《Briefings in Bioinformatics》：Metabolomics workbench: data-driven classification and correlation analysis between metabolite classes, biomarkers, and drugs
编辑推荐：
公共数据库现已积累了前所未有的代谢组学数据量。尽管这些数据库为大规模meta分析提供了机遇，但已存储的数据很少被系统地再分析。研究人员对Metabolomics Workbench中所有使用Orbitrap或QTOF质谱（mass spectrometry,
公共数据库现已积累了前所未有的代谢组学数据量。尽管这些数据库为大规模meta分析提供了机遇，但已存储的数据很少被系统地再分析。研究人员对Metabolomics Workbench中所有使用Orbitrap或QTOF质谱（mass spectrometry, MS）进行的人类血液代谢组学研究开展了一项基于元数据的系统性再分析，涵盖44 165个样本。通过使用PubChem标识符统一代谢物，并利用SMILES（Simplified Molecular Input Line Entry System）表示对其进行嵌入，研究人员生成了一张由6752种血液代谢物构成、形成25个结构聚类的图谱，随后对这些聚类、生物标志物和药物之间进行了相关性分析。对至少在10项研究中检出的337 120对代谢物的分析显示，结构相关的聚类呈现相关的丰度（ρ高达0.6）。既定临床生物标志物之间的相关性模式揭示了候选代谢相关物，其中数者的ρ>0.7。研究人员还开发了开源软件，使针对所探索的Workbench数据中任何代谢物的类似分析成为可能。此外，通过整理含药物数据集，研究人员对acetaminophen、metoprolol和atenolol等化合物进行了meta分析，识别出已知和新颖的代谢特征。除生物学见解外，研究人员还发现Orbitrap和QTOF倾向于检测不同的代谢物，但对重叠化合物给出定量一致的结果。总体而言，本研究提供了方法和软件，用于对公共代谢组学数据进行大规模挖掘，使其再分析能够获得新的生物医学见解。
代谢组学已日益成为系统生物医学和药物发现的核心手段，其通过质谱（mass spectrometry, MS）和核磁共振等技术提供功能层面的分子读数。与此同时，Metabolomics Workbench等公共数据库已积累了数千项研究，但其中大部分数据在被原始研究发表后很少被系统再分析，构成了一个巨大且尚未充分利用的整合研究机会。针对这一问题，研究人员对Metabolomics Workbench中所有基于Orbitrap或QTOF平台的人类血液代谢组学研究进行了系统性的元数据再分析，旨在构建人类血液代谢物的结构图谱，揭示代谢物类别间的关联，并探索代谢物与临床生物标志物及药物摄入之间的联系。该研究共纳入182项研究、44 165个样本，经过代谢物名称统一和SMILES嵌入，得到6752种血液代谢物并形成25个结构聚类；在337 120对代谢物中观察到结构相关聚类具有共丰度趋势，同时为多种临床生物标志物鉴定出候选代谢相关物，并开发了开源软件工具用于发掘任意代谢物的关联。研究还发现Orbitrap与QTOF虽检测的代谢物谱存在差异，但对重叠代谢物的定量结果一致。该研究为利用公共代谢组学数据进行大规模挖掘和再分析提供了方法学框架和应用范例，有助于产生新的生物医学假说。
在技术方法方面，研究人员从Metabolomics Workbench中检索并筛选出182项人类血液、Orbitrap或QTOF质谱研究，涉及44 165个样本。代谢物通过PubChem标识符和RefMet名称统一，并从PubChem获取SMILES结构；使用ChemBERTa-77M-MTR模型对SMILES进行嵌入，经主成分分析（principal component analysis, PCA）和均匀流形逼近与投影（uniform manifold approximation and projection, UMAP）降维后，采用k-means聚类获得25个结构簇，并以ClassyFire化学分类和Gini不纯度评估聚类同质性。相关性分析采用逐研究Spearman秩相关，并按样本量加权聚合；药物相关分析采用随机效应meta分析和mega分析，并以年龄、性别、体重指数（body mass index, BMI）等作为协变量。
研究结果如下：
Metabolomics Workbench存储库数据可实现大规模自动化meta分析：截至2025年6月7日，Metabolomics Workbench约有3500项研究，是当时最大的公共代谢组学数据库。经过平台与样本类型筛选，182项人类血液Orbitrap/QTOF研究被纳入，涵盖44 165个样本和22 841个代谢物名称。通过自动名称匹配，共获得6752个PubChem标识符，其中1351个至少在10项研究中被检测到，显示出该框架适用于大规模整合分析。
研究中检测到的代谢物数量主要由不同技术设置的组合决定：样本量与检出代谢物数仅呈弱相关（ρ=0.25，P=0.0008）；Orbitrap和QTOF分别有49%和20%的代谢物为各自独有，仅30%共有，且共有数量显著低于随机置换预期；但对两种平台共同检出的代谢物，其相对丰度定量结果具有一致性，在至少20项研究中检出的代谢物中相关性增强（Pearson r=0.74）。此外，一项研究中合并的色谱类型和离子模式等不同技术条件数量与检出代谢物数量呈较强正相关（Pearson r=0.52），说明更多样的技术组合有助于拓展代谢物覆盖。
结构聚类和相关性分析显示结构相关化合物具有相关丰度：通过SMILES嵌入和UMAP降维后的k-means聚类，6752种血液代谢物被分为25个结构簇，脂质和非脂质代谢物数量大体平衡。代谢物对相关性分析显示，大多数脂质簇内部及脂质簇之间呈现强正相关，而结构多样的非脂质簇缺乏一致关联；结构相近的脂质类簇的相关性最强，提示结构相似的代谢物在生物样本中往往协同变化。
自动化相关分析识别临床生物标志物的代谢相关物：研究人员以同型半胱氨酸、氧化三甲胺、次黄嘌呤、假尿苷、5-羟基吲哚乙酸、2-羟基戊二酸、肌氨酸和肌酐等临床生物标志物为例，筛选出各自最强的正负代谢相关物。例如，同型半胱氨酸与亚油酰辅酶A呈较强正相关（ρ=0.87）；假尿苷与5,6-二氢尿苷（ρ=0.83）以及3-(3-氨基-3-羧丙基)尿苷（ρ=0.73）相关；肌酐与N,N,N-三甲基-丙氨酰脯氨酸甜菜碱（ρ=0.71）相关。其中部分关联已在此前研究中有报道，另一些则提示了新的候选生物标志物或病理机制。
开源软件工具用于探索代谢物相关性：研究人员开发了一个集成所分析全部相关数据和元数据的开源软件工具，其图形界面支持三种模式：输入两个代谢物名输出其逐研究和总体的相关性；对指定代谢物输出最强正/负关联（可设定最少研究数和显示数）；根据SMILES嵌入余弦相似度返回结构最相似的1—10个化合物。该工具为快速假说检验和关联发现提供了便利。
经人工整理的meta分析鉴定药物摄入相关代谢特征：研究人员自动筛查出77项含药物相关峰的研究，经人工审查后最终纳入24项研究，涉及在至少5个队列中出现的10种药物，包括acetaminophen、metoprolol、atenolol、hydrochlorothiazide、naproxen、metformin、ibuprofen、ranitidine、gabapentin和diphenhydramine。随机效应meta分析结果显示，药物差异代谢物数量随样本量减小而减少；acetaminophen摄入与硫酸化类固醇水平降低显著相关；metoprolol和atenolol共同表现出与柳酸盐类代谢物相关的信号，并观察到β-阻滞剂类药物降低循环脂肪酸水平。这些结果复现了既往文献中的药理学代谢效应，也提供了新的药效代谢组学证据。
讨论部分指出，这是迄今规模最大的公共代谢组学数据meta分析之一，其将MS检测的广泛代谢物覆盖与从多个小规模研究中聚合得到的大样本量（44 165个样本）相结合。研究存在若干局限性，包括纳入研究间的异质性、无法完全确认样本独立性和注释质量、以及药物meta分析中难以排除伴随疾病和合并用药等混杂因素。结论部分翻译如下：总体而言，本研究首次为大规模代谢组学数据的meta分析提供了原理证明和可推广框架，并利用Metabolomics Workbench中基于Orbitrap和QTOF的人类血液研究进行了验证。该方法将MS灵敏度（血液中检测到6752种化合物）与迄今为止MS代谢组学最大的样本量——从多个个体研究汇总的44 165个样本——相结合。研究人员预期，该框架及附带的开源软件将加速代谢组学中的假说生成与验证，使研究者能够充分利用快速增长的公共代谢组学数据。
