代谢组学的下一步是什么？

《Current Opinion in Biotechnology》：What’s next for metabolomics?

　　

- 样本制备以及代谢组学数据的获取、处理和分析的标准化方法正在被广泛采用。
- 机器学习技术的整合有望提高数据处理和分析中的结果质量、可重复性以及化合物注释的准确性。
- 开发新参考物质的努力将支持质量控制、数据协调化和数据分析工作。
- 全球社区现在可以将重点放在完善最佳实践、方法标准化以及整合人工智能驱动的方法上。

## 引言

代谢组学是生物医学研究中的关键技术，但在标准化、可重复性和数据质量方面仍面临挑战。本综述提出了技术、分析和计算策略，以提高数据质量、实现实验室间可重复性，并整合深度学习和多组学技术以满足新兴的生物医学应用需求（图1）。

代谢组学数据的质量和可重用性取决于研究设计、数据获取和数据分析（图2）。这些步骤中的技术决策会影响所观测到的代谢物、其测量值以及解释的可靠性。因此，对技术细节的简洁报告以及严格的质量控制实践对于数据质量评估和可重用性至关重要。

质量通过以下方式建立：1）质量保证（QA），通过培训、校准和方案来确保流程可靠性；2）质量控制（QC），通过分析质控样本、空白样本和报告指标来验证质量。高质量代谢组学数据需要的工作流程包括：最大限度地减少样品处理变异性、保持样品完整性以及评估分析前问题。北美代谢组学协会（MANA）和代谢组学质量保证与质量控制联盟（mQACC）等倡议正在推动全面的社区主导的最佳实践资源开发（例如使用参考标准品或NIST SRM 1950参考物质），以传达数据质量、鼓励数据重用以及实现实验室间和实验室内的研究比较。报告标准工作，包括国际脂质组学学会、mQACC以及非靶向分析最佳实践，为设计良好且传播完善的研究提供了指南。

虽然常用的开源软件中已实施了标准化的数据分析方法，但这些方法取决于仪器设备和提取方案（例如，不存在唯一的"最佳"方法），且使用不同的软件可能产生不同的结果。此外，由于已知结果的标准化测试数据集稀缺，跨软件的全局评估受到限制。尽管如此，在代谢物身份置信度报告、标识符交叉引用以及通用数据模型方面的进展正在改善数据处理和报告实践的一致性。用于液相色谱-质谱（LC-MS）和/或核磁共振（NMR）的基准数据集也已可用，从而能够实现跨软件的稳健性能比较。这些数据集包括合成/模拟数据、标准化学混合物和/或生物数据（例如NIST血浆、人类尿液、牛唾液、耻垢分枝杆菌提取物）。

在全球范围内，我们鼓励社区持续努力实施质量保证/质量控制、适当的研究设计、数据重用和标准化工作流程，以提高可重复性。

## 代谢组学流程的进展

近年来，代谢组学流程经历了重大进展；然而，在样品制备、数据处理、特征提取和质量控制方面仍存在挑战。流程改进主要集中在增强非靶向代谢组学数据的整合，特别是在大规模人类队列研究中，数据一致性和可重复性至关重要。

将数据质量指标纳入代谢组学流程，尤其是可以自动化的数据质量指标，将带来诸多益处。易于检测的能够提供样品质量信息的代谢物（例如血液样本中的次黄嘌呤和肌苷），或可在期刊补充材料中提供数据质量指标的度量，都可以提高数据质量和可靠性。

为解决这些挑战，Eclipse和MetabCombiner等新工具可以改善不同数据集之间的特征对齐和数据一致性。这些程序的持续改进使某些分析批次中漏检的化合物得以检出。另一项创新——靶向特征提取（TFE）——已成为一种有前景的解决方案，通过同时利用质荷比（m/z）和保留时间来增强峰检测和提高鉴定准确性。此外，基于人工智能（AI）的数据处理工具可以优化峰检测和积分，这是代谢组学流程中的关键瓶颈。

另一项重要改进是引入统计学方法来应对涉及多个因素以及越来越多的多个分析平台的复杂研究设计。用于建模代谢物稳态的统计方法解决了从不同站点和不同仪器收集的数据存在显著差异这一长期存在的问题。这些模型通过将每种代谢物与其他代谢物以及临床和人口统计学变量相关联进行建模，将差异显著减少超过90%。

代谢组学数据基准测试也引起了关注，研究人员努力评估信息学流程的性能，特别是基于R的流程。许多公开可用的数据集无法捕捉真实样本的复杂性，往往导致数据处理不准确。为解决这一问题，已实施标准化样本评估，以评估信噪比、区分代谢物与污染物，并确保流程每个阶段的数据质量。Metabolomics WorkBench等平台的推出旨在促进社区范围内信息学工具的比较，并推动数据处理方法的透明度。

峰检测、数据质量评估和跨研究可重复性仍然是流程改进的核心问题。将人工智能驱动的工具整合到数据处理工作流程中是一条有前景的改进途径，但仍需进一步优化以最大化其效能。此外，完善样品处理方案和标准化代谢物采集程序是减少降解和确保数据一致性的必要步骤。随着领域的发展，协作努力对于建立稳健且可重复的代谢组学方法至关重要，从而增强代谢组学研究的准确性和适用性。

## 机器学习与深度学习在代谢组学中的应用

机器学习（ML）已成为代谢组学数据处理和分析的核心，深度学习（DL）正成为该领域的变革性工具。机器学习使用随机森林、偏最小二乘判别分析（PLS-DA）、正则化回归（例如LASSO或弹性网）以及贝叶斯层次或网络模型等算法应用于大队列研究，以识别特征谱、捕捉复杂研究结构并构建分类或预测模型。相反，深度学习使用多层神经网络，能够在更大规模的数据集上进行预测。这些更先进的方法在增强光谱分辨率、自动化光谱分析以及提高未知代谢物鉴定方面具有前景。几个最近发布的工具展示了深度学习简化工作流程和提高分析性能的能力（表1）。

NMR波谱在复杂混合物中常面临重叠峰的问题，使代谢物鉴定复杂化。J-RESGRAN使用生成对抗网络（GAN）增强J-分辨光谱的分辨率。在5000个模拟光谱对上训练后，它在各种生物流体的80–99%的峰对中提高了分辨率。J-RESGRAN无需更高磁场或延长采集时间，即可实现更快、更便宜的高分辨光谱。

手动NMR谱分析既耗时又容易出错。DEEP Picker是一个基于合成一维光谱训练的深度学习峰识别工具，擅长识别重叠峰。它被整合到COLMAR（基于NMR的复杂混合物分析）中，这是一套自动化网络工具，包括用于一维和二维分析的COLMAR1d和COLMARq。COLMAR1d适用于所有可用的NMR场强，并可定量最多40种代谢物。MagMet是另一个自动化预处理和定量的网络服务器，可在不到7分钟内完成最多70种代谢物的分析。DEEP Picker、COLMAR和MagMet的成功标志着基于NMR的自动化代谢组学分析新时代的到来。

由于光谱参考数据有限、峰重叠、污染物、加合物和离子抑制等因素，生物流体光谱中可检测的NMR或MS峰中仅有10–50%能够被鉴定。DL工具如CFM-ID和FraGNNet可预测MS/MS光谱，而RT-Pred可以高精度预测液相色谱保留时间。PROSPRE可以预测质子NMR化学位移，误差<0.1 ppm。DeepMet和BioTransformer使用深度学习方法来生成新型代谢物结构。信息学平台SIRIUS整合了MSMovelist等DL模块，支持分子式生成和注释。当这些结构预测器与基于DL的光谱和色谱预测器结合时，已使数十种先前未报告的代谢物得以被发现。

机器学习和深度学习正在重塑代谢组学，从光谱增强到代谢物发现。此外，大语言模型正被用于综述代谢组学文献和软件，揭示新兴趋势并帮助研究人员应对关键挑战，从而为综合和导航代谢组学研究格局提供强大框架。这些基于DL的工具正在加速分析、提高可重复性，并为基于NMR和MS的非靶向代谢组学开辟新的途径。

## 微生物组研究中的代谢组学

代谢组学流程、数据质量和深度学习的进展正在变革微生物组研究。这些工具增强了我们解读宿主与微生物群落之间复杂代谢互作的能力。

一项重大发展是分子网络与机器学习的整合，以提高代谢物注释和通路分析的能力。GNPS等平台对MS/MS数据进行聚类以识别新型微生物代谢物。CFM-ID和SIRIUS等预测工具可模拟和/或解析MS/MS光谱，提高代谢物鉴定能力。机器学习模型越来越多地应用于高维代谢组学数据集，以预测微生物代谢功能及其对宿主健康的影响。

高通量通量分析方法，包括代谢通量分析（MFA）和边界通量分析（BFA），为微生物代谢网络提供了见解，特别是在抗微生物耐药性（AMR）的背景下。对铜绿假单胞菌和金黄色葡萄球菌的研究揭示了物种特异性的代谢适应，这些适应促进了耐药性的发展。对大规模患者队列临床分离株的谱分析有助于识别与毒力和治疗结果相关的代谢特征。

临床和临床前研究凸显了微生物组对宿主代谢的影响。无菌和人源化小鼠模型显示了微生物组驱动的代谢物处理差异。AMON等工具将代谢组学与基因组学整合，以区分微生物代谢物和宿主代谢物。饮食-微生物组互作，特别是涉及胆汁酸的部分，影响免疫信号传导并参与多种疾病。尽管存在个体差异，机器学习和分子网络支持稳健的多维分析，以阐明微生物群在人类健康中的作用。

过去二十年来，高通量方法和生物信息学改变了微生物代谢组学研究。MFA和BFA对于绘制微生物代谢网络和识别功能适应至关重要，特别是在抗微生物耐药性的背景下。光谱库、预测算法和基因组学的整合深化了对宿主-微生物互作的认识，并拓展了临床和转化应用。

## 临床代谢组学与精准医学

临床代谢组学在精准医学中展现出巨大潜力，为多种疾病背景下的诊断和治疗提供了新途径。

代谢组学在精准医学中具有独特优势，因为它能够捕获遗传、蛋白质组、环境、饮食、微生物和药理学影响的整合生化输出，从而实现对代谢响应的系统级表征。与基因组学和蛋白质组学相比，代谢组学还提供了对饮食、环境、疾病和治疗等当前暴露和生理响应的更直接、更动态的读出。代谢组学已成功揭示关键的分子节点和机制见解，为新型干预策略的开发提供了信息支持。代谢组学正在推动药物靶点的开发、提供疾病早期检测和诊断的生物标志物和机制见解、揭示疾病病因、监测干预效果，甚至揭示遗传关联。

天然产物化学家通常使用活性引导分离来分离具有特定功能的代谢物。在NMR代谢组学流程中，可以通过高压液相色谱创建部分纯化分子的"代谢物分离库"来更可靠地鉴定化合物。NMR代谢物分离库可以通过分离物间的相关性获得代谢物基组元素，这些元素代表了样品中可观测代谢物的集合。这些基组元素随后可以使用贝叶斯分析对未分离样本进行定量拟合。对每个分离物采集NMR和MS光谱有助于整合这两种互补技术。物理样本可以筛选生物活性或大分子结合等功能特性。

胶质母细胞瘤（GBM）是一种高度侵袭性的脑癌，由于其高度异质性和代谢适应性，治疗面临重大挑战。多组学分析提供了对肿瘤代谢的全面理解。质谱成像（MSI）可以在GBM组织内空间谱化代谢改变，为肿瘤微环境提供关键见解。整合MSI和LC-MS已实现对GBM患者生存曲线的预测。通过谱化GBM肿瘤和边缘的多个区域（包括核心和浸润边缘），LC-MS可以揭示空间上不同的代谢差异，并识别可能代表治疗靶点的通路。

代谢组学、基因组学和蛋白质组学数据的整合，结合免疫细胞亚型分析，可以揭示肿瘤代谢与免疫逃逸之间的联系，从而凸显潜在的治疗干预手段并改善患者分层[69]。这种整合策略有望基于患者的独特代谢表型开发个性化治疗方案。代谢组学为代谢与神经退行性疾病之间的相互作用提供了宝贵的见解。例如，核磁共振波谱代谢组学被用于研究神经发育性和神经退行性疾病——遗传性自主神经功能异常（FD）的肠-脑-代谢轴之间的关系[70, 71]。这种罕见的遗传性疾病由ELP1基因的点突变引起，导致广泛的神经系统功能障碍、肠道微生物群失调和中央代谢改变。血清和粪便样本中的代谢物变化与能量产生通路的改变以及肠道微生物群组成的变化相关，特别是梭菌属的变化，表明微生物群可能对疾病病理有潜在的介导影响。多反射飞行时间[72]和Orbitrap Astral[73]质量分析器等质谱技术的发展，正在革新代谢组学测量的质量。集一体化的纳米、毛细管和微流超高效液相色谱系统现在使单细胞脂质组学成为可能，且注释数量显著提高[74]。使用质谱笔进行原位代谢分析使外科医生能够区分健康组织和癌变组织，而无需等待病理医生的反馈[75]。循环离子淌度、捕集离子淌度、无损离子操控结构（SLIM）离子淌度和高分辨率多路复用（HRdm）漂移管离子淌度等技术，现在已成为基于LC-MS和空间代谢组学工作流程中的常见技术；这些技术提高了峰容量，减少了谱图拥塞，在某些情况下还能通过串联离子淌度实验分离高度相似的异构体和同量异位素[76]。利用核磁共振波谱研究急性期蛋白糖基化已为炎症反应和癌症进展提供了重要见解[77, 78]。血液的NMR波谱除代谢物信号外还显示出急性期蛋白糖基化的信号[79]。这些信号此前被称为Glyc-A/B，来源于修饰急性期蛋白的唾液酸乙酰基和N-乙酰葡糖胺的乙酰基。这些信号可以通过线形拟合进行分解，从而得出不同急性期蛋白的加权贡献[79]。选择性TOCSY实验可以提供关于糖基化模式的有价值见解。最近的研究表明，这种分析方法在获取肝脏炎症和纤维化标志物（PNPLA3基因型）方面具有潜力[78, 80]。这种新方法无需任何酶促样品处理即可快速评估血浆糖基化标志物。临床代谢组学面临方法标准化、多组学数据整合和生物标志物验证等挑战。未来的研究应聚焦于绘制疾病状态下的代谢变化图谱以理解潜在机制，并利用多能干细胞衍生模型和类器官进行功能验证。随着代谢组学的进步，其整合到常规临床实践中可能会改变疾病诊断、治疗和方法，最终推动精准医学范式的发展。代谢组学为了解各种人类健康状态和生物学过程提供了宝贵见解。尽管挑战依然存在，但标准化的方法正在代谢组学全流程中实施。新的方法和策略正在增强数据一致性，整合机器学习为改进数据分析的结果和可重复性提供了机会。思想领袖一致认为，国际代谢组学社区必须制定经过验证和验证的协议，覆盖从样品收集和制备到谱图采集和统计分析的整个流程。重要的是，出版商和资助机构应执行符合这些标准的要求。通过自动化和软件技术的进步以及协议标准建议、常规质量控制指南、统计方法的正确应用和解释，以及遵守FAIR（可发现、可访问、可互操作和可重用）原则，正在持续努力增强数据质量。此外，开发新的参考材料将进一步支持质量控制工作。未来的努力应聚焦于完善最佳实践，增加标准化参考材料的可用性，并鼓励合作以改善代谢组学研究社区内部的数据互操作性。章节摘要免责声明本研究部分由国家卫生研究院（NIH）的内部研究计划资助。NIH作者（们）的贡献是其作为NIH联邦雇员官方职责的一部分，符合机构政策要求，并被视为美国政府作品。然而，本文提出的发现和结论是作者（们）本人的，不一定反映NIH或美国卫生部的观点。CRediT作者贡献声明Nichole Reisdorph：概念构思、撰写——原稿、撰写——审阅与编辑、可视化。Corey D. Broeckling：概念构思、撰写——原稿、撰写——审阅与编辑。Rafael Brüschweiler：概念构思、撰写——原稿、撰写——审阅与编辑。Clary B. Clish：概念构思、撰写——原稿；撰写——审阅与编辑。Valérie Copié：概念构思、撰写——原稿、撰写——审阅与编辑。Timothy MD Ebbels：生成式AI和AI辅助技术在写作过程中的声明在准备注释参考文献期间，作者（们）使用了ChatGPT 5.0来建议摘要，目的是统一注释参考文献的格式。使用ChatGPT 5.0之后，作者（们）根据需要审阅和编辑了注释参考文献，并对已发表注释参考文献的内容承担全部责任。利益冲突声明作者声明不存在利益冲突。致谢本研究部分由国家卫生研究院翻译科学促进中心内部项目代谢组学（ZIA TR000547）资助。此外，本研究部分由内布拉斯加州综合生物分子通信中心（NIH NIGMS P20 GM113126授予R. P.）资助。个人资助支持：A.S.E.部分由NIH NIGMS 5R35GM148240资助，V.C.部分由NIH R01DK117473资助，D. R.和M. Z.部分Nichole Reisdorph | Corey D Broeckling | Rafael Brüschweiler | Clary B Clish | Valérie Copié | Timothy MD Ebbels | Arthur S Edison | Facundo M Fernández | Ulrich L Günther | Ewy A Mathé | Vanessa V Phelan | Robert Powers | Daniel Raftery | Tracey B Schock | Dajana Vuckovic | David S Wishart | Min Zhang | Elizabeth Want