Le transcriptome et le protéome décrivent ce qu’une cellule peut faire : quels gènes sont lus, quelles protéines sont présentes. Le métabolome décrit ce qu’elle fait — les petites molécules consommées, transformées et produites à l’instant du prélèvement. Étant le produit de l’activité enzymatique plutôt que son programme, on le présente souvent comme la couche la plus proche du phénotype.
C’est aussi la plus difficile à lire, et pour une raison qui n’a pas d’équivalent dans les autres couches. Cet article expose ce que le métabolome a de particulier, le goulot d’étranglement qui structure tout le champ, et les précautions que celui-ci impose — y compris lorsqu’on entend intégrer cette couche aux autres.
Ce que le métabolome a de particulier
Un transcriptome est un ensemble de molécules de même nature chimique, mesurées par une méthode unique. Un métabolome ne l’est pas.
Il couvre une diversité chimique considérable (lipides, sucres, acides aminés, stéroïdes et bien d’autres familles) sur une gamme de concentrations qui s’étend du millimolaire au femtomolaire. La conséquence est directe et rarement soulignée : aucune méthode analytique existante ne permet de détecter, identifier et quantifier l’ensemble des espèces présentes [1]. Toute étude métabolomique observe donc une fenêtre, jamais le métabolome entier, et le choix de la méthode détermine cette fenêtre.
S’y ajoute une contrainte de prélèvement. Le métabolisme se poursuit tant qu’il n’est pas arrêté, de sorte que les concentrations mesurées peuvent refléter les conditions de manipulation autant que l’état biologique visé — une préoccupation que nous retrouvons, sous une autre forme, à propos de la préparation d’échantillon pour le séquençage en cellule unique : ce qui se produit avant la mesure détermine ce que la mesure pourra montrer.
Enfin, et ce point conditionne l’interprétation, le métabolome n’est pas purement endogène. Il réunit les molécules du métabolisme primaire, les métabolites secondaires de signalisation, mais aussi les molécules issues du mode de vie et de l’exposition environnementale , l’exposome, et celles produites par le microbiote associé à l’organisme étudié [1]. Une différence métabolique entre deux groupes de sujets peut donc refléter leur alimentation ou leur flore intestinale autant que la maladie que l’on croit observer.
Ciblé ou non ciblé : deux questions différentes
Deux approches coexistent, et les confondre conduit à des attentes mal placées.
L’approche ciblée détecte et quantifie un ensemble de métabolites connus [1]. Elle donne des mesures fiables, comparables entre études, avec des étalons et des courbes de calibration. Son champ est restreint par construction : on ne trouve que ce que l’on a décidé de chercher.
L’approche non ciblée vise au contraire à détecter le plus grand nombre possible de composés, y compris des espèces chimiques inconnues [1]. Elle autorise la découverte, mais au prix d’une incertitude qui fait l’objet de la suite de cet article. Elle sert aussi, et c’est moins souvent dit, à comparer deux états sans chercher à nommer ce qui les distingue — usage sur lequel nous revenons plus loin.
Le choix se fait donc selon la question : vérifier une hypothèse portant sur des métabolites identifiés, ou explorer sans hypothèse préalable. Ces deux démarches n’ont ni le même coût, ni la même fiabilité, ni la même conclusion possible.
Le goulot d’étranglement : l’identification
Voici ce qui distingue vraiment la métabolomique des autres couches moléculaires.
L’ADN, l’ARN et les protéines sont des polymères d’un alphabet fixe — quatre bases, vingt acides aminés. Les identifier revient à lire une séquence, opération que le séquençage a industrialisée. Les métabolites, eux, ne suivent aucun alphabet moléculaire. Chacun est une molécule chimique particulière, et l’identifier suppose une élucidation structurale — un travail d’une tout autre nature, bien plus long et au taux d’échec élevé [1].
Ce n’est pas une difficulté marginale : c’est le goulot central du champ, et il n’est pas près d’être levé.
Les ordres de grandeur donnent la mesure du problème, même si les évaluations diffèrent. Une revue de référence estime que moins de 2 à 10 % des composés détectés en approche non ciblée peuvent être annotés de façon fiable, l’identité chimique de la plupart des espèces détectées demeurant inconnue [1]. Une analyse récente de soixante-et-un jeux de données publics de métabolomique sanguine porte sur un ensemble plus restreint : parmi les mille à deux mille composés de haute confiance que détecte chaque jeu, plus de la moitié restent inconnus [4].
Quelle que soit la valeur retenue, la conclusion ne change pas : dans une expérience non ciblée, la majorité des composés détectés n’a pas d’identité fiable. Distinction qui compte pour la suite — certains n’ont aucun nom, d’autres en portent un qui n’est pas assuré, et ce ne sont pas les mêmes problèmes.
Les niveaux de confiance, et leur usage réel
La communauté a réagi tôt à ce problème. Des recommandations minimales de publication ont été proposées dès 2007, définissant quatre niveaux de confiance allant du composé formellement identifié au composé non identifié [2] — schéma étendu à cinq niveaux en 2014 par des équipes indépendantes [3].
Ces niveaux répondent à une question précise : lorsqu’un article annonce un « métabolite identifié », sur quoi repose cette identité ? Toutes les preuves d’identité ne se valent pas, et le niveau déclaré indique laquelle a été effectivement obtenue.
Le constat qui accompagne ces recommandations est cependant sévère : malgré une promotion continue au sein de la communauté, leur application demeure discutable [3]. Un métabolite présenté comme identifié dans une publication n’est pas nécessairement accompagné du niveau qui lui correspond.
D’où une exigence pratique simple, et qui vaut aussi bien pour lire la littérature que pour commander une étude : demander le niveau, pas seulement le nom.
Les erreurs qui passent inaperçues
L’identification n’est pas seulement un goulot. C’est aussi une étape où des erreurs critiques peuvent survenir et passer inaperçues [3].
Deux catégories d’erreur sont documentées. Certaines identités proposées sont biologiquement peu plausibles — le composé n’a pas de raison d’être présent dans l’organisme ou le tissu étudié. D’autres sont incompatibles avec les données chromatographiques, donc avec les propriétés physicochimiques de la molécule proposée [3] : un composé très hydrophile n’est pas élué au temps de rétention d’un composé lipophile.
Ce qui rend ces erreurs redoutables tient à leur forme. Un nom de métabolite s’insère immédiatement dans une voie métabolique connue ; la voie fait sens au regard de la maladie étudiée ; et l’histoire se tient. Rien, dans les données, ne signale que l’identité était fausse. C’est la même structure que nous rencontrons à propos de l’anticorps mal validé en analyse de chromatine, de l’estimation visuelle en pathologie numérique ou du démélange spectral en cytométrie : un résultat faux peut être parfaitement plausible.
Les parades sont connues et se prévoient. Vérifier la cohérence entre le temps de rétention observé et les propriétés physicochimiques attendues. Confronter l’identité proposée à ce que l’organisme étudié est susceptible de produire. Et, lorsqu’une conclusion repose sur un métabolite particulier, le confirmer par comparaison avec un composé de référence , ce qui coûte du temps, et n’a de sens que pour les composés dont dépend réellement la conclusion.
Ce que cela change pour l’intégration multi-omique
Une conséquence s’anticipe lorsque la métabolomique est envisagée comme une couche parmi d’autres.
Intégrer des couches suppose de pouvoir les mettre en correspondance : relier une variation d’expression génique à la protéine correspondante, puis au métabolite que cette protéine transforme. Or on ne relie pas une variation d’expression à un métabolite anonyme , et l’on relie fort bien une variation d’expression à un métabolite mal nommé, mais au mauvais gène. Le premier cas laisse un trou dans l’intégration, le second y propage une erreur, ce qui est plus fâcheux. Si la majorité des composés n’a pas d’identité fiable, la part de la couche réellement intégrable se réduit d’autant.
Cela ne disqualifie pas la démarche, mais en modifie les attentes. Les signaux non annotés ne sont pas du bruit : l’analyse des soixante-et-un jeux de données évoquée plus haut établit que les fragments formés dans la source contribuent à moins de 10 % des signaux, et que la majorité des signaux abondants présentent des motifs ioniques identifiables [4]. Il s’agit donc pour l’essentiel de composés réels que l’on ne sait pas encore nommer — non encore mobilisables dans un raisonnement mécanistique, mais réels. La conséquence pratique est de dimensionner l’ambition intégrative sur la fraction annotée, non sur le nombre de signaux détectés , question que nous développons à propos de l’intégration multi-omique.
Un cas : deux produits sont-ils équivalents ?
Tout ce qui précède pourrait laisser croire qu’une approche non ciblée, dont la majorité des signaux n’a pas d’identité assurée, ne permet guère de conclure. Un travail auquel Inovarion a contribué montre le contraire, et la raison en est instructive.
Le contexte : le besoin croissant en globules rouges et la pénurie de donneurs font de leur production in vitro un enjeu médical, notamment pour les patients de groupes sanguins très rares. Se pose alors une question de validation — le produit obtenu se comporte-t-il comme le natif ?
C’est une question que la seule lecture du génome ou du transcriptome ne tranche pas : ce que l’on veut savoir est si les cellules se comportent de la même façon, non si elles portent le même programme. Le métabolome, lui, y répond directement. L’étude établit par une approche de métabolomique que les réticulocytes, natifs ou produits in vitro, présentent des signatures métabolomiques similaires , et presque identiques après maturation en globules rouges. Ce résultat renforce la robustesse du protocole de production évalué [5].
Le point de méthode est le suivant, et il nuance ce qui précède — y compris la contrainte d’intégration exposée à la section précédente : comparer ne demande pas d’identifier. Pour savoir si deux profils se ressemblent, des signaux mesurés dans les mêmes conditions peuvent suffire, qu’ils portent un nom ou non — pourvu qu’ils soient correctement appariés d’un échantillon à l’autre. C’est l’interprétation mécanistique qui exige des identités — dire quelle voie diffère, non si quelque chose diffère.
Le goulot d’identification ne pèse donc pas uniformément. Il est décisif pour une question mécanistique, secondaire pour une question de comparaison , ce qui explique qu’il bride l’intégration multi-omique, laquelle suppose de relier des noms, sans brider pour autant une validation par comparaison de profils. Savoir dans quel cas on se trouve détermine ce qu’il faut exiger de l’étude.
Comment Inovarion peut vous accompagner
La métabolomique figure parmi les approches multi-omiques qu’Inovarion met en œuvre, aux côtés de la génomique, de la transcriptomique et de la protéomique, et nos équipes ont contribué à des travaux où elle a servi à valider un produit cellulaire. Sur ce type de projet, les questions utiles se posent tôt : l’approche ciblée ou non ciblée répond-elle à la question ? S’agit-il de comparer des profils ou d’établir un mécanisme — car les deux n’exigent pas le même niveau d’identification ? Et si la couche métabolique doit être croisée avec d’autres, quelle fraction sera réellement exploitable ? C’est sur ces arbitrages, plus que sur la production de signaux, que se joue la valeur d’une étude.
Publications
Références du domaine
- Monge ME, Dodds JN, Baker ES, Edison AS, Fernández FM. Challenges in identifying the dark molecules of life. Annual Review of Analytical Chemistry, 2019;12(1):177-199. DOI
- Sumner LW, Amberg A, Barrett D, et al. Proposed minimum reporting standards for chemical analysis. Metabolomics, 2007;3(3):211-221.
- Theodoridis G, Gika H, Raftery D, Goodacre R, Plumb RS, Wilson ID. Ensuring fact-based metabolite identification in liquid chromatography–mass spectrometry-based metabolomics. Analytical Chemistry, 2023;95(8). DOI
- Chi Y, Mitchell JM, Zheng S, Thapa M, Li S. Assessing the metabolomics « dark matter » by a detectable khipu model. Metabolomics, 2026;22(3). DOI
Contribution Inovarion
- Darghouth D, Giarratana MC, Oliveira L, et al. Bio-engineered and native red blood cells from cord blood exhibit the same metabolomic profile. Haematologica, 2016;101(6):e220-e222. PubMed
à jour en juillet 2026