代谢组学的概念及研究方法

1.代谢组学的概念　代谢组学（metabonomics/metabolomics）是在20世纪90年代中期新兴的一门学科，其研究思想传承基因组学和蛋白质组学，对某一生物或某一细胞在一特定生理时期内所有小分子代谢物（分子量＜1 000）——代谢组进行定性和定量分析，并寻找这些代谢物与生理、病理变化的相对关系。代谢组学是系统生物学的重要组成部分。由于细胞内许多生命活动与代谢相关，如细胞增殖、凋亡、分化、分裂、信号传导、细胞间通信等均涉及细胞能量代谢、氧代谢等，因此代谢组学研究更能反映了细胞与内、外界因素的相互关系，如细胞的营养状态，细胞受药物的影响等，所以代谢组学受到生物学界广泛重视，在农、林、医、药等领域均有宽广的应用前景，尤其在临床医学研究中已经能诊断出一些代谢类疾病，如糖尿病、肥胖症，代谢综合征等。

2.代谢组学的研究方法　同基因组学及蛋白质组学一样，代谢组学也是利用高通量、高灵敏度与高精确度的现代分析技术，对生物或细胞的代谢物集合进行动态跟踪分析，再借助多变量分析方法进行统计，以解析研究对象的生理、病理状态及其与内、外环境因子相互关系。

完整的代谢组学分析包括样品的制备、数据的采集和分析、解释。代谢组学的样本可来自机体中不同的生物样品，用于医学研究的标本可包括人体血清、尿液、粪便、组织、毛发、以及胸腹水等各种体液样品。

目前在代谢组学研究中普遍使用的分析技术包括两种：①气相色谱-质谱联用（gas chromatography-mass spectrometry，GC-MS）或液相色谱-质谱联用（liquid chromatographymass spectrometry，LC-MS）技术；②磁共振（nuclear magnetic resonance，NMR）技术，如氢谱技术（1H-NMR spectroscopy）。其中色谱-质谱技术具有高分离度、高通量的优点，且需要组织量少，技术较成熟；而NMR技术具有高灵敏性和高特异性，且可用于不同样本，如血清、血浆、尿液等。

代谢组学分析后的数据解析及统计需借助于生物信息学平台进行解读，以挖掘数据中蕴藏的生物学意义。代谢组学分析产生的是信息量丰富的多维数据，其分析可采用多变量分析方法进行统计。目前在代谢组学中运用较多的包括主成分分析（unsupervised principal component analysis，PCA）、层次聚类分析（HCA）、非线性影射（NLM）等非监督分类方法，以及偏最小二乘法判别分析（partial least squares-discriminant analysis，PLS-DA）、k最近邻法（KNN）、神经网络（NN）等监督分类方法。此外，代谢组学数据可与其他一些整体研究数据进行整合，如基因组学或蛋白质组学数据，这样可以更全面及深刻地阐明代谢物与基因、蛋白质之间的关系。其整合数据分析方法可采用代谢网络支架（scaffold）分析、建模方法或借用有关专业软件来实现。