Metabolomiikka lääketieteellisen tutkimuksen uusi työkalu

Katsaus MATEJ OREŠIČ, KIRSI PIETILÄINEN JA VIRVE HÄNNINEN Metabolomiikka lääketieteellisen tutkimuksen uusi työkalu Metabolomiikka on uusi menetelmä, jolla tutkitaan kokonaisvaltaisesti pienimolekyylisten metaboliittien rakennetta, toimintaa ja yhteisvaikutuksia elimistön soluissa, kudoksissa, veressä ja eritteissä. Metaboliatuotteita voidaan tutkia ja vertailla eri fysiologisten tilojen välillä, ja saatua tietoa voidaan yhdistää geeni- ja geeniekspressiotutkimusten tuloksiin, mikä mahdollistaa tautiprosessien nykyistä paremman ja kokonaisvaltaisemman ymmärtämisen. Metabolomiikan avulla myös ympäristön ja elintapojen monimutkainen vaikutus patofysiologisiin tapahtumiin pystytään kartoittamaan kattavammin. Metabolomiikan ja genetiikan vuoropuhelun tutkiminen tuottaa suuren määrän tietoa, jonka analysointi on tullut mahdolliseksi vasta aivan viime vuosina systeemibiologian sovelluksien kehittymisen myötä. Duodecim 2007;123:2991 7 K ehon nesteiden biologisia seulontamenetelmiä on käytetty jo vuosituhansien ajan. Kiinalaisen lääketieteen harjoittajat käyttivät muurahaisia, ja ayurveda-hindut hyönteisiä osoittamaan diabetespotilaan virtsan suuren sokeripitoisuuden. 1970-luvulla Linus Pauling ymmärsi, että kromatografiatutkimusten sekavilta vaikuttavissa tuloksissa oli yhteneväisiä piirteitä eri sairaustiloissa. Hän totesi, että»ruumiinnesteiden perusteellinen kvantitatiivinen analyysi voisi mahdollistaa monien sairauksien nykyistä paljon tehokkaamman erotusdiagnostiikan» (Pauling ym. 1971). Kiinnostus sairauksien ja ihmisen fysiologian tutkimiseen metaboliittien avulla laimeni väliaikaisesti geneettisten ja molekyylibiologisten menetelmien kehittymisen myötä. Geneettisen tiedon räjähdysmäinen kasvu ja erityisesti ihmisen perimän emäsjärjestyksen selvittäminen loivat tarpeen mittaaville biostatistiikan menetelmille, joilla kyetään hallitsemaan suuri määrä tietoa kerralla. Kehittynyttä biostatistiikkaa hyödynnetään genomiikan lisäksi myös muissa globaaleissa omiikan muodoissa, metabolomiikassa ja lipidomiikassa. Tehostunut mahdollisuus tutkia laaja-alaisesti metaboliitteja onkin palauttamassa fysiologisen näkökulman aseman syntymekanismien tutkimisessa. Ihmiselimistön metabolomi Ihmiselimistön metabolomi eli aineenvaihduntatuotteiden kokonaisuus koostuu sisäsyntyisistä ja symbioottisten pieneliöiden aineenvaihduntatuotteista (kuva 1). Kyoto Encyclopedia of Genes and Genomes (KEGG) on erinomainen lähde tutkittaessa tunnettuja aineenvaihduntareitteja eri eliöissä (Kanehisa ym. 2004). Endogeenisten metaboliittien määrä voi vaihdella paljonkin määritelmän mukaan. Jos määritelmän ulkopuolelle rajataan lipidit, pienet peptidit ja glykaanit, endogeeninen metabolomi koostuu arviolta noin 3 000 metaboliitista. Aikuisessa ihmisessä olevien bakteerisolujen määrä on noin kymmenkertainen ihmisen omiin soluihin verrattuna (Savage 1977). Suurin osa pieneliöistä, noin 10 100 biljoonaa (10 13 10 14 ) solua, elää suolistossa (suoliston normaalifloora/ 2991

Kuva 1. Solunsisäisten ja -ulkoisten metabolomien, suolen mikrobiomin ja ilmiasun väliset yhteydet. mikrofloora). Toisin kuin patogeenit nämä suoliston normaaliflooraan kuuluvat pieneliöt elävät symbioosissa ihmisen kanssa, ja vuorovaikutus tapahtuu metaboliittien kautta (Nicholson ym. 2005). Isännän ja pieneliön symbioosin säätelyn ja sen monimutkaisten geneettisten ja ympäristötekijöiden tutkimus on vielä lapsenkengissään. Hiirillä tehdyssä tutkimuksessa havaittiin mm., että B-vitamiiniryhmään kuuluvan välttämättömän ravintoaineen koliinin aineenvaihdunta riippuu suoliston pieneliökannasta (Dumas ym. 2006). Suoliston häiriintyneen mikrobikannan taas todettiin olevan yhteydessä maksan rasvoittumiseen. Myös elintapojen vaikutusta suoliston normaaliflooraan on tutkittu. Esimerkiksi lihavuuteen on havaittu liittyvän suoliston Bacteroidetes-kannan vähenemistä suhteessa Firmicutes-kantaan (Ley ym. 2006). Paitsi isäntä myös pieneliöt ovat geneettisten, epigeneettisten ja ympäristötekijöiden säätelyn alaisia. Metabolomiikka on yksi tärkeimmistä keinoista tutkia näitä monimutkaista vuorovaikutuksia. Metabolomiikan menetelmät Aineenvaihduntatuotteiden pitoisuudet kudoksissa, veressä ja kehon eritteissä vaihtelevat jopa tuhatkertaisesti. Aineenvaihduntatuotteet eri näytteissä saattavat olla myös kemiallisesti hyvin erilaisia. Tämän vuoksi tarvitaan menetelmiä, joilla kyetään mittaamaan useita erilaisia aineenvaihduntatuotteita samanaikaisesti (kuva 2). Tekniikoista yleisimmin käytettyjä ovat massaspektrometria ja magneettispektroskopia. Ensin mainittu on tullut nopeasti hyvin suosituksi, ja herkkyytensä ansioista se mahdollistaa keskenään hyvin erikokoisten aineenvaihduntatuotteiden tutkimisen ja vertailun. Menetelmä on kuitenkin työläs, koska näytteiden käsittelyt ja tulosten analysointi ovat monimutkaisia. Metabolomiikkatutkimukset tuottavat suuret määrät tietoa ja siten asettavat paljon vaatimuksia tiedonkäsittelylle ja bioinformaattiselle analyysille, joiden kehitys kulkee käsi kädessä kaikkien nopeasti yleistyneiden, laajojen aineistojen käsittelyä vaativien menetelmien kanssa. Yksi metaboliittien mittaamisen hyödyistä on siinä, että metaboliitit sinänsä ovat fysiologisesti merkittäviä viestin välittäjiä toisin kuin epäsuorasti fysiologiaa heijastavat mittarit, kuten geenien lähetti-rna-pitoisuudet. Tulosten tulkinnassa on kuitenkin huomioitava merkittävä yksilöllinen vaihtelu ja myös vaihtelevat vasteet erilaisiin ulkoisiin ja sisäisiin ärsykkeisiin. Me- 2992 M. Orešič ym.

Kuva 2. Metabolomiikkatutkimuksen tyypilliset työvaiheet. taboliittien pitoisuudet vaihtelevat iän, ruokavalion ja muiden elintapojen mukaan, kuten huomattiin ruotsalaisten ja englantilaisten koehenkilöiden virtsan magneettispektroskopialla tutkituista metaboliittiprofiileista (Lenz ym. 2004). Siksi sairauksiin liittyvien merkkiaineiden kehittämisessä ja sairauksien patogeneesin selvittämisessä on huomioitava metaboliittimääriin ja -kokonaisuuksiin liittyvä normaalivaihtelu. Metabolomiikan sovelluksia Metabolomiikka lääketieteellisen tutkimuksen uusi työkalu Tämän päivän kliinikko pystyy käyttämään hyväkseen vain murto-osan ihmisen metabolomin informaatiosta. On nähtävissä, että vähitellen suppeista yksittäisistä määrityksistä, kuten glukoosin tai kolesterolin mittauksista, siirrytään metaboliseen»sormenjälkeen», joka kartoittaisi laaja-alaisesti biokemiallisia kokonaisuuksia erilaisissa sairauksissa ja niiden hoidossa. Metabolomiikkaa kohtaan onkin kasvavaa mielenkiintoa kliinisissä tutkimuksissa. Esimerkiksi Holmes ym. (2006) etsi äskettäin biologisia merkkiaineita skitsofrenian diagnosointiin ja hoitoon. He havaitsivat tuoreista skitsofreniatapauksista potilaiden selkäydinnesteestä biokemiallisia muutoksia, joiden perusteella he löysivät merkkiaineita sopivan psykoosilääkehoidon valitsemiseen. Eräs metabolomiikan uusista sovelluksista liittyy monitekijäisten tautien geneettisiin väestötutkimuksiin. Metabolomi saattaa tarjota luotettavan kvantitatiivisen fenotyyppimittarin, jota voidaan käyttää sairauksien geneettisten tekijöiden määrittämisessä (Papassotiropoulos ym. 2005). Erityisesti voidaan tutkia, miten geneettinen vaihtelu vaikuttaa monimutkaisten sairauksien metaboliseen fenotyyppiin. Lipidomi metabolisena ilmiasuna Lipidit ovat tärkeitä solukalvojen rakenneosina, energiavarastoina ja viestimolekyyleinä. Rasvaaineenvaihdunnan muutokset hapettumisen, 2993

epäedullisen rasvahappokoostumuksen tai vääristyneen kudosjakauman myötä ovat tärkeitä tekijöitä suurien kansansairauksien kuten ateroskleroosin, diabeteksen, metabolisen oireyhtymän ja Alzheimerin taudin synnyssä (Wenk 2005). Rasva-aineenvaihdunnan tavanomaisia määrityskohteita ovat kokonais-, LDL- ja HDL-kolesteroli sekä triglyseridit. Plasman lipidikokonaisuus on kuitenkin paljon monimutkaisempi. Uudenaikaiset lipidomiikkamenetelmät mahdollistavat satojen erilaisten lipidien, kuten sfingolipidien, fosfolipidien, steroliesterien ja asyyliglyserolien määrän mittaamisen. Usein voidaan määrittää myös kunkin lipidin rasvahappojen laatu. Geenit ja ympäristötekijät vaikuttavat monimutkaisella tavalla rasva-aineenvaihduntaan, mutta tavanomaisissa tutkimusasetelmissa niiden erottaminen toisistaan ei ole mahdollista. Voidaksemme vakioida geenien vaikutuksen etsimme suuresta suomalaisesta FinnTwin16 kaksosaineistosta (Kaprio 2006) kaikki identtiset kaksoset, joilla oli nuorella aikuisiällä yli 10 kg painoeroa (Pietiläinen ym. 2005). Suurista painoeroista huolimatta tavanomaisissa lipidiarvoissa ei ollut lihavien ja normaalipainoisten parikkien välillä eroa lukuun ottamatta lihavien hieman pienempää HDL-kolesteroliarvoa. Sen sijaan lipidomiikka-analyyseissä, joissa seerumista erotellaan noin 300 erilaista pientä lipidimolekyyliä, havaittiin, että hankinnaiseen lihavuuteen liittyy jo varhain suuri joukko rasva-aineenvaihdunnan muutoksia (Pietiläinen ym. 2007). Merkittäväksi tutkimuksen tekee se, että nämä muutokset olivat selkeästi yhteydessä esidiabeettisiin glukoosiaineenvaihdunnan häiriöihin eikä näitä lihavuuden epäedullisia vaikutuksia rasvaaineenvaihduntaan kyetty havaitsemaan millään tavanomaisella mittarilla. Farmakometabolomiikka kohti henkilökohtaista lääkehoitoa On selvää, että henkilökohtaisten ominaisuuksien huomioon ottaminen lääkehoidossa olisi edullista, mutta normaalien potilastietojen perusteella on nykyisin vaikea ennustaa reaktiota eri lääkkeisiin ja niiden yhdistelmiin. Metabolinen fenotyyppi on merkittävä lääkevaikutusten ja niissä esiintyvien henkilökohtaisten erojen selittäjä. Tähän henkilökohtaiseen ominaisuuteen vaikuttavat perimän lisäksi monet ympäristö- ja elintapatekijät, kuten ravitsemustila, suoliston pieneliökanta, ikä, sairaudet ja samanaikaiset tai aiemmat muut lääkitykset. Metabolomiikkaa käytetäänkin yhä enemmän luonnehdittaessa yksilön vasteita lääkehoitoon. NIH:n National Metabolomics Consortium for Drug Response Phenotyping projektissa metabolomiikkaan ja farmakogenomiikkaan erikoistuneet tutkimusryhmät (mukaan luettuna VTT:n kvantitatiivisen biologian ja bioinformatiikan ryhmä) selvittävät yhteistyössä lääkevasteiden fenotyyppejä. Esimerkki farmakometabolomiikan kliinisestä sovelluksesta on se, miten Kaddurah-Daouk ym. (2007) määrittivät lipidomiikkatekniikalla skitsofreniapotilaiden vasteet kolmeen yleiseen psykoosilääkkeeseen olantsapiiniin, risperidoniin ja aripipratsoliin. Koska monet atyyppiset psykoosilääkkeet aiheuttavat painonnousua ja hypertriglyseridemiaa, lipidimuutosten kartoituksella ennen ja jälkeen psykoosilääkehoidon etsittiin uutta tietoa tautimekanismista ja lääkehoitojen metabolisista haittavaikutuksista. Olantsapiini ja risperidoni vaikuttivat paljon laajemmin lipidiluokkiin kuin aripipratsoli. Vaikka lipidimuutokset korreloivat akuuttiin hoitovasteeseen, ei»lipidisormenjälkeä» voida kuitenkaan vielä käyttää suoraan spesifisenä diagnostisena skitsofreniamarkkerina. Joissakin tapauksissa lääkehoito saattaa aiheuttaa haitallisia muutoksia, vaikka potilas olisi vielä täysin oireeton. Eräs metabolomiikan tulevaisuuden käyttömuodoista on etsiä sellaisia indikaattorimolekyylejä, jotka paljastavat patofysiologiset mekanismit jo aikaisessa vaiheessa. Niiden avulla pyritään löytämään riskiyksilöt, joilla lääkeaineen annosta tulee vähentää tai lääkeaineen käytöstä luopua kokonaan mahdollisten myöhempien haittavaikutusten estämiseksi. Tämän käyttöaiheen ensimmäinen sovellus, josta myös Duodecim-lehdessä hiljan raportoitiin (Laaksonen ym. 2007), oli havaintomme, että statiinit suurina annoksina aiheuttavat lu- 2994 M. Orešič ym.

kuisia muutoksia erityisesti inflammatoristen geenireittien ilmentymisessä lihaksessa (Laaksonen ym. 2006). Metabolomiikka lääketieteellisessä tutkimuksessa Metabolomiikka lääketieteellisen tutkimuksen uusi työkalu Endogeeniset metaboliitit ovat eri eläinlajeilla samankaltaisia ja siten voivat toimia lajienvälisinä biologisina indikaattorimolekyyleinä. Tätä lajienvälistä aineenvaihduntatuotteiden samankaltaisuutta voidaan hyödyntää sellaisissa tilanteissa, joissa ihmisten tutkiminen olisi hankalaa tai eettisesti kyseenalaista. Kun eläimen kudoksista ja esimerkiksi veren metaboliittikokonaisuuksista saatavaa tietoa yhdistetään, voidaan selvittää patofysiologisesta tilasta eniten tietoa antavat biomarkkerit (kuva 3). Ihmisiltä näitä biomarkkereita voidaan sitten etsiä verestä tai muista bionesteistä, jotka ovat helposti saatavilla. Tätä menetelmää käytettiin tuoreessa tutkimuksessa, jossa vertailtiin diabeettisten Zucker-rottien ja hypertriglyseridemiapotilaiden seerumin lipidiprofiileja. Lipidikoostumuksen erot sairaiden ja terveiden yksilöiden välillä todettiiin merkittävän samanlaisiksi diabeettisessa eläinmallissa ja ihmisellä (Damian ym. 2007). Lajienvälisiä biomarkkereita voidaan hyödyntää myös esimerkiksi arvioitaessa lääkeaineiden tehoa ja turvallisuutta ennen lääkkeen antamista ensi kertaa ihmiselle ja lääketutkimusten kliinisissä vaiheissa. Metabolomiikan käyttö on erityisen hyödyllistä taudeissa, joissa eläinmalleja on vaikea aikaansaada, esimerkiksi keskushermoston sairauksissa. Etsittäessä Huntingtonin taudin merkkiaineita tautia sairastavilta potilailta ja muuntogeenisiltä hiiriltä tutkijat huomasivat, että hiirimallin metaboliittiprofiili oli merkittävästi poikkeava tavalliseen hiireen nähden (Underwood ym. 2006). Havainnon perusteella löydettiin vastaavia poikkeavuuksia Huntingtonpotilailta, ja niitä voidaan mahdollisesti käyttää taudin etenemisen seuraamisessa tai lääkehoidon kehittämisessä ja toteuttamisessa. Metabolomiikkaa hyödynnetään yhä enemmän tutkimuksissa, joissa selvitetään geneettisten ja ympäristötekijöiden monimutkaisia vaikutuksia. Eläinmallien avulla voidaan tutkia yksittäisten geenimuunnosten tai kohde-elinten lisäksi koko elimistön toimintaa ja sen tasapainon säätelyä. Esimerkiksi rasvasolujen erilaistumista kiihdyttävän transkriptiotekijän PPARg2:n puute in vitro johtaa rasvan muodostuksen vähenemiseen, mutta tätä geenipuutosta kantavilla hiirillä rasvakudos kehittyykin yllättävän normaalisti. Rasvakudoksen näennäisen normaalista ulkonäöstä huolimatta lipidomiikkaanalyysi paljasti, että PPARg2:n puutos johtaa kehittymättömämpien lipidien kuten pitkäketjuisia rasvahappoja sisältävien triglyseridien ja tiettyjen lipidien esiasteena toimivien fosfolipidien kerääntymiseen (Medina-Gomez ym. 2005). Metabolomiikkaa voidaan hyödyntää myös tunnistettaessa lipotoksisia, häiriintyneitä rasva-aineenvaihdunnan kokonaisuuksia diabeteksen kannalta keskeisissä elimissä (Medina-Gomez ym. 2007). Yhdistämällä lipidomiikka- ja transkriptomiikkamenetelmät havaitsimme, että kaksi keramidien tuotantoon liittyvää rasva-aineenvaihdunnan reittiä, oli häiriintynyt lihavien hiirten rasvoittuneessa maksassa (Yetukuri ym. 2007). Keramidien merkitystä diabeteksessa tukee tutkimustulos, jonka mukaan glukosyylikeramidaasin tuotannon estäminen parantaa insuliiniherkkyyttä lihavilla hiirillä (Aerts ym. 2007). Linkit Metabolomics Society: www.metabolomicssociety.org/ Metabolomiikkaa käytetään yhä enemmän luonnehdittaessa yksilön vasteita lääkehoitoon KEGG, Kyoto Encyclopaedia of Genes and Genomes (Japani): www.genome.jp/kegg/ LIPID Metabolites And Pathways Strategy (Yhdysvallat): www.lipidmaps.org/ Human Metabolome Project (Kanada): http://metabolomics.ca/ Quantitative Biology and Bioinformatics (VTT): http://sysbio.vtt.fi/ 2995

Kuva 3. Metabolomiikan käyttö lajienvälisessä biomarkkereiden analytiikassa. Eläinmallien avulla voidaan määrittää useiden kudosten molekyyliprofiileja erilaisissa patofysiologisissa tilanteissa, minkä jälkeen etsitään tilaa parhaiten kuvaavia biomarkkereita, ja sovitetaan niitä sen jälkeen ihmisen metaboliittiprofiiliin. Kukin laatikko kuvan alaosassa kuvastaa yhtä metaboliittia patofysiologisessa tilassa (punainen lisääntynyt, vihreä vähentynyt pitoisuus). Metaboliitit, jotka on yhdistetty viivalla toisiinsa, ovat samoja sekä eläimillä että ihmisillä. 2996 M. Orešič ym.

Lopuksi Metabolomiikka on tärkeä uusi tutkimusväline, jota tulevaisuudessa käytetään yhä enemmän kliinisissä tutkimuksissa ja myös diagnostiikassa ja hoidossa. Metabolisten»sormenjälkien» tunnistus antaa parempia eväitä sairauksien ennustamiseen, diagnostiikkaan ja etenemisen arviointiin, tautityyppien luokittelemiseen, lääkevaikutuksen tyypittämiseen (farmakometabolomiikka) ja sairauksien patofysiologisten mekanismien selvittämiseen. Kirjallisuutta Aerts JM, Ottenhoff R, Powlson AS, ym. Pharmacological inhibition of glucosylceramide synthase enhances insulin sensitivity. Diabetes 2007;56:1341 9. Backhed F, Ding H, Wang T, ym. The gut microbiota as an environmental factor that regulates fat storage. Proc Nat Acad Sci U S A 2004;101:15718 23. Damian D, Oresic M, Verheij E, ym. Applications of a new subspace clustering algorithm (COSA) in medical systems biology. Metabolomics 2007;3:69 77. Dumas ME, Barton RH, Toye A, ym. Metabolic profiling reveals a contribution of gut microbiota to fatty liver phenotype in insulin-resistant mice. Proc Natl Acad Sci U S A 2006;103:12511 6. Holmes E, Tsang TM, Huang JTJ, ym. Metabolic profiling of CSF: evidence that early intervention may impact on disease progression and outcome in schizophrenia. PLoS Medicine 2006;3:e327. Kacser H, Burns JA. The control of flux. Symp Soc Exp Biol 1973;27:65 104. Kaddurah-Daouk R, McEvoy J, Baillie RA, ym. Metabolomic mapping of atypical antipsychotic effects in schizophrenia. Mol Psychiatry 2007;12:934 45. Kanehisa M, Goto S, Kawashima S, ym. The KEGG resource for deciphering the genome. Nucl Acids Res 2004;32:D277 80. Kaprio J. Twin studies in Finland 2006. Twin Res Hum Genet 2006;9:772 7. Laaksonen R, Katajamaa M, Päivä H, ym. A systems biology strategy reveals biological pathways and plasma biomarker candidates for potentially toxic statin induced changes in muscle. PLoS ONE 2006;1:e97. Laaksonen R, Katajamaa M, Päivä H, ym. Systeemibiologia paljastaa statiinien aiheuttamien lihastoksisten muutosten aineenvaihduntateitä ja plasman biomerkkiaineita. Duodecim 2007;123:261 2. Lenz EM, Bright J, Wilson ID, ym. Metabonomics, dietary influences and cultural differences: a 1H NMR-based study of urine samples obtained from healthy British and Swedish subjects. J Pharm Biomed Anal 2004;36:841 9. Ley RE, Turnbaugh PJ, Klein S, ym. Microbial ecology: human gut microbes associated with obesity. Nature 2006; 444:1022 3. Medina-Gomez G, Gray S, Yetukuri L, ym. PPAR gamma 2 prevents lipotoxicity by controlling adipose tissue expandability and peripheral lipid metabolism. PLoS Genet 2007;3:e64. Medina-Gomez G, Virtue S, Lelliott C, ym. The link between nutritional status and insulin sensitivity is dependent on the adipocyte-specific peroxisome proliferator-activated receptor-{gamma}2 isoform. Diabetes 2005;54:1706 16. Nicholson JK, Holmes E, Wilson ID. Gut microorganisms, mammalian metabolism and personalized health care. Nat Rev Microbiol 2005;3:431 8. Niculescu MD, Zeisel SH. Diet, methyl donors and DNA methylation: interactions between dietary folate, methionine and choline. J Nutr 2002;132:2333 5. Papassotiropoulos A, Wollmer MA, Tsolaki M, ym. A cluster of cholesterol-related genes confers susceptibility for Alzheimer s disease. J Clin Psychiatry 2005;66:940 7. Pauling L, Robinson AB, Teranishi R, ym. Quantitative analysis of urine vapor and breath by gas-liquid partition chromatography. Proc Nat Acad Sci U S A 1971;68:2374 6. Pietiläinen KH, Rissanen A, Kaprio J, ym. Acquired obesity is associated with increased liver fat, intra-abdominal fat, and insulin resistance in young adult monozygotic twins. Am J Physiol Endocrinol Metab 2005;288:E768 E74. Pietiläinen KH, Sysi-Aho M, Rissanen A, ym. Acquired obesity is associated with changes in the serum lipidomic profile independent of genetic effects a monozygotic twin study. PLoS ONE 2007;2:e218. Savage DS. Microbial ecology of the gastrointestinal tract. Annu Rev Microbiol 1977;31:107 33. Underwood BR, Broadhurst D, Dunn WB, ym. Huntington disease patients and transgenic mice have similar pro-catabolic serum metabolite profiles. Brain 2006;129:877 86. Wenk MR. The emerging field of lipidomics. Nat Rev Drug Discov 2005;4:594 610. Yetukuri L, Katajamaa M, Medina-Gomez G, ym. Bioinformatics strategies for lipidomics analysis: characterization of obesity related hepatic steatosis. BMC Syst Biol 2007;1:e12. MATEJ OREŠIČ, PhD, tutkimusprofessori matej.oresic@vtt.fi Valtion teknillinen tutkimuskeskus PL 1000, 02044 VTT KIRSI PIETILÄINEN, LT, ETM HUS:n lihavuustutkimusyksikkö PL 700, 00029 HUS ja Helsingin yliopiston kansanterveystieteen laitos, kaksostutkimus PL 41, 00014 Helsingin yliopisto VIRVE HÄNNINEN, LT Orion Pharma Oy, kliininen tutkimus PL 65, 02101 Espoo Metabolomiikka lääketieteellisen tutkimuksen uusi työkalu 2997