知组识谱 | 漫谈代谢组学（二）

上一篇我们讲了代谢组学及其主要的技术方法，今天我们将聊一聊如何运用这些基础知识，对代谢组学研究平台和技术手段的有效性进行评估等一些话题。

在确定了技术平台，技术路线，对样品进行检测得到了代谢组学数据以后，接下来的一个主要的研究瓶颈可能就是代谢物的鉴定了。代谢物的鉴定一直是代谢组学研究中一个令很多人头痛的瓶颈。以LC-MS检测为例，早期的代谢组学LC-MS研究通常的做法是用高质量精度质谱（如飞行时间质谱TOF）对待测物进行一级全扫描（full mass scan），用公共软件如XCMS等对原始数据进行离子峰提取和排列（alignment），这样一般能得到数千个峰以及这些峰在所有样品中的峰面积的列表。在事件组（case）和对照组（control）之间浓度没有统计学差别的离子峰先忽略，只看在两组之间统计上有显著差异变化的离子峰，然后对这些峰进行代谢物鉴定。很多初次接触代谢组学的同学会认为一个峰就是一个代谢物，但其实这些峰只能叫离子特征（ion features），而离子特征并不等同于代谢物,因为一个代谢物在检测时会出现多个ion features。

在没有用标品建立的包含每个代谢物在平台上出峰的保留时间等信息的自建数据库的情况下，代谢物的鉴定一般只能依靠用母离子的精确质量数和碎片离子的信息去搜索公共的数据库。这样搜索出来的结果会包含鉴定结果概率较低的候选代谢物。这些不确定的代谢物是不能用在对结果的生物学意义的分析中的，因为鉴定的代谢物存在错误就会把研究方向误导至错误的代谢通路和网络中。2007年Metabolomics Standard Initiative（MSI）把代谢组学研究中的代谢物鉴定分为四个级别（Tier 1-4）：第一级是鉴定的化合物，即基于标准品，名称结构可以完全确定的代谢物；第二级是推断的化合物，即在没有标准品可以验证，只能搜索公共的或商业的数据库根据匹配度以及其他线索来辅助推断得到名称的代谢物；第三类是可推断化合物类别的代谢物；第四类是未知的代谢物（只有离子特征信息无法推测化合物的分类和名称）^[1]。2016年发表的一篇文章中进一步把代谢物鉴定的可信度分为五个置信等级^[2]。一级鉴定是最高置信度的鉴定，是与标准品在相同的分析条件下得到的属性进行匹配的鉴定。二级鉴定 是在没有标准品验证的情况下主要依靠 MS/MS碎片模式推测得出的代谢物鉴定。 三级鉴定是通过精确质量数和同位素分布模式搜索相关数据库得出的代谢物候选列表。四级鉴定是能够得到候选的分子式的鉴定，五级鉴定是只有离子特征的m/z 信息的鉴定（图1）。以LC-MS为例，要真正对一个代谢物的鉴定做到心中有数至少需要做到以下几点：正确的LC色谱上出峰的保留时间（与标准品相比），准确的一级分子离子m/z的匹配以及高质量的MS/MS 匹配。如果能够在代谢通路网络中根据通路共属或者上下游关系对一个代谢物的浓度变化做出合理的解释，则对这个代谢物的定性更加放心。

图1. 代谢物鉴定的可信度（从上到下依次增加）^[2]

首先要确定技术平台和方法学，是做NMR， GC-MS， LC-MS或者是这三种方法的任意组合；是用非靶向检测的方法还是靶向检测的方法。确定了技术平台和方法学后要根据相关技术指标购买仪器。比如做LC-MS平台需要购买超高效液相色谱系统以及高分辨率高质量精度的质谱仪（HRAM）；做广泛靶向的代谢组学方法还需要买三重四极杆质谱仪（TQMS）。仪器到位安装后要把方法学进行验证，把标准品用选择的方法学在系统上检测建立标品数据库。一般还有用固定基质类型的样品（比如血浆）按照每天运行样品数的最大通量连续上样数天到数周进行系统的稳定性验证。要保证重复样品中可检测的代谢物的数目和信号值的稳定，还要保证不同组生物样品中的组别差异性可以被稳定地测出。这是一个需要相当时间和精力的过程，绝不是一个短期可以一蹴而就的事情。

一个代谢组学平台的搭建需要大量的物力和人力的投入，整个过程的多个步骤需要有经过严格培训和具备一定技术能力的专业人士。代谢组学数据的分析要运用多变量统计分析（检测到的代谢物水平的变化除了和疾病以外还和众多其他的变量相关，比如年龄，性别，是否有其他慢病等等），需要具有统计学分析经验的专业人员。对代谢通路变化和代谢物在复杂代谢网络中上下游关系的相互影响的解读需要具有生化和医学知识的专业人员。所有这些对于研究方向不是专业代谢组学只是会使用到代谢组学数据的研究者来说都是一个浩大的工程，事实上不可能做到每个涉及代谢组学检测的研究组都使用自己搭建的代谢组学平台进行相关研究，这种情况下选择做专业代谢组学研究的实验室进行合作或者选择能提供代谢组学检测服务的第三方实验室进行检测可能是最好的选择。

专业的的大型代谢组学实验室和代谢组学服务中心为了保证代谢物鉴定的准确性一般有相对稳定的方法学并且通过严格的系统控制可以实现被检测代谢物的鉴定和浓度变化结果的准确性。这些专业实验室一般有自己用标准品建立的包括保留时间和高质量的MS/MS 碎裂图谱信息等在内的自建数据库。另外代谢组学数据采集和分析流程复杂，样品数量一般较大（队列样品的项目周期更长），加上仪器稳定性的差异，样品复杂性多，基质效应不同，样品间的信号残留和相邻样品的个体差异可能较大等诸多因素都会影响一个代谢组学研究的结果，这使得检测过程的质控成为一个非常重要的系统工程。如何做好一个代谢组学平台的全流程的质控和确保准确的代谢物鉴定有着相同的重要性。

另外一个大家可能比较关心的问题是如何对合作方或第三方实验室的代谢组学技术平台的能力和数据质量进行评估，尤其是初期合作在彼此之间还没有建立互相信任的情况下。一般来说对于代谢组学具体技术细节不太了解的用户除了考察对方在业界的名声，合作方有哪些，发表文章的状况等公开信息以外很难做出判断。在无法对对方宣称的技术指标做出真实性判断或对比多家服务无法做出选择的情况下，要求现场考察对方实验室，在实验样品中嵌入自己准备的质控样品或者进行盲样检测结果比对等都不失为合理的考虑和选择。

代谢组学研究方兴未艾，相关技术和研究手段也日趋成熟，为该领域获得进一步的发展奠定了必要的基础。希望本系列的科普介绍能帮助更多的研究人员对代谢组学不再感到陌生和望而生畏，能够更加自信地投入到代谢组学相关的讨论和研究中，为实现这个领域的重要突破做出自己的贡献。