6.2 代谢组学

6.1 节把可测对象排成自基因组到表型组的五层信息栈，并指出代谢组层变化最快、离表型最近。本节补上这块测量拼图：先界定什么是代谢组、它在信息流中处于何种地位（6.2.1）；再比较测量它的三类仪器平台（6.2.2）与实验设计的关键环节（6.2.3）；随后进入计算一侧——数据处理、多元统计及其验证纪律（6.2.4）；在此基础上区分发现导向与验证导向的两条研究策略（6.2.5）；最后巡视植物、临床、毒理与微生物四个应用领域，并为代谢组与基因组的整合留出接口（6.2.6）。

6.2.1 代谢组的界定与地位

代谢组(metabolome)指一个明确界定的生物学对象——细胞、组织、器官或整个生物体——在给定时刻所含全部小分子代谢产物的集合：糖酵解与三羧酸循环的中间物、氨基酸、核苷酸、有机酸、脂质，以及（植物特有的）各类次生代谢物。通行的工作定义将其操作性地限定为相对分子质量约 1000 Da 以下的分子：这不是一条生物学意义上的截断线，而是色谱-质谱与核磁共振平台可及范围给出的操作性表述（Fiehn, 2002）。研究这一集合的学科即代谢组学(metabolomics)。

代谢组为何被置于信息栈的最底端、紧贴表型？其一，它位于信息流的终点：基因变异的影响须经转录、翻译、翻译后修饰与酶活调控层层传递才落到可见性状上，而代谢物浓度是这整条传递链的净输出——上游任何一环的变化，原则上都会在底物与产物的比例中留下痕迹。其二，代谢物直接参与酶促反应本身：酶活性改变，底物与产物的浓度在秒到分钟尺度上随即重排，代谢组因此常被称为系统代谢状态的「即时快照」（对照 6.1 节图 6.1-1 的时间尺度标注）。其三，它还是基因与环境的交汇点：膳食成分、药物、环境化学物与共栖微生物的代谢产物都直接写入代谢物谱——这是基因组与转录组都不具备的性质。

代谢组的规模需要保守表述。人类基因组约有 2 万个蛋白编码基因，而人体内经实验确认的内源代谢物在数千种的量级：人类代谢组数据库第一版收录已检出并确认的化合物约 2200 种，另有数量更多的预测条目（Wishart et al., 2007）。换言之，在人类这类物种上，代谢组的「词条数」比基因与转录本少约一个数量级；但这并非普遍规律——代谢物经过系统注释的植物可合成数以万计的次生代谢物，「代谢组小于基因组」只是经验事实。更关键的差别在化学一侧：代谢物数目虽少，化学多样性却极高，极性从强亲水到强亲脂、挥发性从不挥发到易挥发、稳定性从瞬间水解到长期稳定皆有，浓度动态范围跨越多个数量级；而且代谢物没有类似 PCR 的酶促放大手段，检测灵敏度完全取决于仪器本身。这些性质共同决定了：代谢组学不会被某一种技术统一，而必须由多个平台分兵把守（Gibson & Muse, 2009）。

6.2.2 分析平台：NMR、GC-MS 与 LC-MS/MS

基因组学有幸被一种技术——测序——所统一；代谢组学没有这种幸运。三类平台各守一段化学空间，其取舍可以概括为：灵敏度、覆盖度、定量公平性与无损性不可兼得。

核磁共振（以 ¹H-NMR 为主）检测的是核自旋在强磁场中的共振信号。其突出优点有二：一是定量公平——谱峰积分面积与产生该信号的核的浓度成正比，原则上不需要逐化合物的响应因子或校准曲线即可定量；二是无损——血清、尿液等体液几乎无需前处理即可直接测量，还可对活体组织或流动体系做原位连续监测，通量也高（现代流动进样系统每样本仅需数分钟），重现性极佳。代价是灵敏度低：检测限通常在 μmol/L 至 mmol/L 量级，只能看见高丰度代谢物（一次典型测量得到数十至一二百个可分辨峰）；且 ¹H 谱的化学位移窗口窄（约 10 ppm），大量代谢物的信号相互重叠，谱峰归属困难。

气相色谱-质谱联用（GC-MS）以气相色谱按挥发性和固定相相互作用分离组分，质谱用约 70 eV 的电子轰击电离（EI）。EI 的碎裂模式高度重现，可检索 NIST 等大型标准谱库，配合保留指数定性相当可靠。前提是分子必须可汽化且热稳定：糖、氨基酸、有机酸等极性代谢物须先经衍生化(derivatization)（如硅烷化）转化为挥发性衍生物方能进样——这既增加了工作量，也引入了新的变异来源；大分子脂质与热不稳定分子则基本被排除在外。

液相色谱-串联质谱联用（LC-MS/MS）用液相色谱分离，无需汽化，反相与亲水作用色谱联用可覆盖从脂质到高极性代谢物的宽极性范围；电喷雾等软电离(soft ionization)方式温和，保留分子离子，二级质谱（MS/MS）再提供结构信息性的碎裂谱。它灵敏度最高（检测限可达 nmol/L 至 pmol/L 量级），是非靶向发现研究的主力。主要问题有二：一是离子抑制(ion suppression)——共流出的基质组分影响待测物的电离效率，使响应因子在样本间漂移，必须用内标与基质匹配的校准加以控制；二是 LC-MS/MS 碎裂谱对仪器与条件的依赖较大，谱库的通用性不及 GC-MS 的 EI 库，鉴定更依赖标准品比对与数据库匹配。

表中没有「最好的平台」一列，因为答案取决于问题：要无损与绝对定量，选 NMR；要可靠的谱库定性，选 GC-MS；要覆盖与灵敏度，选 LC-MS/MS。严肃的代谢组学研究常常多路并行，用互补的平台拼出更大的化学视野。图 6.2-1 给出从一份生物样本到一张通路图的全流程。

6.2.3 实验要点：淬灭、提取与鉴定层级

淬灭(quenching)指在取样瞬间终止酶活性。它之所以是代谢组学的第一道关卡，是因为代谢转换在离体后并不会自行停止：缺血、温度升高与细胞破损会使 ATP 在数秒内水解、糖原快速磷酸解、次级反应持续改写浓度——测到的将是「取样过程的代谢史」而非目标时刻的状态。通行的淬灭手段包括液氮速冻、预冷甲醇（约 −40 °C 量级）以及酸或热处理；微生物流程中还需把胞外培养基置换干净，并警惕淬灭步骤本身造成的代谢物漏出。

提取是用溶剂把小分子从变性后的蛋白质、核酸与膜结构中释放出来。没有单一溶剂能无偏地覆盖全极性范围：常用甲醇-水-氯仿等混合体系按极性分成两相，极性相与脂质相分别进样分析，或对同一基质分步提取。评价一个提取方案的准则是：效率高且对不同化学类别不「偏科」、步骤简单、批内批间可重复。提取溶剂中应掺入已知量的内标(internal standard)——理想是待测物的稳定同位素标记类似物——以校正此后的提取损失与进样波动。此外，将全部样本等量混合而成的质控样本（pooled QC）按固定间隔穿插进分析序列，用于监测和校正仪器漂移，已成为报告规范的基本要求（Gibson & Muse, 2009；Sumner et al., 2007）。

代谢组学最容易与其他组学混淆的一点在于「测到了」不等于「知道它是什么」。基因组读段几乎总能定位到参照序列，而一个色谱峰只是保留时间、质荷比与强度的三元组；把它升格为化合物，需要分层的证据。

定量亦须区分两种口径。绝对定量给出浓度单位（如 μmol/L），需要用标准品建立校准曲线；相对定量只报告经内标校正的响应比或组间倍数变化，适用于峰的身份尚未完全确认或标准品不可得的情形。两者的桥梁是内标归一化加校准曲线反解：

6.2.4 数据处理与多元统计

从谱图到矩阵要经过三道常规工序。第一是谱峰提取与对齐：重叠峰须去卷积分辨，跨样本的保留时间漂移须校正，否则同一代谢物在不同样本中会被拆成两个「特征」。第二是归一化，途径依样本类型选择：用内标（或同位素内标组）校正提取与进样波动；用鲜重、蛋白总量或细胞数校正上样量差异；尿液这类浓缩程度因人而异的样本，还常以肌酐或渗透压做除法校正。第三是缺失值：其来源既可能是浓度低于检测限，也可能是峰匹配失败或局部离子抑制造成的假缺失；常用的最小值一半填补或回归填补本身会引入偏差，报告时应说明策略。完成之后通常再做对数变换与标度化，使浓度数量级悬殊的代谢物能够同台比较。

矩阵就绪后的多元统计与第 4 章 4.5 节处理表达矩阵的思路一脉相承，分为无监督与有监督两条线。主成分分析(principal component analysis, PCA)不用分组标签，把数百个代谢物的方差压缩到少数几个主成分上，用于回答：这批样本自然聚成几团、有没有离群样本、批间漂移是否严重。因此 PCA 的正确位置是任何有监督分析之前的质量检查。偏最小二乘判别分析(partial least squares discriminant analysis, PLS-DA)则使用分组标签，寻找使类间分离最大的潜在变量方向，直接输出判别结果与区分性代谢物（如按变量重要性 VIP 排序）。

在 PLS-DA 之上还有一个常用变体：正交偏最小二乘判别分析（OPLS-DA）把与分组标签无关的变异分离到正交成分中，使组间差异集中在单一预测成分上、更便于解读；但其统计性质与验证要求和 PLS-DA 完全相同——正交化不豁免验证。图 6.2-2 以同一批演示数据展示「先无监督、后有监督、再验证」的标准次序。

6.2.5 非靶向与靶向策略

上述技术要素按研究目的组织成两条互补的策略路线：一条面向发现，一条面向验证。

两条路线之间有一个务实的中间形态：拟靶向代谢组学（widely targeted metabolomics）——先以非靶向扫描建立保留时间与离子对清单，再切换到 MRM 模式一次监测数百乃至上千种代谢物，兼顾非靶向的覆盖面与靶向的定量严谨性，在植物与食品研究中使用尤多。就研究周期而言，「非靶向发现—拟靶向或靶向验证」的接力是当前的常见配置：发现的结论只有通过独立方法学的定量验证，才能进入应用。

得到差异代谢物清单后，最后一步是把孤立的特征放回通路语境。与转录组学中的基因富集分析同型，代谢通路也可以做统计富集：或以超几何检验对差异代谢物清单做过表征分析（ORA），或考虑全谱统计量做代谢通路富集分析(metabolite set enrichment analysis, MSEA)。但须注意两点：代谢物总数远小于基因数，每条通路内被测全的代谢物更少，富集结果的稳定性天然弱于转录组；通路注释还依赖 KEGG 等数据库的覆盖质量。因此代谢富集应作为组织解释的线索而非终点结论使用（Trygg et al., 2007）。

6.2.6 应用领域

植物代谢组。植物是代谢组学最大的传统应用领域：其化学多样性远高于动物——次生代谢物既是色素、风味与营养品质的物质基础，也是应对病虫与环境胁迫的化学手段。经典的起点是 Fiehn 等（2000）对拟南芥的工作：用 GC-MS 对四个基因型（野生型与三个突变体）的叶提取物做相对定量，证明代谢谱足以区分基因型、并随发育阶段系统变化，从而把代谢物谱确立为功能基因组学的读出手段之一。此后，拟南芥天然变异群体与番茄等作物中代谢物数量遗传研究（如与果实营养品质相关的代谢物变异）成为模式化课题：代谢物作为可高通量测定的「化学表型」，既服务育种，也服务通路调控的研究（Gibson & Muse, 2009）。

临床生化表型。代谢组学最成熟的应用其实在教科书里早已存在：新生儿足跟血筛查苯丙酮尿症等先天代谢缺陷(inborn errors of metabolism)，以氨基酸与酰基肉碱的靶向分析为核心，本质上就是规模化、制度化的靶向代谢组学。非靶向与 NMR 指纹路线则在寻找肿瘤、糖尿病与心血管病的早期标志物组合。器官功能动态监测是 Nicholson 谱学传统的代表场景（见下方案例框）。

药物毒理。肝毒性化合物会把肝代谢扰出可重复的「代谢表型偏移」，且不同毒理机制（如过氧化物酶体增殖、胆汁淤积、氧化应激）的偏移方向各异；代谢表型分型因此可在组织学病变出现之前预警毒性，并为毒理机制分类提供读出。2000 年代多家制药公司与学术实验室联合开展的代谢毒理计划系统评估了 NMR 代谢组学预测毒理结局的能力，推动代谢组学进入药物安全评价流程（原书出版于 2009 年，此处按当时的框架作定性介绍；Gibson & Muse, 2009）。

微生物表型。酵母中的经典研究表明了代谢组的「放大镜」作用：某些基因删除后生长速率等常规表型毫无变化——所谓沉默突变——但其代谢谱却显著偏移（Raamsdonk et al., 2001）。机制在于代谢网络存在冗余与补偿（6.1 节的简并性）：通量被旁路接管的突变在宏观表型上沉默，在代谢物浓度上却留下痕迹。代谢组因此为基因功能注释提供了生长表型之外的第二意见。

最后是与其他层的整合。把每一种代谢物的浓度当作数量性状、与基因型联动作图，即得代谢数量性状位点(metabolic quantitative trait locus, mQTL)——它是 6.3 节 eQTL 思想在代谢层的直接平移，揭示天然变异影响代谢的遗传架构；而把代谢层与变异、表达、蛋白质各层在配对样本上联合建模，则是 6.4 节多组学整合与网络推理的起点。