代谢组学在肿瘤研究中的应用

张大方，赵庆峰，张 栋，张 超

(1.长春中医药大学 药学院,吉林 长春 130117；2.伦敦大学学院；3.澳门大学)

伴随后基因组时代的来临，针对功能基因组的分析已成为生命科学当前的主要任务，其主要目标是基因产物和靶基因确定，研究策方法主要是系统生物学中的蛋白质组学和转录组学．而代谢组学这门新兴学科，作为基因组学、转录组学和蛋白质组学的补充与延伸，则是研究的最终方向．现今，代谢组学已广泛应用于生命科学中各领域的研究．在肿瘤治疗的应用中，代谢组学正日渐成为当今的研究热点和难点，并以独特的技术优势和研究角度显示它巨大的潜在应用价值．代谢组学是遗传学、个体生活习惯和环境要素等因子互相作用的结果[1]，其研究的是生命活动的最终环节，因此，代谢组学被誉为“真实场景的评估”[2]，在当今时代显现了不可替代的作用．

1 代谢组学简介

代谢组学来源于代谢组，Tweeddale等[3]于1998年将代谢组用于表示单个细胞、组织或者器官当中所有代谢物组分的集合，即代谢物整体．这其中包括很多分子量小于1000kDa的小分子及其他化学型分子．这以后，“代谢组学之父”Nicholson将代谢组学定义为生物体在病理生理刺激和遗传因素改变的条件下,使用高通量、高分辨、高灵敏度的化学分析技术，并结合模式识别等化学信息学技术，在不同时间、不同方位定量检测其代谢变化，通过分析生物个体系的统代谢图谱来探讨基因功能及调控机制的一门科学[4-5]．Fiehn等[6]认为，代谢组学是静态的过程，也就是对样本中所有代谢产物在特定的条件下进行定性和定量的分析．根据不同目的，代谢组学包括代谢组学分析(metabonomics analysis)、代谢物靶标分析(metabolite target analysis)、代谢轮廓分析(metabolic profiling analysis)和代谢指纹分析(metabolic finger printing analysis )四个层次．

针对于细胞、组织、器官等生物样本，代谢组学的研究利用色谱、质谱及核磁共振等先进技术将样本代谢产物进行分离、纯化和组分检测，再运用生物信息学方法对检测结果进行处理、预测和分析，获取有价值的信息及分子标记．代谢组学的完整研究过程分为：1)取样和处理，2)产物分离、纯化和检测3)数据处理分析，4)建立模型．经过一系列处理和分析，确立代谢终产物时空变化与生物体特性的相互关系的目的．其研究思路为：快速精确地分析代谢物，模式识别生物样品，鉴定生物标志物[7]，研究对象主要是相对分子量小于1000的物质，包括氨基酸、多肽、核酸、脂肪、硫醇、碳水化合物、有机酸、维生素等，可以分离、检测、定性定量分析代谢产物和相关代谢途径[8]．研究样本主要包括细胞、组织提取液、血液、眼泪、唾液、尿液、以及呼出的空气等．由于血液和尿液的采集简便，检测手段简单易行，是目前最为常用的研究样品．数据分析平台和分析技术平台是代谢组学研究的主要平台．代谢组差异从寻找主要差异入手，与其他组学研究内容相结合，用以揭示目标基因的功能和作用机制，其内容是代谢组学中研究最为深入的．

代谢组学所揭示的小分子代谢变化是一系列事件的最终结果，它直接反映了生命体最终的状态[9-10]．David曾说过：“基因组学和蛋白质组学告诉你可能发生什么，而代谢组学则告诉你已经发生了什么．”与转录组学和蛋白质组学相比，代谢组学具有以下优点[11]：1)无需费时费力的进行基因组测序，无需建立大规模的表达序列标签数据库，代谢产物数量、种类远小于基因和蛋白；2)将微小的基因和蛋白质表达变化放大，易检测；3)代谢组学中运用的技术更通用且更容易被人们接受．通过不断的深入研究人们发现，代谢组学凭借其灵敏性、整体性、动态性、简易性的特点在肿瘤研究中更具优势．

2 代谢组学与肿瘤间的关系

研究表明：与正常细胞相比，肿瘤细胞的代谢谱发生改变、糖酵解途径增强，并且葡萄糖吸收率增高，以上特点能够使肿瘤细胞避免死亡和免疫侵袭．

此外，恶性肿瘤与机体内正常组织相比，其代谢活动更加旺盛，DNA合成本酶与RNA合成本酶活力均高，蛋白质的合成和分解代谢大大加强，且合成代谢大于分解代谢．此外，恶性肿瘤细胞会利用机体内正常组强蛋白分解产物来合成自身所需蛋白，可导致严重的恶病质状态．此外，肿瘤细胞受损时产生的“自杀”(commit suicide)行为大大减少．目前，研究肿瘤细胞凋亡与其代谢分子机制已成分生命科学领域的热点与难点．同时，肿瘤的发生发展也离不开其周围的微环境．众所周知，肿瘤在机体中并不独立存在，其生长与转移受到周边细胞群，即通常所说的肿瘤微环境的直接或间接影响．换句话说，肿瘤细胞处于一个与正正常细胞相比更加复杂的系统当中．通过对恶性肿瘤中的代谢改变的研究，人们发现恶性肿瘤中存在糖、 脂质、 氨基酸三大代谢有所变化，伴随着嘧啶、嘧啶嘌呤等多种代谢的改变，而肿瘤组织赖以生存的微环境正是这些代谢改变所产生的代谢物．

大多学者认为，内因与外因相互作用导致肿瘤形成，环境因素影响着80%以上的恶性肿瘤的形成，而基因组和蛋白质组变化引起了共同“终点”代谢型小分子的变化[12]，因此，环境因素导致肿瘤相关基因和蛋白改变，最后会致使肿瘤代谢组变化．Vineis等[13]认为：改变机体代谢水平会导致体内的一系列变化，如DNA加合物、蛋白质加合物、氧化损伤等，继而引发肿瘤抑制基因突变、基因组不稳定、甲基化和蛋白表达的变化等，引起细胞结构、细胞功能变化，最终引发恶性肿瘤．

3 代谢组学在治疗恶性肿瘤中的应用

代谢组学与其他组学方法相比主要有3个优势[14]：1)接受刺激后极短时间内，代谢产物水平即有所改变，其反应速度与肿瘤应对环境(营养物质的缺乏、药物处理等)的改变速度相一致，更能反应机体内真实情况；2)代谢终产物为研究者提供了最佳的基因与环境相互作用或环境单独作为影响因子的信息；3)基因和蛋白质表达水平被多种多样的中间环节调节，其研究对象广，相对而言，代谢产物通路是最终的共同通路，整合分析信息比较简单．

3.1 鉴定新的肿瘤相关标志物

代谢组学最早应用于发现分子诊断标记物，最成功的例子有基VLDL，LDL，HDL和以胆碱浓变化来诊断冠心病[15]．肿瘤的发生是不同化合物代谢途径相互交织构成的网络结构改变的外在表现．因此，肿瘤标志不应该也不可能表现为某个生化指标的量的改变，而是一组代谢物指标的改变．代谢组学技术简便快速、无创、高通量，既能全面地对细胞中所有代谢物定性或定量，又能有选择性地进行预定代谢物的定量分析，常用于未知肿瘤标志的寻找与筛选．代谢组学在恶性肿瘤研究中最广泛的应用是肿瘤诊断和相关代谢标记物治疗，主要包括基因表达产物、蛋白类等．这些标记物检出率低，无法达到早期诊断的目的．随着代谢组学研究手段的革新，研究者们已鉴定出越来越多的代谢肿瘤标志物．

3.2 肿瘤的诊断、治疗

(1)肿瘤良恶性鉴别及病理分型.不同细胞通过MRS和MS分析得到的代谢谱图不同，究其原因是因为细胞的分工不同表现出代谢的特异性．研究发现，代谢物的量化能精确地将肿瘤细胞与其他细胞区分开来．MRS和MS现已被广泛用于各种肿瘤的诊断和分级．如Poptani[16]等证明用ANN和HMR技术区分神经胶质瘤、脑脓肿、与结核的准确性大于90%．Tablack[17]等研究发现，通过对代谢物谱或代谢指纹分析可以很好地区分卵巢癌不同病理类型．代谢组学方法正成为肿瘤分型的有力工具之一．

(2)肿瘤的治疗.在肿瘤治疗过程中，代谢组学主要致力于阐明肿瘤耐药性的产生机制、制定个体化治疗方案和减少化疗药物的毒性反应等．Raina[18]等通过对转基因前列腺癌小鼠的前列腺组织进行分析，发现水飞蓟素饮食组与正常对照饮食组相比出现了一系列水飞蓟素相关的代谢改变，从而证实了水飞蓟素对于前列腺癌有较好的治疗作用．

3.3 抗癌药物个体化治疗

肿瘤治疗过程中的理想状态是治疗时尽量减少毒副作用，在保持组织器官功能的同时，提高患者生存质量，这就为肿瘤个体化治疗提出了挑战．代谢组学作为一种系统方法，利用其探究代谢组实时变化在个体化治疗研究中是一种有效手段．它在研究抗肿瘤药物自身代谢变化的同时，对药物引发的内源代谢物改变进动力学研究，进而反映机体内部生化过程和状态的变化，指导个体用药来治疗肿瘤．

3.4 鉴别转移性肿瘤的不同来源

Chernov等[19]等用H-MR分析了数十例临床和影像学上无明显差异的转移性脑肿瘤，结果发现直肠和结肠来源的转移性脑肿瘤的移动性脂质(mobilelipids)含量高于其他来源转移性脑肿瘤，证明H-MR具有区分不同肿瘤细胞的能力及在转移性肿瘤诊断上的潜力．

3.5 抗肿瘤药物疗效的早期预测

代谢组学可通过检测机体/细胞的代谢变化来反映机体/细胞对药物的响应．当药物作用于机体时，这种代谢的变化先于可测得的临床、病理变化，因此，代谢组学可用于早期判定药物的疗效．如Moran和Demidem[20]用注射移植的方法形成C57BL6/6J雌鼠的B16黑色素瘤和路易士肺癌模型，用二维质子高分辨率魔角旋转核磁共振波谱研究在氯乙基亚硝基脲治疗后的生长抑制期和生长恢复期的代谢谱图．发现在生长抑制期，葡萄糖与天冬氨酸增多，而核苷合成减少，从而证明了其药物疗效．而在生长恢复期，不饱和脂肪酸增加，葡萄糖与谷氨酰胺减少，说明了能量代谢和核苷合成的恢复，表明了治疗后DNA的修复和对治疗的适应．

3.6 评价抗肿瘤药物的毒性

药物或其代谢物在影响细胞、组织和器官功能后能够引起机体代谢的变化．也就是说每种药物都会在生物体液中引起特征性的代谢组模式的变化．当药物引起器官功能损害时，必然会在血液、尿液的代谢组中表现出来．因此，用代谢组学技术分析生物尿液或血液得到的特征性代谢轮廓，可以反映药物对器官(如肝、肾等)造成的毒性．目前抗肿瘤药物的研发过程比较漫长，费用昂贵，候选化合物淘汰率也比较高．近年来，即使上市的药物有时也因为其意想不到的毒副反应而撤出市场．因此，在药物研发的早期阶段能够清晰地提供重要相关信息的方法常常备受青睐．目前，国际代谢组毒理学协会(Consortium for Metabolomic Toxicology，COMET)[21]已用NMR技术研究147种毒物对啮齿类动物造成的肝肾毒性，并联合生物信息技术建立了一个专家系统用于预测药物毒性．

3.7 开发靶向药物

在靶向药物的开发过程中，人们通常先用1个可疑靶点(如酶或细胞因子等)的抑制剂阻断该靶点的功能，然后通过代谢组学技术检测该靶点下游代谢物的变化，进而推测出该靶点在整个分子通路中所起到的作用．

3.8 肿瘤代谢过程的研究

目前多数研究成果仅阐明了恶性肿瘤发展过程中的某些环节，而代谢组学只有与其他组学有机结合才可能完整的了解恶性肿瘤的发病机理、发生发展、侵袭和转移机制等．

3.9 代谢组学在肿瘤药效学和耐药中的应用

机体用药后，检测其内源代谢变化可直观地反映其体内生化过程的改变和机体状态的变化，依此来确定药物作用靶点和受体．在此基础上，药物安全性及疗效将得到评估．分析肿瘤细胞是否对药物产生耐药则是通过测定药物作用后代谢组的变化．

4 存在的问题与展望

随着研究的不断深入，代谢组学在恶性肿瘤中的应用受到了越来越多的关注．但是整体而言，代谢组学技术仍处于发展阶段，这一方面与研究涉及的病种、病例有限有关，另一方面与现有的分析仪器、分析技术和数据处理方法的不完善有关．当前，代谢组学在治疗恶性肿瘤的研究中有两大问题亟待解决．一是肿瘤标本的准备(采集、储藏，预处理等流程)，以建立一个统一的标准；二是建立一个操作简便、数据可信的数据库，将肿瘤的不同特征表型与相关的代谢组学数据相关联．此外，临床的转化性研究工作仍然相对滞后．在未来的研究当中，代谢组学将致力于更加原位、即时、广谱的检测方法，对生物样本达到高能量、高灵敏度的分析的目的，同时整合代谢组学和其他组学的数据，最终达到研究样本中每一代谢组分的目的，并通过神经网络和代谢网络等多种途径，全方位、系统化的研究其潜在机制．而当前的检测方法和技术与这一目标还相距甚远．

[1]Arakaki A K，et al．Identification of metabolites with anticancer properties by computational metabolomics[J].Mol Cancer，2008，7：57．

[2]Kouskoumvekaki I，Panagiotou G．Navigating the human metabolome for biomarker identification and design of pharmaceutical molecules[J].J Biomed Biotechnol，2011，2011．

[3]Tweeddale H，Notley-McRobb L，Ferenci T．Effect of slow growth on metabolism of Escher ichia coli，as revealed by global metabolite pool (“metabolome”)analysis．J Bacteriol，1998，180(19)：5109～5116．

[4]Lindon JC，Holmes E，Nicholson JK．So what′s the deal with metabonomics[J].Anal Chem，2003，75(17)：384A～391A．

[5]Lindon JC，Holmes E，Nicholson JK．Metabonomics techniques and applications to pharmaceutical research&development[J]．Pharm Res，2006，23(6)：1075～1088．

[6]Fiehn O．Combining genomics，metabolome analysis，and biochemical modeling to understand metabolic networks[J]．Comp Funct Genomics，2001，2(3)：155～168．

[7]Dunn WB，Bailey NJ，Johnson HE．Measuring the metabolome;current analytical technologies[J]．Analyst，2005，130(5)：606～625．

[8]Zhang A H，Sun H，Wang P，et al．Modern analytical techniques in metabolomics analysis[J]．Analyst，2012，137(2)：293～300．

[9]Henry CM ．New’ome’ in town[J]．Chem Eng News，200，80：66～70.

[10]German J B，Bauman DE，Burrin DG，et al．Metabolomics in the opening decade of the 21 st century：building the roads to individualized health[J]．J Nutr，2004，134：2729～2732．

[11]Taylor J，King RD，Altmann T．Application of metabolomics to plant genotype discrimination using statistics and machine learning[J]．Bioinformatics，2002，18(2)：S241～S248．

[12]Fiehn O．MetaboloInics-the link between genotypes and phenotypes[J]．Plant Mol Biol,2002,48：155～171．

[13]Vineis P，Perera F．Molecular epidemiology and biomarkers in etiologic cancer research：the new in light of the old[J]．Cancer Epidemiol Biomarkers Prev，2007，16(10)：1954～1965．

[14]欧阳珏.代谢组学及其在恶性肿瘤研究中的应用[J].中南大学学报(医学版),2007,32(2):221～225.

[15]Birndle J T，Antti H，Holmes E，et al．Rapid and non-in-vasive diagnosis of the presence and seveirty of coronary heart disease using 1H-NMR-based metabonomics[J]．Natuer Mde，2002，8(12)：1439～1444．

[16]Poptani H，Kaatrinen J，Gupta RK，et al．Diagnostic assessment of brain tumousr and non-neoplsatic brain disorders in vivo using proton nuclear magnetic resonance spectroscopy and artificial neural networks[J]．J cancer Res Clin Oncel，1999，125：343～349．

[17]Tablack P，Sehouli J，Niesporek S，et al．Mass spectrome-try-bsaed metabolic proifling reveals difeernt metabolite pat-tenrs in invsaive ovarian carcinomsa and ovarian borderline tumors[J]．CancerRes，2006，66(22)：10795～10804．

[18]Raina K，Serkova NJ，Agarwal R．Silibinin feeding alters the metabolic profile in TRAMP p rostatic tumors：HNMRS-based metabolomics study[J]．Cancer Res，2009，69(9)：3731～3735.

[19]Chernov MF，Ono Y，Kubo O，et al.Comparison of(1)H-MRS-detected metbabolic characteristics in single metastatic brain tumors of different origin[J]．Brain Tumor Patho1,2006,23：35～40．

[20]Morvan D．Demidem A．Metabolomics by porton nuclera mangetic resonance spectroscopy of the response to chloroethylnitrosourea reveal drug efficacy and tumor Adaptive metabolic pathways[J]．Cancer Res，2007，67：2150～2159．

[21]Linden JC，Keun HC，Ebbels TM，et al．The Consotrium for Metbaonomic Toxicology (COMET)：aims，activities and achievement[J]．Pharmacogenomies，2005,6：691～699．