背景簡介
脂質(zhì)是生物體內(nèi)重要的一大類化合物，可分為8類，即：脂肪酸類（fatty acyls）、甘油脂類（glycerolipds）、甘油磷脂類（glycerophospholipids）、鞘脂類（sphingolipids）、固醇脂類（sterol lipids）、孕烯醇酮脂類（prenolipids）、糖脂類（saccharolipids）、多聚乙烯類（polyketides），雖然它們在結(jié)構(gòu)上有很大的差異，但具有相同的特點(diǎn)，即：不溶于水，但溶于乙醚、氯仿和丙酮等非極性有機(jī)溶劑。脂質(zhì)組學(xué)（lipidomics）作為最重要的代謝組學(xué)分支，在研究脂質(zhì)運(yùn)輸/合成/代謝異常、代謝綜合癥（糖尿病，心血管疾?。?，線粒體膜脂成分變化與功能及發(fā)育、衰老等方面具有重要作用。脂質(zhì)代謝組學(xué)可以從系統(tǒng)水平上研究生物體內(nèi)的脂質(zhì)，揭示脂質(zhì)分子及與其他生物分子間的相互作用，并作代謝通路分析，探討其與生理變化的相對關(guān)系，分析生物體的內(nèi)在變化。此項(xiàng)技術(shù)廣泛應(yīng)用于疾病診斷、疾病機(jī)理研究、營養(yǎng)食品科學(xué)、毒理學(xué)、植物學(xué)等相關(guān)領(lǐng)域。
技術(shù)優(yōu)勢
高靈敏度：基于先進(jìn)的LC- MS/MS分析技術(shù)，可檢測到pg級化合物。
高覆蓋度：檢測成百上千種脂質(zhì)代謝物，勝任熱不穩(wěn)定、不易揮發(fā)、不易衍生化等物質(zhì)的檢測。
低成本：側(cè)重于相關(guān)特定組分共性研究，篩檢有意義脂質(zhì)代謝產(chǎn)物，檢測成本較低。
跨組學(xué)分析：提供從基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)、到代謝組學(xué)的全程科技服務(wù)，深度剖析生物學(xué)現(xiàn)象。
技術(shù)路線
樣本類型
細(xì)胞，組織，尿液，全血，血清，血漿等
建議起始量（單次）：血漿或血清＞300 μL，尿液> 5 mL，組織＞ 100 mg，細(xì)胞＞107個。
Q1：樣本采集、處理時需要注意哪些事項(xiàng)？
A：樣本采集：血漿樣本建議使用EDTA或肝素鈉作為抗凝劑；動物尿液，如24 h大鼠尿液采集時需加入疊氮化鈉；組織樣本建議活體采集，若是動物樣本建議麻醉后采集，麻醉劑建議使用異氟醚；細(xì)胞樣本要避免細(xì)胞破裂。樣本處理：使用液氮快速冷凍處理樣本；血液樣本采集時一定要避免溶血；避免樣本反復(fù)凍融；使用干冰冷藏運(yùn)輸。
Q2: 代謝物鑒定搜索的數(shù)據(jù)庫有哪些？
A :搜索的數(shù)據(jù)庫都是公共庫，KEGG、METLIN等等，精確度都在10ppm以內(nèi)（一個分子量仍然會對應(yīng)多個代謝物），如果庫里面有相應(yīng)的二級譜圖，那么鑒定就可以更加的精確，后續(xù)如果要驗(yàn)證的話，可購買標(biāo)準(zhǔn)品。
Q3：代謝組學(xué)全譜分析和脂質(zhì)代謝組學(xué)分析有什么區(qū)別？
A：代謝組學(xué)全譜分析是對生物體內(nèi)所有代謝物進(jìn)行定量分析，并尋找代謝物與生理病理變化相對關(guān)系的研究方式，其研究對象是相對分子質(zhì)量小于1000Da的小分子物質(zhì)，如脂類、酮類、有機(jī)酸等。眾所周知，基因組學(xué)和蛋白質(zhì)組學(xué)分別從基因和蛋白質(zhì)層面探尋生命活動，但實(shí)際上細(xì)胞內(nèi)許多生命活動是發(fā)生在代謝物層面的，如細(xì)胞信號釋放、能量傳遞和細(xì)胞間通信等都受代謝物調(diào)控。代謝組學(xué)全譜分析是通過單變量及多變量分析發(fā)現(xiàn)差異表達(dá)的代謝物信息，從而反映細(xì)胞所處的環(huán)境以及其與外界影響因素之間的相互作用關(guān)系。
脂質(zhì)組學(xué)（lipidomics）是研究生物體的脂類組成，脂類代謝以及脂類相互作用的一門學(xué)科，是代謝組學(xué)最重要的分支。脂質(zhì)具有多種重要的生物學(xué)功能，如物質(zhì)運(yùn)輸、能量代謝、信息傳遞及代謝調(diào)控等，脂質(zhì)代謝異?？梢l(fā)諸多人類疾病，包括阿茲海默癥、糖尿病、肥胖癥、動脈粥樣硬化等。
類風(fēng)濕性關(guān)節(jié)炎患者尿液中脂質(zhì)的代謝組學(xué)分析
氧化脂質(zhì)是炎癥研究中重要的信號代謝物，同時提供氧化應(yīng)激讀數(shù)，因而成為大量疾病中顯著的生理學(xué)特征。尿液代謝物排泄能力的增強(qiáng)，會導(dǎo)致脂質(zhì)介質(zhì)親水性的提高。本研究選取正常人體尿液和類風(fēng)濕性關(guān)節(jié)炎患者尿液，應(yīng)用代謝組學(xué)技術(shù)對尿液中氧化脂質(zhì)進(jìn)行分析。分析結(jié)果顯示，尿液樣本中共檢測出70種以上的氧化脂質(zhì)由兩種非酶和三種酶路徑合成。炎性介質(zhì)和氧化應(yīng)激標(biāo)志物在提高疾病活動度評分方面發(fā)揮重要作用；抗炎性硝基脂肪酸與基線疾病活動性呈負(fù)相關(guān)關(guān)系。尿液中氧化脂質(zhì)的代謝組學(xué)分析，對健康和患病人群生物活性代謝物作用的挖掘具有重要意義。
參考文獻(xiàn)
Fu J, Schoeman J C, Harms A C, et al. Metabolomics profiling of the free and total oxidised lipids in urine by LC-MS/MS: application in patients with rheumatoid arthritis[J]. Analytical & Bioanalytical Chemistry, 2016, 408(23):1-13.
多元統(tǒng)計(jì)分析（PCA分析）主成分分析將代謝物變量按一定的權(quán)重通過線性組合后產(chǎn)生新的特征變量，通過主要新 變量（主成分）對各組數(shù)據(jù)進(jìn)行歸類，去除重復(fù)性差的樣本（離群樣本）和異常樣本 。因無外加人為因素，得到的 PCA 模型 反映了代謝組數(shù)據(jù)的原始狀態(tài)，有利于掌握此數(shù)據(jù)的整體情況并對數(shù)據(jù)從整體上進(jìn)行把握，尤其是有利于發(fā)現(xiàn)和剔除異常樣品，并提高模型的準(zhǔn)確性。通過 PCA分析所得 到的圖譜即稱為 PCA 得分圖（score scatter plot），每個樣本在圖上的位置由不同變 量的加權(quán)得分所決定。由 PCA 得分圖可以觀察樣本的聚集、離散程度：樣本分布點(diǎn)越靠近，說明這些樣本中所含有的變量/分子的組成和濃度越接近；反之，樣本點(diǎn)越遠(yuǎn)離， 其差異越大。
多元統(tǒng)計(jì)分析（PLSDA分析）與 PCA 只有一個數(shù)據(jù)集不同，PLS-DA 在分析時必須對樣品進(jìn)行指定并分組， 這樣模型會自動加上另外一個隱含的數(shù)據(jù)集 Y，該數(shù)據(jù)集變量數(shù)等于組別數(shù)。 PLS-DA 是目前代謝組學(xué)數(shù)據(jù)分析中最常使用的一種分類方法，它在降維的同 時結(jié)合了回歸模型，并利用一定的判別閾值對回歸結(jié)果進(jìn)行判別分析。
差異代謝物層次聚類分析聚類分析被用于判斷代謝物在不同實(shí)驗(yàn)條件下的代謝模式。代謝模式相似的代謝物具有相似的功能，或是共同參與同一代謝過程或者細(xì)胞通路。因此通過將代謝模式相同或者相近的代謝物聚成類，可以用來推測未知代謝物或者已知代謝物的功能。以不 同實(shí)驗(yàn)條件下的代謝物的相對值為代謝水平，做層次聚類分析，不同顏色的區(qū)域代表不同的聚類分組信息，同組內(nèi)的代謝表達(dá)模式相近，可能具有相似的功能或參與相同的生物學(xué)過程。
代謝物關(guān)聯(lián)網(wǎng)絡(luò)分析代謝物關(guān)聯(lián)網(wǎng)絡(luò)分析是根據(jù)代謝物信號值的動態(tài)變化，計(jì)算代謝物之間的共表達(dá)關(guān)系，來建立代謝相關(guān)調(diào)控模型，得到代謝物間調(diào)控關(guān)系及調(diào)控方向，從而尋找一個或多個物種在不同 發(fā)育階段，或者不同組織在不同條件或處理下的全部代謝物調(diào)控網(wǎng)絡(luò)模型以及關(guān)鍵代謝物，從而系統(tǒng)的研究生物體復(fù)雜的生命現(xiàn)象。通常梯度樣本進(jìn)行關(guān)聯(lián)網(wǎng)絡(luò)分析才具有意義，例如時間序列樣本、不同發(fā)育階段、梯度濃度處理樣本等。
