综述：脂质组学在生物标志物识别与妇科疾病诊断中的战略作用

《Frontiers in Endocrinology》：The strategic role of lipidomics in biomarker identification and diagnosis of gynecological diseases

本综述系统阐述了脂质组学（Lipidomics）在妇科疾病研究中的前沿进展，重点介绍了其在卵巢癌（OC）、宫颈癌（CC）、子宫内膜异位症（EM）等疾病中通过质谱技术（如LC-MS、UHPLC-QTOF）发现的脂质代谢重编程现象，揭示了多种脂类（如PC、PE、Cer、SM、LPC）作为潜在生物标志物和治疗靶点的价值，为精准诊断和个体化治疗提供了新策略。

　　

2 脂质组学策略与流程：概述

脂质组学作为代谢组学的重要分支，通过定性定量分析生物样本中的脂质分子，揭示其在细胞信号转导、能量代谢和膜结构中的核心作用。脂质根据LIPID MAPS consortium分类为脂肪酸（FA）、甘油磷脂（GP）、鞘脂（SP）等8大类，其结构多样性（如链长、不饱和度）直接影响生物功能。

2.1 脂质分类与功能

脂质是细胞膜的基本构成成分，参与能量储存（如甘油三酯TAG）、信号传导（如花生四烯酸）和免疫调节。磷脂（PL） bilayer维持细胞完整性，鞘磷脂（SM）和神经酰胺（Cer）调控细胞凋亡与增殖。

2.2 脂质组学分析策略选择

基于质谱（MS）的技术分为非靶向（全面筛查）、靶向（精准定量）和伪靶向（兼顾覆盖度与精度）三大策略。高分辨率质谱（HRMS）如Q-TOF和Orbitrap为核心工具，数据依赖采集（DDA）和数据非依赖采集（DIA）模式各具优势。超高效液相色谱-三重四极杆质谱（UPLC-QQQ MS）常用于靶向定量。

2.3 方法与流程

工作流程包括样本采集（血清、组织等）、脂质提取（常用Folch法）、色谱-质谱联用分析（LC-MS/GC-MS）及生物信息学处理。数据库如LIPID MAPS和软件工具（MS-DIAL、Lipostar）支持脂质鉴定与通路分析，人工智能（AI）助力模式识别。

3 脂质组学在妇科疾病诊断与治疗中的战略价值

3.1 妇科疾病中的脂质组学差异

• •

  卵巢癌（OC）：LPC、PC、Cer和TAG水平显著改变，Cer促凋亡而S1P促血管生成。

• •

  宫颈癌（CC）与癌前病变：PC、PE、LPE在高级别鳞状上皮内病变（HSIL）中下调，HPV感染驱动脂代谢紊乱。

• •

  子宫内膜癌（EC）：GP和SP代谢通路异常，Cer升高而FA降低。

• •

  多囊卵巢综合征（PCOS）：TAG、DAG上升，LPC、PC下降，反映胰岛素抵抗与脂代谢失调。

• •

  子宫内膜异位症（EM）：腹膜液中SM、PC变化提示局部炎症与病灶存活。

• •

  其他疾病：妊娠期甲减患者PC、PE升高与不良妊娠结局相关；绝经后女性多种脂质水平变化。

3.2 诊断与治疗应用潜力

脂质标志物如Cer (d18:1/16:0)、PC-O(36:2)等联合CA125提升卵巢癌早期诊断灵敏度；宫颈癌中PC 14:0/18:2等磷脂组合区分病变阶段；子宫内膜异位症中SM(OH) C16:1和PC ae C34:2模型具高特异性。治疗方面，靶向Cer增强化疗敏感性，LPA通路抑制剂克服卵巢癌耐药，SCD1抑制调控子宫内膜癌生长，脂质体药物递送系统优化治疗策略。

4 结论

脂质组学通过揭示妇科疾病中脂代谢网络的特异性改变，为生物标志物发现、机制研究和精准治疗提供了强大工具。技术标准化、多组学整合及AI应用将是未来推动临床转化的重要方向。