论文部分内容阅读
代谢组学研究通过对内源性代谢物的高效表征,为生物体内的代谢变化提供了大量信息,已被广泛应用于药物研发、临床诊断及病理研究等领域。值得注意的是,当前经典的代谢组学研究主要关注代谢物的含量快照（snapshot）1,表征的是生化反应的最终结果,却忽视了合成、转化、降解等动态过程代谢变化信息2,属于含量导向型的―静态代谢组学"研究。若在实验体系中加入稳定同位素标记的前体物质,用于示踪目标物的动态转化过程,可为研究者们认识代谢变化过程提供新视角,为发现异常代谢特征及进一步功能机制探讨提供更多信息。本研究中,我们发展了一种新型的功能代谢组学系统性研究策略。该策略主要针对经典代谢组学研究中忽视动态过程信息的问题,采用稳定同位素标记法引入动态信息分析维度,基于多平台（基于CE-MS的极性与基于LC-MS的脂质）代谢组学分析扩展代谢物检测覆盖范围,同时开发了实验室自编软件’SIAM Analyzer’用于高通量的代谢数据处理,实现从单个标记样本的单次分析中,同时获取静态代谢物累积含量,以及动态代谢过程变化信息,用于多维度代谢组学分析的目的。将该策略应用于[U-13C]-葡萄糖培养的前列腺细胞研究中,从单个标记样本的单次分析中同时获取了包括静态总量、动态同位素标记率及动态同位素分布模式的丰富的代谢组学信息。研究从静态/动态两个角度深入剖析代谢扰动过程,利用两种不同层次的代谢变化信息寻找关键节点物质,揭示前列腺癌与正常细胞之间的特征差异代谢物及其代谢特点。该系统性策略i)有效提高了代谢组学分析的信息通量及对复杂生物体系表征的完备性,扩展了发现研究的视角,无需采用复杂通量计算即可初步对异常代谢过程进行筛选研究;ii)代谢网络覆盖度高;iii)方法稳定重复;iv)可避免峰匹配过程的误差,数据处理过程更为直观简便。该策略将有利于为代谢组学发现及机理研究开辟新的视角。