綜述：代謝組學研究加快醫學生物標志物的發現

　　生物標志物(Biomarker)是指 “一種可客觀檢測和評價的特性，可作為正常生物學過程、病理過程或治療干預藥理學反應的指示因子”，作為個體化醫療的“關鍵詞”之一，尋找和發現有價值的生物標志物已經成為當前醫學領域的研究熱點。

Biomarker的研究現狀和發展趨勢：

　　第一個腫瘤標志物可追溯到1846年由H Bence-Jones所證實的本周氏蛋白（Bence Jones Protein)，對多發性骨髓瘤有一定的診斷作用。170余年后的今天，隨著基因組學、蛋白質組學、肽組學、代謝組學等在內的組學平臺，以及包括納米技術、生物信息學、抗體芯片等前沿在內的手段與方法，都為快速獲得及篩選生物標志物帶來了極大的可能。

　　基因組學及轉錄組學描述的是機體可能發生改變的生理指標， 而代謝物則是存在于信號通路的終端產物，反映的是機體當時的生理狀態。與其他組學相比，代謝組學由于與表型更為接近，因此更適于疾病分型和標志物發現的研究。

　　2009年，美國密歇根大學霍華休斯醫學院研究者基于GC-MS代謝組學研究平臺找到前列腺癌biomarker-肌氨酸，發現它癌細胞轉移中可能扮演了重要的角色（Nature）。2011年，科學家利用LC-MS代謝組學研究平臺找到心血管疾病的預測biomarker，一些磷脂代謝物，如膽堿、氧化三甲胺和甜菜堿（Nature）。2014年，國內研究團隊利用GC-MS代謝組學研究平臺找到急性髓細胞白血病的診斷biomarker，并通過進一步研究發現腫瘤細胞的另一套代謝機制，揭示出可能的治療靶點（Blood）。2014年，美國研究團隊利用LC-MS代謝組學研究平臺，找到4個biomarker可區分肺癌的不同發展階段，并進行了一千多例的人群驗證（Cancer Research）。2016年，國內首批大樣本代謝組學研究利用LC-MS代謝組學研究平臺，篩選出12組靈敏度高、專屬性強的biomarker，可用于臨床冠心病的快速診斷以及不同分型的區分診斷（Journal of the American College of Cardiology）。2017年，一個被稱為“代謝組學”的代謝動態圖像已被用來識別能區分胰腺癌和慢性胰腺炎的新的血液代謝物生物標志物，與傳統診斷方法相比具有較高的靈敏度且適用于疾病更早期階段。研究者報告說，生物標志物特征區分胰腺癌與慢性胰腺炎，假設累積發病率為1.95%，曲線下面積為0.96，敏感性為89.9%，特異性為91.3%。這成功地驗證了生物標志物的特征（Gut）。

圖1 遺傳疾病中基因型與表型之間的關系

　　如上圖所示，異常的基因不一定產生功能異常的蛋白質；類似的，異常蛋白質不一定會對代謝物造成不利的影響。誘因和這些異常的蛋白質或代謝物的相關程度決定了由誘因預測疾病發生的準確性。

　　對代謝組進行全面的測定，不僅僅可以用于疾病的診斷，而且可以對疾病從發病到疾病加重過程進行整個過程的監測，分辨出疾病嚴重的程度，進行及時的預防和治療。

代謝組學發現Biomarker的研究路線：

　　代謝組學通過機體代謝物的高通量檢測，結合多元統計學分析，篩選差異顯著的代謝標志物，進而從整體上深度透析疾病的病理學機理，為疾病的預防及治療提供了科學依據。研究路線如下圖所示：

圖2 代謝組學發現biomarker研究路線

　　代謝組學在疾病分型和Biomarker發現中的應用：

　　生命的代謝是一個永不停息的過程。任何疾病的發生和發展都會影響人體代謝，從而導致體液中代謝物質發生顯著變化。通過比較機體生理與疾病狀態，同一疾病的不同分型、分期的代謝物差異，將能找到與疾病診斷與分型相關的一組Biomarker，用于疾病的診斷與分型。

　　作為心血管疾病的一種，冠心病是嚴重危害人們生命與健康的常見疾病，雖然目前通用的數字減影血管造影法確診率高，但創傷大、花費高、副作用多、操作繁瑣。臨床急需創傷小、低成本及簡便易行的冠心病早期診斷技術。代謝組學方法可通過標準制備的血清、血漿、尿等生物樣本可實現高通量小分子物質的檢測，這些小分子中許多已經被認為是疾病的危險因子。

　　美國克利夫蘭醫院和加州大學洛杉磯分校的學者在篩查人血漿中小分子代謝產物時發現，腸道細菌降解卵磷脂后所生成的“副產品”可預測哪些人未來可能發生心臟病。進一步的動物試驗顯示，腸道微生物在飲食中的脂質轉化為三甲胺N-氧化物（TMAO）的過程中起重要作用，而TMAO可促使導致心血管疾病的動脈斑塊的形成（Nature，2011）。上述研究表明，腸道共生菌也可導致或加重包括肥胖、免疫異常等在內的疾病狀況，而以TMAO為靶點的藥物或可預防動脈粥樣硬化和心臟病。

圖3膳食PC和動脈粥樣硬化的腸道菌群依賴性代謝

　　那么找到了關鍵的Biomarker，我們如何更進一步的進行疾病機制的研究呢？在組學的時代，隨著基因組學、蛋白質組學、肽組學、代謝組學等在內的組學平臺，以及生物信息學的發展，多組學聯合分析來解釋和闡述疾病病理機制已成為可能。2016年，該團隊研究學者在先前的代謝組學研究基礎上結合基因組學進行了mGWAS（Metabolome Genome-Wide Association Study）的研究，他們取了3880個冠心病患者的血漿，采用代謝組技術檢測膽堿等（8種）代謝物，利用重測序獲得材料SNP信息。基于代謝組數據和重測序SNP信息，開展mGWAS研究，最終得出在染色體2q34和5q14.1上發現了兩個位點與冠狀動脈疾病發展顯著相關，甘氨酸代謝與尿素循環可能揭示了新的動脈粥樣化硬化疾病發展機制。

圖4連接膽堿代謝途徑和尿素循環的基因和中間體

圖5 血漿中甜菜堿的GWAS結果

　　 除了腫瘤和心血管疾病，近年來隨著生活水平的提高，高脂肪、高蛋白質飲食、缺乏運動，以及一些不健康的生活習慣，導致由肥胖、高血壓、高血糖等高危因素組成的“代謝綜合征”威脅現代人的健康，利用代謝組學的技術手段也可為這些疾病的發病機制、診斷及藥物療效提供新的線索。

“廣泛靶向代謝組”技術的優勢：

　　“廣泛靶向代謝組”是一種全新的代謝物定性、定量檢測技術，它結合了非靶向、靶向的優點，將高通量、高靈敏度和定量的優點集合于一起，特別適合檢測中低豐度代謝產物，是發現新代謝Biomarker的最適方法，具有高通量（一次可檢測＞1000種代謝物）、高靈敏（能檢測低豐度代謝物）、廣覆蓋（可覆蓋超過20條代謝通路）、定性定量準（擁有近千種標準品庫）等特點。檢測的代謝物包括氨基酸及其衍生物、糖、核苷酸及其衍生物、維生素、脂質等物質。

　　通過基因測序找到疾病的控制基因，通過蛋白測序研究基因如何調節下游的信號通路，最后通過代謝組學分析研究基因表達調控的最終結果。邁維代謝可利用基因組、轉錄組、蛋白組和代謝組多種組學技術進行聯合分析，可對疾病的發生機制有更全面的認識，對疾病的診斷、監測和治療尋找新的切入點。

圖6 代謝組學與多組學結合助力醫學研究

參考文獻

1、Arun Sreekumar，Laila M．Poisson．et al．Metabolomic profiles delineate potential role for sarcosine in prostate cancer progression．Nature．2009，457（7231）：910．

2、Z Wang，E Klipfell，BJ Bennett．et al．Gut flora metabolism of phosphatidylcholine promotes cardiovascular disease．Nature．2011，472（7341）：57-63．

3、WL Chen，JH Wang，AH Zhao．et al．A distinct glucose metabolism signature of acute myeloid leukemia withprognostic value．Blood．2014，124：1645－1654．

4、EA Mathé，AD Patterson，M Haznadar．et al．Noninvasive urinary metabolomic profiling identifies diagnostic and prognostic markers in lung cancer．Cancer Research，2014，74（12）：3259．

5、Y Fan，Y Li，Y Chen，YJ Zhao．et al．Comprehensive Metabolomic Characterization of Coronary Artery Diseases．Journal of the American College of Cardiology，2016，68（12）：1281．

6、J Mayerle，H Kalthoff，R Reszka．et al．Metabolic biomarker signature to differentiate pancreatic ductal adenocarcinoma from chronic pancreatitis．Gut，2017．

7、JA Hartiala，WH Tang，Z Wang．et al．Genome-wide association study and targeted metabolomics identifies sex-specific association of CPS1 with coronary artery disease．Nature Communications，2016， 7（3）：10558．