整合代谢组学和生物信息学策略在解析中药系统复杂性中的应用

郭晓娟，管天冰，李强，聂文娜，闫乐玉，吕海涛

（重庆大学创新药物研究中心功能组学与创新中药研究实验室，重庆，401331）

整合代谢组学和生物信息学策略在解析中药系统复杂性中的应用

郭晓娟，管天冰，李强，聂文娜，闫乐玉，吕海涛*

（重庆大学创新药物研究中心功能组学与创新中药研究实验室，重庆，401331）

中药在化学组成方面的复杂性决定了其作用方式和作用过程的复杂性。传统研究方法缺乏系统性，使得一系列制约中药现代化发展的关键问题一直未能得到很好的解决，包括中药化学物质组表征、中药作用机制、中药方剂配伍规律以及中药毒性机制等中药系统复杂性问题。代谢组学作为一门全新的组学技术，秉承了从机体全局系统出发来考量机体内源性小分子物质与外源性干预物质（如药物）的相互作用的理念，与在中医药理论指导下的中药作用原理思路一致。近年来，人们尝试将整合代谢组学技术和生物信息学策略用于解开上述中药关键问题，并已取得了一定的成果。但其在理论挖掘、策略设计、方法开发和实践拓展诸多方面都有很多具体的工作需要进一步推进。对整合代谢组学和生物信息学策略在解析中药系统复杂性中的应用进行综述。

代谢组学；生物信息学；中药系统复杂性；作用机制；配伍规律

中药是中华民族的瑰宝，几千年的临床实践证明，中药具有广泛的药用价值，对多种疾病都有很好的治疗和预防作用。中药方剂（复方）是中医临床用药的主要形式，多味中药的组成形式决定了中药化学物质组成的复杂性，亦支撑中药作用过程多靶点和多环节的特有作用模式[1-3]。但是中药化学成分的复杂性决定其治疗模式和治疗过程均与现代西药有很大的不同[4]，因此现有的“点对点”的西药研究方法和策略很难用于研究复杂的中药系统，导致很多关键科学问题不能得到有效解决，诸如中药药效物质基础、作用机制、配伍规律和毒性机制等[5-6]，究其原因是缺乏系统性的解决方案。

系统生物学的整体性研究策略的提出，为科学家破解中药系统复杂性做出了积极贡献。代谢组学是继基因组学、转录组学和蛋白质组学后新兴的一种全新组学技术，是系统生物学家族的重要成员[7-8]。代谢组学研究的核心思想在于整合应用高通量仪器平台定性表征和定量测定生物体中的全部内源性代谢产物，通过目标代谢产物和代谢通路表达模式的变化来诠释生物学事件发生的分子表型和机制（如疾病发展、药物治疗、营养干预、生长发育和基因突变等）[9]。鉴于代谢组学的整体性研究理念和中药作用模式的系统整合属性高度关联，其正逐渐发展为当前最有效和最有前途的研究策略，广泛应用于中药的复杂性科学问题的解决，现已取得一系列标志性的研究成果[10-13]。本文对整合代谢组学和生物信息学策略在解析中药系统复杂性中的应用进行综述，旨在为该领域的进一步研究提供新的思路。

1 代谢组学分析平台

代谢组学是系统生物学的重要分支，其整合应用现代分析技术、细胞生物学、代谢生物学、生物信息学和化学生物学对生物系统中的全局代谢产物进行定性和定量分析，进而通过目标代谢通路表达模式的变化来诠释生物学实践的代谢本质（分子机制）[14]。目前最常见的仪器平台包括核磁共振（NMR）仪、质谱仪和色谱-质谱联用仪等。高通量分析技术的发展，使同步测量生物体全局代谢产物成为可能，促进了对基因网络、细胞生物学、分子生物学的认识；同时，应用高分辨技术全组分、多系统地分析中药有效成分，为进一步阐明中药药理作用和指导中药的临床用药开拓了全新视野。

1.1 核磁共振技术

NMR技术是最早应用于代谢组学研究的高通量分析技术，目前仍然是开展代谢组学研究的关键平台技术之一[15]。NMR的优势在于对样品无破坏性，样品处理简单，无需分离过程，还可以进行多种二维相关谱（如COSY、NOESY、HMQC和HMBC）的测定，极大地方便了结构鉴定工作；此外还具有高效、稳定、代谢产物易于鉴定等优点。

1.2 色谱-质谱联用技术

NMR应用广泛但其灵敏度低，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。质谱技术（Mass Spectrometry，MS）具有高灵敏度和专属性等优势，可对化合物进行相对分子质量测定及分子式推算，还可实现对多个化合物的同时快速分析与鉴定，在代谢组学检测中发挥着越来越重要的作用[16]。近年来色谱-质谱联用技术的发展，为代谢组学研究提供了更高水平的平台，使得小分子代谢产物的检测覆盖率达到前所未有的高度。常见的联用技术有气-质联用（如GC-MS和GC-QTOF-MSMS）、液-质联用（如LC-MS、UPLC-MS和UPLC-MSMS）、电泳-质谱联用（CE-MS）和等离子体质谱（ICP-MS）等。GC-MS和LC-MS等联用技术，可通过高分辨分离代谢产物群，同时对小分子代谢产物进行定性和定量分析和表征[17]。其中GC-MS在植物和微生物代谢组学分析中应用较广，而LC-MS是对非挥发性代谢物进行非衍生化代谢组学分析的最佳平台工具，具有质量检测范围宽和小分子代谢产物覆盖率高的优点。

1.3 多分析平台的整合应用

为了最大限度地覆盖生物样品中的全局代谢组，多分析平台的整合应用受到了广泛关注并获得迅速发展。如Crockford等[18]在进行毒理学研究时，采用SHY（statistical heterospectroscopy）法对NMR与MS数据进行了整合，为生物标志物鉴定和生物事件表征提供了一个更加系统的解决工具。此外，LC-MS和GC-MS整合应用于同一代谢组学分析也逐渐被生物医药行业所重视[19]。

2 代谢组学数据分析方法

建立标准的代谢物组学数据库以促进数据的存储和交流并与其他领域进行整合，必须依靠多元统计分析、化学计量学和计算机科学等多种学科支撑的生物信息学手段[20]。

模式识别技术是分析和挖掘代谢组学海量数据的主要生物信息学方法，其包括非监督型和监督型2种方法[21-23]。非监督的方法系指对原始目标代谢组学数据进行样本归类，通过与原始信息比较，发现相关联生物标记物，进而回归其生物代谢通路[23-25]。该方法的优势在于能够在不具备任何背景知识的情况下通过对高维数据降维实现样本代谢表型内在关系的可视化。非监督方法主要包括主成分分析（principal component analysis，PCA）[26]、自组织投影（self-organizing map，SOM）[27]和聚类分析（cluster analysis，CA）[28]等，其中应用最广泛的方法是PCA[29-30]。此外，Scholz等[31]提出了全新的独立分量分析法（independent component analysis，ICA），首先利用PCA对数据进行降维，根据kurtosis标准确定最佳主成分数量，从中提取独立成分并进行聚类分析，更为有效地解决了样本间最大差异与研究焦点不一致的问题。

监督型方法使各类样品间达到最大的分离，并利用建立的多参数模型对未知的样本进行预测，是代谢组学数据分析的重要手段。主要包括偏最小二乘法（PLS）、正交最小二乘法（OPLS）、人工神经网络模型（ANN）法、多元数据分析软件（SIMCA）方法以及非神经网络形式的k最邻近法（k-NN）等[32-33]。

当前支撑代谢组学分析的在线开放数据库主要包括Human Metabolome Database[34]、Human-Cye[35]、KEGG[36]和Reactome[37]等。

3 整合代谢组学和生物信息学策略在中药研究中的应用

3.1 表征中药化学物质组

中药发挥药效的成分复杂，涉及原形成分和代谢产物，这给中药化学物质组的研究带来了困难。应用代谢组学研究中药化学物质组成，辨识其有效成分，对有效阐明中药的作用模式和机制至关重要[38-39]。车庆明等[40]从口服黄芩苷的人尿液中发现并鉴定了3个主要代谢产物，初步证明黄芩苷元是主要药物代谢产物的中间体。Yu等[41]采用代谢组学和主成分分析法，以中药尖萼耧斗菜与已知作用模式的9种常用抗生素分别处理金葡菌，经过比较代谢组学分析证实尖萼耧斗菜的作用模式与这些抗生素类似，初步鉴定maguoflorine可能是发挥抗菌作用的主要有效成分。Li等[42]通过基于UPLC-MS的代谢组学技术研究了中药淫羊藿对氢化可的松诱导的大鼠肾阳虚模型的干预作用。结果鉴定出淫羊藿中4个活性成分，分别为：pimedin C、icariin、icariside II和2-O-rhamnosoyl icaride，其中2个成分存在于血液中，另外2个存在于尿液中。Gu等[43]通过代谢组学方法考察了黄连素治疗2型糖尿病和血脂异常的机制，证实黄连素是影响2型糖尿病游离脂肪酸新陈代谢的主要有效成分，且具有使葡萄糖和脂质代谢趋于正常的作用。

3.2 诠释中药作用机制

中药对疾病的治疗作用，主要依赖于其所富含的多化学成分所表现出来的多靶点、多环节的整合作用优势，即对机体中多个代谢通路同时进行调节以发挥综合治疗作用[44-46]。因此，可利用代谢组学技术整合分析中药作用前后机体的代谢组群变化，以表征中药的作用模式和相关机制。

黄玉荣等[47]应用代谢组学方法，研究了由钩藤等多味中药组成的多动合剂的作用机制。课题组采用HPLC测定实验动物血清内源性神经递质的多种变化动态，以此确认药物作用于机体所产生的神经递质多巴胺（DA）是药效基础物质，进一步证明该药的作用机制与DA受体有关。Sun等[48]运用GC-MS技术，研究了金银花提取物对急性肝损伤的保护作用。课题组对有特点的生化指纹和病理生理状态的动物模型采用PCA分析，发现由二甲基亚硝胺（DMN）诱导的急性肝脏损伤大鼠体内的9种生物标志物。组织病理学研究结果表明，造模前接受金银花干预的大鼠其肝细胞纤维化程度轻于未给予金银花的大鼠；代谢组学数据表明，造模前接受金银花干预的大鼠体内与肝损伤相关的9种生物标志物的浓度均低于未给予金银花的大鼠，从而解释了金银花提取物对急性肝损伤保护作用的部分机制。Dai等[49]运用GC-MS方法比较了逍遥散和阿米替林治疗抑郁症的作用机制，确定了13个生物标志物与抑郁症有关，2种药物对其中4个生物标志物的调节作用表现出明显的不同，而对另9个生物标志物的异常表达的回调模式相似，表明2种药物的作用机制具有相似之处的同时，又具有各自的特有模式。Chen等[50]结合肾功能的常规药理学检测，采用LC-MS和GC-MS技术与多变量统计方法来分析含马兜铃酸的中药关木通被用于大鼠后其尿样中的代谢物。课题组发现，低剂量的马兜铃酸在给药后6天，代谢网络恢复正常，而高剂量给药组大鼠仍与正常大鼠有显著差异，进一步解释了中药安全性与剂量之间的密切关系[51]。Liang等[52]基于UPLC-TOF-MS代谢组学技术，研究中药双龙方（SLF）治疗大鼠心肌梗死的作用机制和配伍规律。通过对尿液样本的系统代谢组学分析，发现SLF对TCA循环以及磷酸戊糖途径具有显著调节作用，表明SLF可通过调节心肌能量代谢来预防心肌梗死的发生。Liu[53]等运用代谢组学技术发现骨碎补（RD）可能通过调节溶血磷脂胆碱（LPC）水平和干预骨质疏松大鼠的抗氧化平衡而发挥抗骨质疏松作用。Zhao等[51]利用代谢组学方法研究沙棘对急性血瘀症引起的代谢紊乱的逆转作用，初步证实其作用机制与胆酸、苯丙氨酸和犬尿酸代谢修饰密切相关。Lv等[54]通过代谢组学研究发现，复方丹参片对与心肌缺血有关的22个生物标志物有显著的回调作用，初步解释了复方丹参片治疗心肌缺血的作用机制。

总之，代谢组学技术整合选择性生物信息学技术研究中药的作用机制，有很好的发展空间和应用前景，但需要进一步扩展研究模式和研究策略，以及强化以代谢组学技术为支撑的中医药转化医学研究的力度，切实从临床与实验研究的对接层面认识中药的作用模式和作用机制。

3.3 解析中药复方及配伍规律

方剂是中医临床用药的主要形式和方式，方剂配伍规律是中药现代化研究的关键科学问题之一，也是制约中药更好更快发展的难点问题。其复杂性源于中药多成分、多靶点和多环节的复杂治疗模式。传统的研究手段，很难从生物体系统的全局出发来定性和定量表征方剂配伍规律的科学内涵和实质。代谢组学从机体整体代谢网络出发，研究机体、病源和药物之间的复杂作用关系，因此是一个可用于中药方剂配伍规律研究的全新选择。

Wang等[55]利用UPLC-ESI-MS结合主成分分析技术研究茵陈汤对酒精肝的治疗作用，通过对大鼠尿液进行代谢组学分析，成功地检测到与酒精肝毒性相关的3个潜在的生物标志物——TG、GSH和MDA。使用茵陈汤对肝损伤大鼠进行干预治疗后，大鼠体内上述3种标志物的水平趋于正常。Tan等[56]结合NMR和UPLC-MS技术对大鼠尿液进行代谢组学研究，发现了能够表征心肌梗死相关的19种生物标记物。对大鼠灌胃给予四逆汤后进行系统分析，发现治疗组和心肌梗死组的上述19种标志物水平有显著性差异，表明四逆汤能通过改善糖酵解、柠檬酸循环、氨基酸代谢、嘌呤代谢、嘧啶代谢有效地调节心肌能量代谢。在评估心迪软胶囊对急性血瘀模型大鼠的功效的研究中，Zhao等[57]应用基于UPLC-Q-TOF-MS的代谢组学方法，通过模式识别分析（包括PCA法和PLS法），发现血瘀模型大鼠和健康大鼠的代谢相关数据明显不同。研究结果显示，血瘀组大鼠被给予心迪软胶囊成分后，其代谢恢复到健康组大鼠水平，且高、中剂量比低剂量效果更显著，从而解释了心迪软胶囊治疗急性血瘀的部分机制。Su等[58]采用基于UPLC-MS的尿代谢组学技术，建立了柴胡疏肝散抗抑郁疗效的评价方法：以慢性应激诱导抑郁症大鼠模型，然后分别用柴胡疏肝散和氟西汀对其进行干预。尿液代谢分析显示，柴胡疏肝散组相比于氟西汀组更接近于健康对照组；柴胡疏肝散对抑郁症的治疗效果可能涉及调节能量代谢和色氨酸代谢，阻止骨质流失以及肝脏解毒作用。有研究表明，基于HPLC-UV的尿液代谢组学研究，通过主成分分析能有效地识别大鼠口服六味地黄丸组与卡拉胶刺激炎症模型组，表明基于HPLC-UV的尿液代谢组学技术可广泛用于传统中药复方的研究[59]。在中药配伍研究方面，有人利用代谢组学技术研究大鼠口服广防己及其配伍黄芪水煎液后代谢图谱的变化，探讨黄芪对广防己肾脏毒性的减轻作用。结果发现，黄芪配伍广防己组大鼠血清肌酐（SCR）水平明显低于广防己组，且黄芪配伍广防己组大鼠尿液中的α-酮戊二酸和柠檬酸等物质的含量也低于广防己组[60]。武斌等[61]利用代谢组学技术研究苍耳子以及苍耳子与黄芪配伍使用对肝损伤的影响，发现苍耳子组、黄芪配伍组肝组织中谷丙转氨酶（ALT）、谷草转氨酶（AST）含量有明显差异，黄芪配伍组的转氨酶水平明显低于苍耳子组，从而解释了黄芪对苍耳子的减毒作用。

总之，上述大量研究实例初步证实代谢组学是研究中药方剂配伍规律的一个有效工具，但需要进一步优化研究方案和策略，引入更多的交叉学科方法，更好地助推方剂配伍规律的现代科学诠释，以开发设计全新的高效低毒的中药。

3.4 阐释中药系统毒性

近年来，中药毒性问题越来越引起行业和社会的广泛关注。传统的应用于单一组分的毒性研究模式，不能全面地反映中药复杂的毒性机制，因此具有很大的局限性；应用代谢组学研究中药系统毒性，则能全面地反应中药在人体内的处置过程，对系统评价中药毒性起到重要作用。

Ma等[13]对牵牛花种子进行了肾毒性研究，对大鼠连续给药10周，收集其尿液进行代谢组学分析，同时结合组织病理学和生化分析，发现牵牛花种子所致肾毒性的相关标记物为犬尿酸、腺甘酸、苯丙氨酸、苯乙酰甘氨酸、肌酐、胆酸、脱氧胆酸和牛磺酸等；同时研究发现，对于不同程度的肾损伤，其生物标志物的变化不完全相同。研究人员利用1H-NMR技术对黄药子组和对照组大鼠尿液代谢物进行分析，发现黄药子能够扰乱肝线粒体的正常功能，使得牛磺酸、肌酸、甘氨酸等的代谢异常，从而引起肝毒性[62]。有研究发现，雷公藤可致雄性大鼠包括肾、肝和睾丸在内的多器官损伤，其机制是高剂量的雷公藤造成大鼠能量代谢紊乱，氨基酸和胆碱调控网络异常，以及肠道菌群结构的改变[63]。代谢组学方法同样适用于矿物药的毒性研究，Wei等[64]基于1H-NMR技术展开了雄黄毒性的代谢组学研究，发现大鼠尿液中三羧酸循环中间体排泄量增加，血清和尿液中酮体增加，肝葡萄糖和糖原水平降低，并出现低血糖和高血脂症，表明雄黄可干扰机体的能量代谢；同时检测到肝组织的水提取物中谷胱甘肽含量增加，推测可能是雄黄诱导的氧化损伤造成的，因此认为谷胱甘肽可作为雄黄诱导的氧化损伤相关的生物标志物；血清化学分析显示，乳酸脱氢酶、天冬氨酸转氨酶、碱性磷酸酶水平升高，以及血液尿素氮和肌酐水平升高，进一步说明雄黄具有轻微的致肝和肾损伤作用。研究人员在进行朱砂毒性代谢组学研究中，同样发现朱砂能引起大鼠能量代谢和氨基酸代谢异常以及肠道菌群的改变，从而导致轻微的肝肾损伤[65]。代谢组学近几年也被逐渐应用于中药炮制减毒增效的研究，例如，Wang等[66]对附子、川乌及其炮制产品毒性进行代谢组学研究，将UPLC-Q-TOF-HDMS平台、模式识别和信号网络分析法（IPA）相结合，有效识别原药组和炮制组，结果显示炮制药物对大鼠的心脏毒性明显降低。Li等[67]通过NMR和多变量分析对黑顺片高、中、低剂量组大鼠和对照组大鼠尿液代谢组学进行了比较研究，结果显示低剂量组与对照组无明显的代谢差异，高、中剂量的黑顺片对大鼠心脏和肝脏具有显著毒性，且黑顺片毒性具有剂量依赖性。代谢组学为中药的毒性研究，以及中药炮制减毒理论研究提供了全新的策略，将成为中药毒理研究的发展趋势。

4 展望

近年来，由于化学药物不良反应较为严重以及药源性疾病频繁发生等原因，人们对药物安全性的要求不断提高，开始倾向于选择天然药物，中药及其制剂药效温和、不良反应小、重视人体机能的整体调节，是治疗慢性病、多脏器疾病的理想药物，尤其适合中老年人。这些优势为中药提供了良好的发展机遇。

中药现代化的实质是将中药与现代科学技术相结合，研究开发出安全、稳定、质量可控的现代中药，满足人们治病和防病的需要。中药讲究个体化治疗，没有统一的剂量标准；发挥疗效的物质基础复杂、作用靶点多，传统的研究手段和策略无法确切地阐明中药的有效成分、作用机制、毒性机制和配伍规律，这成为制约中药现代化发展的主要瓶颈问题。中药注重君臣佐使的科学配伍，注重药物间的协同、制约和改性作用，遵循作用的整体性规律。因此，如何从整体观出发研究中药是一个巨大挑战，更重要的是克服研究方法和研究策略方面的难题。中药向现代化和国际化发展，一个亟待解决的问题是如何建立和开发既能体现中药自身特点和优势，同时又能被国际医学界接受，能够广泛应用于有效成分辨识、作用机制阐明、毒理学评价和配伍规律研究的系统性研究方法。

随着代谢组学技术的快速发展及其在生物医药领域的广泛应用，近年来其与中药整体观和中医辨证论治等方面出现越来越多的“接轨”现象，可在一定程度上解决中药现代化中的若干科学问题。代谢组学通过对内源性小分子代谢物的微观变化进行定性和定量分析来表征生命机体系统功能状态，以全面认识生物机体所承载的生物学事件的代谢本质，如疾病的发病机制和药物的作用机制。中药通过多成分、多靶点和多环节发挥对目标疾病的治疗作用，代谢组学技术恰好可从生物机体的系统性反应角度来诠释中药的可能的有效成分、作用机制、配伍规律和毒理作用。目前，NMR、GC-MS和LC-MS等高端分析设施的综合使用，以及建立的系统性和高通量代谢组学研究平台，已广泛用于中药的上述关键科学问题的研究。但是，由于代谢组学研究所获得的数据量庞大，数据处理过程复杂，小分子数据库匮乏、生物信息学方法和数据库不够完善，以及对小分子代谢产物及其通路的生物功能的理解和认识上的欠缺，科学家仍需努力钻研，对代谢组学研究方法进行完善，以更好地服务于中药现代化研究。

值得一提的是，任何一个分析平台都无法全局覆盖所有小分子代谢组，如NMR检测范围广，数据库资源丰富，但缺点是检测灵敏度低；GC-MS检测范围窄，对难挥发性和难衍生化的物质不能检测表征；LC-MS检测范围广，但缺乏小分子数据库与之相匹配，代谢产物的结构辨识是最大的挑战。这就要求我们在未来的研究中，能够将多种高通量分析设施整合应用，尽可能最大化地检测小分子代谢组，全面反映生物学事件的代谢模式变化，以更好地认识中药的系统复杂性。笔者呼吁，应推动建立代谢组学资源与数据的共享机制，实现各课题组间加强合作和数据共享，建立大规模的多区域和多中心代谢组学数据库，重点面向中医药行业建立中药代谢组学数据库和网络共享平台，更好地服务于中药的现代化研究；并完善建立以代谢组学技术为支撑的、临床研究和实验研究并重的中药转化医学研究平台，切实提高中药临床应用的有效性，让更多的病人群体受益，为中药的现代化和国际化发展创造更多机遇。

[1]Zhong Y, Deng Y, Chen Y, et al. Therapeutic use of traditional Chinese herbal medications for chronic kidney diseases [J]. Kidney Int, 2013, 84(6): 1108-1118.

[2]Chiu P H, Hsieh H Y, Wang S C. Prescriptions of traditional Chinese medicine are specific to cancer types and adjustable to temperature changes [J]. PLoS One, 2012, 7 (2): e31648.

[3]Lv X H, Zhou L P, Liu D P, et al. Traditional Chinese medicine Kang Xian Fu Fang I is effective for prophylaxis and treatment of alcoholic liver disease in rats [J]. Hepatobiliary Pancreat Dis Int, 2007, 6 (2): 182-187.

[4]Lu A P, Jia H W, Xiao C, et al. Theory of traditional Chinese medicine and therapeutic method of diseases [J]. World J Gastroenterol, 2004, 10 (13): 1854-1856.

[5]程芳, 刘兆平. 中药注射剂安全性评价与关键技术的研究[J]. 中国中药杂志, 2009, 34(8): 1052-1054.

[6]刘勇, 杨凌. Early metabolism evaluation making traditional Chinese medicine effective and safe therapeutics [J]. 浙江大学学报: 英文版, 2006, 7 (2): 99-106.

[7]Nicholson J K, Connelly J, Lindon J C, et al. Metabonomics: a platform for studying drug toxicity and gene function [J]. Nat Rev Drug Discov, 2002, 1 (2): 153-161.

[8]Nicholson J K, Lindon J C, Holmes E. 'Metabonomics': understanding the metabolic responses of living systems to pathophysiological stimuli via multivariate statistical analysis of biological NMR spectroscopic data. [J].Xenobiotica, 1999, 29 (11): 1181-1189.

[9]Li Y, Liu H, Wu X, et al. An NMR metabolomics investigation of perturbations after treatment with Chinese herbal medicine formula in an experimental model of sepsis [J]. OMICS, 2013, 17 (5): 252-258.

[10]Dunn W B, Bailey N J, Johnson H E. Measuring the metabolome: current analytical technologies [J]. Analyst, 2005, 130 (5): 606-625.

[11]Liang X, Chen X, Liang Q, et al. Metabonomic study of Chinese medicine Shuanglong formula as an effective treatment for myocardial infarction in rats [J]. J Proteome Res, 2011, 10 (2): 790-799.

[12]Liu X, Zhang S, Lu X, et al. Metabonomic study on the antiosteoporosis effect of Rhizoma Drynariae and its action mechanism using ultra-performance liquid chromatography-tandem mass spectrometry [J]. J Ethnopharmacol, 2012, 139 (1): 311-317.

[13]Ma C, Bi K, Zhang M, et al. Toxicology effects of morning glory seed in rat: a metabonomic method for profiling of urine metabolic changes [J]. J Ethnopharmacol, 2010, 130 (1): 134-142.

[14]Gomase V S, Changbhale S S, Patil S A, et al. Metabolomics [J]. Curr Drug Metab, 2008, 9 (1): 89-98.

[15]Li S, Zhang B. Traditional Chinese medicine network pharmacology: theory, methodology and application [J]. Chin J Nat Med, 2013, 11 (2): 110-120.

[16]Kanani H, Chrysanthopoulos P K, Klapa M I. Standardizing GC-MS metabolomics [J]. J Chromatogr B Analyt Technol Biomed Life Sci, 2008, 871 (2): 191-201.

[17]王刚, 曾南, 杜士明. 代谢组学在中药现代化研究中的应用进展[J].中国医院药学杂志, 2010, 30 (16): 1391-1393.

[18]Crockford D J, Holmes E, Lindon J C, et al. Statistical heterospectroscopy, an approach to the integrated analysis of NMR and UPLC-MS data sets: application in metabonomic toxicology studies [J]. Anal Chem, 2006, 78 (2): 363-371.

[19]Smilde A K, van der Werf M J, Bijlsma S, et al. Fusion of mass spectrometry-based metabolomics data [J]. Anal Chem, 2005, 77 (20): 6729-6736.

[20]Bais P. Bioinformatics methods for metabolomics based biomarker detection in functional genomics studies [D]. Ames: Iowa State University, 2011.

[21]Johnson K J, Wright B W, Jarman K H, et al. High-speed peak matching algorithm for retention time alignment of gas chromatographic data for chemometric analysis [J]. J Chromatogr A, 2003, 996 (1/2): 141-155.

[22]Bollard M E, Stanley E G, Lindon J C, et al. NMR based metabonomic approaches for evaluating physiological influences on biofluid composition [J]. NMR Biomed, 2005, 18 (3): 143-162.

[23]Duran A L, Yang J, Wang L, et al. Metabolomics spectral formatting, aligment and conversion tools (MSFACTs) [J]. Bioinformatics, 2003,19 (17): 2283-2293.

[24]van den Berg R A, Rubingh C M, Westerhuis J A, et al. Metabolomics data exploration guided by prior knowledge [J]. Anal Chim Acta, 2009, 651 (2): 173-181.

[25]Rubingh C M, Bijlsma S, Derks E P, et al. Assessing the performance of statistical validation tools for megavariate metabolomics data [J]. Metabolomics, 2006, 2 (2): 53-61.

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

[27]Wagner C, Sefkow M, Kopka J. Construction and application of a mass spectral and retention time index database generated from plant GC/EITOF-MS metabolite profiles [J]. Phytochemistry, 2003, 62 (6): 887-900. [28]Yang J, Xu G, Hong Q, et al. Discrimination of type 2 diabetic patients from healthy controls by using metabonomics method based on their serum fatty acid profiles [J]. J Chromatogr B Analyt Technol Biomed Life Sci, 2004, 813 (1/2): 53-58.

[29]Urbanczyk-Wochniak E, Luedemann A, Kopka J, et al. Parallel analysis of transcript and metabolic profiles: a new approach in systems biology [J]. EMBO Rep, 2003, 4 (10): 989-993.

[30]Ward J L, Harris C, Lewis J, et al. Assessment of1H-NMR spectroscopy and multivariate analysis as a technique for metabolite fingerprinting ofArabidopsis thaliana [J]. Phytochemistry, 2003, 62 (6): 949-957.

[31]Scholz M, Gatzek S, Sterling A, et al. Metabolite fingerprinting: detecting biological features by independent component analysis [J]. Bioinformatics, 2004, 20 (15): 2447-2454.

[32]Lutz U, Lutz R W, Lutz W K. Metabolic profiling of glucuronides in human urine by LC-MS/MS and partial least-squares discriminant analysis for classification and prediction of gender [J]. Anal Chem, 2006, 78 (13): 4564-4571.

[33]Izquierdo-García J L, Rodríguez I, Kyriazis A, et al. A novel R-package graphic user interface for the analysis of metabonomic profiles [J]. BMC Bioinformatics, 2009, 10 (1): 363.

[34]Wishart D S, Tzur D, Knox C, et al. HMDB: the human metabolome database [J]. Nucleic Acids Res, 2007, 35 (Suppl 1): D521-D526.

[35]Trupp M, Altman T, Fulcher C A, et al. Beyond the genome (BTG) is a (PGDB) pathway genome database: HumanCyc [J]. Genome Biol, 2010, 11 (Suppl 1): O12.

[36]Brown M, Dunn W B, Dobson P, et al. Mass spectrometry tools and metabolite-specific databases for molecular identification in metabolomics [J]. Analyst, 2009, 134 (7): 1322-1332.

[37]Beloqui A, Guazzaroni M E, Pazos F, et al. Reactome array: forging a link between metabolome and genome [J]. Science, 2009, 326 (5950): 252-257.

[38]Zhang A H, Sun H, Qiu S, et al. Recent highlights of metabolomics in Chinese medicine syndrome research[J]. Evid Based Complement Alternat Med, 2013, 2013: 402159.

[39]Wu T, Yang M, Wei H F, et al. Application of metabolomics in traditional Chinese medicine differentiation of deficiency and excess syndromes in patients with diabetes mellitus [J]. Evid Based Complement Alternat Med, 2012, 2012: 968083.

[40]车庆明, 黄新立, 李艳梅, 等. 黄芩苷的药物代谢产物研究[J]. 中国中药杂志, 2001, 26 (11): 768-769.

[41]Yu Y, Yi Z B, Liang Y Z. Validate antibacterial mode and find main bioactive components of traditional Chinese medicine Aquilegia oxysepala [J]. Bioorg Med Chem Lett, 2007, 17 (7): 1855-1859.

[42]Li F M, Lu X M, Liu H P, et a1. A pharmaco-metabonomic study on the therapeutic basis and metabolic effects of Epimedium brevicornum Maxim. on hydrocortisone-induced rat using UPLC-MS [J]. Biomed Chromatogr, 2007, 21 (4): 397- 405.

[43]Gu Y, Zhang Y, Shi X, et al. Effect of traditional Chinese medicine berberine on type 2 diabetes based on comprehensive metabonomics [J]. Talanta, 2010, 81 (3): 766-772.

[44]Lu X, Xiong Z, Li J, et al. Metabonomic study on 'Kidney-Yang Deficiency syndrome' and intervention effects of Rhizoma Drynariae extracts in rats using ultra performance liquid chromatography coupled with mass spectrometry [J]. Talanta, 2011, 83 (3): 700-708.

[45]Yang M, Chen J L, Xu L W, et al. Navigating traditional Chinese medicine network pharmacology and computational tools [J]. Evid Based Complement Alternat Med, 2013, 2013: 731969.

[46]Chen R, Moriya J, Yamakawa J, et al. Traditional Chinese medicine for chronic fatigue syndrome [J]. Evid Based Complement Alternat Med, 2010, 7 (1): 3-10.

[47]黄玉荣, 魏广力, 龙红, 等. 钩藤多动合剂的药效作用及用代谢物组学方法研究其生化机制[J]. 中草药, 2005, 36 (3): 398-402.

[48]Sun C, Teng Y, Li G, et al. Metabonomics study of the protective effects of Lonicera japonica extract on acute liver injury in dimethylnitrosamine treated rats [J]. J Pharm Biomed Anal, 2010, 53 (1): 98-102.

[49]Dai Y T, Li Z Y, Xue L M, et al. Metabolomics study on the antidepression effect of xiaoyaosan on rat model of chronic unpredictable mild stress [J]. J Ethnopharmacol, 2010, 128 (2): 482-489.

[50]Chen M, Su M, Zhao L, et al. Metabonomic study of aristolochic acidinduced nephrotoxicity in rats [J]. J Proteome Res, 2006, 5 (4): 995-1002.

[51]Zhao X J, Zhang Y, Meng X L, et al. Effect of a traditional Chinese medicine preparation Xindi soft capsule on rat model of acute blood stasis: a urinary metabonomics study based on liquid chromatographymass spectrometry [J]. J Chromatogr B Analyt Technol Biomed Life Sci, 2008, 873 (2): 151-158.

[52]Liang X, Chen X, Liang Q, et al. Metabonomic study of Chinese medicine Shuanglong formula as an effective treatment for myocardial infarction in rats [J]. J Proteome Res, 2011, 10 (2): 790-799.

[53]Liu X, Zhang S, Lu X, et al. Metabonomic study on the antiosteoporosis effect of Rhizoma Drynariae and its action mechanism using ultra-performance liquid chromatography-tandem mass spectrometry [J]. J Ethnopharmacol, 2012, 139 (1): 311-317.

[54]Lv Y H, Liu X R, Yan S K, et al. Metabolomic study of myocardial ischemia and intervention effects of Compound Danshen Tablets in rats using ultra-performance liquid chromatography/quadrupole time-offlight mass spectrometry [J]. J Pharm Biomed Anal, 2010, 52 (1): 129-135.

[55]Wang X, Lv H, Sun H, et al. Metabolic urinary profiling of alcohol hepatotoxicity and intervention effects of Yin Chen Hao Tang in rats using ultra-performance liquid chromatography/electrospray ionization quadruple time-of-flight mass spectrometry [J]. J Pharm Biomed Anal, 2008, 48 (4): 1161-1168.

[56]Tan G, Liao W, Dong X, et al. Metabonomic profiles delineate the effect of traditional Chinese medicine sini decoction on myocardial infarction in rats [J]. PLoS One, 2012, 7 (4): e34157.

[57]Zhao X, Zhang Y, Meng X, et al. Effect of a traditional Chinese medicine preparation Xindi soft capsule on rat model of acute blood stasis: a urinary metabonomics study based on liquid chromatographymass spectrometry [J]. J Chromatogr B Analyt Technol Biomed Life Sci, 2008, 873 (2): 151-158.

[58]Su Z H, Li S Q, Zou G A, et al. Urinary metabonomics study of antidepressive effect of Chaihu-Shu-Gan-San on an experimental model of depression induced by chronic variable stress in rats [J]. J Pharm Biomed Anal, 2011, 55 (3): 533-539.

[59]Xie B, Gong T, Gao R, et al. Development of rat urinary HPLC-UV profiling for metabonomic study on Liuwei Dihuang Pills [J]. J Pharm Biomed Anal, 2009, 49 (2): 492-497.

[60]梁琦, 谢鸣, 倪诚, 等. 广防己配伍黄芪肾毒性的代谢组学研究[J].浙江中医药大学学报, 2010, 34 (1): 43-45.

[61]武斌, 曹敏, 于海龙, 等. 基于代谢组学的苍耳子配伍黄芪后减毒作用研究[J]. 中药药理与临床, 2012, 289 (2): 98-101.

[62]Liu Y, Huang R, Liu L, et al. Metabonomics study of urine from Sprague-Dawley rats exposed to Huang-yao-zi using1H-NMR spectroscopy [J]. J Pharm Biomed Anal, 2010, 52 (1): 136-141.

[63]Chen M, Ni Y, Duan H, et al. Mass spectrometry-based metabolic profiling of rat urine associated with general toxicity induced by the multiglycoside of Tripterygium wilfordii Hook. f. [J]. Chem Res Toxicol, 2008, 21 (2): 288-294.

[64]Wei L, Liao P, Wu H, et al. Metabolic profiling studies on the toxicological effects of realgar in rats by1H-NMR spectroscopy [J]. Toxicol Appl Pharmacol, 2009, 234 (3): 314-325.

[65]Wei L, Liao P, Wu H, et al. Toxicological effects of cinnabar in rats by NMR-based metabolic profiling of urine and serum [J]. Toxicol Appl Pharmacol, 2008, 227 (3): 417-429.

[66]Wang X, Wang H, Zhang A, et al. Metabolomics study on the toxicity of aconite root and its processed products using ultraperformance liquidchromatography/electrospray-ionization synapt high-definition mass spectrometry coupled with pattern recognition approach and ingenuity pathways analysis [J]. J Proteome Res, 2011, 11 (2): 1284-1301.

[67]Li L, Sun B, Zhang Q, et al. Metabonomic study on the toxicity of Hei-Shun-Pian, the processed lateral root of Aconitum carmichaelii Debx. (Ranunculaceae) [J]. J Ethnopharmacol, 2008, 116 (3): 561-568.

[专家介绍] 吕海涛：男，1981年生于黑龙江省肇源县，生药学博士，重庆大学“百人计划”特聘研究员，博士生导师。主要研究方向为中药药理、药物代谢组学和化学生物学。2004年于黑龙江中医药大学药学院获得中药学学士学位，同年进入黑龙江中医药大学生药学部攻读博士学位（直攻博），师从王喜军教授，专攻中药血清药物化学和代谢组学，于2009年获得生药学博士学位。2009—2012年先后在美国爱因斯坦医学院、华盛顿大学医学院和麻省理工学院从事博士后研究工作，主攻方向为代谢组学、化学生物学和RNA Modifications，合作导师为Irwin J. Kurland教授、Jeffrey P. Henderson 教授和Peter S. Dedon 教授。2012年7月加盟重庆大学创新药物研究中心，领衔功能代谢组学和创新中药课题组。近5年，吕海涛研究员主持国家自然科学基金面上项目一项，作为学术骨干参加国家973计划项目、国家自然科学基金重点项目、美国NIH RO1项目、著名的Burroughs Wellcome Fund项目等10余项重点课题的研究工作，先后在“Mass Spectrometry Reviews”、“Molecular Cellular Proteomics”、“Journal of Proteome Research”、“Analyst”、“Molecular Biosystem”等权威杂志上发表SCI论文30篇，并发表会议论文23篇。此外，吕海涛研究员同时还担任国家自然科学基金评审专家，国际同行评议杂志“Bioanalysis”（SCI收录，IF 3.25）、“Journal of Bioequivalence & Bioavailability”（SCI收录，IF 2.0）、“Frontiers in Toxicogenomics”、“Current Metabolomics”和《现代生物医学进展》（中文核心）等杂志的编委；并受邀为“PLoS ONE”、“Journal of Physical Chemistry”、“Molecular Biosystems”和“Biomacromolecules”等16本SCI源杂志的审稿专家。

Applications of Metabonomics Integrated with Bioinformatics Strategy in Analyzing the Systems Complexity of Traditional Chinese Medicines

GUO Xiaojuan, GUAN Tianbing, LI Qiang, NIE Wenna, YAN Leyu, LYU Haitao
(The Laboratory for Functional Omics and Innovative Chinese Medicines, Innovative Drug Research Centre of Chongqing University, Chongqing 401331, China)

The chemical complexity of traditional Chinese medicines (TCMs) contributes to their complicated action mode and action process in the treatment of various diseases. The systematicness limitation in the conventional approaches has impeded the further development of TCMs. Several key questions restricting TCMs progression have not been answered yet. They involve chemical profiling, therapeutic mechanism, compatibility principle and systems toxicity of TCMs. As an entirely new technique of omics, metabonomics carried on the conception that originating from the whole system the interaction between small molecule-endogenous substances and exogenous interference substances (such as drugs) is investigated. All these were in agreement with action principle under the direction of TCM theory. Recently, metabolomics combined with the bioinformatics strategy has been applied for the elucidation of the above key questions related to TCMs, and some achievements have been obtained. However, the further improvement and advancement on the knowledge and technology are highly required so that they enable metabolomics strategy to dissect the systems complexity of TCM. The applications of metabonomics integrated with bioinformatics strategy in analyzing the systems complexity of TCMs were reviewed in this paper.

metabolomics;bioinformatics;systems complexity of TCM;action mechanism;compatibility principle

Q591

A

1001-5094（2014）02-0104-08

*接受日期：2013-12-31

项目资助：国家自然科学基金面上项目（No.81274175）；

重庆大学“百人计划”项目（No.0236011104401）

吕海涛，研究员；

研究方向：中药药理、药物代谢组学和化学生物学；

Tel：023-65678464；E-mail：haitao.lu@cqu.edu.cn