代谢组学是研究生物体系受外部刺激所产生的所有代谢产物变化的科学，主要研究小分子代谢物(分子量1000以下)，与蛋白组学, 转录组学相互补充, 和基因组学一起构成系统生物学，成为研究生命现象的重要手段[1]。与其它组学比较，代谢组学是对生物体产生变化的最终反映，检测相对容易：因为基因和蛋白表达的有效的微小变化会在代谢物上得到放大；代谢物种类远小于基因和蛋白的数目；代谢组学技术不需建立全基因组测序及大量表达序列标签(EST)的数据库[2]；同时，各生物体系中的代谢产物是类似的，因此代谢组学研究所采用的技术手段通用性更强。目前，代谢组学已经广泛应用于药物研究[3]、疾病诊断[4]、植物鉴定[5]、营养学[6]、微生物代谢[7]、食品安全[8]等领域的研究。随着代谢组学技术的不断发展与完善，其在中药研究的各领域也逐渐兴起并占有一席之地。文章介绍了代谢组学的研究方法，根据其在中药领域的应用现状预测其在中兽药作用机制研究、毒理及安全评价研究、质量控制方面具有良好的应用前景，同时对其在未来发展中面临的挑战进行了探讨。

1 代谢组学研究方法

代谢组学研究流程包括样品采集和前处理、样品分析以及数据处理等，样品采集和前处理与样品分析紧密相关：只有经过适当的前处理, 才能保证对样品所做的分析结果具有可信度，同时不同的仪器分析技术对于样品的前处理有不同的要求。代谢组学产生海量数据，数据处理是代谢组学研究的重要环节，正确的数据处理和分析是获得具有统计意义和生物学意义结果的前提。

1.1 样品采集和前处理 代谢组学研究的对象为广泛存在于细胞、血液、尿液、组织中的小分子代谢物。为了保证样品分析的顺利进行和分析结果的准确可靠，样品采集与前处理的关键就在于1)提取出尽可能多的代谢物；2)经过前处理，降低样品对分析仪器的不利影响，同时提高检出率。例如尿液样品中主要为小分子极性代谢物,包括羧酸类、有机胺类、氨基酸类。在使用NMR测定时,不同pH值尿液中这些代谢物由于氨基或羧基的解离程度不同,化学位移将发生显著的变化，因此，选择合适的pH值显得尤为重要[9]。在样品分析前利用适当的方法对样品进行前处理不仅能使分析过程顺遂，也为后续的多变量数据分析、标记物识别和代谢途径分析等奠定良好的基础。

1.2 样品分析 代谢组学研究离不开对复杂样品的仪器分析，经典的分析方法有核磁共振波谱分析(NMR)和色谱质谱联用技术，包括气相色谱-质谱联用(GC-MS)，液相色谱-质谱联用(LC-MS)，以及多级质谱联用的分析技术等。NMR能够实现对样品的非破坏性、非选择性分析，检测尽可能多的化合物，但存在灵敏度低、分辨率不高的缺点，常常导致高丰度分析物掩盖低丰度分析物的情况[10]。GC/MS技术因其分辨率高、灵敏度好，且有标准谱库供比对，方便对代谢物进行定性的特点，在代谢组学分析技术中占有一席之地，尤其是微生物代谢组学和植物代谢组学。但GC/MS技术也有其局限性，主要是气相色谱分析对象是挥发性代谢物，而难挥发的大部分代谢物信息不能直接获得，需要借助复杂的衍生化处理手段[11]。随着分析技术的不断发展，LC /MS技术因其具有前处理简单，适用于大部分代谢物的优势而逐渐被广泛地用于代谢组学研究中[12]。代谢组学研究对象具有种类繁多，理化性质差异大，浓度范围分布广的特点，要对它们进行无偏向的全面分析，单一的分离分析手段难以胜任，因此联合使用多种分析方法也成为新的趋势[13]。

1.3 数据处理 代谢组学在样品分析过程中产生海量的多维原始数据，处理、分析和管理这些数据需要专门的数学、统计和信息学知识和工具。经过多年的发展，代谢组学的数据标准及数据库技术、统计分析方法也日趋成熟和完善[14]。首先需要对各分析方法所得的原始数据进行处理，主要是提取、峰对齐、去噪等处理之后得到可用于代谢组学研究的数据格式。之后为了挖掘代谢物信息，需要借助统计分析手段对两类或多类变量进行判别分类，最经典的统计分析方法为模式识别技术。常用的模式识别技术包括无监督(unsupervised)学习方法和有监督(supervised)学习方法两类。无监督的模式识别方法直接将具有相似特征的样本进行分类，找出分类信息与原始信息的差别，主要包括主成分分析(PCA)、簇类分析(HCA)等；有监督模式识别方法利用多参数模型对未知数据进行辨识、归类和预测，建立模型时有可供学习的样本，主要包括偏最小二乘-判别分析(PLS-DA)和正交偏最小二乘-判别分析(OPLS-DA)、人工神经网络(ANNs)。代谢组学数据处理的意义在于将庞大的数据转化成有意义的生物学结果，实现对样品的分类或者寻找生物标志物。

上一篇：环境监测在生态环境保护中的作用及发展
下一篇：没有了