan Suhre, K. (2006) Metabolic pro fi ling dan analisis
(2011) metaP-server: alat analisis data filogenetik obat spesies Zingiber: alat untuk
metabolomik berbasis web. J. Biomed. otentikasi jahe (Zingiber of fi cinale
Biotechnol., 2011, 2011. Rosc.) . Fitokimia, 67, 1673–1685.
38 Dieterle, F., Riefke, B., Schlotterbeck, G., 46 Fancy, SA dan Rumpel, K. (2008)
Ross, A., Senn, H., dan Amberg, A. (2011) metabolomik berbasis GC-MS, dalam
metode NMR dan MS untuk Metode Biomarker dalam Penemuan dan
metabonomics. Metode Mol. Biol., 691, Pengembangan Obat (ed F. Wang), Humana
385–415. Press, Totowa, NJ, hal. 317-340.
39 Lee, KH (2010) Penemuan dan 47 Tung, YT, Chua, MT, Wang, SY, dan
pengembangan agen kemoterapi yang Chang, ST (2008) Aktivitas antiradang
diturunkan dari produk alami minyak atsiri dan konstituennya dari
berdasarkan pendekatan kimia obat. J. ranting kayu manis (Cinnamomum
Nat. Prod., 73, 500–516. osmophloeum). Bioresour. Technol.,
40 Shyur, LF, Chen, CH, Lo, CP, Wang, 99, 3908–3913.
SY, Kang, PL, Sun, SJ, Chang, CA, 48 Qureshi, MN, Stecher, G., Sultana, T.,
Tzeng, CM, dan Yang, NS (2004) Abel, G., Popp, M., dan Bonn, GK (2011)
Penentuan karbohidrat pada tanaman obat
- perbandingan antara TLC, mf-MELDI-
MS dan GC– MS. Fitokem. Anal., 22,
296–302.
49 Roessner, U., Luedemann, A., Brust, D., Willmitzer, L., dan Fernie, AR (2006) Gas
Fiehn, O., Linke, T., Willmitzer, L., dan kromatografi massa berbasis spektrometri
Fermie, A. (2001) Profil metabolik metabolit yang mengisi tanaman. Nat. Protoc., 1,
memungkinkan fenotipe komprehensif 387–396.
sistem tanaman yang dimodifikasi secara 51 Gullberg, J., Jonsson, P., Nordstrom, A.,
genetik atau lingkungan. Plant Cell, 13, 11– Sjostrom, M., dan Moritz, T. (2004) Desain
29. percobaan: strategi yang efisien untuk
50 Lisec, J., Schauer, N., Kopka, J., mengidentifikasi faktor-faktor yang
Referensi j173
mempengaruhi ekstraksi dan derivatisasi Stuppner, H. (2005) LC – DAD – MS / SPE–
sampel Arabidopsis thaliana dalam studi Tanda hubung NMR. Alat untuk analisis
metabolomik dengan kromatografi gas / ekstrak tumbuhan yang digunakan secara
spektrometri massa. Anal. Biochem., 331, farmasi: identifikasi regioisomer glikosida
283–295. iridoid isobarik dari Harpagophytum
52 Gower, JC dan Hand, DJ (1996) Biplots, procumbens. Anal. Chem., 77, 878–885.
Chapman & Hall, London. 61 Sprogoe, K., Staerk, D., Jager, AK,
53 Chen, CH (2002) Plot asosiasi umum untuk Adsersen, A., Hansen, SH, Witt, M.,
visualisasi informasi: aplikasi konvergensi Landbo, AKR, Meyer, AS, dan
matriks korelasi yang terbentuk secara Jaroszewski, JW (2007) Isolasi produk
berulang. Stat. Dosa., 12, 1–23. alami yang ditargetkan dengan panduan
54 Lee, SS, Lai, YC, Chen, CK, Tseng, LH, HPLC –SPE– NMR: konstituen spesies
dan Wang, CY (2007) Karakterisasi Hubertia. J. Nat. Prod., 70, 1472–1477.
alkaloid isoquinoline dari Neolitsea sericea 62 Chen, CK, Lin, FH, Tseng, LH, Jiang, CL,
var. aurata oleh HPLC – SPE – NMR. J. dan Lee, SS (2011) Studi komprehensif
Nat. Prod., 70, 637–642. alkaloid dari Crinum asiaticum var. sinicum
55 Corcoran, O. dan Spraul, M. (2003) dibantu oleh HPLC – DAD – SPE– NMR.
LC-NMR-MS dalam penemuan obat. J. Nat. Prod., 74, 411–419.
Drug Discov. Hari ini, 8, 624–631. 63 Kim, HK, Choi, YH, dan Verpoorte, R.
56 Jaroszewski, JW (2005) metode (2010) analisis metabolomik berbasis
Hyphenated NMR dalam penelitian NMR tanaman. Nat. Protoc., 5, 536–549.
produk alami. Bagian 1. Tanda 64 Winnike, JH, Busby, MG, Watkins, PB,
hubung langsung. Planta Med., 71, dan O'Connell, TM (2009) Pengaruh diet
691–700. standar yang berkepanjangan pada
57 van der Kooy, F., Maltese, F., Choi, normalisasi metabolisme manusia. Saya.
YH, Kim, HK, dan Verpoorte, R. J. Clin. Nutr., 90, 1496–1501.
(2009) Kontrol kualitas bahan herbal 65 Williamson, EM (2001) Sinergi dan
dan fitofarmasi dengan sidik jari interaksi lain dalam phytomedicines.
metabolik berbasis MS dan NMR. Phytomedicine, 8, 401–409.
Planta Med., 75, 763–775. 66 Okada, T., Afendi, FM, Altaf-Ul-Amin, M.,
58 Verpoorte, R., Choi, YH, dan Kim, HK Takahashi, H., Nakamura, K., dan Kanaya,
(2007) metabolomik berbasis NMR bekerja S. (2010) Metabolomik tanaman obat:
dalam fitokimia. Fitokem. Wahyu, 6, 3–14. pentingnya analisis multivariat data kimia
59 Wang, CY dan Lee, SS (2005) Analisis dan analitik. Curr. Comput. Aided Drug Des.,
identifikasi lignan di Phyllanthus urinaria 6, 179–196.
oleh HPLC-SPE-NMR. Fitokem. Anal., 16, 67 Kamu, M., Liu, SH, Jiang, Z., Lee, Y.,
120–126. Tilton, R., dan Cheng, YC (2007)
60 Seger, C., Godejohann, M., Tseng, Analisis kromatografi cair / spektrometri
LH, Spraul, M., Girtler, A., Sturm, S., massa PHY906, formulasi pengobatan
dan Cina untuk terapi kanker. CepatKomun.
Spektrom Massa., 21, 3593–3607.
68 Lam, W., Bussom, S., Guan, F., Jiang, Z.,
Zhang, W., Gullen, EA, Liu, SH, dan
Cheng, YC (2010) Empat ramuan obat
Cina PHY906 mengurangi kemoterapi-
toksisitas gastrointestinal yang diinduksi.
Sci. Terjemahan. Med., 2, 45ra59.
69 Tilton, R., Paiva, AA, Guan, JQ, Marathe,
R., Jiang, Z., van Eyndhoven, W., Bjoraker,
J., Prusoff, Z., Wang, H., Liu, SH, dan
Cheng , YC (2010) Sebuah platform
komprehensif untuk kendali mutu obat-
obatan nabati (PhytomicsQC): studi kasus
Huangqin Tang (HQT) dan PHY906. Dagu. 71 Kang, J., Lee, S., Kang, S.,
Med., 5, 30. Kwon, HN, Park, JH, Kwon,
70 Kim, HK, Choi, YH, Erkelens, C., Lefeber, SW, dan Park, S. (2008)
AW, dan Verpoorte, R. (2005) Pencetakan Pendekatan metabolomik
sidik jari spesies Ephedra menggunakan berbasis NMR untuk
spektroskopi 1H-NMR dan analisis diferensiasi akar ginseng
komponen utama. Chem. Pharm. Banteng. (Panax ginseng) dari asal yang
(Tokyo), 53, 105–109. berbeda. Lengkungan. Pharm.
174j 8 Metabolomik dalam Penelitian
Pengobatan
Res.,Herbal
31, 330–336. produk komersial. Planta Med., 72,
72 Yang, SY, Kim, HK, Lefeber, AW, 364–369.
Erkelens, C., Angelova, N., Choi, YH, dan 73 Raloff, J. (2003) lotere Herbal: apa
Verpoorte, R. (2006) Penerapan yang ada di label suplemen
spektroskopi resonansi magnetik nuklir dua makanan mungkin
dimensi untuk pengendalian kualitas bukan apa yang ada di dalam botol. Sci.
ginseng News, 163, 359–361.
74 Gilroy, CM, Steiner, JF, Byers, T.,
Shapiro, H., dan Georgian, W. (2003)
Echinacea dan kebenaran dalam
pelabelan. Lengkungan. Magang.
Med., 163, 699–704.
75 Ulrich-Merzenich, G., Zeitler, H., Jobst,
D., Panek, D., Vetter, H., dan Wagner, H.
(2007) Penerapan teknologi "-omic-"
dalam phytomedicine. Phytomedicine, 14,
70–82.
76 Saito, K. dan Matsuda, F. (2010)
Metabolomics untuk genomik fungsional,
biologi sistem, dan bioteknologi. Annu.
Rev. Plant Biol., 61, 463–489.
Referensi j175