楊 帆，謝樹紅綜述，黃惠娟審校

0 引 言

眾所周知，基因組學和蛋白質組學分別從基因和蛋白質層面探尋生命活動，但實際上細胞內許多生命活動是發(fā)生在代謝物層面的，因此代謝組學成為目前組學領域研究的熱點之一。代謝組學作為腫瘤學的研究方法之一，能從代謝的角度整體分析疾病，在惡性腫瘤早期診斷方面的研究已初顯優(yōu)勢，卵巢癌作為婦科惡性腫瘤致死率極高的疾病,一經(jīng)發(fā)現(xiàn)即晚期，急需一種可早期診斷該疾病的方法，代謝組學在卵巢癌中的應用可為卵巢癌的診斷、鑒別診斷及預防提供思路 。

1 代謝組學的概念及發(fā)展進展

代謝組學作為繼基因組學、轉錄組學、蛋白組學之后的又一新興學科，近年來開始被發(fā)展并應用。其概念于1999年由Nicholson等[1]首次提出，定義為研究生命體對病理生理刺激或基因遺傳修飾所產(chǎn)生的代謝物質的定量測量。代謝組學是通過模式識別方法和生物信息學方法來檢測并追蹤代謝物質在生物組織和體液中變化的分析工具[2]。

2 代謝組學研究方法

2.1樣品采集與制備代謝組學的研究可采用細胞、液體或組織進行離體或在體的分析，血漿、血清、尿液、腹水、唾液、支氣管洗滌物、前列腺分泌物或糞便等便于獲取和保存，尤其是尿液和血液制品更是產(chǎn)量高且易于制備，因此研究中經(jīng)常應用尿液和血液制品來進行代謝組學分析。雖然從組織中提取代謝物更加直接，但是因組織標本存在異質性，導致取材需要更加仔細且也更加困難，另外組織周圍的上皮細胞也易被污染，因此可能導致研究結果有誤差[3]。

2.2代謝產(chǎn)物檢測、分析與鑒定代謝組學分析有著多種分析方法，每個分析方法均具有特定的優(yōu)勢和局限性，最顯著的是靈敏度，重復性和設備成本差異[4]。因此，分析方法的選擇將取決于分析的目的，樣品的性質，被研究的化合物的性質以及實驗室的資源[5-6]，其中最廣泛使用的方法是核磁共振技術(nuclear magnetic resonanc，NMR)、色譜和質譜聯(lián)用技術，最常用的是氣相色譜/質譜(gas chromatography/mass spectrometry,GC/MS)和液相色譜/質譜(liquid chromatography/mass spectrometry,LC/MS)聯(lián)用技術。隨著代謝組學技術中靈敏度和質譜分辨率的改進，極大程度上促進了代謝組學相關技術的發(fā)展[3,7]。

2.2.1NMRSpectroscopyNMR光譜是一種非破壞性、非侵入性技術，能提供分子結構的詳細信息，通過自旋松弛和分子擴散的性質，NMR光譜也可探測代謝物的分子動力學和遷移率(如配體-蛋白結合)[8]。這項技術是根據(jù)原子核，主要是氫核(1H-NMR)的磁性以及在分子中的不同位置，通過共振頻率不同來識別不同的原子核[3,9]。NMR光譜法的主要優(yōu)點是高再生性(通常>98%)[9]，并且對于樣品制備無或僅有最低要求(樣品被保留在未被破壞的天然形式中)[9]。此外，NMR光譜具有分析液體(甚至復雜的混合物)或固體樣品的能力，能夠使用高分辨率魔角旋轉(HRMAS)技術分析完整的組織、細胞提取物和活生物體，并且在活體內可使用局部磁共振波譜成像(MRSI)來分析[3,9]。然而，與MS技術相比，NMR敏感性稍弱，對于低豐度代謝物的檢測能力較差，因此需要大量樣品量或大量細胞來檢測，對于儀器方面要求也更加嚴格，更加昂貴[3]?；蛟S正因NMR光譜的低靈敏度促進了代謝組學向MS技術的轉變[7,10]。

2.2.2質譜MS是通過其離子化和碎片化對代謝物進行識別。每個代謝產(chǎn)物均有其特定的碎裂模式，這意味著不同的和特征性的片段將相應地形成和分離成其質荷比(m/z)，為提高MS儀器的分辨率、靈敏度、選擇性，并允許同位素代謝物的分化，MS通常與液相色譜(LC)和氣相色譜(GC)聯(lián)用，有助于減少質譜代謝物分離的復雜性[3,9]。

2.3數(shù)據(jù)信息處理代謝組學的數(shù)據(jù)分析包括預處理和統(tǒng)計分析方法，多元統(tǒng)計分析方法主要分為兩大類: 非監(jiān)督和監(jiān)督方法，非監(jiān)督方法包括主成分分析、自組織投影和聚類分析等;監(jiān)督方法包括顯著性分析、偏最小二乘法(PLS)、偏最小二乘法-判別分析(PLS-DA)、人工神經(jīng)網(wǎng)絡等， 其中應用最廣泛的兩種技術分別是主成分分析和PLS-DA[11-12]。PCA和PLS回歸已經(jīng)成為用于探索分類差異和突出解釋代謝物的代謝分析中最流行的技術之一。

3 代謝組學在卵巢癌中的應用

眾所周知，卵巢癌是致死性很高的一種癌癥，根據(jù)最新國際癌癥研究中心(IARC)公布的2016年全球癌癥數(shù)據(jù)庫資料顯示，卵巢癌占女性腫瘤5%，死亡率居婦科惡性腫瘤首位[13-14]。盡管該疾病早期的五年生存率>90%，但是晚期的五年生存率≤20%[15]。而早期卵巢癌通常無明顯癥狀，>50%的女性在初次確診時已經(jīng)是卵巢癌晚期(III或 IV期)甚至是轉移期[16]。目前為止，還無足夠精確的實驗來證明卵巢癌的早期診斷，正因為無系統(tǒng)、全面、準確的臨床診斷，才導致了許多卵巢癌患者不能早期診斷，不能早期治療，由此可見，一個精準的診斷是非常必要的，不僅可更好的治療疾病，且可提高患者預后。

目前，臨床中檢測卵巢癌的方法包括經(jīng)陰道超聲和鑒定血液中癌癥的特異性生物標志物，如癌癥抗原125(CA-125)，癌胚抗原(CEA)和人附睪蛋白4(HE4)[17]，其中，CA-125是卵巢癌研究最廣泛的血清生物標志物。然而，兩種類型的檢測方法均有各自的缺點。就經(jīng)陰道超聲來說，由于卵巢表面的動態(tài)性質，可能會將絕經(jīng)前婦女的功能性囊腫誤認為癌癥，這就造成了錯誤診斷。而對于CA-125來說，具有很高的假陽性率，可從很多種病癥中產(chǎn)生，包括子宮內膜異位癥，子宮肌瘤，出血性卵巢囊腫，急性盆腔炎，月經(jīng)，妊娠早期和其他幾種類型的癌癥(胰腺，乳腺，膀胱，肝，肺)等[18]。此外，CA-125通常在早期卵巢癌中無法檢出[19]。因此，尋找一個能早期診斷卵巢癌的方法迫在眉睫。

近年來，代謝組學已成為許多領域的有力工具[20-22]。在生物醫(yī)學領域也逐漸進步，代謝組學的發(fā)展使得可鑒定出越來越多的代謝腫瘤標志物，也在某些疾病的診斷、治療和預后等方面逐漸顯露出其獨有的臨床價值。

3.1卵巢癌潛在腫瘤標志物篩選代謝產(chǎn)物可由于機體的病理生理變化而變化，因此對由疾病導致的代謝產(chǎn)物進行分析，有助于我們更全面的掌握機體病情變化過程以及體內物質的代謝途徑，從而使臨床診斷更準確。Zhou等[23]從44個漿液乳頭狀卵巢癌(I-IV期)和50個健康女性或有良性疾病的女性中，用質譜分析法從血清中發(fā)現(xiàn)組胺、嘌呤核苷酸、甘氨酸、絲氨酸、肌氨酸為差異代謝物，丙氨酸、絲氨酸，半胱氨酸、蘇氨酸、甘氨酸過度表達。Fong等[24]用氣相色譜質譜和液相色譜串聯(lián)質譜法發(fā)現(xiàn)人卵巢代謝組織含有364種生物化學物質，卵巢轉化能引起能量利用變化，從而引起糖酵解和脂肪酸(如肉堿，乙酰肉堿和丁酰肉堿)的β-氧化發(fā)生改變。Chen等[25]基于LC/MS聯(lián)用分析的非靶向代謝組學方法，分析了27名健康女性，28例良性卵巢腫瘤和29例上皮性卵巢癌的血清樣本，得出27-非-5β-膽甾烷-3,7,12,24,25戊糖葡糖苷酸，苯丙氨酸，甘氨膽酸，丙?；鈮A等是上皮性卵巢癌潛在的生物標志物候選物。

3.2卵巢癌的早期診斷Garcia等[26]用1H NMR法，從170個健康適齡的女性和182個卵巢癌I/II期患者的血清當中，分析出丙氨酸，纈氨酸，磷脂膽堿等濃度降低，而β-羥基丁酸酯，丙酮和乙酰乙酸的濃度較高，這些可初步與其他基于NMR的代謝組學所研究的癌癥患者的血清標本的濃度分布變化進行定性比較。從而證明卵巢癌的早期診斷可顯著影響卵巢癌患者的臨床結局。 Chen等[25]運用LC/MS聯(lián)用分析、液相色譜選擇性離子監(jiān)測質譜技術結合PCR等模式識別技術分析了27名健康女性，28例良性卵巢腫瘤和29例上皮性卵巢癌的血清樣本，研究發(fā)現(xiàn)27-非-5β-膽甾烷-3,7,12,24,25戊醇葡糖苷酸可用于上皮性卵巢癌的早期診斷之中。其在早期卵巢上皮性癌(I期)的血清中有升高。Gaul等[27]從46個早期(I/II)漿液性上皮性卵巢癌(epithelial ovarian cancer,EOC)患者和49個年齡匹配的正常健康女性對照，運用超高效液相色譜，高分辨質譜(UPLC-MS)和串聯(lián)質譜(MS/MS)方法發(fā)現(xiàn)脂質和脂肪酸中的16種代謝物對于早期卵巢癌患者診斷有 100%準確性。

3.3卵巢癌的鑒別診斷及預后Cheng等[28]應用親水作用液相色譜與串聯(lián)質譜法對包括卵巢癌患者，卵巢良性腫瘤患者和健康對照者共58名婦女的血清進行定量分析，其中8種內源性碳水化合物在卵巢癌與健康對照組之間差異顯著，其中阿糖胞苷是區(qū)分卵巢癌的最具潛力的特異性生物標志物，麥芽糖，麥芽三糖，棉子糖和甘露醇能夠區(qū)分卵巢癌與良性卵巢腫瘤對照組。FAN等[29]為了研究代謝組學在選擇EOC相關生物標志物中的應用，采用超高效液相色譜-四極桿飛行時間質譜(UPLC/QTOF/MS)分析了173例血漿標本(80例新診斷的EOC患者和93例正常人)，發(fā)現(xiàn)了8種差異代謝物，其中去甲基苯醌在卵巢癌患者中降低，神經(jīng)節(jié)苷脂，溶血磷脂，神經(jīng)酰胺，植物鞘氨醇，N-甲?；B嘌呤含量上升；實驗表明，單個生物標志物在區(qū)分EOC和對照組方面具有良好的診斷準確性。Chen等[30]應用LC/MS聯(lián)用分析、液相色譜選擇性離子監(jiān)測質譜技術結合PCR等模式識別技術分析卵巢上皮性癌、 卵巢良性腫物、 健康女性的血清代謝物，發(fā)現(xiàn)27-非-5β-膽甾烷-3,7,12,24,25戊糖葡糖苷酸在卵巢上皮性癌組織中的含量高于良性卵巢腫瘤組織；Chen等[31]用親水作用色譜法(HILIC) 和反相液相色譜法(RPLC)，對25名健康女性，29例良性卵巢腫瘤和22例卵巢癌患者的尿液以ESI +和ESI-檢測模式進行親和和疏水性尿代謝分析，發(fā)現(xiàn)假尿嘧啶和馬尿酸等五種代謝物與卵巢癌有關，包括肌酸酐等10種代謝物與良性卵巢腫瘤和卵巢癌有關。Ke等[32]運用超高效液相色譜質譜法進行了與EOC相關的448例血漿樣本的代謝分析，發(fā)現(xiàn)53種代謝物被鑒定為EOC的特異性生物標志物，其中胡椒堿，3-吲哚丙酸，5-羥基吲哚乙醛和羥基苯基乳酸酯第一次被發(fā)現(xiàn)作為EOC的代謝生物標志物，研究表明可很好的區(qū)分EOC與卵巢交界性腫瘤(borderline ovarian tumors，BOT)和子宮肌瘤(uterine fibroid，UF)。Zhang等[33]從80例EOC患者和90例BOT患者的血漿樣品中使用超高效液相色譜質譜(UPLC/MS)進行血漿代謝組學分析。采用部分最小二乘法判別分析法對EOC和BOT進行分類，鑒定出6種代謝生物標志物，EOC患者中4種確定的生物標志物[L-色氨酸，溶血卵磷脂(18∶3)，溶血卵磷脂(14∶0)和2-哌啶酮]的血漿濃度均低于BOT患者。其中，研究者發(fā)現(xiàn)色氨酸和溶血卵磷脂可能參與癌癥進展，2-哌啶酮可能是EOC的新型生物標志物。該研究證實，6種代謝物生物標志物可能是提供調查EOC生物學機制的重要信息，在鑒別惡性與良性卵巢腫瘤方面具有有利的價值。Zhang等[34]用超高效液相色譜質譜法從易復發(fā)的卵巢癌患者和不易復發(fā)的卵巢癌患者的等離子代謝物中比較發(fā)現(xiàn)，易復發(fā)的卵巢癌患者的左旋色氨酸水平較低，而犬尿素水平則較高，從而分析判斷卵巢癌患者的預后。

4 結 語

代謝組學是一個包含綜合代謝物評估，模式識別和統(tǒng)計分析的新紀元，在檢測方法和應用等方面還需要完善。隨著代謝組學技術的不斷發(fā)展，盡管卵巢癌仍然是所有婦科惡性腫瘤中死亡率最高的，但是其診斷、臨床分期、鑒別及預后等方面的發(fā)展前景和利用價值相信經(jīng)過進一步探討和研究定會有廣闊的發(fā)展前景。

[1] 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[J]. Xenobiotica,1999,29(11):1181-1189.

[2] Fiehn O. Metabolomics - the link between genotypes and phenotypes[J]. Plant Mol Biol,2002,48(1-2):155-171.

[3] Spratlin JL, Serkova NJ, Eckhardt SG. Clinical Applications of Metabolomics in Oncology: A Review[J]. Clin Cancer Res,2009,15(2):431-440.

[4] Davis VW, Bathe OF, Schiller DE,etal. Metabolomics and Surgical Oncology: Potential Role for Small Molecule Biomarkers[J]. J Surg Oncol,2011,103(5):451-459.

[5] Weiss RH, Kim K. Metabolomics in the study of kidney diseases[J]. Nat Rev Nephrol,2012,8(1):22.

[6] Manach C, Hubert J, Llorach R,etal. The complex links between dietary phytochemicals and human health deciphered by metabolomics[J]. Mol Nutr Food Res,2009,53(10):1303-1315.

[7] Griffiths WJ, Koal T, Wang Y,etal. Targeted metabolomics for biomarker discovery[J]. Mol Nutr Food Res,2010,49(32):5426-5445.

[8] Liu M, Nicholson JK, Lindon JC,etal. High-resolution diffusion and relaxation edited one-and two-dimensional 1H NMR spectroscopy of biological fluids[J]. Anal Chem,1996,68(19):3370-3376.

[9] Davis VW, Bathe OF, Schiller DE,etal. Metabolomics and Surgical Oncology: Potential Role for Small Molecule Biomarkers[J]. J Surg Oncol,2011,103(5):451-459.

[10] Wang JH, Byun J, Pennathur S. Analytical Approaches to Metabolomics and Applications to Systems Biology[J]. Semin Nephrol,2010,30(5):500-511.

[11] Jolliffe IT. Principal Component Analysis[M]. Springer-Verlag,1986,41-64.

[12] Barker M, Rayens W. Partial least squares for discrimination[J]. J Chemometr,2003,17(3):166-173.

[13] Siegel RL, Miller KD, Jemal A. Cancer statistics, 2016[J]. CA Cancer J Clin, 2016, 66(1):7.

[14] Lyman GH, Bohlke K, Khorana AA,etal. Venous Thromboembolism Prophylaxis and Treatment in Patients With Cancer: American Society of Clinical Oncology Clinical Practice Guideline Update 2014[J]. J Clin Oncol,2015,33(6):654-656.

[15] Brooks D, Society AC. Cancer screening in the United States, 2013: a review of current American Cancer Society guidelines, current issues in cancer screening, and new guidance on cervical cancer screening[J]. CA Cancer J Clin, 2013, 63(2):88-105.

[16] Jacobs IJ, Menon U. Progress and challenges in screening for early detection of ovarian cancer[J]. Mol Cell Proteomics,2004,3(4):355-366.

[17] 劉 沖, 石群立. 卵巢癌免疫標記物研究進展[J]. 醫(yī)學研究生學報, 2010, 23(9):985-988.

[18] Nossov V, Amneus M, Su F,etal. The early detection of ovarian cancer: from traditional methods to proteomics. Can we really do better than serum CA-125?[J]. Am J Obstet Gynecol,2008,199(3):215-223.

[19] Cesario S. Advances in the early detection of ovarian cancer: How to hear the whispers early[J]. Nurs Womens Health,2010,14(3):222-234.

[20] Zhang Y, Li F, Huang F,etal. Metabolomics analysis reveals variation in Schisandra chinensis cetabolites from different origins[J]. J Sep Sci,2014,37(6):731-737.

[21] Li L, Zhao C, Chang Y,etal. Metabolomics study of cured tobacco using liquid chromatography with mass spectrometry: Method development and its application in investigating the chemical differences of tobacco from three growing regions[J]. J Sep Sci,2014,37(9-10):1067-1074.

[22] Lv M, Chen J, Gao Y,etal. Metabolomics based on liquid chromatography with mass spectrometry reveals the chemical difference in the stems and roots derived from Ephedra sinica[J]. J Sep Sci,2015,38(19):3331-3336.

[23] Zhou M, Guan W, Walker LD,etal. Rapid mass spectrometric metabolic profiling of blood sera detects ovarian cancer with high accuracy.[J]. Cancer Epidemiol Biomarkers Prev,2010,19(9):2262-2271.

[24] Fong MY, Mcdunn J, Kakar SS. Identification of Metabolites in the Normal Ovary and Their Transformation in Primary and Metastatic Ovarian Cancer[J]. PLoS One,2011,6:e199635.

[25] Chen J, Zhang X, Cao R,etal. Serum 27-nor-5 beta-Cholestane-3,7,12,24,25 Pentol Glucuronide Discovered by Metabolomics as Potential Diagnostic Biomarker for Epithelium Ovarian Cancer[J]. J Proteome Res,2011,10(5):2625-2632.

[26] Garcia E, Andrews C, Hua J,etal. Diagnosis of Early Stage Ovarian Cancer by H-1 NMR Metabonomics of Serum Explored by Use of a Microflow NMR Probe[J]. J Proteome Res,2011,10(4):1765-1771.

[27] Gaul DA, Mezencev R, Long TQ,etal. Highly-accurate metabolomic detection of early-stage ovarian cancer[J]. Sci Rep,2015,5(16351).

[28] Cheng Y, Li L, Zhu B,etal. Expanded metabolomics approach to profiling endogenous carbohydrates in the serum of ovarian cancer patients[J]. J Sep Sci,2016,39(2):316-323.

[29] Fan L, Zhang W, Yin M,etal. Identification of metabolic biomarkers to diagnose epithelial ovarian cancer using a UPLC/QTOF/MS platform[J]. Acta Oncol,2012,51(4):473-479.

[30] Chen J, Zhang X, Cao R,etal. Serum 27-nor-5β-Cholestane-3,7,12,24,25 Pentol Glucuronide Discovered by Metabolomics as Potential Diagnostic Biomarker for Epithelium Ovarian Cancer[J]. J Proteome Res,2011(5):2625-2632.

[31] Chen J, Zhou L, Zhang X,etal. Urinary hydrophilic and hydrophobic metabolic profiling based on liquid chromatography-mass spectrometry methods: Differential metabolite discovery specific to ovarian cancer[J]. Electrophoresis,2012,33(22):3361-3369.

[32] Ke C, Hou Y, Zhang H,etal. Large-scale profiling of metabolic dysregulation in ovarian cancer[J]. Int J Cancer,2015,136(3):516-526.

[33] Zhang T, Wu X, Yin M,etal. Discrimination between malignant and benign ovarian tumors by plasma metabolomic profiling using ultra performance liquid chromatography/mass spectrometry[J]. Clin Chim Acta,2012,413(9-10):861-868.

[34] Zhang H, Ge T, Cui X,etal. Prediction of advanced ovarian cancer recurrence by plasma metabolic profiling[J]. Mol Biosyst,2015,11(2):516-521.