编辑推荐：
本综述聚焦基于质谱（MS）的代谢组学，系统阐述其工作流程（样本制备、色谱分离、质谱分析等）、数据处理技术（如 XCMS、MetaboAnalyst）、研究策略（靶向与非靶向）及多领域应用（疾病诊断、药物研发等），为相关研究者提供技术参考与方向指引。
代谢组学作为系统生物学的新兴领域，聚焦生物系统中小分子（50-1500 Da）的全面研究，质谱（MS）因其高灵敏度与分辨率成为核心工具。代谢组与基因组、转录组、蛋白质组共同构成四大组学，其中代谢物如 S - 腺苷甲硫氨酸（SAM）、乙酰辅酶 A（Acetyl-CoA）参与表观遗传修饰与蛋白质翻译后修饰，其动态变化反映细胞或机体对疾病、营养等刺激的表型响应。
代谢组学工作流程与实验步骤
样本采集、处理与代谢物提取
样本类型（细胞、组织、血液等）依研究目标选择，需避免污染并标准化采集条件。样本处理首重快速淬灭（如液氮速冻、冷甲醇处理）以维持代谢物原始水平，随后通过液 - 液萃取（如甲醇 / 氯仿体系）分离极性与非极性代谢物。提取溶剂的选择（如甲基叔丁基醚（MTBE）用于脂质提取）需匹配代谢物性质，内部标准品（如同位素标记代谢物）的加入可校正实验变异，保障定量准确性。
质量保证与质量控制
质量保证（QA）涵盖实验设计、仪器校准等前期流程，质量控制（QC）通过混合样本（Pooled QC）监测仪器性能，参考物质（RMs，如 certified reference materials, CRMs）用于方法验证与校准。针对大规模研究的批次效应，可采用随机化、归一化及计算工具（如 QComics、MetaboDrift）校正。
分析技术与仪器
液相色谱 - 质谱（LC-MS）与气相色谱 - 质谱（GC-MS）为常用技术。LC-MS 中，亲水相互作用色谱（HILIC）柱分离极性代谢物，C-18 反相柱适用于脂质；GC-MS 需代谢物衍生化以增强挥发性，兼容非极性代谢物。质谱仪通过电离源（如电喷雾电离（ESI）、大气压化学电离（APCI））生成离子，经质量分析器（四极杆、飞行时间（TOF）、轨道阱（Orbitrap）等）按质荷比（m/z）分离。不同分析器特性各异：四极杆适合靶向定量，TOF 与 Orbitrap 用于非靶向高分辨分析。
数据处理与统计分析
原始数据经格式转换后，利用 XCMS、MetaboAnalyst 等软件进行峰检测、校正与归一化，结合数据库（如 METLIN、HMDB）实现代谢物注释。多元统计分析（如主成分分析）与通路分析（KEGG、Biocyc）揭示代谢模式与生物学意义。
代谢组学类型
- 代谢组学与代谢组学：前者侧重全代谢物检测，后者关注动态代谢响应（如疾病、药物作用）。
- 脂质组学：聚焦脂质及其衍生物，应用于癌症、心血管疾病的生物标志物发现与组织成像。
- 通量组学：利用稳定同位素（如13C - 葡萄糖）追踪代谢流，结合计算模型（如通量平衡分析，FBA）解析代谢网络动态。
代谢组学策略：靶向与非靶向
靶向代谢组学针对已知代谢物或通路（如葡萄糖代谢），样本制备与分析更具针对性，适合验证特定代谢变化；非靶向代谢组学覆盖全代谢物，需结合高级化学计量学处理海量数据，但受限于检测技术与未知代谢物鉴定瓶颈。
代谢组学应用
疾病研究
代谢组学已用于癌症（如肺癌、前列腺癌）、心血管疾病（如动脉粥样硬化）、神经退行性疾病（如阿尔茨海默病）的生物标志物发现与机制解析。例如，血清代谢指纹可区分癌症亚型，氧化三甲胺（TMAO）作为肠菌代谢产物被证实与动脉粥样硬化相关。
药物研发与精准医疗
通过分析疾病代谢异常（如癌症中的癌代谢物），代谢组学辅助药物靶点识别，并用于药物毒性评估与疗效监测。在精准医疗中，代谢 profiling 助力新生儿疾病筛查与个体化治疗方案设计。
其他领域
在营养学中，代谢组学揭示饮食 - 代谢互作（如鱼类摄入与尿 TMAO 水平）；食品安全性领域，其用于污染物检测；植物代谢组学则解析植物对胁迫的代谢响应。
挑战与未来方向
当前挑战包括标准化流程缺失、未知代谢物注释困难及多组学数据整合需求。未来技术发展将聚焦高灵敏度仪器、人工智能驱动的数据分析，以及代谢组学与其他组学的深度整合，推动其在临床诊断与个性化医疗中的广泛应用。
