全 文 ：·技术与方法· 2011年第12期
生物技术通报
BIOTECHNOLOGY BULLETIN
收稿日期 ：2011-06-15
基金项目 ：国家高技术研究发展计划“863”项目（2006AA10Z440）, 国家自然科学基金（30800770）, 转基因生物重大专项（2008ZX08012-001）
作者简介 ：赵维薇，女，硕士研究生，研究方向：食品生物技术；E-mail：cauxwt@yahoo.cn
通讯作者 ：黄昆仑，男，博士， 教授，研究方向：食品安全；E-mail：hkl009@163.com
代谢组学研究技术及其应用
赵维薇1 许文涛1，2 王龑2 彭晓丽2 黄昆仑1,2
（1中国农业大学食品科学与营养工程学院，北京 100083 ；2农业部转基因生物食用安全监督检验测试中心 , 北京 100083）
摘 要: 介绍代谢组学的研究技术，主要包括核磁共振技术，色谱 - 质谱联用技术，同时介绍常用的数据处理方法和数据库。
对目前代谢组学在医药领域、生物研究领域、资源环境，以及农业和食品领域的应用情况进行综述。
关键词: 代谢组学 核磁共振 质谱 色谱
Techniques for Metabolomics and Its Application
Zhao Weiwei2 Xu Wentao1,2 Wang Yan2 Peng Xiaoli2 Huang Kunlun1,2
（1College of Food Science and Nutrition Engineering, China Agricultural University, Beijing 100083；
2 The Supervision, Inspection & Testing Center of Genetically Modified Food Safety, Ministry of Agriculture, Beijing 100083）
Abstract: This paper reviewed the analytical techniques for metabolomics, including nuclear magnetic resonance(NMR) and
chromatograph -mass spectra(MS). Date processing strategies and database commonly used in metabolomics were discussed. We also summarized
application of metabolomics in pharmaceutical, life science, resource and environment, agriculture and food field.
Key words: Metabolomics NMR MS Chromatograph
与基因组、蛋白组的概念相对应，一个生物
所有的代谢产物（metabolite）构成了它的代谢组
（metabolome）[1]。 在 实 际 研 究 中， 主 要 研 究 的 是
低分子量的代谢产物。代谢组学（metabolomics 或
metabonomics）可以定义为对新陈代谢过程中所有
低分子量（<1 kD）代谢产物进行定性和定量的研
究，以反映生物体对外界刺激或基因修饰所发生的
变化的科学 [2]。代谢组学的英文表述有 metabolomics
和 metabonomics 两种，代表国际上对代谢组学概念
的两种观点。一种以英国帝国理工学院的 Jeremy K.
Nicholson 等 为 代 表， 在 20 世 纪 90 年 代 将“ 生 命
体系对病理生理刺激或遗传改造所产生的动态，多
指标代谢响应的定量测定”定义为 metabonomics。
Nicholson 的研究小组将代谢组学应用于疾病诊断和
药物筛选中，取得了很多成果。另一种表述是 21 世
纪初由美国加州大学戴维斯分校的 Oliver Fiehn 提
出的 metabolomics，是指 “全面、定量分析生物体
系中所有代谢物”。Fiehn 等 [3] 将代谢组学应用于
植物学的研究，提出了代谢组学是连接基因型和表
型的纽带的观点，可以用于功能基因的发现。还
有人认为不同的表述源于不同的技术平台，用质
谱（mass spectrometry, MS） 作 为 检 测 手 段 时 就 称
为“metabolomics”， 以 核 磁 共 振（nuclear magnetic
resonance, NMR）为手段时，就称为“metabonomics”[4]。
目前在应用时并没有严格的区分。
与转录组学和蛋白组学相比，代谢组学有自身
的优点。首先代谢组是最接近表型，最能反应表型
变化的，基因表达的变化引起蛋白表达的变化，最
终以代谢过程的变化产生效应。因此，代谢组研究
在了解本质的生化和生物系统中具有重要的作用，
基因和蛋白表达的微小变化还会在代谢物上得到放
大。另外，生物的代谢产物的通用性相对较大，因
此可以寻找到针对某种代谢物或者一类代谢物的分
析方法，而不用考虑物种的区别 [5]。而且代谢物的
数量比基因和蛋白的数量少得多。整个植物界的代
谢产物可能有大约 200 000 多种 [3]，对于一种植物来
生物技术通报 Biotechnology Bulletin 2011年第12期58
说，其代谢组中的化合物的数量则要少得多。如拟
南芥代谢组中化合物的数量有近 5 000 种，而拟南
芥基因的数量为 30 000 多个。具有 6 000 个基因的
酵母所含有的代谢物的数量少于 600 个 [6]。
1 代谢组学的研究内容
Fiehn[3] 将代谢组学研究分为 4 类。
1.1 代谢物靶标分析（metabolite target analysis）
代谢靶标分析针对某一种或某几种代谢物。例
如，为了研究某基因被改造后的主要影响，研究可
以限制为该基因编码的蛋白所作用的特定底物或者
作用产生的直接产物。
1.2 代谢轮廓分析（metabolite profiling）
为了阐释整个代谢途径或感兴趣的代谢途径的
作用，不用看基因的改变对植物代谢所有途径的影
响，可以只关注一定数量的预先确定的代谢产物。
这些预先确定的代谢产物可能属于某一类化合物或
者只是某一类代谢途径中。
1.3 代谢组学（metabolomics）
在基因工程操作中一个基因的改变不止影响
到一条代谢途径，由于多效反应，看似不相关的途
径其代谢物水平可能发生变化。为了了解这些效
应，生物体中所有的代谢产物都要进行定性和定量
研究，以全面反应所研究的生物系统的代谢组情况。
代谢组学研究试图避免代谢产物化学结构或在生物
组织中的表观丰度造成某些代谢物在研究时的偏向
或忽略。
1.4 代谢指纹分析（metabolic fingerprinting）
代谢指纹分析不分离鉴定具体单一组分，只用
得到某生物体的代谢物图谱。在基因组和植物育种
中，为了研究大量的品系，或者工业和临床上为了
诊断的需要，需要确定生物中每一种代谢物及其含
量。这种方法的高通量的比较可以区分出不同的样
品，用于分类等的研究。
严格地说，只有第 3 层次才是真正意义上的代
谢组学研究。目前，代谢组学的最终目标，即对有
机体中所有代谢产物的定性和定量还是不可能完成
的任务，因为还没有发展出一种真正的代谢组技术
可以涵盖所有的代谢物，且不管分子大小和性质；
另外，很难对所有的代谢产物同时进行精确定量。
而对于代谢物定性不仅很难完成，有时还不准确 [7]。
2 代谢组研究步骤以及研究技术
代谢组学研究过程包括样品的制备、（分离）
检测以及数据分析。
2.1 样品的制备
样品的制备包括样品的提取和预处理。代谢
产物通常用水或有机溶剂分别提取，以获得不同性
质的提取物，从而把非极性的亲脂相和极性相分
开，以分析得到更多的代谢产物。在植物代谢组研
究中，常用 80% 的甲醇水溶液或 100% 的甲醇溶液
进行提取 [8]。样品提取后，通常不马上上样，需要
去除不进行检测的化合物以及可能影响代谢物分离，
降低代谢物检测灵敏度的杂质。过滤、超滤、液 -
液萃取和固相萃取是代谢组研究中样品前处理的主
要技术。根据采用的分离仪器的不同，样品的前处
理也有一些不同。例如，毛细管电泳 - 质谱联用
（capillary electrophoresis-mass spectrometry, CE-MS）
分离时，常用超滤和液 - 液萃取去除大分子量的
化合物如蛋白，以及疏水的化合物如叶绿素，叶绿
素会影响毛细管对代谢物的分离以及检测仪器的检
测。在气相色谱 - 质谱联用（gas chromatograph-mass
spectrometry, GC-MS）分离时要进行化学衍生以提高
对疏水代谢物的检测灵敏度。由于生物体内的代谢
物种类很多，目前很难找到一种适用于所有代谢产
物的提取方法。因此，为了分析尽可能多的代谢物
的信息，需要使用不同的提取方法。
2.2 样品的检测
MS、NMR、红外光谱、库伦分析、紫外吸收及
荧光散射等手段都可以用于代谢物的检测中。其中
质谱和核磁共振是应用范围最广的两种检测技术。
2.2.1 NMR 检测 核磁共振是一种基于具有自旋性
质的原子核在核外磁场作用下，吸收射频辐射而产
生能级跃迁的谱学技术。该技术于 20 世纪 70 年代
初开始应用于生物医学的研究并得到迅速发展。
NMR 应用于代谢组研究中，主要采用 H 谱、
H-NMR 对含氢化合物均有响应，能完成样品中大多
数化合物的检测，满足代谢组学中的对尽可能多的
化合物进行检测的目标。H-NMR 的谱峰与样品中各
化合物的氢原子是对应的，所测样品中的每一个氢
2011年第12期 59赵维薇等 ：代谢组学研究技术及其应用
在图谱中都有其相关的谱峰，图谱中信号的相对强
弱反映了样品中各组分的相对含量。因此，NMR 方
法很适合研究代谢产物中的成分，从一维 H 图谱上
可以看出很“精细”的代谢物成分图谱即代谢指纹
图谱，通过模式识别方法，得出相应的、有价值的
生物学信息。通过对这些生物信息的统计分析和研
究，了解机体生命活动的代谢过程。
NMR 方法最大的优点是对样品无损伤，不破坏
样品的结构和性质，无辐射损伤；对于分析的样品
只用进行简单的预处理，可在一定的温度和缓冲液
范围内选择试验条件，能够在接近生理条件下进行
试验。所得的图谱具有较高的信息量；NMR 的化学
位移相对较稳定 ；定量更简单、无需预选择试验条
件 [9]。其主要的缺点是，灵敏度较低，对样品的要
求较高 [5]。
为了提高分辨率，可以使用多维核磁共振技
术和液相色谱核磁共振联用 [10]。Griffin [11] 研究小组
采用近年新发展的魔角旋转（magic angle spinning,
MAS）技术，能够获得高质量的 NMR 谱图，具有更
高的分辨率和灵敏度。另外，还可以结合 13C 或 15N
的稳定同位素标记进行植物代谢组的研究 [12]。
但是 NMR 的购置成本较高，一般的研究机构
不能配置，还需要相关专业人员来进行操作和日常
维护，其动态范围有限，很难同时测定生物体系中
共存的浓度相差较大的代谢产物。
2.2.2 MS 检 测 MS 作 为 检 测 器 具 有 较 高 的 灵 敏
度和较高的选择性，但是对于有的类别的化合物
不能很好的区分，因为 MS 的识别主要依赖于离子
化的类型。然而，与上游的分离技术联合使用就
可以提高其分辨率 [5]。分离技术主要为色谱技术，
有 气 相 色 谱（gas chromatograph, GC）、 液 相 色 谱
（liquid chromatograph, LC）及毛细管电泳（capillary
electrophoresis, CE）。
2.2.2.1 GC-MS 检测 20 世纪 60 年代末，MS 的改
进使得 GC-MS 可以完全独立地进行化合物的鉴定和
分离，随后 GC-MS 技术在代谢组研究中得到了广泛
的应用和发展 [13]。现在 GC 已经是一项成熟的分析
技术，应用于代谢组学中主要采用火焰离子化检测
器和质谱检测器。由于质谱检测器结果可以通过比
对标准谱图库中的化合物结构信息进行化合物的定
性，因此后期的数据挖掘阶段更为简便。GC-MS 分
析前需要对样品进行衍生化处理，衍生化可以增加
分析对象的挥发性，改善峰形和分离度，也可以提
高检测的灵敏度。LC-MS、CE-MS 以及 NMR 技术在
代谢组中的应用发展迅速，GC-MS 技术在疾病研究 [14]
和植物代谢组研究中仍然发挥着重要的作用，尤其
在植物代谢组研究中 GC-MS 一直处于支柱地位 [15]。
2.2.2.2 LC-MS 检测 GC 法仅限于挥发性代谢物和
可以衍生得到挥发性及热稳定性产物的代谢物。因
此分析的代谢物种类受到样品挥发性和热稳定性的
影响。与 GC 相比，此时，液相色谱体现出其优势。
由于 LC 对样品的挥发性和热稳定性没有要求，应
用范围更广，并且不需要衍生化等复杂的预处理工
作，经过简单的预处理如富集、过滤就可以上样检测。
尤其是使用较多的高效液相色谱（high performance
liquid chromatography, HPLC） 还 具 有 分 离 效 率 高、
分析速度快的特点。
非极性和中等极性化合物的分析常采用反相液
相色谱（reverse phase liquid chromatography, RPLC），
但极性太强的代谢物不能停留于反相柱上。对于这
些强极性化合物的 HPLC-MS 分析可以采用亲和相
互 作 用 色 谱（hydrophilic interaction chromatography,
HILIC），配合使用固相萃取。HILIC 是一种以极性
固定相（如硅胶或衍生硅胶）及含高浓度极性有机
溶剂和低浓度水溶液为流动相的色谱模式，特别适
用于强极性和强亲水性小分子物质的分离 [16]。Yin
等 [17] 用 RPLC 和 HILIC 与 MS 联用技术研究慢性肝
炎诱导的肝硬化和肝癌研究，检测了人体血清中非
极性和极性化合物，鉴定出了 4 种潜在的肝硬化标
志物以及 2 种潜在的肝癌标志物。
传统的 HPLC-MS 方法已经能提供较好的分辨
率和中等的通量。为了满足代谢组学对复杂代谢物
的研究还需要更高的分辨率，毛细管 HPLC-MS 可以
提供更高的色谱通量，高峰容量和因为更加集中的
峰和减少的离子抑制作用而增加了信号 - 噪声比。
另外，能很大程度地减少样品的量，可以对微升级
别的样品进行分析。Tolstikov 等 [18] 在 HPLC 中采用
C18 整体石英毛细管柱分析了拟南芥的提取物。在
对鼠尿液的代谢型检测中，毛细管 HPLC-MS 也显
示出较高的灵敏度。Granger 等 [19] 用传统的 HPLC
生物技术通报 Biotechnology Bulletin 2011年第12期60
柱和毛细管 HPLC 柱分析了肥胖 Zuker 大鼠的尿液，
结果显示使用了毛细管的方法在 0.5 μL 的上样量下
所检测到的组分明显多于上样 10 μL 的常规 HPLC
方法。
超高效液相色谱（ultra performance liquid chroma
tography, UPLC）也是改善复杂样品分离情况的一种
方法。近来引入的 UPLC 结合了粒径 1.7 μm 的反向
填料和色谱系统，在 6 000-15 000 psi 的压力范围下
工作 [9]。因为可以降低条带的宽度，会有更好的信
噪比，因而灵敏度上升，可以有更好的色谱峰通量
和更快的分离速度和更高的灵敏度。在代谢组学研
究中采用 UPLC-MS 方法分析生物体液的例子也在逐
渐增多。
因为代谢组中化合物性质复杂，并且为了增大
峰容量，可以通过增加分离维数来提高分辨率，用
GC×GC 或 LC×LC 来进行分离。
2.2.2.3 CE 检测 反相色谱柱作为 LC-MS 法研究
代谢组时常用的色谱柱，无法保留很大一部分极性
很强的代谢产物 [20]，因为大部分的代谢产物都是极
性的并且是离子型的，一个更好的研究平台是 CE-
MS [5]。GC 和 LC 对代谢产物的分离主要依靠各组分
与固定相的相互作用，而 CE 是依靠各组分的质荷
比实现的分离。在分离原理上的不同让 CE 可以作
为相对更加成熟的色谱技术的补充，在很多情况下，
GC 或 LC 分离较困难的样品可以用 CE 分离开。毛
细管电泳具有快速、高效的特点，不要求复杂的样
品预处理，运行成本很低，并且是自动化程度最高
的分离方法，上样只需微量的样品是毛细管电泳一
个很突出的优点，进样所需体积可以小到 1 μL，消
耗体积在 1-50 nL 之间 [21]。
CE 与 MS 的联用使检测灵敏度大大提高，在一
次分析中可以同时得到迁移时间、分子量和分子碎
片的信息，以更好地进行定性和定量。然而 CE-MS
技术应用于代谢组研究的时间相对较短，用于真正
意义上的代谢组研究的报道还较少，不过随着代谢
组的迅速发展，CE-MS 技术也发展迅速。Sato 等 [22]
用 CE-MS 和 CE-DAD（diode-array detector, 二 极 管
阵列检测器）测定了水稻叶片中的代谢物，检测了
88 种重要代谢物的水平，涉及糖酵解、三羧酸循
环、磷酸戊糖途径、光呼吸作用和氨基酸合成途径。
Villalba 等 [23] 用 CE-TOF-MS 研究转基因大豆与常规
大豆的代谢产物，发现有部分物质有较明显的差别，
可能存在潜在的标记物。
2.3 数据处理及常用的网站
由 MS 或 NMR 检测出的数据还不能直接用于
化学计量学分析，需要先对数据进行预处理。主要
包括滤噪、重叠峰解析、峰对齐、峰匹配、标准化
和归一化等。目前很多仪器厂商有配套的数据处理
软件完成上述工作，实际操作中，只需要根据实际
情况进行上述的某几种处理，最后用于模式识别的
数据为二维矩阵数据形式。代谢组学所得到的数据
量是很大的，还有多维的信息，需要应用化学计量
学方法进行分析，才能挖掘出潜在的信息。代谢组
研究大多数情况需要对不同来源的样品进行判别
分类，如处理和对照的区分，不同种的区分。在
分类时需要采用模式识别技术，包括非监督学习
方 法（unsupervised） 和 有 监 督（supervised） 的 学
习方法。常用的有非监督的主成分分析（principal
components analysis，PCA）方法和有监督的 SIMCA
（soft independent modeling of class analogies）、偏最小
二乘法 - 判别分析（partial least squares-discriminant
analysis , PLS）等 ；作为非线性的模式识别方法，人
工神经元网络（artificial neuronal network, ANN）技
术也得到广泛的应用 [16,24,25]。在数据处理和分析的各
阶段，对数据的质量控制和模型的有效性验证重要
较为 [25]。
检测结果经化学计量学分析后，还需要搜索
相应的代谢途径和生物化学数据库，以解析代谢物
的结构，了解代谢物的生物功能。与基因组学和蛋
白组学较完善的数据库相比，代谢组研究还缺乏
功能、信息完备的数据库。目前可以应用于代谢
组 研 究 的 数 据 库 有 MassBank、PubChem、 连 接 图
数 据 库（Connections Map DB）、KEGG、METLIN、
HumanCyc、EcoCyc 和 metacyc、BRENDA、LIGAND、
Metacyc、UMBBD、WIT2、EMP 项目、IRIS、AraCyc、
PathDB、生物化学途径（ExPASy）、互联网主要代
谢途径（main metabolic patheways on internet, MMP）、
Duke 博士植物化学和民族植物学数据库及 Arizona
大学天然产物数据库等，其中 IRIS、AraCyc 分别为
2011年第12期 61
水稻和拟南芥的有关数据库 [6,24,25]。
3 代谢组学的应用
代谢组的研究目前已经渗透到很多领域，包括
医药领域、生物学研究领域、资源环境、农业和食
品安全领域等。
3.1 代谢组学应用于医药领域
医药领域是代谢组学最早开始应用的领域，也
是目前受关注最多，发展最快的领域。可以用代谢
组技术进行疾病研究和药物开发。
3.1.1 疾病研究 代谢组学在疾病研究中的应用主
要包括病变标记物的发现，疾病的诊断、治疗和预
后的判断。尤其与疾病诊断和治疗相关的代谢标记
物的寻找是最受关注的方面。肿瘤的发病率的增高
使人们对肿瘤的及时诊断提出了更高的要求。目前
代谢组技术已应用于脑瘤 [26]、前列腺癌 [27,28]、乳腺
癌 [29] 和卵巢癌 [30] 等引发的代谢物变化的体内检测
中，希望通过对相应癌症代谢标记物的检测，对疾
病的诊断和治疗提供新的方法和思路。
Yang 等 [31] 利用 1H-MAS-NMR 和 PCA 研究表明，
人轻度肝癌及重度肝癌与毗邻的正常肝组织在代谢
物表达上有显著差异，且轻度肝癌与重度肝癌之间
也有显著差异，因此可以将肝组织的代谢图谱应用
于肝癌的早期诊断。另外，Yang 等将基于 LC-MS 方
法的代谢组学平台应用于肝病研究中，能有效区分
不同肝病患者和正常人，肝癌诊断中肝炎和肝硬化
患者的假阳性率为 7.4%[32]。应用于慢性乙型肝炎的
急性发作样本，诊断正确率达到 100%，并且鉴定出
1 个传统标记物和 4 个新的标记物 [33]。
除了对肿瘤的研究，代谢组技术还应用于其他
疾病的研究中。例如 ：Ⅱ型糖尿病 [34,35]、心血管疾
病 [36]、肾病 [37]、脑膜炎 [38] 及精神分裂症 [39] 等，希
望能够找到这些疾病的代谢标记物，已达到对疾病
的预防和及时治疗。
3.1.2 药物开发 代谢组学在疾病动物模型（包括
转基因动物）的确证、药物筛选、药效及毒性评
价、作用机制和临床评价等方面有着广泛的应用 [25]。
Nicholson 研究小组利用基于 NMR 的代谢组学技术
在药物的毒性评价方面做了卓越的贡献，其研究用
代谢组学的方法判断药物毒性影响的组织器官及其
位点，推测药物相关的作用机制，确定于毒性相关
的潜在生物标记物，并在此基础上建立供毒性预测
的专家系统以及毒物影响动物内源性代谢物随时间
的变化轨迹 [40]。英国帝国理工学院与 6 家制药公司
联合组成了一个药物毒性代谢组学研究小组（the
consortium for metabonomic toxicology, COMET） 通 过
检测正常和受毒动物体液和组织中代谢物的 NMR
谱，结合已知毒性物质的病理效应建立了第 1 个大
鼠肝脏和肾脏毒性的专家系统，涉及 147 种典型药
物的肝肾毒性 [41,42]。
3.2 代谢组学应用于生物学领域
在生物学研究领域，代谢组学也作为一个重要
的研究方向。以基因、mRNA、蛋白质、代谢产物
为研究对象的基因组学、转录组学、蛋白质组学及
代谢组学是一个有机整体，成为系统生物学尤其是
分子系统生物学的重要组成部分。系统生物学可以
更全面、更系统地了解生物的表型。
3.2.1 植物代谢组 植物代谢组学通过对不同基因
型、生态型植物代谢组的比较，研究基因的改变，
环境的改变对植物代谢的影响，或因外界刺激引起
的植物应答反应在代谢物上的变化 ；另外，通过代
谢物指纹图谱的比较，可以进行代谢表型的分类。
植物代谢组学研究中最具代表性的是 Oliver Fiehn
研究组的工作，他们利用 GC/MS 技术对不同基因
型的拟南芥中的 433 种代谢产物进行分析，结合
化学计量学的方法进行分类，并找到 4 种在分类中
起较重要作用的物质 ：苹果酸、柠檬酸、葡萄糖及
果糖 [43]。在植物代谢组学研究中经常将代谢组与
转录组联系起来，解释植物在外界刺激或是基因修
饰下基因与基因，基因与代谢产物相互作用的网络
系统 [44,45]。基因组、转录组、蛋白组和代谢组的结
合还将加快功能基因的发现，深入了解基因的作用
过程。
3.2.2 微生物代谢组 微生物代谢组的研究可应用
于微生物表型分类、突变体筛选和微生物代谢途径
研究等。其应用于工业生产中，可以通过对微生物
细胞内代谢物质的分析来实现对发酵过程的动态监
测 [46], 以优化发酵条件。还可以通过微生物代谢工
程的方法，得到更适合于生产的菌株。
赵维薇等 ：代谢组学研究技术及其应用
生物技术通报 Biotechnology Bulletin 2011年第12期62
3.3 代谢组学应用于其他领域
在资源环境方面，通过对微生物代谢组的研究，
可以更好地利用微生物降解环境污染物 [47] ；在农业
和食品领域，利用代谢组学技术能更快地寻找植物
的功能基因，了解植物与环境的互作过程，加快农
作物品质改良的进程 [48]。随着转基因作物开发和种
植的增多，可以利用代谢组技术分析转基因作物和
常规作物在代谢产物上的差别，以对转基因作物的
食用安全性进行更全面的评价 [49-51] ；在食品方面，
代谢组技术还能用于食品的质量和营养价值的评价，
因为食品的质量如表观、风味和气味、货架期，以
及营养价值如维生素含量、抗氧化性和营养成分等
都是食品中所由代谢产物共同决定的 [52]。
4 展望
代谢组学的定义表明其研究对象是生物体或是
细胞中所有的代谢产物，然而目前没有一种技术适
合所有代谢物的分离和检测。另外，样品的预处理，
代谢产物的提取过程也会丢失一部分代谢产物的信
息。因此，需要改进分析技术以适应更广泛的代谢
物类型以及更宽的浓度范围。目前的研究中要注意
整合不同分析技术，以实现对所有代谢产物的定性
和定量。Xia 等 [7] 总结了目前代谢组学的几个整合
趋势，除了分析技术，还有不同方法所得到的数据
以及生物的不同组织的整合。
代谢组学研究在世界范围内已得到快速的发
展，为实现数据的交流和共享，就需要规范代谢组
研究，从不同样品的处理方法，内标的使用以及最
重要的一个步骤——数据的处理。代谢组的数据应
该像转录组和蛋白组的数据那样有规定的数据格式
和必须的内容。SMRS[53] 小组是最早的代谢组研究标
准倡导者之一，然而目前还没有为所有研究者广泛
采用的一套标准，需要代谢组研究人员的共同努力。
同时，还要不断完善代谢组学数据库，目前很多数
据库都只有化合物的结构鉴定，还应该包括不同样
品代谢产物定量的信息，可以供其他研究人员参考，
规范代谢组学的研究。
另外，基因组学、代谢组学、蛋白组学和代谢
组学各自都能得到很丰富的信息，代谢组学作为一
个相对年轻的学科，更需要和其他组学相结合，以
便更全面地了解研究对象。
参 考 文 献
［1］ Oliver SG, Winson MK, Kell DB, et al. Systematic functional analysis
of the yeast genome. Trends Biotechnol，1998, 16:373-378.
［2］ Nicholson JK, Lindon JC, Holmes E. ‘Metabonomics’:
understanding the metabolic responses of living systems to
pathophysiological stimuli via multivariate statistical analysis of
biological NMR spectroscopic data. Xenobiotica, 1999, 29(11):
1181-1189.
［3］ Fiehn O. Metabolomics— the link between genotypes and
phenotypes. Plant Molecular Biology, 2002, 48: 155-171.
［4］ Sumner LW, Mendes P，Dixon RA. Plant metabolomics: large scale
phytochemistry in the functional genomics era. Phytochemistry,
2003, 62: 817-836.
［5］ Monton MRN, Soga T. Metabolome analysis by Capillary
Electrophoresis-Mass Spectrometry. Journal of Chromatography A ,
2007, 1168: 237-246.
［6］ 邱德有 , 黄璐琦 . 代谢组学研究——功能基因组学研究的重要
组成部分 . 分子植物育种 , 2004, 2(2): 165-177.
［7］ Xia JF, Liang QL, Hu P, et al. Recent trends in strategies and
methodologies for metabonomics. Chinese Journal of Analytical
Chemistry, 2008, 37(1): 136-143.
［8］ Oikawa A, Matsuda F, Kusano M, et al. Rice metabolomics. Rice,
2008, 1:63-71.
［9］ Lu X, Zhao XJ, Bai CM, et al. LC-MS-based metabonomics analysis.
Journal of Chromatography B, 2008, 866: 64-76.
［10］ Daykin CA, Corcoran O, Hansen SH, et al. Application of directly
coupled HPLC NMR to separation and characterization of
lipoproteins from human serum. Analytical Chemistry, 2001, 73(6):
1084-1090.
［11］ Griffin JL, Walker LA, Garrod S, et al. NMR spectroscopy based
metabonomic studies on the comparative biochemistry of the kidney
and urine of the bank vole (Clethrionomys glareolus), wood mouse
( Apodemus sylvaticus),white toothed shrew (Crocidura suaveolens)
and the laboratory rat. Comparative Biochemistry and Physiology
Part B: Biochemistry and Molecular Biology, 2000, 127(3):357-367.
［12］ Kikuchi J, Shinozaki K, Hirayama T. Stable Isotope labeling of
Arabidopsis thaliana for an NMR-based metabolomics approach.
Plant Cell Physiology, 2004, 45(8): 1009-1104.
2011年第12期 63
［13］ Fiehn O. Extending the breadth of metabolite profiling by gas
chromatography coupled to mass spectrometry. Trends in Analytical
Chemistry, 2008, 27(3): 261-269.
［14］ Yuan KL, Kong HW, Guan YF, et al. A GC-based metabonomics
investigation of type 2 diabetes by organic acids metabolic profile.
Journal of Chromatography B, 2007, 850: 236-240.
［15］ Hall RD. Plant metabolomics: from holistic hope, to hype, to hot
topic. New Phytologist, 2006, 169(3): 453-468.
［16］ 黄强，尹沛源，路鑫 , 等. 色谱 - 质谱联用技术在代谢组学中
的应用 . 色谱 , 2009, 27(5): 566-572 .
［17］ Yin PY, Wan DF, Zhao CX, et al. A metabonomic study of hepatitis
B-induced liver cirrhosis and hepatocellular carcinoma by using
RP-LC and HILIC coupled with mass spectrometry. Molecular
Biosystem, 2009, 5: 868-876.
［18］ Tolstikov VV, Lommen A, Nakanishi K, et al. Monolithic silica-
baced capillary reversed-phase liquid chromatography/electrospray
mass spectrometry for plant metabolomics. Analytical Chemistry,
2003, 75: 6737-6740.
［19］ Granger J, Plumb R, Castro-Perez J, et al. Metabonomic studies
comparing capillary and conventional HPLC-oa-TOF MS for the
analysis of urine from Zucker obese rats. Chromatographia, 2005,
61: 375-380.
［20］ Tomita M, Nishioka T (Eds.). Metabolomics[M]. Tokyo ：The
Frontier of Systems Biology, Springer, 2005.
［21］ 陈义 . 毛细管电泳技术及应用 [M]. 第 2 版 . 北京 : 化学出版社 ,
2005 ：5-7.
［22］ Sato S, Soga T, Nishioka T，et al . Simultaneous determination of
the main metabolites in rice leaves using capillary electrophoresis
mass spectrometry and capillary electrophoresis diode array
detection. The plant Journal, 2004, 40: 151-163.
［23］ Villalba RG, Leon C, Dinelli G, et al. Coparative metabolomic
study of transgenic versus conventional soybean using capillary
electrophoresis-time-flight mass spectrometry. Journal of
Chromatography A, 2008, 1195: 164-173.
［24］ 杨军 , 宋硕林 , Jose CP, 等 . 代谢组学及其应用 . 生物工程学报 ,
2005, 21(1): 1-5.
［25］ 许国旺 , 路鑫 , 杨胜利 . 代谢组学研究进展 . 中国医学科学院
学报 , 2007, 29(6): 701-711.
［26］ Griffin JL, Kauppinen RA. A metabolomics perspective of human
brain tumours. FEBS Journal, 2007, 274(5): 1132-1139.
［27］ Rantalainen M, Cloarec O, Beckonert O, et al. Statistically
integrated metabonomic- proteomic studies on a human prostate
cancer xenograft model in mice. Journal of Proteome Research,
2006, 5(10): 2642-2655.
［28］ Jordan KW, Cheng LL. NMR-based metabolomics approach to
target biomarkers for human prostate cancer. Expert Review of
Proteomics, 2007, 4(3): 389-400.
［29］ Claudino WM, Quattrone A, Biganzoli L, et al. Metabolomics:
available results, current research projects in breast cancer, and
future applications. Journal of Clinical Oncology, 2007, 25(19):
2840-2846.
［30］ Odunsi K, Wollman RM, Ambrosone CB, et al. Detection of
epithelial ovarian cancer using 1H-NMR-based metabonomics.
International Journal of Cancer, 2005, 113(5): 782-788.
［31］ Yang Y, Li C, Nie X, et al. Metabonomic studies of human
hepatocellular carcinoma using high-resolution magic-angle
spinning 1H-NMR spectroscopy in conjuction with multivariate data
analysis. Journal of Proteome Research, 2007, 6(7): 2605-2614.
［32］ Yang J, Xu GW, Zheng YF, et al. Diagnosis of liver cancer using
HPLC-based metabonomics avoiding false positive result from
hepatitis and hepatocirrhosis disease. Journal of Chromatography B,
2004, 813(1-2): 59-65.
［33］ Yang J, Zhao XJ, Liu XL, et al. High performance liquid
chromatography-mass spectrometry for metabonomics: potential
biomarkers for acute deterioration of liver function in chronic
hepatitis B. Journal of Proteome Research, 2006, 5(3): 554-561.
［34］ Yuan KL, Kong HW, Guan YF, et al. A GC-based metabonomics
investigation of type 2 diabetes by organic acids metabolic profile.
Journal of Chromatography B, 2007, 850: 236-240.
［35］ Li X, Xu ZL, Lu X, et al. Comprehensive two-dimensional gas
chromatography/time-of-flight mass spectrometry for metabonomics:
Biomarker discovery for diabetes mellitus. Analytica Chimica Acta,
2009, 633（2）: 257-262.
［36］ Watson AD．Thematic review series: systems biology approaches
to metabolic and cardiovascular disorders. Lipidomics: a global
approach to lipid analysis in biological systems. Journal of Lipid
Research, 2006, 47(10): 2101-2111.
［37］ Niemann CU , Serkova NJ. Biochemical mechanisms of
nephrotoxicity: application for metabolomics. Expert Opinion on
Drug Metabolism & Toxicology, 2007, 3(4): 527-544.
赵维薇等 ：代谢组学研究技术及其应用
生物技术通报 Biotechnology Bulletin 2011年第12期64
［38］ Coen M, O’ Sullivan M, Bubb WA , et al. Proton nuclear magnetic
resonance-based metabonomics for rapid diagnosis of meningitis
and ventriculitis. Clinical Infectious Diseases, 2005, 41(11):
1582-1590.
［39］ Kaddurah-Daouk R , McEvoy J , Baillie RA , et al. Metabolomic
mapping of atypical antipsychotic effects in schizophrenia.
Molecular Psychiatry, 2007, 12(10): 934-945.
［40］ Keun HC , Ebbels TMD , Bollard ME , et al. Geometric trajectory
analysis of metabolic responses to toxicity can define treatment
specific profiles. Chemical Research in Toxicology, 2004, 17(5):
579-587.
［41］ Lindon JC, Keun HC, Ebbels TMD, et al. The consortium
for metabonomic toxicology(COMET): aims, activities and
achievements. Pharmacogenomics, 2005, 6(7): 691-699.
［42］ Lindon JC, Nicholson JK, Holmes E, et al. Contemporary issues in
toxicology-the role of metabonomics in toxicology and its evaluation
by the COMET project. Toxicol and Applied Pharmacology, 2003,
187(3): 137-146.
［43］ Taylor J, King RD, Altmann T, et al. Application of metabolomics to
plant genotype discrimination using statistics and machine learning.
Bioinformatics, 2002, 18(suppl. 2):241-248.
［44］ Hirai MY, Klein M, Fujikawa Y, et al. Elucidation of gene-to-
gene and metabolite-to-gene networks in Arabidopsis by integration
of metabolomics and transcriptomics. The Journal of Biological
Chemistry, 2005, 280(27): 25590-25595.
［45］ Hirai MY, Yano M, Goodenowe DB, et al. Integration of transcripto
mics and metabolomics for understanding of global responses
to nutritional stress in Arabidopsis thaliana. Proceedings of the
National Academy of Sciences, 2004, 27 (101): 10205-10210.
［46］ Buchholz A, Hurlebaus J, Wandrey C, et al. Metabolomics:
quantification of intracellular metabolite dynamics. Biomolecular
Engineering, 2002, 19: 5-15.
［47］ Narasimhan K, Basheer C, Bajic VB, et al. Enhancement of plant-
microbe interactions using a rhizosphere metabolomics-driven
approach and its application in the removal of polychlorinated
biphenyls. Plant Physiology, 2003, 132(1): 146-153.
［48］ Fiehn O, Kopka J, Dormann P, et al. Metabolite profiling for plant
functional genomics. Nature Biotechnology, 2000, 18: 1157-1161.
［49］ Takahashi H, Hayashi M, Goto F, et al. Evaluation of metabolic
alteration in transgenic rice overpressing dihydroflavonol-4-
reductase. Annals of Botany, 2006, 98: 819-825.
［50］ Villalba RG, Leon C, Dinelli G, et al. Coparative metabolomic
study of transgenic versus conventional soybean using capillary
electrophoresis-time-flight mass spectrometry. Journal of
chromatography A, 2008, 1195:164-173.
［51］ Stamova BS, Roessner U, Suren S, et al. Metabolic profiling of
transgenic wheat over-expressing the high-molecular-weight Dx5
glutenin subunit. Metabolomics, 2009, 5: 239-252.
［52］ Davies H. A role for “omics” technologies in food safety assessment.
Food control, 2009, doi:10.1016/j.foodcont. 2009.03.002.
［53］ Lindon JC , N icho l son JK, Ho lmes E , e t a l . Summary
recommendations for standardization and reporting of metabolic
analyses. Nature Biotechnology, 2005, 23: 833-838.
（责任编辑 狄艳红）