27医学论文范文网

主页
分享医学论文范文

代谢组学研究进展及在营养学领域的应用

更新时间:2020-12-17 08:12点击:

  摘    要:
  
  近年来,基于色谱、质谱和核磁共振等分析技术的代谢组学在营养学领域发展迅速。本文通过对2014~2019年期间发表的期刊论文、专利的分析,综述了五年来代谢组学的研究进展,包括样品前处理方法、样品分析检测方法、数据处理方法等。另本文还对代谢组学技术在营养学领域应用的新成果进行了全面总结,对相关的研究前沿、发展趋势进行了展望。[营养学报,2020,42(4):408-412]
  
  关键词:
  
  代谢组学 营养学 研究进展 综述
  
  代谢组学旨在定性或定量分析复杂生物样品中的所有相对分子质量小于1000的小分子物质,并测量生物刺激或遗传操纵后生物系统整体、动态代谢变化[1]。近年来,与代谢组学研究相关的文章发表数量呈逐年上升的趋势(图1)。经过多年发展,代谢组学已经成为分析整体性生化反应机理和生命现象的重要手段,广泛应用于营养学领域的研究中。
  
  1 代谢组学研究流程(图2)
  
  代谢组学的基本研究流程包括样本的采集与预处理、数据的采集与分析等。代谢组学的主要分析技术和数据处理平台如图2所示。作者按照代谢组学研究流程对2014~2019年的代谢组学相关技术发展进行了阐述。
  
  1.1 样本的采集与预处理
  
  样本采集与预处理是代谢组学研究的第一步,将直接影响代谢组学研究的准确性。随着代谢组学研究的深入,采集的生物样本愈加多样,包括血液、尿液、细胞液、羊水、动物组织、唾液和脑脊液等。样本的储存条件和反复冻融现象是维持样本稳定的重要因素。糖酵解代谢物、组氨酸、乙酸盐等代谢物的浓度会受到储存条件的影响[2],在反复冻融过程中氨基酸浓度会发生改变[3],所以应在-80℃下快速冷冻储存待测样品,尽量避免反复冻融[4]。基于抗坏血酸与乳酸比率建立的血液样本质量标记物“Laca Score”,以及乳酸和葡萄糖的比率,均可用作评价样品前处理后血浆样本稳定性的指标[5-6]。
  
  为了能检测到更加广泛的代谢图谱,并精准地对其进行定性和定量检测,近年来研究者们致力于开展样品预处理方法相关的研究。Liu等[7]比较了4种血液样本UPLC-Q-TOF-MS的前处理方案,发现先用Me OH-H2O处理,后用CH2Cl2-Me OH处理的两步液-液萃取方案萃取重现性更好,代谢物覆盖率更高。Stipetic等[8]开发了一种用于高通量生物膜分析的样品制备方法,使用氯仿、甲醇和水作为萃取溶剂,采用机械打珠的方法来破坏细胞和抑制新陈代谢,可快速、稳定地提取细胞中的代谢组分。
  
  Fig.1 Number of metabolomics related articles published in 2014-2019
  
  Fig.2 Metabolomics research process
  
  1.2 数据采集
  
  代谢组学的数据采集主要依赖现有的分析检测技术,包括:质谱、核磁共振、色谱、红外光谱、紫外吸收、荧光散射等。
  
  核磁共振(nuclear magnetic resonance,NMR)具有无损、实验方式灵活、样品前处理简单等优点,尤其是1H-NMR可检测样品中的所有含氢化合物,在代谢组学研究中应用广泛。但NMR仍存在灵敏度低、动态范围有限、分辨率低等问题。现多采用提高NMR分辨率,或引入小容量微探针、低温冷却探针等技术的方法来改善这类问题[9]。二维核磁共振(2D NMR)比一维核磁共振(1D NMR)具有更高的分辨率,但传统2D NMR采集时间较长,不适合高通量研究[10]。Guennec等[11]研究显示,加速2D NMR可以获得与传统2D NMR相似的结果,该研究为使用二维核磁共振的高通量代谢组学研究开辟了新道路。
  
  与NMR相比,质谱技术灵敏度高、选择性好、分析速度快,可以同时分析多种代谢物,已经成为主要的代谢组学分析检测技术。He等[12]开发了一种灵敏的气流辅助解吸电喷雾电离质谱成像方法。该法具有灵敏度高、动态范围宽、分析速度快等优点,可检测到超过1500种代谢物。Gu等[13]建立了全局优化目标质谱法,可通过LC-MS/MS检测获得更高的代谢物覆盖率,同时具有检测未知物和精确定量检测的能力。
  
  色谱-质谱联用技术将色谱的高通量、分离特性和质谱的高灵敏度、鉴定特性相结合,是目前代谢组学研究最常用的分析检测手段。气相色谱-质谱联用(GC-MS)可同时测定数百个代谢物,具有分辨率高、灵敏度高、标准谱图库较完善等特点。近年来,用于检测血清中有机酸谱、烟草根部代谢物组分等的气相色谱-质谱定量方法被建立[14-15]。但GC-MS很难直接对样品中挥发性低的组分进行检测,需要衍生化处理。液相色谱-质谱联用(LC-MS)样品前处理步骤简单,但仍具有灵敏度高、检出限低、高通量等优点。近年来[16-17]建立了基于血清样本和脂源性样本的非靶向LC-MS/MS检测方法。Wang等[18]开发了一种同时覆盖短链、中链和长链酰基辅酶A的二维液相色谱-质谱轮廓分析方法。Yu等[19]建立了用于酰基肉碱分析的液相色谱-高分辨质谱方法,可一次性地检测数百种酰基肉碱。
  
  1.3 数据分析与解释
  
  代谢组学研究产生的大量数据需要依靠数据分析手段反映有意义的生物信息,进而对数据分析结果进行最终解释。模式识别是代谢组学研究中常用的统计分析手段,包括监督法和非监督法。其中,监督法中的偏最小二乘-判别分析(partial least squares discriminant analysis,PLS-DA)和非监督法中的主成分分析(Principal Component Analysis,PCA)最为典型,但也仍有缺陷,例如PCA在寻找生物标志物时会受到样本离群点的干扰等。非靶向代谢组学的数据矩阵通常变量多、样本量少,非线性分析会产生计算复杂和过度拟合等问题。独立成分分析,作为一种线性分析方法被建立,比PCA分析更易得到有意义的结果[20]。
  
  为了使代谢组学的数据分析过程更加简便与精准,研究者们正在研发新的数据处理技术与工作流程。刘展等[21]建立了一种能够自动寻峰并根据数据库匹配代谢物的数据处理方法,对人类代谢组学数据库峰匹配算法存在的不足进行改进,提高了核磁方法代谢物鉴定的精度。Weindl等[22]提出了一种新的工作流程来分析非靶向代谢组的稳定同位素标记数据,并成功将其应用于癌细胞新陈代谢生物标志物的分析中。
  
  2 代谢组学技术在营养学领域应用的新成果
  
  膳食和膳食模式在预防和控制疾病,及维持个人健康状况方面发挥着重要作用。在食品科学和营养学领域,已开展了许多关于食品真实性、安全性、营养价值及食品加工方面的研究。王俊等[23]研究显示薯片中的脂肪酸组成主要受加工所用油料的影响。Guan等[24]研究表明,未成熟鱼肉中二十二碳五烯酸、α-亚麻酸、二十碳五烯酸和二十二碳六烯酸的含量比成熟鱼肉更高。
  
  食物代谢是一个复杂的过程,食物摄入后在体内引入新的代谢物,发生内源性代谢反应,相关生化途径和肠道菌群随之改变。代谢组学可以考虑和解决食物整体代谢的复杂性,揭示食物中不同营养成分对机体代谢产生的影响[25]。Du等[26]研究表明补充组氨酸后,患有肥胖代谢综合征的妇女体内氨基酸、脂质和葡萄糖代谢发生了显著变化。Rådjursöga等[27]研究显示成人食用谷类早餐,血清脯氨酸、酪氨酸和N-乙酰化氨基酸水平较高;食用鸡蛋和火腿早餐,血清肌酸、甲醇和异亮氨酸水平较高。
  
  人类的健康状况较难被准确描述,健康状况的改善也很难被准确评估。生物标志物的提出使我们能够准确地感知健康状况的变化,较早发现代谢功能障碍并预测人体的健康状况,为特定人群的精准营养提出建议,这是营养学领域的重要研究方向[28]。Yin等[29]研究表明血清酯化硬脂酸、酯化软脂酸和游离软脂酸可作为鉴别上皮性卵巢癌的潜在生物标记物。Wu等[30]研究显示谷氨酰胺、丙氨酸、脯氨酸等可作为功能性消化不良的潜在生物标志物。Lu等[31]研究显示脂质过氧化代谢物可能是区分稳定心绞痛和心梗病人的潜在生物标志物。
  
  与营养有关的慢性病,如肥胖、2型糖尿病、高血压、代谢综合征和冠心病的患病率逐年提高,代谢组学在临床营养方面的研究愈加广泛。Chen等[32]研究显示与非酒精性脂肪肝人群相比,患有糖尿病的非酒精性脂肪肝人群血液中肉碱类物质含量显著升高。Ma等[33]表明n-6多不饱和脂肪酸对中国人群的心血管代谢具有保护作用。Xu等[34]研究表明在膳食模式中添加甜菜碱、改善糖代谢、内源性补充赖氨酸和谷氨酰胺,可作为改善内分泌代谢性疾病患者身材矮小症状的治疗策略。
  
  3 代谢组学的发展趋势与对策
  
  在代谢组学中,样品前处理主要依赖于传统的固相萃取和液液萃取技术。未来代谢组学急需更新样品前处理方法,以满足代谢组学的高通量和简单方便的需求。微萃取技术和吸附材料技术是代谢组学未来发展的热点。微萃取技术可应用于非靶向代谢组学研究中,通过GC-MS技术探测单个样本中可用的化学信息[35]。离子液体能够扩大吸附剂的溶解能力,并赋予其独特的物理特性,在代谢组学领域极具研究潜力[36]。此外,在未来的研究中应继续开发方便简单、准确稳定的代谢组学检测方法,为营养学研究提供新手段。
  
  在数据库方面,NMR数据库中代谢物只有大约1000种,未来应通过购买真实标准数据、提取文献中数据等手段来扩充数据库[9]。对于非靶向代谢组学数据库,创建详细的、包含准确质谱信息的化合物数据库尤为重要[37]。离子迁移质谱的高通量特性为非靶向和半靶向分析提供了多方面的分子信息,已经成为数据库方面的研究热点[38]。
  
  参考文献
  
  [1] Nicholson JK, Lindon JC. Systems biology:metabonomics[J]. Nature, 2008, 455:1054-1056.
  
  [2] Santos Ferreira DL, Maple HJ, Goodwin M, et al. The effect of pre-analytical conditions on blood metabolomics in epidemiological studies[J]. Metabolites,2019, 9:64.
  
  [3] Anton G, Wilson R, Yu ZH, et al. Pre-analytical sample quality:metabolite ratios as an intrinsic marker for prolonged room temperature exposure of serum samples[J].PloS one, 2015, 10:e0121495.
  
  [4] Hernandes VV, Barbas C, Dudzik D. A review of blood sample handling and pre-processing for metabolomics studies[J]. Electrophoresis, 2017, 38:2232-2241.
  
  [5] Trezzi JP, Bulla A, Bellora C, et al. LacaScore:a novel plasma sample quality control tool based on ascorbic acid and lactic acid levels[J]. Metabolomics, 2016, 12:96.
  
  [6] Jobard E, Tredan O, Postoly D, et al. A Systematic evaluation of blood serum and plasma pre-analytics for metabolomics cohort studies[J]. Int J Mole Sci, 2016,17:2035.
  
  [7] Liu R, Chou J, Hou S, et al. Evaluation of two-step liquid-liquid extraction protocol for untargeted metabolic profiling of serum samples to achieve broader metabolome coverage by UPLC-Q-TOF-MS[J]. Anal Chim Acta, 2018, 1035:96-107.
  
  [8] Stipetic LH, Dalby MJ, Davies RL, et al. A novel metabolomic approach used for the comparison of Staphylococcus aureus planktonic cells and biofilm samples[J]. Metabolomics, 2016, 12:75.
  
  [9] Bingol K. Recent advances in targeted and untargeted metabolomics by NMR and MS/NMR methods[J]. Highthroughput, 2018, 7:9.
  
  [10] Marchand J, Martineau E, Guitton Y, et al. Multidimensional NMR approaches towards highly resolved,sensitive and high-throughput quantitative metabolomics[J]. Curr Opin Biotechnol, 2017, 43:49-55.
  
  [11] Guennec AL, Giraudeau P, Caldarelli S. Evaluation of fast 2D NMR for metabolomics[J]. Anal Chem, 2014, 86:5946-5954.
  
  [12] He J, Sun C, Li T, et al. A sensitive and wide coverage ambient mass spectrometry imaging method for functional metabolites based molecular histology[J]. Adv Sci,2018, 5:1800250.
  
  [13] Gu H, Zhang P, Zhu J, et al. Globally optimized targeted mass spectrometry:reliable metabolomics analysis with broad coverage[J]. Anal Chem, 2015, 87:12355-12362.
  
  [14] Chou J, Liu R, Yu J, et al. Fasting serum alpha hydroxybutyrate and pyroglutamic acid as important metabolites for detecting isolated post-challenge diabetes based on organic acid profiles[J]. J Chromatog B, Anal Technol Biomed Life Sci, 2018, 1100-1101:6-16.
  
  [15]李勇,林茜,逄涛,等.基于气相色谱-质谱的烟草根部代谢组学方法建立及应用[J].分析试验室, 2017(8):48-52.
  
  [16] Wen J, Yang L, Qin F, et al. An integrative UHPLC-MS/MS untargeted metabonomics combined with quantitative analysis of the therapeutic mechanism of Si-Ni-San[J].Anal Biochem, 2019, 567:128-135.
  
  [17] Navarro-Reig M, Jaumot J, Tauler R. An untargeted lipidomic strategy combining comprehensive twodimensional liquid chromatography and chemometric analysis[J]. J Chromatog A, 2018, 1568:80-90.
  
  [18] Wang S, Wang Z, Zhou L, et al. Comprehensive analysis of short-, medium-, and long-chain acyl-coenzyme A by online two-dimensional liquid chromatography/mass spectrometry[J]. Anal Chem, 2017, 89:12902-12908.
  
  [19] Yu D, Zhou L, Xuan Q, et al. Strategy for comprehensive identification of acylcarnitines based on liquid chromatography-high-resolution mass spectrometry[J].Anal Chem, 2018, 90:5712-5718.
  
  [20] Liu Y, Smirnov K, Lucio M, et al. MetICA:independent component analysis for high-resolution mass-spectrometry based non-targeted metabolomics[J]. BMC Bioinfor,2016, 17:114.
  
  [21]刘展,彭谨,江华.基于Jaccard系数提高核磁共振波谱代谢物数据库匹配的精度[J].化学研究与应用, 2017, 29:1947-1952.
  
  [22] Weindl D, Cordes T, Battello N, et al. Bridging the gap between non-targeted stable isotope labeling and metabolic flux analysis[J]. Cancer Metab, 2016, 4:10.
  
  [23]王俊,严俊安,谭洪兴,等.进口薯片中脂肪酸成分的检测与分析[J].中国食物与营养, 2016, 22:33-37.
  
  [24] Guan NN, Zhou Q, Lan T, et al. Is the nutritional value of fish fillet related to fish maturation or fish age?integrated analysis of transcriptomics and metabolomics in blunt snout bream(Megalobrama amblycephala)[J].Cell Physiol Biochem,2018, 49:17-39.
  
  [25] Koulman A, Volmer DA. Perspectives for metabolomics in human nutrition:an overview[J]. Nutr Bull, 2008, 33:324-330.
  
  [26] Du S, Sun S, Liu L, et al. Effects of histidine supplementation on global serum and urine 1H NMR-based metabolomics and serum amino acid profiles in obese women from a randomized controlled study[J]. J Proteome Res, 2017,16:2221-2230.
  
  [27] Radjursoga M, Lindqvist HM, Pedersen A, et al. The(1)H NMR serum metabolomics response to a two meal challenge:a cross-over dietary intervention study in healthy human volunteers[J]. Nutr J, 2019, 18:25.
  
  [28] Sebedio JL. Metabolomics, nutrition, and potential biomarkers of food quality, intake, and health status[J]. Adv Food Nutr Res, 2017, 82:83-116.
  
  [29] Yin R, Yang T, Su H, et al. Saturated fatty acids as possible important metabolites for epithelial ovarian cancer based on the free and esterified fatty acid profiles determined by GC-MS analysis[J]. Cancer Biomarkers:Sec A Dis Mark, 2016, 17:259-269.
  
  [30] Wu Q, Zou M, Yang M, et al. Revealing potential biomarkers of functional dyspepsia by combining 1H NMR metabonomics techniques and an integrative multiobjective optimization method[J]. Sci Rep, 2016, 6:18852.
  
  [31] Lu J, Chen B, Chen T, et al. Comprehensive metabolomics identified lipid peroxidation as a prominent feature in human plasma of patients with coronary heart diseases[J]. Redox Biol, 2017, 12:899-907.
  
  [32] Chen Y, Li C, Liu L, et al. Serum metabonomics of NAFLD plus T2DM based on liquid chromatography-mass spectrometry[J]. Clin Biochem, 2016, 49:962-966.
  
  [33] Ma Y, Sun L, Li J, et al. Erythrocyte PUFAs, circulating acylcarnitines, and metabolic syndrome risk:a prospective study in Chinese[J]. J Lipid Res, 2019, 60:421-429.
  
  [34] Xu R, Zhu H, Zhang C, et al. Metabolomic analysis reveals metabolic characteristics of children with short stature caused by growth hormone deficiency[J]. Clin Sci, 2019, 133:777-788.
  
  [35] Belinato JR, Dias FFG, Caliman JD, et al. Opportunities for green microextractions in comprehensive twodimensional gas chromatography/mass spectrometry-based metabolomics-a review[J]. Anal Chim Acta, 2018, 1040:1-18.
  
  [36] Clark KD, Emaus MN, Varona M, et al. Ionic liquids:solvents and sorbents in sample preparation[J]. J Sepa Sci, 2018, 41:209-235.
  
  [37] Bianchi F, Riboni N, Termopoli V, et al. MS-based analytical techniques:advances in spray-based methods and EI-LC-MS applications[J].J Anal Methods Chem,2018,2018:1308167.
  
  [38] Zhang X, Quinn K, Cruickshank-Quinn C, et al. The application of ion mobility mass spectrometry to metabolomics[J]. Curr Opin Chem Biol, 2018, 42:60-66.

推荐文章

在线客服