《Biomolecules》：Circulating Amino Acid Profiles in Adults with Abnormal Body Mass Index: Associations with Triglycerides, HDL Cholesterol, LDL Cholesterol, and Total Cholesterol in an Exploratory Cross-Sectional Metabolomic Pilot Study
编辑推荐：
背景/目的：循环氨基酸不仅是营养状态标志物；在实验与干预模型中，其已被联系到肝脏脂肪生成、脂蛋白组装、线粒体脂肪酸氧化和胆汁酸结合，因此可作为肥胖相关血脂紊乱的候选相关物。然而，大多数超重/肥胖代谢组学研究要么只关注单一血脂参数（通常为甘油三酯），要么只关注支
背景/目的：循环氨基酸不仅是营养状态标志物；在实验与干预模型中，其已被联系到肝脏脂肪生成、脂蛋白组装、线粒体脂肪酸氧化和胆汁酸结合，因此可作为肥胖相关血脂紊乱的候选相关物。然而，大多数超重/肥胖代谢组学研究要么只关注单一血脂参数（通常为甘油三酯），要么只关注支链氨基酸（BCAA）。本试点研究采用靶向19种氨基酸的液相色谱–串联质谱（LC-MS/MS）平台，在跨越体重指数（BMI）谱的成人中，以血脂表型方差而非体重分类为分析框架，对完整标准血脂组合的相关关系进行假设生成式探索。设计为横断面，分析为探索性；不作因果或预测断言。方法：对50名成人血浆中19种氨基酸进行靶向LC-MS/MS定量，分为正常体重（n=20；BMI 22±1.5 kg/m2）、超重（n=20；BMI 28±1.5 kg/m2）、肥胖（n=10；BMI 34±2.0 kg/m2）三组。分析框架包括：（i）单因素方差分析（ANOVA）加Bonferroni校正；（ii）Pearson相关分析；（iii）对血脂谱本身做主成分分析（PCA）并投影氨基酸向量；（iv）基于血脂表型的K-means聚类（K=3）；（v）氨基酸–血脂相关矩阵的Ward连接层次聚类；（vi）针对四个血脂结局的随机森林（Random Forest）置换重要性；（vii）复合血脂风险指标，包括致动脉粥样硬化指数（TG/HDL-C）与非高密度脂蛋白胆固醇（non-HDL cholesterol）。结果：四个血脂分数各自呈现不同的氨基酸相关模式。甘油三酯（TG）与谷氨酸（r=0.58）正相关，与谷氨酰胺（r=?0.58）负相关。高密度脂蛋白胆固醇（HDL-C）与谷氨酸（r=?0.61）及丝氨酸（r=0.49）相关最强。低密度脂蛋白胆固醇（LDL-C）最强相关物为苯丙氨酸（r=0.56）与亮氨酸（r=0.56）；总胆固醇（TC）为亮氨酸（r=0.63）及甘氨酸（r=?0.54）。致动脉粥样硬化指数（TG/HDL-C）从正常到肥胖升高2.9倍，与谷氨酸、异亮氨酸和甘氨酸相关最强。多变量模型中，氨基酸面板可解释TG（校正R2=0.43；F(19,30)=2.97，p=0.004）与HDL-C（校正R2=0.35；F(19,30)=2.40，p=0.016）的部分方差；LDL-C与TC校正R2均约0.06且模型不显著（均p>0.33），无可解释的氨基酸信号。基于血脂的K-means聚类识别出三类血脂表型簇（有利、中间、不良），氨基酸z分数存在差异。结论：在该探索性试点队列中，异常BMI下的血脂紊乱与两条部分可分的氨基酸轴相关：谷氨酸–谷氨酰胺轴（TG及部分HDL-C），以及甘氨酸–丝氨酸假定保护轴（与所有致动脉粥样硬化血脂参数相反）。结果扩展了既定BCAA–胰岛素抵抗范式，提示靶向氨基酸谱（尤其谷氨酸、亮氨酸、甘氨酸、丝氨酸）可作为发现异常BMI者血脂异常候选标志物的途径。
研究背景方面，肥胖与超重伴随心肺代谢综合征，其中血脂异常（高甘油三酯、低高密度脂蛋白胆固醇、高低密度脂蛋白胆固醇、总高胆固醇）是重要组分。早期启动与推进血脂异常的生化事件，尤其在循环氨基酸代谢层面，仍未被充分理解。代谢组学已认识到循环氨基酸不仅反映营养状态，还可能通过多条通路参与脂质合成、氧化、脂蛋白组装和逆向胆固醇转运；但这些证据多来自实验、体外与干预模型，人类数据多为横断面且具关联性。既有靶向代谢组学研究常聚焦胰岛素抵抗或糖尿病，且多限于支链氨基酸（BCAA，branched-chain amino acids）。因此，研究人员在已发表的50人、无合并症队列基础上，开展扩展分析：以完整标准血脂参数为对象，用互补分析框架描述氨基酸关联，进行假设生成，而非验证或预测。
该研究论文发表于《Biomolecules》。研究人员在50名波兰北部单中心、高加索成人、无糖尿病及降脂/降糖/抗炎用药的队列中开展研究；按BMI分为正常体重20人、超重20人、肥胖10人，年龄匹配，空腹采样，用生物电阻抗与腰臀比评估体成分。
主要关键技术方法如下：采用靶向19种氨基酸的液相色谱–串联质谱（LC-MS/MS，liquid chromatography–tandem mass spectrometry）定量血浆氨基酸；以单因素方差分析（ANOVA）加Bonferroni校正比较组间；用Pearson相关分析刻画19种氨基酸与四项血脂及复合指标关系；对四项标准化血脂变量做主成分分析（PCA）并将氨基酸作为补充向量投影；基于血脂变量行K-means聚类（K=3）并用轮廓系数、Calinski–Harabasz指数、间隙统计量及自助重采样验证；对氨基酸–血脂相关矩阵做Ward连接层次聚类；拟合含19个标准化氨基酸的预测变量普通最小二乘（OLS）多变量回归；用500树随机森林（Random Forest）做置换重要性排序。样本来源于前述单中心、无合并症、按BMI分层的50名成人队列。
3.1 临床与血脂谱特征
研究人员通过分组描述发现，随着BMI升高，TG、致动脉粥样硬化指数（TG/HDL-C）、non-HDL胆固醇持续恶化，HDL-C下降，LDL-C与TC渐进升高；致动脉粥样硬化指数从正常到肥胖升高2.9倍，说明异常BMI下血脂表型异质性可用传统参数刻画。
3.2 氨基酸谱与跨BMI组ANOVA
研究人员对19种氨基酸做单因素ANOVA后发现，12种氨基酸至少在一组比较中显著；谷氨酸从正常到肥胖单调上升且增幅最大，丝氨酸、甘氨酸、谷氨酰胺渐进下降；丙氨酸等7种无显著组效应。小样本中未显著性不等于无生物学关联，极低p值只反映组间分离明显而非效应估计精确。
3.3 Pearson相关分析：血脂特异性氨基酸轴
研究人员计算19种氨基酸与四项血脂的Pearson相关，发现TG正关谷氨酸、异亮氨酸、缬氨酸、脯氨酸、苯丙氨酸、天冬氨酸，负关谷氨酰胺、甘氨酸、丝氨酸；HDL-C主关谷氨酸负向与丝氨酸正向，且与TG模式镜像；LDL-C正关苯丙氨酸与亮氨酸，负关丝氨酸与谷氨酰胺；TC最关亮氨酸正、甘氨酸负，并混合TG/HDL轴与LDL轴特征。结论为各血脂分数对应不同且可解释的氨基酸集合，而非单一“肥胖氨基酸谱”。
3.4 氨基酸–血脂相关矩阵的层次聚类
研究人员用Ward连接层次聚类将氨基酸分成模块：谷氨酸–天冬氨酸–脯氨酸模块对致动脉粥样硬化分数呈正/负方向一致；丝氨酸–谷氨酰胺–甘氨酸模块与致动脉粥样硬化分数反向并与HDL-C正向；BCAA–苯丙氨酸模块与致动脉粥样硬化参数正相关；其余为弱相关“惰性”氨基酸。该结果为描述性总结，不代表已验证结构。
3.5 血脂谱的主成分分析
研究人员对血脂变量做PCA，Lipid-PC1主要代表高TG/低HDL-C，Lipid-PC2代表LDL-C/TC；肥胖与超重倾向高Lipid-PC1。投影显示谷氨酸、异亮氨酸、缬氨酸、脯氨酸指向高TG/低HDL-C方向，丝氨酸、甘氨酸、谷氨酰胺反向；Leu与Phe在PC2最长，与其LDL-C/TC单变量相关一致，但无多变量解释力。
3.6 多变量模型：方差解释、模型显著性与随机森林置换重要性
研究人员拟合OLS与随机森林后发现，TG与HDL-C模型显著，校正R2分别为0.43与0.35；LDL-C与TC模型不显著，校正R2约0.06，接近噪声预测期望。随机森林中TG重要性最高为天冬氨酸、亮氨酸、丝氨酸，HDL-C为缬氨酸、谷氨酰胺、亮氨酸；谷氨酸虽单变量最强却未进前三，说明小样本下相关预测变量间信用再分配使排序不稳定。随机森林交叉验证不稳定，仅用于佐证单变量方向。
3.7 按BMI组的关键氨基酸–血脂关联散点分析
研究人员用散点展示最强关联：TG中谷氨酸、脯氨酸随组别走高，谷氨酰胺走低；HDL-C中谷氨酸负向在超重已可见；LDL-C中Phe与Leu正关但模型不显著；TC中Leu斜率最陡，肥胖者多居右上区域。
3.8 血脂表型K-means聚类与氨基酸特征
研究人员对血脂做K-means得到L1有利、L2中间、L3不良三簇；L1多为正常体重，L3多为肥胖。L3谷氨酸z分数最高，谷氨酰胺、丝氨酸、甘氨酸最低，Leu与Phe亦最高。超重者并非全归同一簇，7人入L1、2人入L3，提示超重范围内代谢异质性，但小亚组只作假设生成。
3.9 复合血脂风险指标及其氨基酸相关
研究人员分析TG/HDL-C与non-HDL-C：致动脉粥样硬化指数正常1.57、超重2.49、肥胖4.61；其最强正关为谷氨酸、异亮氨酸，负关为丝氨酸、甘氨酸。non-HDL-C与亮氨酸正关，与丝氨酸、甘氨酸负关。因复合指标由四项原发血脂算得，相关并不独立于3.3节结果。
3.10 氨基酸方向性剖面
研究人员用lollipop式剖面显示，正常到肥胖变化最大的正关氨基酸为谷氨酸（+153%）、天冬氨酸（+92%）、异亮氨酸（+77%）；最大负关为丝氨酸（?49%）、甘氨酸（?31%）、谷氨酰胺（?22%）。
讨论部分总结：研究人员指出核心发现是异常BMI者血脂变异伴随两条部分可分氨基酸模式，以及已知BCAA/芳香氨基酸模式；用血脂PCA与相关性矩阵层次聚类可补充同一队列中胰岛素抵抗之外的解读。谷氨酸–谷氨酰胺模式可由苹果酸–天冬氨酸穿梭（MAS，malate–aspartate shuttle）与肝脂质生成解释；谷氨酰胺可能经mTORC1–SREBP-1c抑VLDL分泌。甘氨酸–丝氨酸模式可联系胆汁酸结合、谷胱甘肽合成、丝氨酸棕榈酰转移酶（SPT，serine palmitoyltransferase）与神经酰胺代谢。Phe与Leu虽有单变量相关，但LDL-C/TC多变量模型无信号。血脂簇与BMI不完全对应，提示代谢组学或可识别“血脂表型像肥胖”的超重亚群。局限包括横断面、样本小、饮食/瘦体重/内脏脂肪/胰岛素抵抗未量化，故不能作预测或因果断言。
结论部分翻译：本试点研究在无合并症且跨越BMI谱的队列中，描述了标准临床血脂面板各组分及两个复合致动脉粥样硬化指标的氨基酸相关物。通过相关分析、血脂谱PCA、相关矩阵Ward聚类、血脂表型K-means聚类与随机森林置换重要性，研究人员观察到两条部分可分的氨基酸模式：谷氨酸–谷氨酰胺模式主要追踪TG并反向追踪HDL-C；甘氨酸–丝氨酸模式与三个致动脉粥样硬化分数呈反向关联且与HDL-C正向关联。两条模式均可与队列中已描述的支链及芳香氨基酸关联并存且部分独立。
