Метаболомика: история развития, методы, современные тенденции использования в практической медицине

В обзоре отражены современные представления о метаболомных исследованиях, позволяющих одновременно выявлять и количественно определять тысячи метаболитов в одном биологическом образце. Потенциал малых метаболитов представляет клинический интерес с позиций получения бесценного инструмента фенотипирования заболевания и прогнозирования различных вариантов клинического течения. Отдельно представлены достижения метаболомного профилирования плазмы крови и влаги передней камеры глаза у пациентов с офтальмологическими заболеваниями, такими как катаракта, глаукома, диабетическая ретинопатия и возрастная макулярная дегенерация сетчатки. Выявлены значительные различия в метаболическом составе влаги передней камеры. Современные методики масс-спектрометрии, основанные на искусственном интеллекте, позволяют детально исследовать сложные метаболические системы с высокой точностью и скоростью, что ранее казалось недостижимым. В начале важно определить ключевые метаболомы. Следующий этап — клиническое подтверждение, в ходе которого устанавливается связь между биомаркерами и причинами заболеваний. Для подтверждения диагностической и прогностической надежности биомаркеров необходимы масштабные исследования здоровых людей. Стандартизация сбора биологического материала, обработка, анализ результатов является крайне важным для достижения согласованности между различными исследованиями и требует соблюдения методологии. Завершающим этапом является внедрение биомаркера в клиническую практику, обучение медицинского персонала и оценку экономической эффективности для обеспечения доступности и внедрения в практику. Эти подходы вместе играют ключевую роль в выявлении, измерении биомаркеров в повседневных клинических исследованиях, раскрывая их потенциал для определения точности диагностики и улучшения индивидуального подхода к пациентам. При написании обзора использовались базы данных PubMed, Google Scholar, Scopus, eLibrary.ru, Федеральная электронная медицинская библиотека, Научная электронная библиотека «КиберЛенинка» с источниками за период 2015–2025 гг. Следующие ключевые слова применялись для поиска: метаболом, высокоэффективная жидкостная хроматография, сахарный диабет, сердечно-сосудистые заболевания, офтальмологические заболевания.

1. Фурина Р.Р., Митракова Н.Н., Рыжков В.Л., Сафиуллин И.К. Метаболомические исследования в медицине. Казанский медицинский журнал. 2014; 95(1): 1-6.

2. Chako S, Hasib YB, Hasib S. Workflow of metabolomics and analytics in systems biology. Current molecular medicine. 2022; 22(10): 870-881. doi: 10.2174/1566524022666211217102105

3. Лохов П.Г., Балашова Е.Е., Трифонова О.П., Маслов Д.Л., Арчаков А.И. Десять лет российской метаболомике: история развития и основные результаты. Биомедицинская химия. 2020; 66(4): 279-293. doi: 10.18097/PBMC20206604279

4. Qiu S, Cai Y, Yao H, Lin C, Xie Y, Tang S, et al. Small molecule metabolites: discovery of biomarkers and therapeutic targets. Signal transduction and targeted therapy. 2023; 8(1): 132. doi: 10.1038/s41392-023-01399-3

5. Chen L, Lu W, Wang L, Xing X, Chen Z, Teng X, et al. Metabolite discovery through global annotation of untargeted metabolomics data. Nature methods. 2021; 18(11): 1377–1385. doi: 10.1038/s41592-021-01303-3

6. Reavis ZW, Mirjankar N, Sarangi S, Boyle SH, Kuhn CM, Matson WR, et al. Sex and race differences of cerebrospinal fluid metabolites in healthy individuals. Metabolomics. 2021; 17(2): 13. doi: 10.1007/s11306-020-01757-0

7. Vicari M, Mirzazadeh R, Nilsson A, Shariatgorji R, Bjärterot P, Larsson L, et al. Spatial multimodal analysis of transcriptomes and metabolomes in tissues. Nature Bbiotechnology. 2023; 42(7): 1046-1050. doi: 10.1038/s41587-023-01937-y

8. Jan van der Greef J, Herman van Wietmarschen H, Ben van Ommen B, Verheij E. Looking to the future: 30 years of metabolomics at TNO. Mass spectrometry reviews. 2013; 32(5): 399-415. doi: 10.1002/mas.21370

9. Сухоруков В.Н. Камон Л., Ломм М., Карагодин В.П., Чепмен Д., Контуш А., Орехов А.Н. Модификация метода жидкостной хроматографии с масс-спектрометрической детекцией для анализа липидома ЛПВП. Патологическая физиология и экспериментальная терапия. 2016; 60(3): 95-100.

10. David S. NMR metabolomics: A look ahead. Journal of Magnetic Resonance. 2019; 306: 155–161. doi: 10.1016/j.jmr.2019.07.013

11. Досова С.Ю., Стольникова И.И., Червинец Ю.В., Червинец В.М. Исследование вагинального микробиома женщин с привычным невынашиванием беременности, а также спектра выделяемых ими газовых сигнальных малекул. Патологическая физиология и экспериментальная терапия. 2020; 64(1): 84-90. doi: 10.25557/0031-2991.2020.01.84-90

12. Skowronek AK, Jaskulak M, Zorena K. The potential of metabolomics as a tool for identifying biomarkers associated with obesity and its complications: a review. International Journal of Molecular Sciences. 2024; 26(1): 90. doi: 10.3390/ijms26010090

13. Xu Z, Fang J, Wang Y, Wu X, Liu L, Cui X, et al. Targeted metabolomics reveals new biomarkers for gestational diabetes. Diabetes Obesity Metabolism. 2025; 27(4): 2163-2172. doi: 10.1111/dom.16213

14. Tan H, Shi Y, Yue T, Zheng D, Luo S, Weng J, et al. X. A machine learning method reveals microbiome, metabolome, and lipidome profiles in type 1 diabetes. Journal of Advanced Research. 2024; 64: 213-221. doi: 10.1016/j.jare.2023.11.025

15. Liu C, Chen H, MaY, Zhang L, Chen L, Huang J, et al. Clinical Metabolomics in Type 2 Diabetes: From Pathogenesis to Biomarkers. Frontiers in Endocrinology. 2025; 16: 1501305. doi: 10.3389/fendo.2025.1501305

16. Izundegui DG, Nayor M. Metabolomics of Type 1 and Type 2 Diabetes: Insights into Risk Prediction and Mechanisms. Current diabetes reports. 2022; 22(2): 65-76. doi: 10.1007/s11892-022-01449-0

17. Belenkaya LV, Darenskaya MA, Kolesnikov SI, Sholokhov LF, Danusevich IN, Lazareva LM, et al. Metabolic syndrome in reproductive age women of various ethnic groups. Neuroendocrine status and lipid peroxidation system. Bulletin of Experimental Biology and Medicine. 2024; 177(6): 705-710. doi: 10.1007/s10517-024-06254-1

18. Darenskaya MA, Belenkaya LV, Atalyan AV, Danusevich IN, Lazareva LM, Nadelyaeva YaG, et al. Oxidative Stress Reactions in Women of Reproductive Age with Metabolic Syndrome. Bulletin of experimental biology and medicine. 2023; 174(5): 601-604. doi: 10.1007/s10517-023-05754-w

19. Silva LF, Laakso M. Advances in Metabolomics: A Comprehensive Review of Type 2 Diabetes and Cardiovascular Disease Interactions. International Journal of Molecular Sciences. 2025; 26(8): 3572. doi: 10.3390/ijms26083572

20. Darmayanti S, Lesmana R, Meiliana A, Abdulah R. Genomics, Proteomics and Metabolomics Approaches for Predicting Diabetic Nephropathy in Type 2 Diabetes Mellitus Patients. Current diabetes reviews. 2021; 17(6): e123120189796. doi: 10.2174/1573399817666210101105253

21. Xiao Y, Li Y, Zhao H. Spatiotemporal metabolic approaches to the panorama of cancer and immunity: a methodological perspective. Molecular cancer. 2024; 23(1): 202. doi: 10.1186/s12943-024-02113-9

22. Dai Z, Li T, Lai K, Wang X, Zhou P, Hu K, et al. Serum metabolic characteristics associated with the deterioration of colorectal adenomas. Scientific reports. 2025; 15(1): 6845. doi: 10.1038/s41598-025-91444-8

23. Regan JA, Shah SX. Obesity genomics and metabolomics: interrelation of cardiometabolic risk. Current Cardiology Reports. 2020; 22(12): 174. doi: 10.1007/s11886-020-01422-x

24. Астафьева О.В., Жаркова З.В., Ясенявская А.Л., Никитина И.Б., Горетова И.В., Федосеев И.В., и др. Обзор метаболомных маркеров, использующихся для диагностики сердечно-сосудистых заболеваний. Сибирский научный медицинский журнал. 2022; 42(1): 13–29. doi: 10.18699/SSMJ20220102

25. Tabrez S, Shait Mohammed M, Jabir N, Khan M. Identification of novel cardiovascular disease associated metabolites using untargeted metabolomics. Biological Chemistry. 2021; 402(6): 749-757. doi: 10.1515/hsz-2020-0331

26. Deng Y, Huang C, Su J, Pan CW, Ke C. Identification of biomarkers of essential hypertension based on metablomics. Nutrition, metabolism, and cardiovascular diseases. 2021; 31(2): 382-395. doi: 10.1016/j.numecd.2020.11.023

27. Gu Z, Niu JJ, An GS, Du QX, Cao J, Jin QQ, et al. Application Prospects and Prospect of Metabolomics in the Identification of Sudden Cardiac Death. Fa yi xue za zhi. 2021; 37(3): 388-395. doi: 10.12116/j.issn.1004-5619.2019.491116

28. Pouleur AC, Menghoum N, Cumps J, Marino A, Badii M, Lejeune S, et al. Plasma myo-inositol elevation in heart failure: clinical implications and prognostic significance. Results from the BElgian and CAnadian MEtabolomics in HFpEF (BECAME-HF) research project. EBioMedicine. 2024; 107: 105264. doi: 10.1016/j.ebiom.2024.105264

29. Shen X, Guo S, Liang N, Zhao M, Wang C, Li Z, et al. Biomarker discovery and metabolic profiling in serum of cardiovascular disease patients with untargeted metabolomics and machine learning. Clinical and translational medicine. 2024; 14(6): e1722. doi: 10.1002/ctm2.1722

30. Lv J, Pan C, Cai Y, Han X, Wang C, Ma J, et al. Plasma metabolomics reveals common and various metabolic disorders associated with cardiovascular events in coronary heart disease. Nature Communications. 2024; 15(1): 5729. doi: 10.1038/s41467-024-501252

31. Culler KL, Sinha A, Filipp M, Giro P, Allen NB, Taylor KD, et al. Metabolomic profiling identifies novel metabolites associated with cardiac dysfunction. Scientific reports. 2024; 14(1): 20694. doi: 10.1038/s41598-024-71329-y

32. Berdina O, Madaeva I, Bolshakova S, Ukhinov E, Sholokhov L, Rychkova L. Sleep eeg oscillation associations with plasma amyloid-β42 in apneic adolescents: a cross-section study. The European Physical Journal. Special Topics. 2023; 232 (5): 547-555. doi: 10.1140/epjs/s11734-023-00777-w

33. Мадаева И.М., Титова Е.В., Бердина О.Н., Шолохов Л.Ф., Семенова Н.В., Колесников С.И., и др. GDF11 (белок молодости) и GDF15 (белок старости) в плазме крови пациентов с синдромом апноэ во сне: пилотное исследование. Бюллетень экспериментальной биологии и медицины. 2024; 177(2): 274-277. doi: 10.1007/s10517-024-06172-2

34. Kolesnikova L, Semenova N, Madaeva I, Suturina L, Solodova E, Grebenkina L, Darenskaya M. Antioxidant status in peri and postmenopausal women. Maturitas. 2015; 81(1): 83-87. doi: 10.1016/j.maturitas.2015.02.264

35. Darenskaya M, Cloete KJ, Rychkova L, Kolesnikov S, Prokhorova Zh, Semenova N, Yuzvak N, Kolesnikova L. Oxidative Stress, Antioxidant Cofactor Micronutrients, and Cognitive Outcomes in Childhood Obesity: Mechanisms, Evidence, and Therapeutic Opportunities. International Journal of Molecular Sciences. 2025; 26(24): 12012. doi: 10.3390/ijms262412012

36. Мадаева И.М., Бердина О.Н., Пыткина А.А., Шолохов Л.Ф., Колесников С.И., Мадаев В.В., и др. Антивозрастной белок klotho. Ассоциации с показателями паттерна сна при синдроме обструктивного апноэ (пилотное исследование). Журнал неврологии и психиатрии им. С.С. Корсакова. 2025; 125(5-2): 98-102. doi: 10.17116/jnevro202512505298

37. Lokhov PG, Trifonova OP, Maslov DL, Lichtenberg S, Balashova EE. Diagnosis of Parkinson’s disease using a laboratory-developed test based on metabolomics. Diagnostics (Basel, Switzerland). 2020; 10(5): 332. doi: 10.3390/diagnostics10050332

38. Zhang Y, Yang Y, Kong X, Zhang H, Su S. Potential metabolomic biomarkers of cerebrospinal fluid and an early prediction model for Parkinson’s disease. Frontiers in Aging Neuroscience. 2025; 17: 1582362. doi: 0.3389/fnagi.2025.1582362

39. Алилуев А.В., Семенова Л.Ю., Мальцева Н.В., Порядин Г.В. Влияние гипоксических тренировок на уровень метаболизма дофамина в структурах мозга крыс. Патологическая физиология и экспериментальная терапия. 2022; 66(4): 79-85. doi: 10.25557/0031-2991.2022.04.79-85

40. Zhou M, Li XJ, Yu W, Lin L, Liang Y, Lu J. Plasma metabolome analysis by mass spectrometry reveals significant changes in amino acid and energy metabolism in early-onset schizophrenia. American Journal of Translational Research. 2024; 16(11): 6423–6434. doi: 10.62347/IDUA6983

41. Madrid-Gambin F, Fabregat-Safont D, Gomez-Gomez A, Olesti E, Mason NL, Ramaekers JG, et al. Present and future of metabolic and metabolomics studies focused on classical psychedelics in humans. Biomedicine and pharmacotherapy. 2023; 169: 115775. doi: 10.1016/j.biopha.2023.115775

42. Конопля А.И., Шульгинова А.А. Хроническая ишемия головного мозга: состояние структурно-функциональных свойств эритроцитов. Патологическая физиология и экспериментальная терапия. 2016; 60(1): 17-22.

43. Тимофеева М.Р., Лукина С.А. Сурфактантная система и водный баланс легких при моделировании нейродегенерации и очага патологической активности в черной субстанции. Патологическая физиология и экспериментальная терапия. 2016; 60(3): 31-35.

44. Dong R, Lu Q, Kang H, Suridjan I, Kollmorgen G, Wild N, et al. CSF metabolites associated with biomarkers of Alzheimer’s disease pathology. Frontiers in aging neuroscience. 2023; 15: 1214932. doi: 10.3389/fnagi.2023.1214932

45. Blennow K. Review of fluid biomarkers in Alzheimer’s disease: the transition from cerebrospinal fluid to blood. Neurology and Therapy. 2017; 6(1): 15-24. doi: 10.1007/s40120-017-0073-9

46. Serrano-Marín J, Marin S, Bernal-Casas D, Lillo A, González-Subías M, Navarro G, et al. A metabolomics study in aqueous humor discloses altered arginine metabolism in Parkinson’s disease. Fluid Barriers of the central nervous system. 2023; 20(1): 90. doi: 10.1186/s12987-023-00494-5

47. Алилуев А.В., Семенова Л.Ю., Порядин Г.В., Манухина Е.Б., Дауни Г.Ф., Горячева А.В., и др. Влияние адаптации к периодической гипоксии на обмен серотонина и показателей окислительного стресса в гиппокампе крыс при экспериментальном посттравматическом стрессовом расстройстве. Патологическая физиология и экспериментальная терапия. 2021; 65(3): 12-20. doi: 10.25557/0031-2991.2021.03.12-21.03.12-20

48. Kumari S, Kumaran SS, Goyal V, Sharma RK, Sinha N, Dwivedi SN, et al. Identification of potential biomarkers in urine in idiopathic Parkinson’s disease using NMR. Clinica Chimica Acta. 2020; 510: 442-449. doi: 10.1016/j.cca.2020.08.005

49. Parksepp M, Leppik L, Koh K, Uppin K, Kangro R, Haring L, et al. The metabolomic approach revealed significant changes in the composition of amino acids and biogenic amines in patients with schizophrenia in the early stages of the disease. Scientific Reports. 2020; 10(1): 13983. doi 10.1038/s41598-020-71014-w

50. Cui G, Qing Y, Li M, Sun L, Zhang J, Feng L, et al. Salivary Metabolomics Reveals that Metabolic Alterations Precede the Onset of Schizophrenia. Journal of Proteome Research. 2021; 20(11): 5010-5023. doi: 10.1021/acs.jproteome.1c00504

51. Noto A, Spada M, Lilliu M, Moussap M, Atsori L, Fanos V. Metabolomic network analysis of several genotypes associated with a schizophrenia gene variant. Metabolites. 2025; 15(8): 551. doi: 10.3390/metabo15080551

52. De Kluivert H, Jansen R, Penninx B, Giltay EJ, Schoevers RA, Milaneschi Y. Metabolic signatures of depression: the role of symptom profiles. Translational Psychiatry. 2023; 13(1): 198. doi: 10.1038/s41398-023-02484-5

53. Li Y, Feng Y, Yang Z, Zhou Z, Jiang D, Luo J. Untargeted metabolomics of saliva in pregnant women with and without gestational diabetes mellitus and healthy non-pregnant women. Frontiers in cellular and infection microbiology. 2023; 13: 1206462. doi: 10.3389/fcimb.2023.1206462

54. Robinson O, Lau CH. How metabolic processes age: human metabolic research data. Current Opinion in Chemical Biology. 2023; 76: 102360. doi: 10.1016/j.cbpa.2023.102360

55. Coleman CR, Pallos J, Arreola-Bustos A, Wang L, Raftery D, Promislow D, et al. Natural changes in age-related degeneration of dopamine neurons depend on glutathione and are associated with life expectancy. Proceedings of the National Academy of Sciences of the United States of America. 2024; 121(42): e2403450121. doi: 10.1073/pnas.2403450121

56. Zhang F, Shan S, Fu C, Guo S, Liu C, Wang S. Advanced identification of biomarkers based on mass spectrometry for the metabolomics of diabetes mellitus and its complications. Molecules (Basel, Switzerland). 2024; 29(11): 2530. doi: 10.3390/molecules29112530

57. Tian H, Ni Z, Lam SM, Jiang W, Li F, Du J, et al. Precise metabolomics reveals a variety of metabolic features associated with aging. Small methods. 2022; 6(7): e2200130. doi: 10.1002/smtd.202200130

58. Dorzhieva ME, Bairova TA, Belskikh AV, Sambyalova AYu, Yershova OA, Belyaeva EV, et al. Potential biomarkers of carbohydrate metabolism disorders: a pilot study. Bulletin of Experimental Biology and Medicine. 2025; 179(5): 630-634. doi: 10.1007/s10517-026-06542-y

59. Wang Y, Hou XW, Liang G, Pan CW. Metabolomics in glaucoma: a systematic review. Investigative Ophthalmology and Visual Science. 2021; 62(6): 9. doi: 10.1167/iovs.62.6.9

60. Gonzalez-Ortiz F, Turton M, Katz PR, Smirnov D, Premi E, Guidoni R. Tau-protein of the brain: a new biomarker of neurodegeneration associated with Alzheimer’s disease. Brain. 2022; 146(3): 1152-1165. doi: 10.1093/brain/awac407

61. Chen H,YuY, Hu L,Wu X, Luo L, Lin H, et al. Metabolomic profiling of watery moisture in patients with pediatric cataracts. Experimental studies of the eyes. 2024; 243: 109906. doi: 10.1016/j.exer.2024.109906

62. Chen XT, Gao N, Kou ZY, Wu GJ, Jiang YF, Yang J, et al. Differential analysis of the metabolomics of aqueous humor in presenile and senile cataracts. Chinese Journal of Ophthalmology. 2024; 60(6): 518-527. doi: 10.3760/cma.j.cn112142-20240106-00013

63. Grochowski ET, Piotrowska K, Godlewski A, Goss V, Bucinska A, Wojnar M, et al. Simultaneous Comparison of Intraocular Fluid and Serum Metabolic Profiles in Diabetic and Non-Diabetic Patients Undergoing Cataract Surgery – Targeted and Quantitative Metabolomic Study. International Journal of Molecular Sciences. 2023; 24(16): 12671. doi: 10.3390/ijms241612671

64. Zemitis A, Vanags J, Fan J, Klyavins K, Laganovska G. Metabolic differences in intraocular fluid at different stages of cataract progression: significance for the analysis of cataract development. Ocular Pharmacology and Therapeutics. 2024; 40(8): 477-485. doi: 10.1089/jop.2024.0067

65. Wei Z, Hao K, Radin KR, Hao Z, Kettimuthu K, Maner-Smith C, et al. Deficiency of glutathione peroxidase 4 (GPX4) leads to abnormal lens development and cataracts in newborns. Proceedings of the National Academy of Sciences of the United States of America. 2024; 121(48): e2407842121. doi: 10.1073/pnas.2407842121

66. Li P, Wu M, Wang R, Zhang G, Kang L, Guan H, et al. Spatial change of metabolites in diabetic cortical cataract: a new perspective on lactate. Experimental Eye Research. 2025; 255: 110361. doi: 10.1016/j.exer.2025.110361

67. Lillo A, Marin S, Serrano-Marin J, Binetti N, Navarro G, Cascante M, et al. A targeted metabolomic study shows that the levels of glutamine, kynurenine, acylcarnitines, and lysophosphatidylcholines are significantly elevated in the aqueous humor of patients with glaucoma. Frontiers in Medicine. 2022; 9: 935084. doi: 10.3389/fmed.2022.935084

68. Sato K, Saigusa D, Kokubun T, Fujioka A, Feng Z, Saito R, et al. Reduction of glutathione levels in aqueous humor in patients with primary open-angle glaucoma and normal-pressure glaucoma. Aging of the NPJ. 2023; 9(1): 28. doi: 10.1038/s41514-023-00124-2

69. Monteiro AR, Barbosa DJ, Remião F, Silva R. Alzheimer’s disease: Insights and new prospects in disease pathophysiology, biomarkers and disease-modifying drugs. Biochemical Pharmacology. 2023; 211: 115522. doi: 10.1016/j.bcp.2023.115522

70. Whitman JD, Sakanari JA, Mitreva M. Areas of metabolomic research in helminthiasis. ACS Infectious Diseases. 2021; 7(2): 206-214. doi: 10.1021/acsinfec-dis.0c00658

71. Titz B, Siebourg-Polster J, Bartolo F, Lavergne V, Jiang Z, Gayan J, et al. Implications of Ocular Confounding Factors for Aqueous Humor Proteomic and Metabolomic Analyses in Retinal Diseases. Translational vision science and technology. 2024; 13(6): 17. doi: 10.1167/tvst.13.6

72. Wei Q, Tu X, Qiu Q, Wang L. A non-targeted metabolomic study of patients with a wet form of age-related macular degeneration in aqueous humor. Clinical Interventions in Aging. 2024; 19: 1571-1580. doi: 10.2147/CIA.S475920

73. Han G, Wei P, Qin H, Tan Y, He H, Chu Y. Metabolomic profiling of aqueous humor in patients with the wet form of age-related macular degeneration using HPLC-MS/MS. Journal of Proteome Research. 2020; 19(6): 2530-2540. doi: 10.1021/acs.jproteome.0c00036

74. Mendes K, Lin J, Kelly RS, Gil J, Silva R, Miller JB, et al. Metabolomic endotypes of age-related macular degeneration (AMD): a step towards the identification of disease subgroups Scientific representative. 2024; 14(1): 12145. doi: 10.1038/s41598-024-59045-z

75. Jiang D, Yan C, Ge L, Yang C, Huang Y, Chan YK, et al. Metabolomic analysis of aqueous humor reveals potential metabolic biomarkers for the differential detection of macular edema. Eye Vis (Lond). 2023; 10(1): 14. doi: 10.1186/s40662-023-00331-8

76. Chu KO, Chan TI, Chan KP, Yip YW, Bakthavatsalam M, Wang CC, et al. Untargeted metabolomic analysis of aqueous humor in diabetic macular edema. Molecular Vision. 2022; 28: 230-244.

77. Shin TH, Lee DY, Basith S, Manavalan B, Paik MJ, Rybinnik I, et al. Metabolome changes in cerebral ischemia. Cells. 2020; 9(7): 1630. doi: 10.3390/cells9071630

78. Pausova Z, Sliz E. Large-Scale Population-Based Studies of Blood Metabolome and Brain Health. Current Topics in Behavioral Neurosciences. 2024; 68: 177-219. doi: 10.1007/7854_2024_463

79. Kunikata H, Ida T, Sato K, Aizawa N, Sawa T, Tawarayama H, et al. Metabolomic profiling of reactive persulfides and polysulfides in the aqueous and vitreous humors. Scientific Reports. 2017; 7: 41984. doi: 10.1038/srep4198

80. Dmukhowska DA, Petrovska K, Krasnitsky P, Kowalczyk T, Misura M, Grohowski ET. Metabolomics Reveals Differences in Aqueous Humor Composition in Patients With and Without Pseudoexfoliation Syndrome. Frontiers in Molecular Biosciences. 2021; 8: 682600. doi: 10.3389/fmolb.2021.682600