Le profilage métabolomique global de matrices biologiques dans de larges séries d'échantillon est un enjeu majeur. Dans ce contexte, notre travail vise à développer des approches LC-HRMS et outils bioinformatiques pour les analyses métabolomique et lipidomique de larges cohortes. Dans un premier temps, nous avons développé puis évalué la pertinence de 4 méthodes LC-HRMS dans l'annotation du métabolome/lipidome sérique humain. Ainsi, une base de données spectrales a été implémentée à l'aide de spectres MS, MS/MS et les temps de rétention de composés de référence afin d'assurer l'annotation de jeux de données. La combinaison de méthodes RP, HILIC et PFPP-HRMS a permis l'identification de 266 métabolites et 706 espèces lipidiques sériques répartis sur 20 et 24 classes chimiques respectivement dont 27% d'espèces isomères. Ces outils ont été appliqués, dans un second temps, à la stratification de 78 patients diabétiques. Outre le syndrome métabolique marqué (perturbation du métabolisme énergétique), nos analyses ont montré l'impact délétère de facteurs physiologiques confondants -âge et IMC-. Nous en avons évalué l'influence sur une cohorte de 227 salariés du CEA. Les empreintes lipidomiques sont robustes, néanmoins l'impact de l'IMC est marqué pour les lipides neutres. L'effet du genre démontre un catabolisme masculin important. L'effet de l'âge se manifeste par des activités enzymatiques altérées. Ces études combinent une analyse globale métabolomique et lipidomique des mêmes échantillons humains. Elles visent à construire une base de données relationnelle incluant données spectrales et biologiques servant à la caractérisation de biomarqueurs dans le cas d'études cliniques. / Global metabolomic profiling of biological media in large sample sets is a major challenge. In this context, our work aims to develop LC-HRMS approaches and data mining tools for metabolomics and lipidomics analysis of large cohorts. We have first developed and evaluated the reliability of four LC-HRMS methods in the annotation of human serum metabolome and lipidome. Thus, spectral database was implemented using MS spectra, MS/MS and retention times of reference compounds to further ensure datasets annotation. The combination of RP, PFPP and HILIC-HRMS methods allowed identification of 266 metabolites and 706 lipid species in human serum over 20 to 24 chemical classes respectively including 27% of isomeric species. These analytical tools were then applied for the stratification of 78 diabetic patients. Unsurprisingly, we highlighted a metabolic syndrome (energy metabolism disruption), moreover our analyses have shown the deleterious impact of confounding physiological factors on diabetes biomarker discovery –age and BMI-. We finally evaluated their influence on a cohort of 227 CEA employees. Lipidomic fingerprints are robust, however BMI impact is marked for neutral lipids. Gender effect shows significant male catabolism and age altered enzyme activities. These studies combine an overall metabolomics and lipidomics analyses of the same human samples. They aim to build up a relational database including spectral and biological data for biomarker characterization in clinical studies.
Identifer | oai:union.ndltd.org:theses.fr/2014PA066281 |
Date | 24 September 2014 |
Creators | Boudah, Samia |
Contributors | Paris 6, Junot, Christophe |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | French |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0023 seconds