靶向代谢组学

背景^[1-5]

代谢是生物体内所有生物化学反应的总称，代谢活动是生物体维持生命的物质基础，对代谢物的分析是研究生命活动分子基础的一个重要方面。代谢组学最初由英国帝国理工大学Jeremy Nicholson教授提出，他认为代谢组学是将人体的生理病理过程作为一个动态的系统，研究生物体被内、外环境因素扰动后其内源代谢产物种类、数量及其变化规律的科学。

其核心任务包括检测、分析和探索代谢物质的整体变化规律，并通过这种变化规律研究机体生命活动发生、发展的本质。基于分析技术和信息技术的迅猛发展，代谢组学发展迅速，与基因组学、转录组学、蛋白质组学等共同组成“系统生物学”，并在系统生物学研究中起着重要作用。

与其他组学相比，代谢组学具有明显的优势：1）代谢物水平上发生的变化更易于检测；2）相较于基因组学和蛋白质组学需要进行全基因组测序和建立含有大量表达标签的数据库，代谢组学分析手段更为简易；3）与基因和蛋白数量相比，代谢物数量少，易于确证和进行后续分析；4）生物样本的代谢物和代谢通路变化可以系统地揭示机体生理病理状态。

靶向代谢组学是按照代谢组学的原理和思路，只对有限的几个或几类与生物学事件相关的代谢物进行分析和研究的方法。通常在通过非靶向代谢组学发现差异代谢物之后，再利用靶向代谢组学进行进一步系统的确证。近年来新发展起来的糖组学、脂质组学等也属于靶向代谢组学的范畴。与非靶向代谢组学相比，靶向代谢组学在分析上更具有针对性，与非靶向代谢组学优势互补，是代谢组学的重要组成部分。

基本流程

1.1 样本的采集、前处理与分析

靶向代谢组学与非靶向代谢组学分析所用的样本类型相似。但在样本前处理方面，因靶向代谢组学更具有针对性，基于目标代谢物或代谢组，在提取方法的选择上可能与非靶向代谢组学存在一定的差别。例如，进行脂质组学研究是以提取出更多脂质为目的，所以选用的溶剂多对脂质具有较好的溶解能力，与一般代谢组学研究选用的溶剂差别较大，提取方法上也存在较多不同。靶向代谢组学与非靶向代谢组学所采用的分析仪器基本相同。

1.2 数据处理

靶向代谢组学只重点研究已知可能具有生物学效应的几种或几类代谢物，因此其数据处理相比于非靶向代谢组学更为简单方便。其数据处理方法和使用的数据库与非靶向代谢组学相似，但针对某类代谢物，如糖类和脂质组，通常还有LipidMaps、LipidBank等特定的数据库。

应用实例^[6][7][8]

1.Marien 等对正常和肝脏鳞状细胞瘤组织样本进行了靶向磷脂的脂质组学分析。结果发现，癌症组织中长链酰基磷脂的含量显著高于正常组织。进一步研究发现，癌症组织中长链酰基磷脂含量的增加与酰基链延长酶（acyl chain elongases，ELOVLs）有关。

筛选后发现，ELOVL6 与癌症组织中磷脂酰基链的延长关系最为密切。ELOVL6 被抑制后能够显著降低鳞状细胞瘤细胞的集落形成能力；同时，动物实验表明其被抑制后会显著减慢皮下移植瘤的生长。说明ELOVL6 能通过调节长链酰基磷脂的含量影响鳞状细胞瘤的发生和发展，从而可以作为鳞状细胞瘤治疗和药物研发的潜在靶点。

2.Nomura 等对黑色素瘤、卵巢癌、乳腺癌等多株肿瘤细胞的蛋白组学进行研究，发现一种脂肪分解酶单酰基甘油脂肪酶（monoacylglycerol lipase，MAGL）表达较正常组织和细胞异常升高，该酶的生物学功能主要是分解脂肪释放出游离的脂肪酸，通过脂肪酸氧化等途径进行能量供应。

研究人员进一步对肿瘤细胞株和癌变组织进行脂质组学研究，发现多种游离脂肪酸异常升高，肿瘤侵袭、转移的关键信号分子，如溶血磷脂酸（lysobisphosphatidic acids，LPA）和前列腺素E2（prostaglandin E2, PGE2）等的表达也异常升高。

一方面，抑制MAGL 的活性在降低癌变组织与细胞中游离脂肪酸的同时，癌细胞的转移、侵袭能力也受到影响；另一方面，过表达MAGL 或通过高脂饮食大量摄入外源脂肪酸，均会提高肿瘤的恶性程度和侵袭性。因此，MAGL 活性升高可促进癌细胞更有效率地从中性脂质中分解游离的脂肪酸用于能量供给。通过蛋白质组学和靶向代谢组学的研究，发现MAGL 可作为抑制癌细胞能量代谢的有效靶点。

参考文献

[1] Nicholson JK,Foxall PJ,Spraul M,Farrant RD,Lindon JC(March 1995)."750 MHz 1H and 1H-13C NMR spectroscopy of human blood plasma".Anal.Chem.67(5):793–811.

[2] Bentley R(1999)."Secondary metabolite biosynthesis:the first century".Crit.Rev.Biotechnol.19(1):1–40.

[3] Nordström A,O'Maille G,Qin C,Siuzdak G(May 2006)."Nonlinear data alignment for UPLC-MS and HPLC-MS based metabolomics:quantitative analysis of endogenous and exogenous metabolites in human serum".Anal.Chem.78(10):3289–95.

[4] Crockford DJ,Maher AD,Ahmadi KR,et al.(September 2008)."1H NMR and UPLC-MS(E)statistical heterospectroscopy:characterization of drug metabolites(xenometabolome)in epidemiological studies".Anal.Chem.80(18):6835–44.

[5] Sugimoto,M.,Kawakami,M.,Robert,M.,Soga,T.&Tomita,M.Bioinformatics Tools for Mass Spectroscopy-Based Metabolomic Data Processing and Analysis.Curr Bioinform 7,96–108(2012).

[6] Smith CA,Want EJ,O'Maille G,Abagyan R,Siuzdak G(February 2006)."XCMS:processing mass spectrometry data for metabolite profiling using nonlinear peak alignment,matching,and identification".Anal Chem.78(3):779–87.

[7] Tautenhahn R,Patti GJ,Rinehart D,Siuzdak G(April 2012)."XCMS Online:a web-based platform to process untargeted metabolomic data".Anal Chem.84(11):5035–5039.

[8] Patti GJ,Tautenhahn R,Rinehart D,Cho K,Shriver L,Manchester M,Nikolskiy I,Johnson C,Mahieu N,Siuzdak G(2013)."A View from Above:Cloud Plots to Visualize Global Metabolomic Data".Anal Chem.85(2):798–804.