綜 述

代謝組學(xué)在高血壓研究中的進(jìn)展

近年來，隨著人們飲食、營養(yǎng)結(jié)構(gòu)和生活方式的改變，心腦血管疾病已經(jīng)成為危害人類健康的頭號殺手。而高血壓是心腦血管疾病的罪魁禍?zhǔn)?，是我國最常見的心腦血管疾病，同時(shí)也是世界各國和地區(qū)主要的慢性流行病之一[1]。高血壓可導(dǎo)致心臟、腦、血管、腎臟等器官的功能性或器質(zhì)性病變，也是致殘及死亡的重要誘因[2]。研究表明，高血壓的發(fā)病受基因、生活方式和環(huán)境因素的影響，但基本的病理生理和代謝驅(qū)動(dòng)程序尚未充分闡明[1]。代謝組學(xué)代表多種生理和病理代謝過程的結(jié)果，是基因和環(huán)境暴露之間相互作用的最終下游表達(dá)[3,4]。所以，代謝組學(xué)可為高血壓的發(fā)病機(jī)制或者病理生理提供高分辨、多因素的表型識別特征[5]，也給發(fā)展新型療法和改進(jìn)診斷方法帶來了機(jī)遇。代謝組學(xué)已被越來越多地用于評價(jià)與高血壓有關(guān)的代謝紊亂[6,7]。

1 代謝組學(xué)概述

1.1 代謝組學(xué)含義 代謝組學(xué)是系統(tǒng)生物學(xué)中的核心部分，它借助高通量、高靈敏度和高精確度的現(xiàn)代分析技術(shù)，分析體液、細(xì)胞、組織和其他生物樣本中內(nèi)源性代謝物的整體組成，通過研究代謝物的動(dòng)態(tài)變化來辨識和解析被研究對象的生理病理狀態(tài)[8,9]。

1.2 代謝組學(xué)的分析方法 目前，代謝組學(xué)常用的分析平臺(tái)有磁共振波譜（nuclear magnetic resonance，NMR）、氣相色譜質(zhì)譜聯(lián)用技術(shù)（gas chromatography mass spectrometry，GC-MS）、液相色譜質(zhì)譜聯(lián)用技術(shù)（liquid chromatography mass spectrometry，LC-MS）及高效液相色譜質(zhì)譜聯(lián)用技術(shù)（high performance liquid chromatography MS，HPLC-MS）等。由于代謝組學(xué)的復(fù)雜性和大小差異，以及代謝物的化學(xué)和物理特性的多樣性，目前尚沒有單一的分析方法可以檢測或量化人類樣本中存在的所有代謝物，因此常采用多種分析技術(shù)平臺(tái)聯(lián)合的方法，從而增加一系列代謝產(chǎn)物的覆蓋范圍[10]。

色質(zhì)譜產(chǎn)生的數(shù)據(jù)具有高維、小樣本、高噪聲等特征，為了有效地對這種多維復(fù)雜數(shù)據(jù)進(jìn)行降維和信息挖掘，需要經(jīng)過濾噪、基線校正、標(biāo)準(zhǔn)化和保留時(shí)間對齊等一系列后續(xù)的數(shù)據(jù)處理過程[11]。經(jīng)過處理后的數(shù)據(jù)，通常采用主成分分析（principal component analysis，PCA）和偏最小二乘判別分析（partial least squares discriminant analysis，PLS-DA）等，篩選出最主要的最能反映代謝物變化的成分[12]，再通過模式識別將其與標(biāo)準(zhǔn)的代謝物譜進(jìn)行比對，或是根據(jù)代謝物譜在時(shí)程上的變化來尋找生物標(biāo)記物，研究相關(guān)代謝物變化涉及的代謝途徑和變化規(guī)律，以闡述生物體對相應(yīng)刺激的響應(yīng)機(jī)制。

2 高血壓與代謝組學(xué)

2.1 動(dòng)物研究 在與高血壓相關(guān)的代謝組學(xué)研究中，自發(fā)性高血壓大鼠（SHRs）由于其病理生理過程被認(rèn)為類似于人類原發(fā)性高血壓（EH）而成為目前最廣泛研究的動(dòng)物模型。Akira等[13]采用基于NMR的代謝組學(xué)技術(shù)研究了8周齡的SHR和WKY大鼠的尿液代謝輪廓差異，通過質(zhì)譜和PCA分析得出最有特征性的代謝物改變是檸檬酸、α-酮戊二酸及馬尿酸水平的減少和肌酸、肌酸酐水平的升高，且SHR的檸檬酸、α-酮戊二酸及馬尿酸水平均低于WKY。實(shí)驗(yàn)結(jié)果顯示，可以通過尿液代謝物輪廓的差異將SHR和WKY區(qū)分開。但是這項(xiàng)實(shí)驗(yàn)只分析了8周齡的SHR和WKY，而8周齡的SHR仍處于高血壓早期發(fā)展階段，提示在高血壓發(fā)展早期就可能出現(xiàn)了代謝異常。SHR和WKY的血壓隨年齡的增長而升高，5～6周齡后SHR的血壓顯著高于WKY，且高血壓的形成幾乎都是在10周左右[14]。為了進(jìn)一步了解高血壓形成的特異性生物標(biāo)志物及機(jī)制，Akira等[15]繼續(xù)運(yùn)用NMR研究了4～20周齡SHR和WKY的尿液代謝輪廓特征，結(jié)果顯示，PCA可將兩組不同年齡大鼠的尿液樣本區(qū)分開，且除了6周齡SHR外，其余SHR尿液中檸檬酸、α-酮戊二酸水平減少，說明在高血壓早期和發(fā)展階段有三羧酸循環(huán)代謝紊亂，且伴有代謝性酸中毒，導(dǎo)致腎小管重吸收增加；馬尿酸、甲酚葡萄糖醛酸和苯乙尿酸的改變說明SHR腸道微生物菌群有改變，這并非與飲食有關(guān)，而與基因和代謝因素有關(guān)，這也間接表示高血壓的形成與基因和代謝異常有關(guān)；?；撬岬臏p少在高血壓早期和發(fā)展階段都可觀察到，但其減少是否是由于生成減少或腎小管重吸收增加還有待進(jìn)一步探討。這兩項(xiàng)實(shí)驗(yàn)通過NMR得出的關(guān)于與高血壓形成有關(guān)的特征性代謝產(chǎn)物基本一致，但在SHR高血壓發(fā)生和發(fā)展階段所觀察到的其他代謝物改變的病理生理意義還需要進(jìn)一步的研究來闡明。

卒中易感性自發(fā)性高血壓大鼠（SHRSP）來源于SHR，通常造成更嚴(yán)重的高血壓，因此也被應(yīng)用于高血壓代謝組學(xué)研究。Akira等[16]使用NMR發(fā)現(xiàn)SHRSP體內(nèi)?；撬岷图∷崴缴?，這與先前關(guān)于牛磺酸水平降低與原發(fā)性高血壓發(fā)病有關(guān)的研究相矛盾。也有研究發(fā)現(xiàn)，口服牛磺酸可降低高血壓患者[17]及SHR、SHRSP[18]的血壓。人和動(dòng)物之間牛磺酸代謝的差異，以及在高血壓大鼠模型中受損腎臟對牛磺酸（和肌酸）的處理過程可能潛在地解釋了這些矛盾的結(jié)果。此外，Akira等[19]使用LC-NMR發(fā)現(xiàn)了一種新型的尿代謝物——琥珀酰?；撬?，這種代謝物只在WKY大鼠尿液中檢測到，它與具有降壓作用的?；撬嵊邢嗨频慕Y(jié)構(gòu)。然而，琥珀酰?；撬岬牟±砩硪饬x仍有待觀察。

高血壓和非高血壓大鼠模型血液樣本的代謝差異也非常顯著。一項(xiàng)基于GC-TOF-MS代謝組學(xué)的研究發(fā)現(xiàn)，與WKY大鼠相比，隨著血壓水平增加，SHR血液中油酸、亞油酸和硬脂酸等游離脂肪酸（FFAs）也增加[20]，這表明FFAs的代謝波動(dòng)在血壓調(diào)節(jié)中發(fā)揮作用。此外研究者還發(fā)現(xiàn)，標(biāo)準(zhǔn)降壓治療可明顯降低SHR的血壓，但對游離脂肪酸水平增加的影響很小[21]。因此，F(xiàn)FAs可能在血壓調(diào)節(jié)方面有作用，但這仍有待全面檢測。

2.2 人群研究 Brindle等[22]運(yùn)用NMR探討是否有可能根據(jù)代謝輪廓差異來區(qū)分不同類型的高血壓。研究者發(fā)現(xiàn)，可根據(jù)脂質(zhì)水平的不同［尤其是與極低密度脂蛋白（VLDL）和低密度脂蛋白（LDL）相關(guān)的脂蛋白］來區(qū)分不同級別的高血壓。Bernini等[23]使用1HNMR發(fā)現(xiàn)，血清代謝組學(xué)輪廓差異與血壓有關(guān)系，部分原因是脂蛋白組成顆粒的差異造成。Liu等[24]使用GC/TOF-MS發(fā)現(xiàn)，與正常對照組相比，高血壓患者血清中FFAs水平顯著升高。Dietrich等[25]在另一項(xiàng)大型的前瞻性隊(duì)列研究中運(yùn)用靶向代謝組學(xué)研究方法探討了127種血清代謝產(chǎn)物與原發(fā)性高血壓之間的可能關(guān)聯(lián)，在長達(dá)10年的隨訪后，他們發(fā)現(xiàn)有6種代謝產(chǎn)物在高血壓發(fā)展中最有預(yù)測能力，分別是絲氨酸、甘氨酸、4-磷脂酰膽堿代謝物（?；字Ｄ憠AC42:4和C44:3、二?；字Ｄ憠A C38∶4 和 C38∶3）。Kulkarni等[26]對1431位墨西哥人進(jìn)行的一項(xiàng)脂質(zhì)組學(xué)研究表明，二酰基磷脂酰膽堿與舒張壓的增加顯著相關(guān)，與高血壓的發(fā)生無關(guān)聯(lián)；而1-磷脂酰乙醇胺代謝物和甘油二酯代謝物與高血壓的發(fā)生有顯著聯(lián)系。這些試驗(yàn)結(jié)果暗示高血壓的形成和發(fā)展伴隨有脂質(zhì)代謝的改變。關(guān)于FFAs與高血壓發(fā)病之間的因果關(guān)系，有研究者已提出了一些解釋。FFAs可能通過增加α1受體和交感神經(jīng)的敏感度而對血管張力產(chǎn)生不利影響，或?qū)?nèi)皮細(xì)胞一氧化氮合酶有抑制作用。而且通過改變Na+K+ATP酶、細(xì)胞膜磷脂的結(jié)構(gòu)及增加細(xì)胞內(nèi)Na+Ca2+的水平（導(dǎo)致血管張力增加、血壓升高的機(jī)制）等方式，F(xiàn)FAs水平增加可能潛在地改變了細(xì)胞膜流動(dòng)性，最終導(dǎo)致血壓升高[27]。FFAs已被證明是高血壓的獨(dú)立危險(xiǎn)因素。

Yang等[28]采用多反應(yīng)監(jiān)測-質(zhì)譜聯(lián)用技術(shù)，選取了113例EH患者和15位健康人，檢測了已被報(bào)道或作為高血壓研究潛在靶分子的47種低分子量血漿代謝產(chǎn)物。單因素分析顯示，47種代謝產(chǎn)物中，瓜氨酸、D-（+）-半乳糖、甘氨酸、果糖、L-酪氨酸、油酸（OA）、肌醇（MI）和尿素在EH患者發(fā)生了顯著的變化。相應(yīng)的載荷曲線顯示，OA和MI明顯偏離原點(diǎn)，表明OA和MI是兩個(gè)關(guān)鍵的代謝產(chǎn)物，有助于EH患者和健康對照者的區(qū)分。Pearson相關(guān)分析表明，OA與24 h收縮壓呈正相關(guān)，MI與24 h收縮壓和舒張壓呈負(fù)相關(guān)。此外，24 h收縮壓與蔗糖或纖維二糖呈顯著的正相關(guān)；24 h舒張壓與尿素濃度呈顯著負(fù)相關(guān)，而與草酰乙酸和半乳糖呈顯著正相關(guān)。

Deventer等[29]采用 LC-MS、GC-MS 對南非男性高血壓患者和健康對照者的尿液樣本進(jìn)行了研究。GC-MS數(shù)據(jù)顯示，高血壓組的乳酸、富馬酸、4-苯基異戊酸和2-羥基異戊酸水平比對照組高，曾有研究發(fā)現(xiàn)這四種有機(jī)酸會(huì)增加小兒患者線粒體功能障礙[30]。因此，Deventer等認(rèn)為，高血壓組這些代謝產(chǎn)物增加可能表明線粒體代謝的改變參與了高血壓的發(fā)生發(fā)展。LC-MS數(shù)據(jù)顯示，高血壓組尿酸水平降低。由于在甲基黃嘌呤形成尿酸的過程中有NAD＋向NADH轉(zhuǎn)化，若NADH/NAD＋比率增加則會(huì)造成尿酸的降低，因此，研究者認(rèn)為，相對于對照組，高血壓組發(fā)生代謝紊亂，很有可能是NADH/NAD＋比率改變造成的。

Zhong等[31]采用1H-NMR、PCA分析了256位維吾爾族人（高血壓組157人、對照組99人）的血清標(biāo)本，OPLS-DA結(jié)果表明，兩組的代謝組分有顯著差異，且鑒定出了12種不同的代謝標(biāo)志物。與對照組相比，高血壓組的纈氨酸、丙氨酸、丙酮酸、肌醇、酪氨酸、甲基組氨酸等水平有很大降低，而VLDL、LDL、丙酮、乳酸水平顯著增加。高血壓患者血漿中氨基酸含量與健康人有顯著性差異，提示氨基酸代謝異常。Wang等[32]采用GC–MS研究了20例年輕高血壓患者和20位健康對照者的血漿標(biāo)本，結(jié)果顯示有20種代謝產(chǎn)物發(fā)生顯著改變，包括有機(jī)酸、氨基酸、碳水化合物、脂類，在高血壓組觀察到異亮氨酸、蘇氨酸、甲硫氨酸、纈氨酸、賴氨酸和色氨酸等13種氨基酸水平顯著降低。這兩項(xiàng)試驗(yàn)結(jié)果表明，氨基酸代謝紊亂在高血壓的發(fā)生發(fā)展中發(fā)揮重要作用。

先兆子癇是常見的妊娠高血壓疾病，是一種與懷孕有關(guān)的高血壓。一項(xiàng)基于UPLC-MS的代謝組學(xué)研究表明，體內(nèi)有代謝波動(dòng)的60位孕婦最終發(fā)展為先兆子癇[5]，其血漿中45種代謝產(chǎn)物（包括氨基酸、肉堿、脂肪酸、脂類、磷脂和碳水化合物）有顯著的差異。另一項(xiàng)基于LC-MS的代謝組學(xué)研究發(fā)現(xiàn)，與健康對照組相比，患有先兆子癇的41位婦女體內(nèi)肉毒堿和氨基酸（丙氨酸、苯丙氨酸和谷氨酸）水平升高[33]。Bahado-Singh等[34]選取了30例先兆子癇患者和60位相匹配的健康婦女的血漿，采用NMR鑒定出了20種有差異性的代謝產(chǎn)物，其中檸檬酸、甘油、羥基異戊酸和蛋氨酸可以預(yù)測先兆子癇；而甘油和肉毒堿可鑒別遲發(fā)型先兆子癇。這些結(jié)果都暗示先兆子癇發(fā)病中有脂質(zhì)、氨基酸代謝的異常[35]。

3 研究展望

隨著色質(zhì)譜分析技術(shù)和生物信息學(xué)的不斷發(fā)展，代謝組學(xué)技術(shù)在高血壓研究中的應(yīng)用將越來越廣泛。然而，作為一門新興學(xué)科，代謝組學(xué)研究還存在許多挑戰(zhàn)。首先，離體條件下，細(xì)胞或組織內(nèi)的代謝物會(huì)受到很多因素如飲食、環(huán)境因素、機(jī)體狀態(tài)及取樣時(shí)間等的影響，其質(zhì)與量亦隨之發(fā)生變化會(huì)影響個(gè)體生命狀態(tài)真實(shí)信息的重現(xiàn)。第二，代謝物種類繁多，且相互作用復(fù)雜，目前各種分析技術(shù)的分辨率、靈敏度及動(dòng)態(tài)范圍等難以將生物樣本中所含的代謝物一次性完全檢測出來。第三，與其他組學(xué)相比，代謝組學(xué)缺乏相應(yīng)的標(biāo)準(zhǔn)譜庫，這意味著對潛在生物標(biāo)志物的鑒定有一定的難度。第四，數(shù)據(jù)處理軟件和自動(dòng)化分析軟件等生物信息學(xué)技術(shù)系統(tǒng)仍處于初級階段。此外，現(xiàn)階段對于高血壓的代謝組學(xué)研究僅局限于原發(fā)性高血壓，在未來我們還應(yīng)該注重代謝組學(xué)技術(shù)在繼發(fā)性高血壓中的應(yīng)用，從而發(fā)揮代謝組學(xué)區(qū)別原發(fā)性和繼發(fā)性高血壓的巨大作用。目前關(guān)于高血壓代謝組學(xué)的研究還相對較少，但隨著代謝組學(xué)的研究逐漸深入，以及與基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)等組學(xué)技術(shù)的聯(lián)用，將會(huì)更適合描述高血壓等復(fù)雜疾病的病因機(jī)制和發(fā)生發(fā)展規(guī)律、早期診斷與預(yù)防及個(gè)體化治療，從而引導(dǎo)“精準(zhǔn)醫(yī)學(xué)”，為人類健康做出巨大貢獻(xiàn)。

［1］Nikolic SB，Sharman JE，Adams MJ，et al.Metabolomics in hypertension.J Hypertens，2014，32：1159-1169.

［2］Hall JE，Granger JP，Do Carmo JM，et al.Hypertension：Physiology and Pathophysiology.Compr Physiol，2012，2：2393-2442.

［3］Wang TJ，Larson MG，Vasan RS，et al.Metabolite profiles and the risk of developing diabetes.Nat Mede，2011，17：448-453.

［4］Mayr M.Metabolomics：Ready for the Prime Time?Circ Cardiovasc Genet，2008，1：58-65.

［5］Kenny LC，Broadhurst DI，Dunn W，et al.Robust early pregnancy prediction oflater preeclampsia using metabolomic biomarkers.Hypertension，2010，56：741-749.

［6］ RheeEP， Gerszten RE.Metabolomicsand Cardiovascular Biomarker Discovery.Clin Chem，2011，58：139-147.

［7］Mayr M.Recent highlights of metabolomics in cardiovascular research.Circ Cardiovasc Genet，2011，4：463-464.

［8］Waters NJ.The Role of Metabonomics at the Interface Between Drug Metabolism and Safety Assessment.Curr Drug Metab，2010，11：686-692.

［9］ Oksman-Caldentey KM，Saito K.Integrating genomics and metabolomics for engineering plant metabolic pathways.Curr Opin Biotechnol，2005，16：174-179.

［10］Yanes O，Tautenhahn R，Patti GJ，et al.Expanding Coverage of the Metabolome for Global Metabolite Profiling.Anal Chem，2011，83：2152-2161.

［11］Gika HG，Theodoridis GA，Plumb RS，et al.Current practice of liquid chromatography-mass spectrometry in metabolomics and metabonomics.J Pharm Biomed Anal，2014，87：12-25.

［12］O′Gorman A，Gibbons H，Brennan L.Metabolomics in the identification of biomarkers of dietary intake.Comput Struct Biotechnol J，2013，4：201301004.

［13］Akira K，Masu S，Imachi M，et al.1H NMR-based metabonomic analysis of urine from young spontaneously hypertensive rats.J Pharm Biomed Anal，2008，46：550-556.

［14］Want EJ，Wilson ID，Gika H，et al.Global metabolic profiling procedures for urine using UPLC-MS.Nat Protoc，2010，5：1005-1018.

［15］Akira K，Masu S，Imachi M，et al.A metabonomic study of biochemical changes characteristic of genetically hypertensive rats based on （1）H NMR spectroscopic urinalysis.Hypertens Res，2012，35：404-412.

［16］Akira K，Imachi M，Hashimoto T.Investigations into biochemical changes of genetic hypertensive rats using 1H nuclear magnetic resonance-based metabonomics.Hypertens Res，2005，28：425-430.

［17］Sun Q，Wang B，Li Y，et al.Taurine Supplementation Lowers Blood Pressure and Improves Vascular Function in Prehypertension：Randomized，Double-Blind，Placebo-Controlled Study.Hypertension，2016，67：541-549.

［18］Akira K，Hichiya H，Morita M，et al.Metabonomic study on the biochemical response of spontaneously hypertensive rats to chronic taurine supplementation using（1）H NMR spectroscopic urinalysis.J Pharm Biomed Anal，2013，85：155-161.

［19］Akira K，Mitome H，Imachi M，et al.LC-NMR identification of a novel taurine-related metabolite observed in （1）H NMR-based metabonomics of genetically hypertensive rats.J Pharm Biomed Anal，2010，51：1091-1096.

［20］Lu Y，A J，Wang G，et al.Gas chromatography/time-of-flight mass spectrometry based metabonomic approach to differentiating hypertension-and age-related metabolic variation in spontaneouslyhypertensiverats.Rapid Commun MassSpectrom，2008，22：2882-2888.

［21］Aa JY，Wang GJ，Hao HP，et al.Differential regulations of blood pressure and perturbed metabolism by total ginsenosides and conventional antihypertensive agents in spontaneously hypertensive rats.Acta Pharmacol Sin，2010，31：930-937.

［22］Brindle JT，Nicholson JK，Schofield PM，et al.Application of chemometrics to 1H NMR spectroscopic data to investigate a relationship between human serum metabolic profiles and hypertension.Analyst，2003，128：32-36.

［23］Bernini P，Bertini I，Luchinat C，et al.The Cardiovascular Risk of Healthy Individuals Studied by NMR Metabonomics of Plasma Samples.J Proteome Res，2011，10：4983-4992.

［24］Liu Y，Chen T，Qiu Y，et al.An ultrasonication-assisted extraction and derivatization protocolforGC/TOFMS-based metabolite profiling.Anal Bioanal Chem，2011，400：1405-1417.

［25］Dietrich S，F(xiàn)loegel A，Weikert C，et al.Identification of Serum Metabolites Associated With Incident Hypertension in the European Prospective Investigation into Cancer and Nutrition-Potsdam StudyNovelty and Significance.Hypertension，2016，68：471-477.

［26］Kulkarni H，Meikle PJ，Mamtani M，et al.Plasma Lipidomic Profile Signature of Hypertension in Mexican American Families：Specific Role of Diacylglycerols.Hypertension，2013，62：621-626.

［27］ Kajma A.Fatty acid regulation of potassium ion channels.Postepy Biochem，2012，58：155-165.

［28］ Yang M，Yu Z，Deng S，et al.A Targeted Metabolomics MRM-MS Study on Identifying Potential Hypertension Biomarkers in Human Plasma and Evaluating Acupuncture Effects.Sci Rep，2016，6：25871.

［29］Van Deventer CA，Lindeque JZ，van Rensburg PJ，et al.Use of metabolomics to elucidate the metabolic perturbation associated with hypertension in a black South African male cohort：the SABPA study.J Am Soc Hypertens，2015，9：104-114.

［30］Reinecke CJ，Koekemoer G，van der Westhuizen FH，et al.Metabolomics of urinary organic acids in respiratory chain deficiencies in children.Metabolomics，2012，8：264-283.

［31］Zhong L，Zhang JP，Nuermaimaiti AG，et al.Study on plasmatic metabolomics of Uygur patients with essential hypertensionbased on nuclear magnetic resonance technique.Eur Rev Med Pharmacol Sci，2014，18：3673-3680.

［32］Wang L，Hou E，Wang L，et al.Reconstruction and analysis of correlation networks based on GC-MS metabolomics data for young hypertensive men.Anal Chim Acta，2015，854：95-105.

［33］Odibo AO，Goetzinger KR，Odibo L，et al.First-trimester prediction of preeclampsia using metabolomic biomarkers：a discovery phase study.Prenat Diagn，2011，31：990-994.

［34］ Bahado-Singh RO， Akolekar R， MandalR， etal.Metabolomics and first-trimester prediction of early-onset preeclampsia.J Matern Fetal Neonatal Med，2012，25：1840-1847.

［35］Bahado-Singh RO，Akolekar R，Mandal R，et al.Firsttrimester metabolomic detection of late-onset preeclampsia.Am J Obstet Gynecol，2013，208：58.e1-58.e7.（收稿日期：2016-10-25）

Progress of metabolomics in hypertension research

蔣學(xué)俊 熊伶俐 楊漢東

高血壓； 代謝組學(xué)； 研究進(jìn)展

Hypertension； Metabolomics； Research progress

國家自然科學(xué)基金（項(xiàng)目編號：81573244）

430060 湖北省武漢市，武漢大學(xué)人民醫(yī)院心內(nèi)科（蔣學(xué)俊、熊伶俐）；湖北醫(yī)藥學(xué)院附屬東風(fēng)總醫(yī)院心內(nèi)科（楊漢東）

楊漢東，E-mail：yanghand@139.com

10．3969/j．issn．1672－5301．2017．03．001

R544.1

A

1672-5301（2017）03-0193-05