代谢组学在冠心病中的研究进展

李厚敏，冯燕娴，黄宇理

(1.蚌埠医学院，安徽 蚌埠　233000； 2.蚌埠医学院附属蚌埠市第三人民医院 心内科，安徽 蚌埠　233000；

代谢组学在冠心病中的研究进展

李厚敏1，冯燕娴2，黄宇理3

(1.蚌埠医学院，安徽 蚌埠233000； 2.蚌埠医学院附属蚌埠市第三人民医院 心内科，安徽 蚌埠233000；

3.蚌埠医学院第一附属医院 心内科，安徽 蚌埠233000)

[摘要]冠心病具有起病急、死亡率高的特点。冠心病的主要病理基础是不稳定粥样硬化斑块，临床亟需能够寻求早期、无创、简便及准确检测冠状动脉粥样硬化斑块的标志物。代谢组学是对生物体系(细胞、组织或生物体)中所有小分子质量代谢物进行定性定量分析的新兴的重要组学技术；近年来在心血管疾病中的应用研究受到很大关注，通过全面定量定性分析心血管疾病患者及模型样本中多种小分子物质，来研究生物体受内、外环境干扰后其内源性代谢物质的变化及其规律，寻找到与疾病相关的代谢标志物群，为疾病的早期诊断、早期干预提供新思路、新途径。作者分别就代谢组学在描述冠状动脉疾病发展状态、数据处理方法、代谢标志物群、探索疾病发病原因和发病机理等几个方面的应用及进展进行回顾和综述，并对其发展前景进行展望。

[关键词]代谢组学； 冠心病； 生物标志物； 综述

冠状动脉粥样硬化性心脏病(coronary atherosclerotic heart disease)简称冠心病，是一个复杂的代谢紊乱疾病。环境和遗传因素是导致代谢性疾病的主要病因。基因- 环境相互作用可能调节各种代谢途径的改变，从而导致代谢产物水平变化。因此，确定代谢产物可能帮助破译疾病的病理生理学机制[1]。不稳定动脉粥样硬化斑块是急性冠脉事件的主要病理学基础[2]。近年来已有多种技术用于冠心病的检测，也有多种生物标志物不同程度阐述冠心病患者冠状动脉粥样斑块的病理变化。每年全世界大约有两千万人死于急性冠脉事件，而且其中很大一部分人没有前驱症状，目前的诊断手段难以在急性冠脉事件致猝死前发现受害者[3]。由于用于风险评估的传统生物标志物不能很好地预测冠心病事件的发生，对预后判断也存在局限，因此发现新的冠心病标志物尤为重要。近年来研究人员继基因组学和蛋白质组学之后，对生物体内所有代谢物进行研究分析，并寻找与疾病相关的代谢物群及代谢物群与疾病生理病理变化的关系。在后基因组时代，为了发现可用于风险预测的遗传标志物做出了很多努力。然而，迄今为止遗传变异性只能解释约10%的复制性疾病[4]。由于冠心病新陈代谢的复杂性和渐进性发展，冠心病可以认为是一种处于新陈代谢被扰乱了的病理状态，冠心病患者中合并2型糖尿病者占20%～30%[5]。探讨动态代谢组学的研究有助于帮助识别冠心病不稳定粥样硬化斑块及急性冠脉事件的标志物，增加我们对疾病进展的理解，这不仅有助于识别和监测疾病的进展，而且也将为新药测试和个性化治疗提供有力的工具[6]。

1代谢组学概况

1.1代谢组学的优势

代谢组学(metabonomics/metabolomics)利用高效、精准的现代高级分析技术，动态考察生物体系(细胞、组织或生物体)受内、外环境刺激干扰后，其代谢产物的变化或其随时间的变化而发生的变化，从而揭秘被研究对象的生理、病理状态及其与环境因子、基因组成等的关系；代谢产物是一种存在范围很广、高度多元化的化学物质，跨越高度亲脂性到高度亲水性两个极端，主要是相对分子质量小于1 000的内源性小分子[7]。代谢组学与基因组学和蛋白质组学相比较，有以下优点：(1) 无创性；(2) 研究技术的通用性及检测的容易性；(3) 其研究不需要建立数据库，目前已存在相对较全面的代谢组学数据库；(4) 代谢物的研究种类远比基因和蛋白质的数目要少很多；(5) 代谢物分析能提供生化途径结果的信息；(6) 基因组学和蛋白质组学对于毒性或疾病状态的描述是不足的，并且不能提供动态信息，但这些信息对于动物间的比较是重要的，代谢组学可以提供动态信息。目前代谢组学已成为各个系统疾病相关标志物发现的新工具和新视角[8- 9]，这不仅有助于识别和监测疾病的进展，而且也将为新药测试和个性化治疗提供有力的工具[10]。

1.2代谢组学分析技术

1.3代谢组学分析方法及数据处理方法

当选择代谢组学的分析技术时，首先需要考虑的是：是否需要尽可能多地检测到代谢产物，还是集中关注某一个特定的化合物。目前的研究中，靶向分析更普遍，靶向代谢组学分析的重点是验证已知的代谢标志物群，利用分析标准品进行定量分析。相反，非靶向是指用一种不受限制的自由的方式识别代谢产物，因此能够发现新的代谢产物。代谢组学最早的方法大多关注的是非靶向代谢组学分析，这种方法没有优先考虑特定的化合物，在一组实验和对照样品中，寻找峰度改变有统计学意义的代谢物，然后对代谢热图进行分析，测定这些代谢物的化学结构并解释所发现的代谢物与疾病状态的关系，被检测到的化合物受检测条件的制约[15]。

代谢组学分析产生的数据包含大量的变量，这些变量数据难以用常规方法去分析、辩识及解释被研究生物体间的差异，怎样正确分析和解释代谢组学图谱是研究的关键。目前，代谢组学数据分析分为无监督分析(un- supervised analysis)和有监督分析(supervised analysis)方法。无监督分析是在不对样品加以分组的情况下进行数据分析的方法，这种方法因没有外加任何人为因素，计算出的PCA模型反映了数据的原始状态，有助于了解数据的整体情况并对数据整体把握[16]；无监督分析的方法主要包括主成分分析(也称模式识别PCA)、层次聚类分析(HCA)、非线性映射(NLM)等分析方法，有监督分析就是先将研究对象进行不同类别分组，在计算数学模型时计算机能识别区分各组， 忽略组内的随机差异，突出组间系统差异，包括偏最小二乘法- 辨别分析、K- 最近邻法及神经元网络分析等方法。各种代谢组学分析数据处理方法中，应用最为广泛的是主成分分析方法[16]。

2潜在的冠心病相关代谢标志物群

2.1氨基酸代谢异常

为发现能更好地帮助预测冠心病的新的预测因子，探讨动态代谢组学研究很必要。一些研究表明，心血管疾病患者的氨基酸代谢异常。在稳定动脉粥样硬化的患者中，血浆三羧酸循环中间体柠檬酸、异柠檬酸、苹果酸和琥珀酸降低，与对照组相比血浆氨基酸含量有显著不同，丙氨酸、天门冬氨酸、酪氨酸和丝氨酸水平有很大的减少[7]。Shah等发现血浆支链氨基酸与冠状动脉疾病及心肌梗死之间存在显著关联性[17]。有研究人员通过基于超高效液相色谱质谱技术(UPLC- MC)的代谢组学分析指出，尿液中包括脂肪酸、氨基酸、核苷及胆汁酸类代谢物，可能作为冠心病相关疾病进程研究的潜在新型生物标志物[18]。

2.2胆碱代谢异常

大量的代谢组学研究已经证实，胆碱代谢异常与心脏疾病相关。一个小规模的缺血性心力衰竭的研究发现患者尿液中排出的三甲基胺N- 氧化物(TMAO)增加，而且这些患者尿液中TCA循环中间体、a- 酮戊二酸、顺乌头酸、柠檬酸和谷氨酸减少，酮体和琥珀酸前体甲基丙二酸排泄增加[19]。一项针对1 876个受试者的大样本研究结果显示，血浆中胆碱、甜菜碱和TMAO浓度的增加与心血管疾病的发生存在剂量依赖关系，并且TMAO水平和动脉粥样硬化斑块负荷正相关[20]。在随后的拥有2 023名受试者、平均随访时间长达3.1年的研究中，Shah等发现中链乙酰肉碱、短链二羧酸肉碱、长链二羧酸肉碱、支链氨基酸和脂肪酸与冠心病的死亡率明显相关[21]。因此，胆碱和微生物代谢产物已成为一些心血管疾病的代谢组学研究的重点，但需要进一步研究确定这是否能成为未来有用的代谢组学的生物标志物。

2.3磷脂代谢异常

此外，还有一些研究证实在冠心病患者中磷脂代谢异常。Park及其同事应用UPLC- MC和多因素统计分析法，阐述了心绞痛或心肌梗死患者的脂质代谢改变特征，含有不饱和脂肪酸和游离脂肪酸的溶血磷脂酰胆碱(lysoPC)和溶血磷脂酰乙醇胺(lysope)与冠心病风险增加相关，然而含有饱和脂肪酸的溶血磷脂酰胆碱、烷基溶血磷脂酰胆碱、聚乙烯缩醛磷脂、磷脂酰肌醇与风险降低相关，含有软脂酸、甘油二脂、鞘磷脂和神经酰胺的磷脂(PC)增加心肌梗死的风险性，同时发现在心肌梗死的患者脂质代谢与鞘磷脂通路、鞘磷脂、神经酰胺及急性炎症标志物(高敏C反应蛋白)有很大的正相关性[22]。有研究人员运用非靶向LC/MS对冠心病患者进行血液代谢组学分析，这项研究共发现254个明显不同的代谢物，其中有32种代谢物改变最大，排在前几位的分别为溶血卵磷脂(18∶0)、溶血磷脂酰乙醇胺、丙三基磷酸、氧化乌头碱、溶血卵磷脂(p- 18∶0)、溶血卵磷脂(p- 17∶0)、聚碳酸酯(16∶1(9z)/2)、聚乙烯(P- 16∶0)、3- 乙酰基胆固醇、溶酶体(18∶2)[1]。低密度脂蛋白(LDL)发生氧化反应时，溶血卵磷脂水平升高，LDL是评估冠心病的血脂管理的一个靶标。人们普遍认为，溶血卵磷脂是动脉粥样硬化疾病进展过程中的代谢产物。然而，最近Ganna等研究表明溶血卵磷脂(18∶1)与冠心病发病率具有很强的负相关性(HR=0.77；P<0.001)[23]。此外，Fernandez等研究也表明溶血卵磷脂(16∶0)、溶血卵磷脂(20∶4)与心血管疾病的发病率、退化的内膜中层厚度呈负相关[24]。

2.4与冠心病相关的其他代谢标志物

国内外学者也试图通过建立动物模型去找出各种心血管疾病，包括不稳定性心绞痛、稳定性心绞痛、心肌梗死等的标志物。一些学者利用异丙肾上腺素诱导的代谢紊乱造成大鼠心肌梗死，通过超高效液相色谱- 质谱分析法(UPLC- Q/TOF MS)和1H- NMR法进行有针对性的代谢组学分析，发现心肌酶中的肌酸激酶(CK)、乳酸脱氢酶(LDH)和天门冬氨酸氨基转移酶(AST)在心肌梗死大鼠明显升高[25]。有研究人员利用超级化13c MRI技术对大鼠急性心肌梗死及慢性心肌梗死组进行代谢图谱成像分析，结果显示在急性心肌梗死区乳酸(增加)和重碳酸盐(减少)的信号比有显著改变，在慢性心肌梗死区有一个碳酸氢盐和乳酸显著减少的信号；乳酸和重碳酸氢比值的变化表明急性心肌梗死增加了无氧代谢[26]。Jové等通过动脉粥样硬化仓鼠模型代谢组学分析认为，牛磺胆酸可以作为一个潜在的早期动脉粥样斑块形成的血浆生物标志物[27]。

3代谢组学与代谢路径

在一个链接的全基因组关联研究和血浆代谢组学的研究中，Suhre等着手研究相关的基因型代谢表型及其与疾病的关系。这一近3 000人的大型试验用串联质谱定量方法检测出250多个代谢物，确定了37个与代谢性状相关的基因座/轨迹[28]。在许多情况下，基因位点和代谢物通过一个共同的代谢途径相联系。心脏疾病与葡萄糖激酶调节基因、血浆甘露糖/葡萄糖值和心脏代谢综合征的单核苷酸多态性相关联，脂肪酸脱氢酶1、血浆比长链脂肪酸和静息心率相关联，UDP- 葡萄糖醛酸转移酶、血浆油酰化肉毒碱/胆红素值和冠状动脉疾病有关。Gieger等也鉴定出脂肪酸脱氢酶1基因多态性与花生酸和磷脂酰胆碱的浓度之间的关系，及肝脏甘油三酯脂酶(LIPC)和甘油磷脂之间的基因多态性关系[29]。Rizza等在一项关于老年人心血管事件的靶向代谢组学研究得出主要不良心血管事件与衰老线粒体功能障碍相关，这是一种独立的标准预测因素[30]。氧化应激在冠状动脉粥样硬化形成与发展过程中起关键作用，Du等研究指出，血浆代谢产物能够反映氧化应激病理过程，因此可以作为生物标志物用于冠状动脉粥样硬化相关疾病进程研究[31]。Jové等饮食诱导建立仓鼠动脉粥样硬化模式，运用LC/MS为基础的脂类组学和代谢组学分析发现了动脉粥样硬化的形成与过氧化物酶体增殖物激活受体γ通路、氧化应激及内质网应激相关[27]。

4展望

现有的研究表明，虽然许多代谢产物已经显示与心血管疾病有很大相关性，但目前没有匹配的诊断和监测疾病的生物标志物的方法。然而，早期代谢组学领域大型研究所产生的数量巨大的数据对未来发展有很大帮助。高通量分析所需的相对短的实验时间使代谢组学过渡到常规临床分析有很大可能性，但这需要科研工作者们进行更多的研究。未来代谢组学方法有可能用于有效筛选冠心病疑似患者，还可以对冠心病高危人群进行有效评估，做到疾病早期诊断、早期干预，对社会及患者的意义重大。

[参考文献]

[1] BASAK T,VARSHNEY S,HAMID Z,et al.Identification of metabolic markers in coronary artery disease using an untargeted LC- MS based metabolomic approach[J].Journal of Proteomics，2015，127(Pt A):169- 177．

[2] ALSHEIKH- ALI A A,KITSIOS G D,BALK E M,et al.The vulnerable atherosclerotic plaque:scope of the literature[J].Annals of Internal Medicine,2010,153(6):387- 395．

[3] SCHELBERT E B,CAO J J,SIGURDSSON S,et al.Prevalence and prognosis of unrecognized myocardial infarction determined by cardiac magnetic resonance in older adults[J].Jama,2012,308(9):890- 896．

[4] KULLO I J,COOPER L T.Early identification of cardiovascular risk using genomics and proteomics[J].Nature Reviews Cardiology,2010,7(6):309- 317．

[5]于洁,冯毅,马根山.高龄冠心病合并糖尿病患者冠脉介入治疗的临床观察[J].现代医学,2012,40(6):51- 54.

[6] LI N,LIU J Y,QIU H,et al.Use of metabolomic profiling in the study of arachidonic acid metabolism in cardiovascular disease[J].Congestive Heart Failure,2011,17(1):42- 46．

[7] WISHART D S.Current progress in computational metabolomics[J].Briefings in Bioinformatics,2007,8(5):279- 293．

[8] LAWTON K A,BROWN M V,ALEXANDER D,et al.Plasma metabolomic biomarker panel to distinguish patients with amyotrophic lateral sclerosis from disease mimics[J].Amyotrophic Lateral Sclerosis and Frontotemporal Degeneration,2014,15(5- 6):362- 370．

[9] MINAMOTO Y,OTONI C C,STEELMAN S M,et al.Alteration of the fecal microbiota and serum metabolite profiles in dogs with idiopathic inflammatory bowel disease[J].Gut Microbes,2015,6(1):33- 47．

[10] NAVARRETE A,ARMITAGE E G,MUSTEANU M,et al.Metabolomic evaluation of Mitomycin C and rapamycin in a personalized treatment of pancreatic cancer[J].Pharmacology Research & Perspectives,2014,2(6):e00067.

[11] RANKIN N J,PREISS D,WELSH P,et al.The emergence of proton nuclear magnetic resonance metabolomics in the cardiovascular arena as viewed from a clinical perspective[J].Atherosclerosis,2014,237(1):287- 300．

[12] PARK J Y,LEE S H,SHIN M J,et al.Alteration in metabolic signature and lipid metabolism in patients with angina pectoris and myocardial infarction[J].PloS One,2015,10(8):e0135228．

[13] ATHERTON H J,BAILEY N J,ZHANG W,et al.A combined 1H- NMR spectroscopy- and mass spectrometry- based metabolomic study of the PPAR- α null mutant mouse defines profound systemic changes in metabolism linked to the metabolic syndrome[J].Physiological Genomics,2006,27(2):178- 186．

[14] O’HAGAN S,DUNN W B,KNOWLES J D,et al.Closed- loop,multiobjective optimization of two- dimensional gas chromatography/mass spectrometry for serum metabolomics[J].Analytical Chemistry,2007,79(2):464- 476．

[15] ALLEN J,DAVEY H M,BROADHURST D,et al.High- throughput classification of yeast mutants for functional genomics using metabolic footprinting[J].Nature Biotechnology,2003,21(6):692- 696．

[16] 阿基业.代谢组学数据处理方法——主成分分析[J].中国临床药理学与治疗学,2010 (5):481- 489．

[17] SHAH S H,BAIN J R,MUEHLBAUER M J,et al.Association of a peripheral blood metabolic profile with coronary artery disease and risk of subsequent cardiovascular events[J].Circ- Cardiovasc Genet,2010，3(2):207- 214．

[18] MIAO H,CHEN H,ZHANG X,et al.Urinary metabolomics on the biochemical profiles in diet- induced hyperlipidemia rat using ultraperformance liquid chromatography coupled with quadrupole time- of- flight SYNAPT high- definition mass spectrometry[J].Journal of Analytical Methods in Chemistry,2014,2014:184162.

[19] KANG S M,PARK J C,SHIN M J,et al.1 H nuclear magnetic resonance based metabolic urinary profiling of patients with ischemic heart failure[J].Clinical Biochemistry,2011,44(4):293- 299．

[20] WANG Z,KLIPFELL E,BENNETT B J,et al.Gut flora metabolism of phosphatidylcholine promotes cardiovascular disease[J].Nature,2011,472(7341):57- 63．

[21] SHAH S H，SUN J L，STEVENS R D，et al.Baseline metabolomic profiles predict cardiovascular events in patients at risk for coronary artery disease[J].Am Heart J，2012，163(5):844- 850．

[22] PARK J Y,LEE S H,SHIN M J,et al.Alteration in metabolic signature and lipid metabolism in patients with angina pectoris and myocardial infarction[J].PLoS One,2015,10(8):e0135228．

[23] GANNA A,SALIHOVIC S,SUNDSTROM J,et al.Large- scale metabolomic profiling identifies novel biomarkers for incident coronary heart disease[J].PLoS Genet,2014，10(12):

e1004801．

[24] FERNANDEZ C,SANDIN M,SAMPAIO J L,et al.Plasma lipid composition and risk of developing cardiovascular disease[J].PloS One,2013,8(8):e71846．

[25] LIU Y,JIA H,CHANG X,et al.The metabolic disturbances of isoproterenol induced myocardial infarction in rats based on a tissue targeted metabonomics[J].Molecular Bio Systems,2013,9(11):2823- 2834．

[26] BALL D R,CRUICKSHANK R,CARR C A,et al.Metabolic imaging of acute and chronic infarction in the perfused rat heart using hyperpolarised [1- 13C] pyruvate[J].NMR in Biomedicine,2013,26(11):1441- 1450．

[27] JOVÉ M,AYALA V,RAMREZ-EZ O,et al.Lipidome and metabolome analyses reveal potential plasma biomarkers of early atheroma plaque formation in hamsters[J].Cardiovascular Research,2013,97(4):642- 652.

[28] SUHRE K,SHIN S Y,PETERSEN A K,et al.Human metabolic individuali- ty in biomedical and pharmaceutical research[J].Nature,2011,477(7362):54- 60．

[29] GIEGER C,GEISTLINGER L,ALTMAIER E,et al.Genetics meets metabolomics:a genome- wide association study of metabolite profiles in human serum[J].PLoS Genet,2008,4(11):e1000282.

[30] RIZZA S,COPETTI M,ROSSI C,et al.Metabolomics signature improves the prediction of cardiovascular events in elderly subjects[J].Atherosclerosis,2014,232(2):260- 264．

[31] DU F,VIRTUE A,WANG H,et al.Metabolomic analyses for atherosclerosis,diabetes,and obesity[J].Biomarker Res,2013,1(1):17．

[收稿日期]2015- 12- 01[修回日期] 2016- 01- 28

[基金项目]蚌埠医学院研究生科研创新资助立项项目(Byycx1507)

[作者简介]李厚敏(1988-)，女，安徽霍邱人，在读硕士研究生。E- mail:709582073@qq.com

[通信作者]冯燕娴E- mail：ahbbfxy@163.com

[中图分类号]R541.4

[文献标识码]A

[文章编号]1671- 6264(2016)03- 0449- 05

doi：10.3969/j.issn.1671- 6264.2016.03．035

[引文格式] 李厚敏,冯燕娴,黄宇理.代谢组学在冠心病中的研究进展[J].东南大学学报:医学版,2016,35(3):449- 453.

·综述·