综述：基于质谱的代谢组学：揭示中药成分及作用机制的有力工具

这篇综述聚焦于基于质谱（MS）的代谢组学在中药研究中的应用。详细阐述了相关分析方法、技术分类及分析策略，探讨其在中药成分表征、靶点识别、作用机制研究和证候分析中的应用，同时展望未来发展与挑战。

　　

基于质谱的代谢组学：揭示中药成分及作用机制的有力工具

引言

中药（TCM）历史悠久，在防治复杂疾病方面有独特优势。它多由植物混合物构成，通过多成分、多靶点、多途径发挥治疗作用。但因其成分复杂、作用机制不明，限制了在西方国家的广泛应用。代谢组学技术的兴起，为研究中药活性成分和作用机制提供了新契机。基于质谱（MS）的代谢组学结合先进分析平台，能对中药复杂成分进行定性和定量分析，有助于推动中药现代化进程。

分析方法

1. 样品制备：在 MS 分析前，样品制备至关重要。需对样品进行均质化处理，以减少颗粒大小，使提取剂充分接触样品，同时淬灭代谢反应。常用的提取方法有固液萃取（SLE）和液液萃取（LLE），根据代谢物极性选择合适的提取剂。对于气相色谱（GC）分析，还需对样品进行衍生化处理，以降低代谢物极性，便于分析氨基酸、脂肪酸等化合物。
2. 分离技术与 MS 联用：GC 适用于分离热稳定的挥发性化合物，与 MS 联用时（GC-MS），具有高分辨率、高灵敏度和良好的分离重现性，常用于分析中药中的挥发油、测定成分含量等，但样品需干燥或溶剂交换，且衍生化步骤增加了操作复杂性。液相色谱（LC）是 MS - 代谢组学中最常用的分离技术，适用于分离极性、非挥发性和热不稳定化合物。反向液相色谱（RPLC）因稳健性和与质谱兼容性好而被广泛应用，但对高极性化合物保留性差，需结合亲水相互作用色谱（HILIC）进行补充。多维色谱（MDC）如综合二维气相色谱（GC×GC）和综合二维液相色谱（LC×LC），通过串联不同极性的柱子，提高了分离能力，在分析复杂混合物方面具有优势，但也存在数据处理复杂等问题。
3. MS 技术：在代谢组学中，MS 是关键分析平台。电离技术主要分为适用于 GC - MS 的电子电离（EI）和适用于 LC - MS 的电喷雾电离（ESI）等。质量分析器有低分辨率的四极杆、三重四极杆（QQQ）等，以及高分辨率的飞行时间（TOF）、轨道阱（Orbitrap）等。高分辨率 MS 能提供更精确的分子量和二级结构信息。数据采集模式在低分辨率 MS 中有选择离子监测（SIM）、多反应监测（MRM）等，在高分辨率 MS 中有全扫描、数据依赖采集（DDA）和数据独立采集（DIA）等。不同模式各有优缺点，需根据实验目的选择。数据处理和注释需要借助专业软件和数据库，如 XCMS、MS DIAL 等，以及 MassBank、HMDB 等数据库，以实现对代谢物的准确识别和分析。

代谢组学技术

1. 代谢组学概念与分类：代谢组学是对生物体内小分子代谢物进行全面分析的学科，可分为靶向和非靶向代谢组学。靶向代谢组学专注于已知代谢物的定量分析，能研究特定代谢途径，但覆盖范围有限；非靶向代谢组学旨在全面分析生物样品中的代谢物，有助于发现新的生物标志物和代谢途径，但准确性相对较低。此外，还有功能代谢组学、空间代谢组学、单细胞代谢组学（SCM）和代谢通量分析（MFA）等新兴领域。
2. 不同类型代谢组学的应用：功能代谢组学将代谢组学与功能检测相结合，探索代谢物的生物学功能，有助于揭示中药治疗疾病的机制。空间代谢组学可对生物体内代谢物进行定位和原位分析，研究其时空分布，为药物研发和生物过程研究提供重要信息。SCM 能够分析单个细胞内的代谢物，揭示细胞间的代谢异质性，在研究药物在细胞内的分布和作用机制方面有潜在应用。MFA 通过追踪同位素标记的代谢物，研究代谢途径的活性，为理解生物系统的代谢调控网络提供依据，但在中药研究中的应用尚有待拓展。

代谢组学分析策略

1. 研究设计：在进行代谢组学研究时，明确研究假设、问题和目标至关重要。要根据实验需求选择合适的分析方法，考虑仪器性能、样品稳定性等因素。同时，需注意实验动物的伦理问题和样本的合理采集、处理，确保实验数据的质量和可靠性。由于目前缺乏标准化的实验设计，需根据具体研究问题制定个性化方案。
2. 化学计量学：MS - 代谢组学生成的大量数据需要通过化学计量学方法进行分析。常用的统计方法包括单变量分析（如 t 检验、方差分析（ANOVA））和多变量分析（如主成分分析（PCA）、层次聚类分析（HCA）等无监督方法，以及基于机器学习和深度学习的有监督方法）。这些方法可用于识别中药的化学指纹图谱、研究化学指纹与生物活性的关系等，但需注意样本量对统计结果的影响。
3. 生物学功能注释：通过化学计量学分析后，需对筛选出的代谢物进行代谢途径分析和生物学功能注释。常用的工具如 MetaCyc、KEGG 等可用于将实验表型与代谢途径关联起来。网络分析可将代谢物整合到生化网络中，明确其在代谢途径中的作用。网络药理学则通过构建中药成分 - 靶点 - 疾病网络，深入理解中药的整体和系统效应，常与机器学习结合，助力中药活性成分的鉴定和作用机制的阐释。此外，将代谢组学与其他组学技术（如基因组学、转录组学、蛋白质组学等）整合，能更全面地理解代谢网络和生物学过程。

基于质谱的代谢组学在中药研究中的应用

1. 化学成分表征：利用基于 MS 的代谢组学技术，结合先进的分析工具和数据处理方法，可对中药中的数千种代谢物进行同时定性和定量分析。例如，通过该技术已成功鉴定出多种中药中的活性成分，如刺五加中的三萜皂苷、人参中的人参皂苷等。这为深入了解中药的物质基础和质量控制提供了有力支持。
2. 靶点识别：代谢组学在识别中药活性成分的分子靶点方面发挥着重要作用。研究发现，雷公藤红素可通过调节 Treg/TH1 和 Treg/Th17 平衡、阻断 NF - κB 通路等机制发挥抗炎作用；同时，它还能抑制 BMPRII 和 NOX2 表达，激活 Smad6 和 HO - 1，阻断 BMP2/Smad1/5 和 Wnt/β - catenin 信号通路，从而抑制血管钙化。这些研究为阐明中药的作用机制和开发新的治疗靶点提供了依据。
3. 作用机制研究：针对青蒿素，研究发现 K13 突变会改变疟原虫的线粒体代谢，导致青蒿素耐药，非靶向代谢组学揭示了与该过程相关的代谢物变化。对于人参，研究发现人参提取物可诱导肠道微生物产生不饱和脂肪酸肉豆蔻酸，激活棕色脂肪组织，促进米色脂肪形成，从而降低肥胖发生率。这些研究有助于深入理解中药治疗疾病的作用机制，为中药的合理应用提供科学依据。
4. 中医证候研究：中医强调辨证论治，代谢组学可用于表征与中医证候相关的内源性代谢物变化，辅助中医证候的诊断和干预。例如，通过代谢组学研究，已在冠心病患者中鉴定出与痰瘀证和气阴两虚证相关的生物标志物，利用这些标志物构建的预测模型可有效预测患者的证候类型，为中医临床治疗提供参考。

总结与展望

1. 未来展望：人工智能（AI）和新兴技术与基于 MS 的代谢组学相结合，为中药疗效研究带来新机遇。AI 驱动的方法如计算反卷积和结构 - 活性预测，可加速中药代谢物的结构和功能分析。通过整合 AI 与网络药理学，能更深入地揭示中药的作用机制、识别治疗靶点，促进中药标准化和全球推广。同时，新兴技术如类器官、3D 打印和微芯片系统等，为探索中药的深层机制提供了创新工具。但需注意 AI 算法的不透明性和假阳性问题，确保研究结果的可靠性。
2. 未来挑战：代谢组学在发展过程中仍面临诸多挑战。目前，代谢物注释依赖实验人员的专业知识，主观性较强，需借助 AI 和生物信息学开发标准化工具，提高注释的准确性。MS 数据库规模有限，化合物碎片化信息不完整，影响代谢物的鉴定效率。此外，生物信息学数据库存在数据更新不及时、数据缺口等问题，需要定期更新和完善。标准化数据处理流程和扩大代谢组学数据库，是推动基于 MS 的代谢组学在中药研究中进一步发展的关键。