Seria errado deixar a impressão de que a ciência e tecnologia metabolómica são apenas importantes na área da saúde humana. A metabolómica aplica-se em vários domínios da ciência vegetal, da saúde animal e no desenvolvimento de organismos modelo para a investigação (leveduras, bactérias ou sistemas in
vitro). Actualmente, o estado da arte da metabolómica encontra-se em tal
momento, que algumas destas possibilidades, e ainda outras estão à beira de ser realidades.
A metabolómica está a desenvolver-se como uma importante ferramenta da genómica funcional, mas ainda há muito espaço para melhorias técnicas na determinação em larga escala de metabolitos dentro de uma amostra biológica, e na disseminação de dados da investigação metabolómica. Entre os desafios tecnológicos que marcam o crescimento da metabolómica, destacam-se a necessidade de novos modelos metabólicos para facilitar a interpretação dos resultados metabolómicos, a falta de ferramentas para a integração da metabolómica e outros níveis da genómica funcional, o desenvolvimento de novos métodos quantitativos sensíveis que permitam a predição de perturbações das vias metabólicas e a necessidade de coordenar investigadores de várias áreas (necessidade de padronização internacional dos procedimentos analíticos e estruturação de dados), entre outros factores.
A questão chave é saber se as tecnologias genómicas, combinadas com uma análise avançada de dados e ferramentas interpretativas, permitem uma reconstrução e compreensão dos mecanismos metabólicos e definir melhor o papel da nutrição humana na saúde e na doença (36).
Dadas as várias iniciativas científicas internacionais na área da metabolómica, algumas delas referidas ao longo deste trabalho, há razões para acreditar que as falhas e necessidades de desenvolvimento apontadas serão colmatadas num futuro próximo e que se tornará então possível medir milhares de metabolitos em pequenas quantidades de tecido e fluidos biológicos a custo moderado.
Relembre-se que há 15 anos atrás nenhum organismo vivo tinha sido completamente sequenciado. Naquela altura, tínhamos apenas estimativas incorrectas do número de genes que podiam ser encontrados no genoma humano e um conhecimento escasso da complexidade da maioria dos outros genomas. Hoje em dia, o mesmo acontece com o metaboloma humano. Temos apenas boas estimativas sobre o seu tamanho e diversidade. Certamente que, tentar aplicar a metabolómica em humanos actualmente, é o mesmo que tentar aplicar a genética no início dos anos 90 do século XX (67).
A tarefa de topo da metabolómica é clara: completar o metaboloma humano. Apenas a informação do que é o metaboloma humano normal, pode permitir a distinção entre situações normais e anormais. No início de 2007 o grupo Canadiano da Universidade de Alberta, liderado por David Wishart, alegou ter construído o primeiro esboço do metaboloma humano ao publicar a Human
Metabolome Database (103). Essa notícia foi recebida com um misto de surpresa e desconfiança pela comunidade científica que alega que os 2500 metabolitos previstos para a base de dados representam no máximo 10% do metaboloma humano (110).
Acredita-se que em breve seremos capazes de prever a probabilidade de uma pessoa desenvolver uma doença durante a sua vida e assim adequar o tratamento curativo ou preventivo de forma mais eficaz. Evidentemente que o estudo do comportamento de moléculas como o ADN, ARNm e proteínas, apenas nos permitirá obter parte da informação de que precisamos para observar a resposta de um organismo complexo, como o homem, a um ambiente em alteração constante. Para dar um retrato mais completo, temos de ser capazes de observar marcadores dinâmicos do estado biológico – sinais em tempo real que
reflectem a função integrada do organismo de maneira que permitam o diagnóstico e a predição. É aqui que a metabolómica está a demonstrar um grande potencial.
A tabela 6 resume uma análise SWOT (111) (forças, fraquezas, oportunidades e ameaças) da metabolómica (Anexo 9)
As Ciências da Nutrição devem ser um motor primário no desenho e realização de cada vez mais estudos metabolómicos objectivando avanços na descoberta de biomarcadores de estado nutricional, na variabilidade inter-individual, na definição do fenótipo nutricional e no aperfeiçoamento das recomendações nutricionais. A conceptualização de um fenótipo nutricional fornece uma base concreta para o reconhecimento da nutrição como uma área que está a desenvolver e aplicar instrumentos adequados das ciências mais actuais para compreender o metabolismo (5, 112). A caracterização do fenótipo nutricional irá exigir a participação de cientistas com uma ampla gama de competências (Figura 2, Anexo 4), e os nutricionistas deverão conduzir esforços para envolver estes potenciais colaboradores (48).
É razoável esperar que a implementação da metabolómica na prática clínica e saúde pública irá enfrentar grandes desafios. Os nutricionistas terão a oportunidade de influenciar a politica nutricional e as organizações de saúde a perceber o potencial da medição dos fenótipos metabólicos e construir bases de dados de referência do metabolismo humano durante os próximos 10 anos (5). A redefinição do papel do nutricionista resultante da extensão da ciência e tecnologias “ómicas” às Ciências da Nutrição Humana deverá compreender a ampliação dos currículos, que deverão incluir uma formação adequada de bioinformática.
O estabelecimento de protocolos que ligam as análises metabolómicas por RMN ou EM aos fenótipos num padrão internacional, e a crescente criação e disponibilização das bases de dados correspondentes, está a permitir grandes avanços nas Ciências da Nutrição Humana. German e colegas defendem que estas bases de dados deverão ser usadas em programas de graduação como um eixo sobre o qual se ensina e ilustra as relações entre alimentação e saúde, alimentação e desenvolvimento, alimentação e comportamento, genética e resposta à alimentação, genética e escolhas alimentares e a na aplicação de ferramentas epidemiológicas. Tal como os vários genomas estão a guiar e inspirar a próxima geração de geneticistas e bioquímicos em volta de um consenso único de conhecimentos básicos, as bases de dados metabolómicas irão guiar e unir os nutricionistas na sua prossecução de associações entre alimentação, metabolismo e saúde (5).
Claramente, a metabolómica vai ter um grande impacto na investigação na área das Ciências da Nutrição. A sua aplicabilidade, em termos comerciais, aumentará na medida em que novos biomarcadores baseados na metabolómica começarem a surgir e que métodos com boa relação custo/eficácia forem estabelecidos. A este respeito, importa ainda dizer que as estratégias analíticas, para medição de metabolitos, são mais susceptíveis de miniaturização e monitorização remota do que a genómica ou a proteómica, este facto aumenta a sua importância na avaliação individual da saúde (4, 5).
Referências Bibliográficas
1. Go VLW, Nguyen CTH, Harris DM, Lee WNP. Nutrient-gene interaction: Metabolic genotype-phenotype relationship. Journal of Nutrition. 2005; 135(12) 2. McGinnis JM, Foege WH. Actual causes of death in the United States. JAMA. 1993; 270(18):2207-12
3. Proença RPC SA, Veiros MB, Hering B. Qualidade nutricional e sensorial na produção de refeições. Florianópolis: Editora da UFSC; 2005.
4. Rezzi S, Ramadan Z, Fay LB, Kochhar S. Nutritional metabonomics: Applications and perspectives. Journal of Proteome Research. 2007; 6(2):513-25 5. German JB, Bauman DE, Burrin DG, Failla ML, Freake HC, King JC, et al. Metabolomics in the opening decade of the 21st century: building the roads to individualized health. J Nutr. 2004; 134(10):2729-32
6. Weckwerth W. Metabolomics: Methods and Protocols. New Jersey: Humana Press Inc.; 2007.
7. Nicholson JK, Lindon JC, Holmes E. 'Metabonomics': understanding the metabolic responses of living systems to pathophysiological stimuli via multivariate statistical analysis of biological NMR spectroscopic data. Xenobiotica. 1999; 29(11):1181-9
8. Fiehn O. Combining genomics, metabolome analysis, and biochemical modelling to understand metabolic networks. Comp Funct Genomics. 2001; 2(3):155-68
9. Elliott R, Ong TJ. Nutritional genomics. BMJ. 2002; 324(7351):1438-42 10.
Metabolomics Society. 2004. Disponível em: Internet:
http://www.metabolomicssociety.org.
11. Health NIo. National Institutes of Health roadmap — accelerating medical discovery to improve health.; 2005. Disponível em: Internet:
http://nihroadmap.nih.gov
12. Bales JR, Higham DP, Howe I, Nicholson JK, Sadler PJ. Use of high- resolution proton nuclear magnetic resonance spectroscopy for rapid multi- component analysis of urine. Clin Chem. 1984; 30(3):426-32
13. Bollard ME, Stanley EG, Lindon JC, Nicholson JK, Holmes E. NMR-based metabonomic approaches for evaluating physiological influences on biofluid composition. NMR Biomed. 2005; 18(3):143-62
14. Holmes E, Foxall PJ, Nicholson JK, Neild GH, Brown SM, Beddell CR, et al. Automatic data reduction and pattern recognition methods for analysis of 1H nuclear magnetic resonance spectra of human urine from normal and pathological states. Anal Biochem. 1994; 220(2):284-96
15. Keun HC, Beckonert O, Griffin JL, Richter C, Moskau D, Lindon JC, et al. Cryogenic probe 13C NMR spectroscopy of urine for metabonomic studies. Anal Chem. 2002; 74(17):4588-93
16. Lindon JC, Holmes E, Bollard ME, Stanley EG, Nicholson JK. Metabonomics technologies and their applications in physiological monitoring, drug safety assessment and disease diagnosis. Biomarkers. 2004; 9(1):1-31
17. Crockford DJ, Holmes E, Lindon JC, Plumb RS, Zirah S, Bruce SJ, et al. Statistical heterospectroscopy, an approach to the integrated analysis of NMR and UPLC-MS data sets: application in metabonomic toxicology studies. Anal Chem. 2006; 78(2):363-71
18. Fiehn O, Kopka J, Dormann P, Altmann T, Trethewey RN, Willmitzer L. Metabolite profiling for plant functional genomics. Nat Biotechnol. 2000; 18(11):1157-61
19. Plumb R, Granger J, Stumpf C, Wilson ID, Evans JA, Lenz EM. Metabonomic analysis of mouse urine by liquid-chromatography-time of flight mass spectrometry (LC-TOFMS): detection of strain, diurnal and gender differences. Analyst. 2003; 128(7):819-23
20. Shellie RA, Welthagen W, Zrostlikova J, Spranger J, Ristow M, Fiehn O, et al. Statistical methods for comparing comprehensive two-dimensional gas chromatography-time-of-flight mass spectrometry results: Metabolomic analysis of mouse tissue extracts. Journal of Chromatography A. 2005; 1086(1-2):83-90
21. Wilson ID, Plumb R, Granger J, Major H, Williams R, Lenz EM. HPLC-MS- based methods for the study of metabonomics. J Chromatogr B Analyt Technol Biomed Life Sci. 2005; 817(1):67-76
22. Metabolomics Society [website]. Boston: Metabolomics Society; cop. 2008. [citado em 2008 Jul 12]. Disponível em: http://www.metabolomicssociety.org. 23. Lindon JC, Nicholson JK, Holmes E, Keun HC, Craig A, Pearce JT, et al. Summary recommendations for standardization and reporting of metabolic analyses. Nat Biotechnol. 2005; 23(7):833-8
24. Nicholson JK, Holmes E, Lindon JC, Wilson ID. The challenges of modeling mammalian biocomplexity. Nat Biotechnol. 2004; 22(10):1268-74
25. Nicholson JK, Wilson ID. Opinion: understanding 'global' systems biology: metabonomics and the continuum of metabolism. Nat Rev Drug Discov. 2003; 2(8):668-76
26. Tiret L. Gene-environment interaction: a central concept in multifactorial diseases. Proc Nutr Soc. 2002; 61(4):457-63
27. John C. Lindon JKN, Elaine Holmes. The Handbook of Metabonomics and Metabolomics. Elsevier; 2007.
28. van Ommen B, Stierum R. Nutrigenomics: exploiting systems biology in the nutrition and health arena. Curr Opin Biotechnol. 2002; 13(5):517-21
29. Corthesy-Theulaz I, den Dunnen JT, Ferre P, Geurts JMW, Muller M, van Belzen N, et al. Nutrigenomics: The impact of biomics technology on nutrition research. Annals of Nutrition and Metabolism. 2005; 49(6):355-65
30. Trujillo E, Davis C, Milner J. Nutrigenomics, proteomics, metabolomics, and the practice of dietetics. J Am Diet Assoc. 2006; 106(3):403-13
31. Jaenisch R, Bird A. Epigenetic regulation of gene expression: how the genome integrates intrinsic and environmental signals. Nat Genet. 2003; 33 Suppl:245-54
32. Ordovas JM, Corella D. Nutritional genomics. Annu Rev Genomics Hum Genet. 2004; 5:71-118
33. Sebat J, Lakshmi B, Troge J, Alexander J, Young J, Lundin P, et al. Large- scale copy number polymorphism in the human genome. Science. 2004; 305(5683):525-8
34. Wieczorek SJ, Tsongalis GJ. Pharmacogenomics: will it change the field of medicine? Clin Chim Acta. 2001; 308(1-2):1-8
35. Kaput J, Rodriguez RL. Nutritional genomics: the next frontier in the postgenomic era. Physiol Genomics. 2004; 16(2):166-77
36. Kussmann M, Rezzi S, Daniel H. Profiling techniques in nutrition and health research. Curr Opin Biotechnol. 2008; 19(2):83-99
37. Fiehn O. Metabolomics--the link between genotypes and phenotypes. Plant Mol Biol. 2002; 48(1-2):155-71
38. Goodacre R, Vaidyanathan S, Dunn WB, Harrigan GG, Kell DB. Metabolomics by numbers: acquiring and understanding global metabolite data. Trends in Biotechnology. 2004; 22(5):245-52
39. Urbanczyk-Wochniak E, Luedemann A, Kopka J, Selbig J, Roessner-Tunali U, Willmitzer L, et al. Parallel analysis of transcript and metabolic profiles: a new approach in systems biology. EMBO Rep. 2003; 4(10):989-93
40. Gibney MJ, Walsh M, Brennan L, Roche HM, German B, van Ommen B. Metabolomics in human nutrition: opportunities and challenges. Am J Clin Nutr. 2005; 82(3):497-503
41. Gavaghan CL, Holmes E, Lenz E, Wilson ID, Nicholson JK. An NMR-based metabonomic approach to investigate the biochemical consequences of genetic strain differences: application to the C57BL10J and Alpk:ApfCD mouse. FEBS Lett. 2000; 484(3):169-74
42. Gibney MJ. Nutrigenomics in human nutrition - An overview. South African Journal of Clinical Nutrition. 2005; 18(2):115-18
43. Health NIo. PubChem. National Library of Medicine, National Centre for Bioinformatic Information; 2005. Disponível em: http://pubchem.ncbi.nlm.nih.gov. 44. The Human Metabolome Project [homepage]. Alberta: Genome Alberta; cop. 2005-2007. Disponível em: http://www.metabolomics.ca/.
45. Human Metabolome Library [homepage]. Alberta: Genome Alberta; cop. 2005-2006. [citado em 2008 Ago 20]. Disponível em: http://www.metabolibrary.ca/. 46. Kullo IJ, Ballantyne CM. Conditional risk factors for atherosclerosis. Mayo Clin Proc. 2005; 80(2):219-30
47. Stover PJ. Influence of human genetic variation on nutritional requirements. Am J Clin Nutr. 2006; 83(2):436S-42S
48. Zeisel SH, Freake HC, Bauman DE, Bier DM, Burrin DG, German JB, et al. The nutritional phenotype in the age of metabolomics. J Nutr. 2005; 135(7):1613-6 49. Dumas ME, Barton RH, Toye A, Cloarec O, Blancher C, Rothwell A, et al. 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(33):12511-6
50. Nicholson JK, Holmes E, Wilson ID. Gut microorganisms, mammalian metabolism and personalized health care. Nat Rev Microbiol. 2005; 3(5):431-8 51. van Ommen B, Fairweather-Tait S, Freidig A, Kardinaal A, Scalbert A, Wopereis S. A network biology model of micronutrient related health. Br J Nutr. 2008; 99 Suppl 3:S72-80
52. Marchesi JR, Holmes E, Khan F, Kochhar S, Scanlan P, Shanahan F, et al. Rapid and noninvasive metabonomic characterization of inflammatory bowel disease. J Proteome Res. 2007; 6(2):546-51
53. Lawrence JR, Peter R, Baxter GJ, Robson J, Graham AB, Paterson JR. Urinary excretion of salicyluric and salicylic acids by non-vegetarians, vegetarians, and patients taking low dose aspirin. J Clin Pathol. 2003; 56(9):651-3
54. Mitchell SC. Food idiosyncrasies: beetroot and asparagus. Drug Metab Dispos. 2001; 29(4 Pt 2):539-43
55. Schneider H, Ma L, Glatt H. Extractionless method for the determination of urinary caffeine metabolites using high-performance liquid chromatography coupled with tandem mass spectrometry. J Chromatogr B Analyt Technol Biomed Life Sci. 2003; 789(2):227-37
56. Mullen W, Boitier A, Stewart AJ, Crozier A. Flavonoid metabolites in human plasma and urine after the consumption of red onions: analysis by liquid chromatography with photodiode array and full scan tandem mass spectrometric detection. J Chromatogr A. 2004; 1058(1-2):163-8
57. Strickland PT, Qian Z, Friesen MD, Rothman N, Sinha R. Metabolites of 2- amino-1-methyl-6-phenylimidazo(4,5-b)pyridine (PhIP) in human urine after consumption of charbroiled or fried beef. Mutat Res. 2002; 506-507:163-73
58. Lenz EM, Bright J, Wilson ID, Hughes A, Morrisson J, Lindberg H, et al. 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(4):841-9
59. Stella C, Beckwith-Hall B, Cloarec O, Holmes E, Lindon JC, Powell J, et al. Susceptibility of human metabolic phenotypes to dietary modulation. J Proteome Res. 2006; 5(10):2780-8
60. Walsh MC, Brennan L, Malthouse JPG, Roche HM, Gibney MJ. Effect of acute dietary standardization on the urinary, plasma, and salivary metabolomic profiles of healthy humans. American Journal of Clinical Nutrition. 2006; 84(3):531- 39
61. Lindon JC, Holmes E, Nicholson JK. Pattern recognition methods and applications in biomedical magnetic resonance. Progress in Nuclear Magnetic Resonance Spectroscopy. 2001; 39(1):1-40
62. Shulaev V. Metabolomics technology and bioinformatics. Brief Bioinform. 2006; 7(2):128-39
63. Lee JM, Gianchandani EP, Papin JA. Flux balance analysis in the era of metabolomics. Brief Bioinform. 2006; 7(2):140-50
64. Lindon JC, editor. Standardisation of Reporting Methods for Metabolic Analyses: A Draft Policy Document from the Standard Metabolic Reporting Structures (SMRS) Group [internet]. 2005. [citado em: 2008 Jul 15]. Disponível em: http://www.smrsgroup.org/documents/SMRS_policy_draft_v2.3.pdf.
65. Rezzi S, Ramadan Z, Martin FP, Fay LB, van Bladeren P, Lindon JC, et al. Human metabolic phenotypes link directly to specific dietary preferences in healthy individuals. J Proteome Res. 2007; 6(11):4469-77
66. Assfalg M, Bertini I, Colangiuli D, Luchinat C, Schafer H, Schutz B, et al. Evidence of different metabolic phenotypes in humans. Proc Natl Acad Sci U S A. 2008; 105(5):1420-4
67. Villas-Boas SG, Nielsen J, Smedsgaard J, Hansen MAE, Roessner-Tunali U. Metabolome Analysis - An Introduction. New Jersey: John Wiley & Sons, Inc; 2007.
68. Goodacre R. Metabolomics of a superorganism. J Nutr. 2007; 137(1 Suppl):259S-66S
69. Allwood JW, Ellis DI, Goodacre R. Metabolomic technologies and their application to the study of plants and plant-host interactions. Physiol Plant. 2008; 132(2):117-35
70. Goodacre R. Making sense of the metabolome using evolutionary computation: seeing the wood with the trees. J Exp Bot. 2005; 56(410):245-54 71. Trygg J, Holmes E, Lundstedt T. Chemometrics in metabonomics. J Proteome Res. 2007; 6(2):469-79
72. Brindle JT, Antti H, Holmes E, Tranter G, Nicholson JK, Bethell HW, et al. Rapid and noninvasive diagnosis of the presence and severity of coronary heart disease using 1H-NMR-based metabonomics. Nat Med. 2002; 8(12):1439-44
73. t Hart BA, Vogels JT, Spijksma G, Brok HP, Polman C, van der Greef J. 1H- NMR spectroscopy combined with pattern recognition analysis reveals characteristic chemical patterns in urines of MS patients and non-human primates with MS-like disease. J Neurol Sci. 2003; 212(1-2):21-30
74. Brindle JT, Nicholson JK, Schofield PM, Grainger DJ, Holmes E. Application of chemometrics to 1H NMR spectroscopic data to investigate a relationship between human serum metabolic profiles and hypertension. Analyst. 2003; 128(1):32-6
75. Odunsi K, Wollman RM, Ambrosone CB, Hutson A, McCann SE, Tammela J, et al. Detection of epithelial ovarian cancer using 1H-NMR-based metabonomics. Int J Cancer. 2005; 113(5):782-8
76. Potts BC, Deese AJ, Stevens GJ, Reily MD, Robertson DG, Theiss J. NMR of biofluids and pattern recognition: assessing the impact of NMR parameters on the principal component analysis of urine from rat and mouse. J Pharm Biomed Anal. 2001; 26(3):463-76
77. Lindon JC, Nicholson JK, Holmes E, Antti H, Bollard ME, Keun H, et al. Contemporary issues in toxicology the role of metabonomics in toxicology and its evaluation by the COMET project. Toxicol Appl Pharmacol. 2003; 187(3):137-46 78. Nicholson JK, Connelly J, Lindon JC, Holmes E. Metabonomics: a platform for studying drug toxicity and gene function. Nat Rev Drug Discov. 2002; 1(2):153- 61
79. Zuppi C, Messana I, Forni F, Ferrari F, Rossi C, Giardina B. Influence of feeding on metabolite excretion evidenced by urine 1H NMR spectral profiles: a comparison between subjects living in Rome and subjects living at arctic latitudes (Svaldbard). Clin Chim Acta. 1998; 278(1):75-9
80. Matsuzaki K, Kato H, Sakai R, Toue S, Amao M, Kimura T. Transcriptomics and metabolomics of dietary leucine excess. J Nutr. 2005; 135(6 Suppl):1571S-5S 81. Watson AD. Thematic review series: systems biology approaches to metabolic and cardiovascular disorders. Lipidomics: a global approach to lipid analysis in biological systems. J Lipid Res. 2006; 47(10):2101-11
82. Watkins SM, Zhu X, Zeisel SH. Phosphatidylethanolamine-N- methyltransferase activity and dietary choline regulate liver-plasma lipid flux and essential fatty acid metabolism in mice. J Nutr. 2003; 133(11):3386-91
83. Noguchi Y, Sakai R, Kimura T. Metabolomics and its potential for assessment of adequacy and safety of amino acid intake. J Nutr. 2003; 133(6 Suppl 1):2097S-100S
84. Lee WNP, Go VLW. Nutrient-gene interaction: Tracer-based metabolomics. Journal of Nutrition. 2005; 135(12)
85. Selman C, Kerrison ND, Cooray A, Piper MD, Lingard SJ, Barton RH, et al. Coordinated multitissue transcriptional and plasma metabonomic profiles following acute caloric restriction in mice. Physiol Genomics. 2006; 27(3):187-200
86. Wang Y, Lawler D, Larson B, Ramadan Z, Kochhar S, Holmes E, et al. Metabonomic investigations of aging and caloric restriction in a life-long dog study. J Proteome Res. 2007; 6(5):1846-54
87. Griffin JL, Muller D, Woograsingh R, Jowatt V, Hindmarsh A, Nicholson JK, et al. Vitamin E deficiency and metabolic deficits in neuronal ceroid lipofuscinosis described by bioinformatics. Physiol Genomics. 2002; 11(3):195-203
88. Solanky KS, Bailey NJ, Holmes E, Lindon JC, Davis AL, Mulder TP, et al. NMR-based metabonomic studies on the biochemical effects of epicatechin in the rat. J Agric Food Chem. 2003; 51(14):4139-45
89. Solanky KS, Bailey NJ, Beckwith-Hall BM, Davis A, Bingham S, Holmes E, et al. Application of biofluid 1H nuclear magnetic resonance-based metabonomic techniques for the analysis of the biochemical effects of dietary isoflavones on human plasma profile. Anal Biochem. 2003; 323(2):197-204
90. Solanky KS, Bailey NJ, Beckwith-Hall BM, Bingham S, Davis A, Holmes E, et al. Biofluid 1H NMR-based metabonomic techniques in nutrition research - metabolic effects of dietary isoflavones in humans. J Nutr Biochem. 2005; 16(4):236-44
91. Wang Y, Holmes E, Tang H, Lindon JC, Sprenger N, Turini ME, et al. Experimental metabonomic model of dietary variation and stress interactions. J Proteome Res. 2006; 5(7):1535-42
92. Williams RE, Lenz EM, Lowden JS, Rantalainen M, Wilson ID. The metabonomics of aging and development in the rat: an investigation into the effect of age on the profile of endogenous metabolites in the urine of male rats using 1H NMR and HPLC-TOF MS. Mol Biosyst. 2005; 1(2):166-75
93. Nicholls AW, Mortishire-Smith RJ, Nicholson JK. NMR spectroscopic-based metabonomic studies of urinary metabolite variation in acclimatizing germ-free rats. Chem Res Toxicol. 2003; 16(11):1395-404
94. Van Dorsten FA, Daykin CA, Mulder TP, Van Duynhoven JP. Metabonomics approach to determine metabolic differences between green tea and black tea consumption. J Agric Food Chem. 2006; 54(18):6929-38
95. Wang Y, Tang H, Nicholson JK, Hylands PJ, Sampson J, Holmes E. A metabonomic strategy for the detection of the metabolic effects of chamomile (Matricaria recutita L.) ingestion. J Agric Food Chem. 2005; 53(2):191-6
96. Kochhar S, Jacobs DM, Ramadan Z, Berruex F, Fuerholz A, Fay LB. Probing gender-specific metabolism differences in humans by nuclear magnetic