代謝組學(xué)在子癇前期中的應(yīng)用進(jìn)展

陳 洪綜述，徐紅兵審校

（重慶醫(yī)科大學(xué)附屬第一醫(yī)院，重慶400016）

代謝組學(xué)在子癇前期中的應(yīng)用進(jìn)展

陳 洪綜述，徐紅兵審校

（重慶醫(yī)科大學(xué)附屬第一醫(yī)院，重慶400016）

先兆子癇；妊娠并發(fā)癥；代謝組學(xué)；子癇前期；生物標(biāo)志物；綜述

代謝組學(xué)是繼基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)之后發(fā)展起來(lái)的一門(mén)組學(xué)技術(shù)，也是系統(tǒng)生物學(xué)的重要組成部分。代謝組學(xué)可以高通量識(shí)別、測(cè)定生物體受刺激和基因修飾后小分子代謝物的變化[1]，從而幫助人們更好地了解疾病的病理機(jī)制，診斷、預(yù)后和發(fā)現(xiàn)疾病的標(biāo)志物[2-4]，目前代謝組學(xué)技術(shù)廣泛應(yīng)用于毒理學(xué)研究、藥物研發(fā)、疾病診斷和治療等領(lǐng)域[5-6]，成為近幾年的研究熱點(diǎn)之一。本文就代謝組學(xué)的概念及其在子癇前期的應(yīng)用和進(jìn)展作一綜述。

1 代謝組學(xué)的概念

1999年，英國(guó)Nicholson等[7]在核磁共振（NMR）基礎(chǔ)上提出了代謝組學(xué)的概念，其從代謝物層面探索生命活動(dòng)，分析基因表達(dá)、轉(zhuǎn)錄、翻譯、蛋白質(zhì)（酶）修飾后的下游產(chǎn)物，真實(shí)反應(yīng)系統(tǒng)（細(xì)胞、組織或器官）的生理狀態(tài)或表型，關(guān)注對(duì)象是相對(duì)分子質(zhì)量小于1×103的小分子代謝物。

2 代謝組學(xué)的研究領(lǐng)域和技術(shù)

2.1 代謝組學(xué)的研究領(lǐng)域 根據(jù)研究對(duì)象和目的不同，F(xiàn)iehn[8]將代謝組學(xué)分為4個(gè)層次∶（1）代謝物靶標(biāo)分析，定量測(cè)定機(jī)體受擾動(dòng)后某一特定代謝物的變化，分析物較局限；（2）代謝物輪廓分析，對(duì)某一類(lèi)特定代謝物測(cè)定，如糖類(lèi)、氨基酸等，分析其特定代謝途徑，是一種半定量的方法；（3）代謝物指紋分析，對(duì)所有代謝物進(jìn)行定性分析，不針對(duì)具體某一組分；（4）代謝物組學(xué)分析，在特定條件下對(duì)生物樣品中所有代謝物進(jìn)行定性和定量分析。

2.2 代謝組學(xué)分析技術(shù) 代謝組學(xué)分析流程[9-10]包括∶實(shí)驗(yàn)設(shè)計(jì)、樣品采集和預(yù)處理、代謝物分離和檢測(cè)、數(shù)據(jù)分析及模型建立、分析代謝變化機(jī)制。代謝組學(xué)研究的常見(jiàn)樣品是血清或血漿、尿液，除此之外，羊水、膽汁、唾液、精液、腦脊液和部分組織也可作為研究樣本。代謝組學(xué)常用的技術(shù)平臺(tái)有NMR光譜技術(shù)和色譜-質(zhì)譜聯(lián)用技術(shù)。一個(gè)精密的實(shí)驗(yàn)設(shè)計(jì)必須有良好的重復(fù)性、穩(wěn)定的樣本回收率和完善的分離分析平臺(tái)用于檢測(cè)代謝物[11]。常用的NMR有氫離子磁共振（1H-NMR）、碳譜磁共振和磷譜磁共振，其中以1H-NMR應(yīng)用最為廣泛。應(yīng)用 NMR技術(shù)[12-13]進(jìn)行代謝組學(xué)研究時(shí)，其優(yōu)點(diǎn)是無(wú)需樣品進(jìn)行預(yù)處理，實(shí)現(xiàn)樣品快速檢測(cè)，并且不破壞樣品，可以應(yīng)用于活體研究；由于NMR光譜復(fù)雜，其靈敏度較低。色譜可以對(duì)物質(zhì)定性，而質(zhì)譜可以定量，因此聯(lián)合應(yīng)用色譜-質(zhì)譜技術(shù)對(duì)樣品進(jìn)行檢測(cè)具有高敏感度、高分辨率、高特異性的特點(diǎn)[1，14]，較常用的有氣相色譜-質(zhì)譜聯(lián)用（GC-MS）、液相色譜-質(zhì)譜聯(lián)用（LC-MS）和毛細(xì)管電泳-質(zhì)譜聯(lián)用（CE-MS）等[15]。GC-MS分析時(shí)，需要對(duì)樣品進(jìn)行衍生化，靈敏度高于NMR，但同時(shí)也增加了時(shí)間成本。LC-MS檢測(cè)時(shí)樣品無(wú)需衍生化，可以實(shí)現(xiàn)多樣本同時(shí)檢測(cè)，相對(duì)NMR費(fèi)時(shí)較多。CE-MS具有高分離能力，需要的樣品量少，檢測(cè)快速，但是商業(yè)成本較高，保留時(shí)間重復(fù)性較差。隨著色譜技術(shù)的不斷發(fā)展，高效液相色譜-質(zhì)譜聯(lián)用和超高效液相色譜-質(zhì)譜聯(lián)用（UPLC-MS）技術(shù)得到廣泛應(yīng)用，大大提高了分離效率、峰容量及靈敏度[16]。對(duì)代謝組學(xué)技術(shù)檢測(cè)到的數(shù)據(jù)進(jìn)行預(yù)處理（除噪、數(shù)據(jù)標(biāo)準(zhǔn)化、缺失值處理），將質(zhì)譜圖轉(zhuǎn)換成數(shù)據(jù)矩陣，最后運(yùn)用模式識(shí)別方法對(duì)數(shù)據(jù)進(jìn)行多變量分析，并建立可視化模型[10，17]。無(wú)師監(jiān)督的模式識(shí)別方法包括主成分分析、聚類(lèi)分析等；有師監(jiān)督的模式識(shí)別方法包括判別分析、偏最小二乘法分析、偏最小二乘法判別分析、正交校正的偏最小二乘法分析等[1，17-19]。運(yùn)用模式識(shí)別方法尋找差異性代謝物，通過(guò)查閱文獻(xiàn)、數(shù)據(jù)庫(kù)檢索、比對(duì)二級(jí)質(zhì)譜、用標(biāo)準(zhǔn)品驗(yàn)證等手段，對(duì)潛在標(biāo)志物進(jìn)行定性，從而鑒定出差異性化合物[10，20]。

3 代謝組學(xué)與子癇前期

代謝組學(xué)是組學(xué)研究熱點(diǎn)之一，可以系統(tǒng)地研究體液或組織里代謝物的變化，代謝物的濃度及聯(lián)合多種代謝物可以應(yīng)用于預(yù)測(cè)疾病的分類(lèi)和病程發(fā)展[21]。子癇前期是一種妊娠期特有疾病，隨著代謝組學(xué)技術(shù)的不斷發(fā)展，越來(lái)越多的學(xué)者借助代謝組學(xué)技術(shù)對(duì)子癇前期展開(kāi)研究。

3.1 尋找子癇前期的生物標(biāo)志物 Kenny等[22]在2005年首次應(yīng)用氣相色譜-飛行時(shí)間質(zhì)譜聯(lián)用技術(shù)分析87例子癇前期患者血漿樣本，應(yīng)用遺傳編程方法處理數(shù)據(jù)，發(fā)現(xiàn)3個(gè)代謝峰（峰403、415、427）可以有效地區(qū)分子癇前期和健康對(duì)照，敏感度和特異度分別為100%和98%，其中峰403、415呈下降趨勢(shì)，可能是該病的保護(hù)性因子，而峰427呈上升趨勢(shì)，可能與疾病的嚴(yán)重程度相關(guān)。Austdal等[23]運(yùn)用NMR技術(shù)同時(shí)對(duì)子癇前期患者血清和尿液樣本進(jìn)行檢測(cè)，發(fā)現(xiàn)子癇前期患者的代謝圖譜明顯不同于健康妊娠婦女，從子癇前期患者尿液中鑒定出9個(gè)生物標(biāo)志物，健康妊娠婦女與健康未孕婦女比較有15個(gè)差異性代謝物；對(duì)血清脂質(zhì)譜進(jìn)行分析發(fā)現(xiàn)子癇前期患者血清低密度脂蛋白、極低密度脂蛋白濃度明顯升高，而高密度脂蛋白濃度明顯降低，與心血管疾病的危險(xiǎn)因子一致[24]。該實(shí)驗(yàn)證明可通過(guò)代謝組學(xué)方法對(duì)子癇前期進(jìn)行分類(lèi)，同時(shí)也揭示了妊娠和子癇前期可能介導(dǎo)的代謝變化。

3.2 子癇前期的診斷及探索其發(fā)病機(jī)制 目前子癇前期的診斷主要基于血壓和蛋白尿?qū)χ匾鞴俚膿p害，其病因尚不明確，可能發(fā)病機(jī)制主要有胎盤(pán)淺著床、氧化應(yīng)激、免疫適應(yīng)不良、炎性反應(yīng)、血管內(nèi)皮細(xì)胞及血管功能障礙等[22]。Turner等[25]利用1H-NMR對(duì)子癇前期患者和健康妊娠婦女血漿進(jìn)行分析，結(jié)果提示芳香族氨基酸（組氨酸、酪氨酸、苯丙氨酸）可以充分區(qū)別子癇前期和健康孕婦。Dunn等[26]應(yīng)用UPLC-MS分析子癇前期患者和健康妊娠孕婦胎盤(pán)絨毛培養(yǎng)基的代謝足跡，該實(shí)驗(yàn)取子癇前期患者和健康妊娠婦女分娩后的胎盤(pán)絨毛，分別在1%和6%氧濃度下培養(yǎng)，結(jié)果發(fā)現(xiàn)在相同氧濃度培養(yǎng)下的子癇前期患者和健康妊娠組絨毛代謝足跡不相同，而在常氧濃度（6%）下培養(yǎng)的子癇前期婦女的絨毛和低氧濃度（1%）下健康妊娠婦女的絨毛其代謝足跡相似，主要有三大類(lèi)代謝物發(fā)生顯著變化，分別是谷氨酸/谷氨酰胺、色氨酸、白三烯/前列腺素，證明了胎盤(pán)缺氧在子癇前期發(fā)病機(jī)制中的重要作用。De Oliveira等[27]應(yīng)用基質(zhì)輔助激光解吸電離質(zhì)譜對(duì)8例早發(fā)型子癇前期血漿脂質(zhì)代謝指紋進(jìn)行分析，運(yùn)用模式識(shí)別方法，鑒定出12個(gè)脂質(zhì)類(lèi)差異性代謝物，結(jié)果表明對(duì)子癇前期脂質(zhì)代謝指紋分析有助于該病發(fā)病機(jī)制的研究。

3.3 應(yīng)用生物標(biāo)志物實(shí)現(xiàn)子癇前期的早期預(yù)測(cè) 生物體接受刺激后大量的代謝信息改變出現(xiàn)在臨床癥狀以前，越來(lái)越多學(xué)者利用代謝組學(xué)致力于疾病早期標(biāo)志物的研究[28]。Kenny等[29]利用UPLC-MS技術(shù)實(shí)現(xiàn)對(duì)子癇前期的早期預(yù)測(cè)，通過(guò)對(duì)子癇前期患者早期（15±1）周血漿的研究，應(yīng)用多元統(tǒng)計(jì)學(xué)分析篩選出生物標(biāo)志物，并應(yīng)用14個(gè)生物標(biāo)志物對(duì)另一地區(qū)孕婦早期（15±1）周血漿進(jìn)行子癇前期的預(yù)測(cè)，其結(jié)果顯示預(yù)測(cè)率可達(dá)92%。該實(shí)驗(yàn)為子癇前期提供了一種全新的早期篩查手段。實(shí)現(xiàn)對(duì)子癇前期的早期預(yù)測(cè)可為早期臨床干預(yù)提供依據(jù)，具有重要的臨床意義，吸引了大量學(xué)者對(duì)子癇前期早期預(yù)測(cè)的研究。Bahado-Singh等[30-31]先后實(shí)現(xiàn)了應(yīng)用早孕期血漿代謝物對(duì)早發(fā)型子癇前期、晚發(fā)型子癇前期的預(yù)測(cè)。2012年，該研究小組用NMR技術(shù)對(duì)子癇前期患者早孕期間的血漿進(jìn)行代謝物分析，結(jié)果找到20種差異性代謝物，應(yīng)用其中4種代謝產(chǎn)物檸檬酸、甘油、羥基甲基丁酸鈣和蛋氨酸對(duì)早發(fā)型子癇前期進(jìn)行預(yù)測(cè)，其預(yù)測(cè)率可達(dá)75.9%，假陽(yáng)性率為4.9%，結(jié)合早孕期多普勒超聲子宮動(dòng)脈的搏動(dòng)指數(shù)和胎兒頭臀長(zhǎng)，可將預(yù)測(cè)率提高至82.6%，假陽(yáng)性率降低至1.6%。2013年，該研究小組以NMR技術(shù)通過(guò)對(duì)30例晚發(fā)型子癇前期患者的早孕期血清進(jìn)行分析，結(jié)果找到17種有統(tǒng)計(jì)學(xué)意義的代謝物，其中14種代謝物濃度升高，3種代謝物濃度降低。應(yīng)用多種差異性代謝物和孕婦基礎(chǔ)信息對(duì)晚發(fā)型子癇前期進(jìn)行預(yù)測(cè)，靈敏度和特異度分別為76.6%和100.0%。這些研究表明，運(yùn)用代謝組學(xué)技術(shù)早期預(yù)測(cè)子癇前期是可行的，同時(shí)結(jié)合多種手段可提高對(duì)該病的預(yù)測(cè)率，實(shí)現(xiàn)對(duì)不同類(lèi)型子癇前期的早期篩查，具有重要的臨床意義。

4 小結(jié)與展望

代謝組學(xué)是一種研究生物體低分子代謝物的有效手段，技術(shù)平臺(tái)和數(shù)據(jù)處理方法也日趨成熟，許多研究證實(shí)了應(yīng)用代謝組學(xué)對(duì)子癇前期研究的可行性，為子癇前期提供了分子生物學(xué)依據(jù)。由于子癇前期的病因和病理機(jī)制不明確，應(yīng)用代謝組學(xué)對(duì)子癇前期的研究有著廣闊的前景。代謝組學(xué)是基因組學(xué)、轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)的最終方向，能提供全面的代謝信息，結(jié)合目前的研究成果來(lái)看，代謝組學(xué)在對(duì)子癇前期的早期診斷和鑒別診斷中起著重要作用，探索子癇前期的發(fā)病機(jī)制，有重要的研究?jī)r(jià)值。以代謝組學(xué)為基礎(chǔ)聯(lián)合多種組學(xué)技術(shù)，從基因和蛋白質(zhì)層面挖掘差異性代謝物的代謝途徑，從分子水平闡述其發(fā)病機(jī)制可能成為子癇前期的研究重點(diǎn)。

[1]Goodacre R，Vaidyanathan S，Dunn WB，et al.Metabolomics by numbers∶acquiring and understanding global metabolite data[J].Trends Biotechnol，2004，22（5）∶245-252.

[2]Lawton KA，Brown MV，Alexander D，et al.Plasma metabolomic biomarker panel to distinguish patients with amyotrophic lateral sclerosis from disease mimics[J].Amyotroph Lateral Scler Frontotemporal Degener，2014，15（5/6）∶362-370.

[3]Langley RJ，Tsalik EL，van Velkinburgh JC，et al.An integrated clinicometabolomic model improves prediction of death in sepsis[J].Sci Transl Med，2013，5（195）∶195ra95.

[4]Lu Y，Wang C，Chen Z，et al.Serum metabolomics for the diagnosis and classification of myasthenia gravis[J].Metabolomics，2012，8（4）∶704-713.

[5]Martin FP，Dumas ME，Wang Y，et al.A top-down systems biology view of microbiome-mammalian metabolic interactions in a mouse model[J].Mol Syst Bio，2007，3∶112.

[6]GowdaGA，DjukovicD.Overviewofmassspectrometry-basedmetabolomics∶opportunities and challenges[J].Methods Mol Biol，2014，1198∶3-12.

[7]Nicholson JK，Lindon JC，Holmes E.′Metabonomics′∶understanding the metabolic responses of living systems to pathophysiological stimuli via multivariate statistical analysis of biological NMR spectroscopic data[J]. Xenobiotica，1999，29（11）∶1181-1189.

[8]Fiehn O.Metabolomics-the link between genotypes and phenotypes[J]. Plant Mol Siol，2002，48（1/2）∶155-171.

[9]Mamas M，Dunn WB，Neyses L，et al.The role of metabolites and metabolomics in clinically applicable biomarkers of disease[J].Arch Toxicol，2011，85（1）∶5-17.

[10]Patti GJ，Yanes O，Siuzdak G.Innovation∶Metabolomics∶the apogee of the omics trilogy[J].Nat Rev Mol Cell Biol，2012，13（4）∶263-269.

[11]Zelena E，Dunn WB，Broadhurst D，et al.Development of a robust and repeatable UPLC-MS method for the long-term metabolomic study of human serum[J].Anal Chem，2009，81（4）∶1357-1364.

[12]Bothwell JH，Griffin JL.An introduction to biological nuclear magnetic resonance spectroscopy[J].Biol Rev Camb Philos Soc，2011，86（2）∶493-510.

[13]Smolinska A，Blanchet L，Buydens LM，et al.NMR and pattern recognition methods in metabolomics∶from data acquisition to biomarker discovery∶a review[J].Anal Chim Acta，2012，750∶82-97.

[14]Kamleh MA，Dow JA，Watson DG.Applications of mass spectrometry in metabolomic studies of animal model and invertebrate systems[J].Brief Funct Genomic Proteomic，2009，8（1）∶28-48.

[15]Fanos V，Atzori L，Makarenko K，et al.Metabolomics application in maternal-fetal medicine[J].Biomed Res Int，2013，2013∶720514.

[16]Gika HG，Theodoridis GA，Plumb RS，et al.Current practice of liquid chromatography-mass spectrometry in metabolomics and metabonomics[J].J Pharm Biomed Anal，2014，87∶12-25.

[17]Goodacre R，Broadhurst D，Smilde AK，et al.Proposed minimum reporting standards for data analysis in metabolomics[J].Metabolomics，2007，3（3）∶231-241.

[18]Okada T，Afendi FM，Altaf-Ul-Amin M，et al.Metabolomics of medicinal plants∶the importance of multivariate analysis of analytical chemistry data[J]. Curr Comput Aided Drug Des，2010，6（3）∶179-196.

[19]Sawada Y，Akiyama K，Sakata A，et al.Widely targeted metabolomics based on large-scale MS/MS data for elucidating metabolite accumulation patterns in plants[J].Plant Cell Physiol，2009，50（1）∶37-47.

[20]Dunn WB，Erban A，Weber RJM，et al.Mass appeal∶metabolite identification in mass spectrometry-focused untargeted metabolomics[J].Metabolomics，2013，9（1）∶44-66.

[21]Lin L，Yu Q，Yan X，et al.Direct infusion mass spectrometry or liquid chromatography mass spectrometry for human metabonomics?A serum metabonomic study of kidney cancer[J].Analyst，2010，135（11）∶2970-2978.

[22]Kenny LC，Dunn WB，Ellis DI，et al.Novel biomarkers for pre-eclampsia detected using metabolomics and machine learning[J].Metabolomics，2005，1（3）∶227-234.

[23]Austdal M，Skr?stad RB，Gundersen AS，et al.Metabolomic biomarkers in serum and urine in women with preeclampsia[J].PloS One，2014，9（3）∶e91923.

[24]Demirci O，Tugrul AS，Dolgun N，et al.Serum lipids level assessed in early pregnancy and risk of pre-eclampsia[J].J Obstet Gynaecol Res，2011，37（10）∶1427-1432.

[25]Turner E，Brewster JA，Simpson NA，et al.Aromatic amino acid biomarkers of preeclampsia-a nuclear magnetic resonance investigation[J].Hypertens Pregnancy，2008，27（3）∶225-235.

[26]Dunn WB，Brown M，Worton SA，et al.Changes in the metabolic footprint of placental explant-conditioned culture medium identifies metabolic disturbances related to hypoxia and pre-eclampsia[J].Placenta，2009，30（11）∶974-980.

[27]De Oliveira L，Camara NO，Bonetti T，et al.Lipid fingerprinting in women with early-onset preeclampsia∶a first look[J].Clin Biochem，2012，45（10/11）∶852-855.

[28]Meads CA，Cnossen JS，Meher S，et al.Methods of prediction and prevention of pre-eclampsia∶systematic reviews of accuracy and effectiveness literature with economic modelling[J].Health Technol Assess，2008，12（6）∶iii-iv.

[29]Kenny LC，Broadhurst DI，Dunn W，et al.Robust early pregnancy prediction of later preeclampsia using metabolomic biomarkers[J].Hypertension，2010，56（4）∶741-749.

[30]Bahado-Singh RO，Akolekar R，Mandal R，et al.Metabolomics and firsttrimester prediction of early-onset preeclampsia[J].J Matern Fetal Neonatal Med，2012，25（10）∶1840-1847.

[31]Bahado-Singh RO，Akolekar R，Mandal R，et al.First-trimester metabolomic detection of late-onset preeclampsia[J].Am J Obstet Gynecol，2013，208（1）∶58.

10.3969/j.issn.1009-5519.2015.13.019

：A

：1009-5519（2015）13-1978-04

∶2015-03-14）

∶陳洪（1988-），女，重慶榮昌人，碩士研究生，主要從事婦產(chǎn)科臨床工作；E-mail∶747226912@qq.com。

∶徐紅兵（E-mail∶xhbyhr2008@sina.com）。