藥物代謝組學(xué)的研究進(jìn)展

藥物代謝組學(xué)的研究進(jìn)展

代謝組學(xué)是20世紀(jì)90年代末快速發(fā)展起來(lái)的一門新興的組學(xué)學(xué)科。這是系統(tǒng)生物學(xué)研究的重要組成部分。主要通過(guò)組織指導(dǎo)指數(shù)的分析，定量研究生物體的內(nèi)部和外部因素（例如遺傳因素、疾病入侵、藥物干預(yù)、環(huán)境變化等）。在一般意義上，mw-1000是品種和數(shù)量變化的動(dòng)態(tài)規(guī)律，以及與生理和病理改變之間的關(guān)系。代謝組學(xué)以生物體內(nèi)參與物質(zhì)傳遞、能量代謝和信息傳導(dǎo)等代謝調(diào)控的全體小分子物質(zhì)即代謝組(metabolome)為研究對(duì)象,這些內(nèi)源性小分子代謝物處于生物信息流的末端,它們的整體輪廓包含著基因組(genome)、轉(zhuǎn)錄組(transcriptome)、蛋白質(zhì)組(proteome)變化及相互間協(xié)調(diào)作用的終極信息,能直接反映生物體的表型(phenotype)特征。代謝組學(xué)是在問(wèn)題導(dǎo)向和應(yīng)用驅(qū)動(dòng)下,現(xiàn)代分析技術(shù)與化學(xué)計(jì)量學(xué)、生物信息學(xué)技術(shù)融合促生的產(chǎn)物,隨著主要技術(shù)瓶頸被相繼攻克,代謝組學(xué)目前正進(jìn)入快速發(fā)展期。1999~2012年13年間基于代謝組學(xué)研究的論文被SCI收錄數(shù)和國(guó)家自然科學(xué)基金資助的科研項(xiàng)目數(shù)均呈現(xiàn)指數(shù)增長(zhǎng)趨勢(shì)(圖1)。代謝組學(xué)已成為醫(yī)學(xué)和生命科學(xué)領(lǐng)域的一新興前沿研究熱點(diǎn),并在疾病診斷與預(yù)后、環(huán)境毒理學(xué)、食品營(yíng)養(yǎng)科學(xué)、植物學(xué)等研究方向取得了突破性進(jìn)展,展現(xiàn)出較強(qiáng)的科學(xué)潛能。代謝組學(xué)與藥學(xué)的緊密交叉、有機(jī)結(jié)合更是促生了藥物代謝組學(xué)(pharmacometabolomics)這一重要分支,它通過(guò)比較分析給藥前后個(gè)體的代謝表型(metabolicphenotype)和反應(yīng)表型(drug-reactionphenotype)來(lái)進(jìn)行藥物療效或毒性評(píng)價(jià)、預(yù)測(cè)。本文在筆者所在課題組多年研究基礎(chǔ)上,對(duì)藥物代謝組學(xué)研究的流程、技術(shù)要點(diǎn)和應(yīng)用等方面的最新進(jìn)展進(jìn)行介紹。1藥物代謝研究的過(guò)程和技術(shù)要點(diǎn)完整的藥物代謝組學(xué)研究流程包括生物樣品采集、生物樣品制備、數(shù)據(jù)采集、數(shù)據(jù)處理與分析等步驟(圖2)。1.1樣本采集和分類藥物代謝組學(xué)的研究對(duì)象按來(lái)源不同,可分為動(dòng)物樣本(尿、血清、血漿、組織、器官、唾液、肺泡沖洗液、腦脊液等)和人體樣本(尿、血清、血漿、唾液、眼淚、頭發(fā)等)。在選取生物樣本種類時(shí),既需充分考慮實(shí)驗(yàn)的目的、分析儀器的特點(diǎn),同時(shí)要兼顧實(shí)驗(yàn)動(dòng)物和人體試驗(yàn)倫理學(xué)。血樣和尿樣由于易于采集且蘊(yùn)含代表生物體整體特征的代謝物信息,是目前最常采用的樣本類型。又由于兩者所含代謝物在種類上各有偏重,具有互補(bǔ)性,因此多數(shù)情況下血液和尿液樣本會(huì)被同時(shí)采集。需要特別提醒的兩點(diǎn)是,由于采用了抗凝劑,在選取血漿時(shí)需考察所選用的抗凝劑是否會(huì)對(duì)小分子代謝物有影響;尿樣雖然具有非侵害性(non-invasive)的優(yōu)點(diǎn),但卻也存在影響因素多、個(gè)體差異性大的缺點(diǎn),一般需要通過(guò)加大樣本數(shù)量的方法來(lái)彌補(bǔ)。一般液體生物樣本(尿、血樣、唾液)的采集量為毫升級(jí),固體生物樣本(組織、器官)的采集量為毫克級(jí),細(xì)胞培養(yǎng)樣品按細(xì)胞數(shù)計(jì)為1×106~1×107級(jí)。為確保樣品的代表性,減少生物樣本個(gè)體差異對(duì)結(jié)果的影響,需要采集足夠數(shù)量的樣本,同時(shí)要注意組間性別、體重、年齡、種族、飲食習(xí)慣、采集時(shí)間、取樣部位的匹配問(wèn)題。由于生物樣品易受殘留酶、氧化還原反應(yīng)等的影響,生物樣品在采集后需立即進(jìn)行滅活處理即“淬滅”,最常用的方法是冷凍處理(液氮、-80℃凍存)、冷凍干燥、冷甲醇(-40℃)處理等,應(yīng)盡量避免采用強(qiáng)酸、強(qiáng)堿、高溫等易引起代謝物降解的滅活方法。1.2樣本檢測(cè)方法生物樣品預(yù)處理與制備的目的是將待測(cè)物從復(fù)雜生物基質(zhì)中提取出來(lái),去除干擾雜質(zhì),轉(zhuǎn)化為適合測(cè)定的物質(zhì)形式,以提高靈敏度和選擇性。目前代謝組學(xué)研究中生物樣品的提取方法主要包括液液萃取、冷凍干燥、加速溶劑萃取、超聲波萃取、固相萃取、固相微萃取等,其中以預(yù)冷(-20℃或4℃)甲醇、甲醇-氯仿(3∶1)液液萃取最為常用。處理組織樣本時(shí),冷凍干燥法具有定量可控、操作簡(jiǎn)便的優(yōu)點(diǎn),使用較多。由于尿液中尿素含量很高,其寬大GC/MS色譜峰往往容易掩蓋相鄰小的代謝物信息,因此多數(shù)情況下需采用尿素酶消解的方式處理。最大程度的保留和體現(xiàn)代謝物信息,減少干擾信息(降解、干擾物引入)的產(chǎn)生是選取生物樣本制備方法的核心原則。依據(jù)實(shí)驗(yàn)?zāi)康摹⑸飿颖痉N類和數(shù)據(jù)采集所用分析儀器的不同,所采取的樣本提取制備步驟也有所差別。例如,采用核磁共振(NMR)為數(shù)據(jù)采集手段時(shí),對(duì)樣本制備要求相對(duì)簡(jiǎn)單,樣品一般只需要加入緩沖鹽溶液調(diào)節(jié)pH,以減少酸堿度變化造成的化學(xué)位移偏差;若以氣質(zhì)聯(lián)用(GC-MS)技術(shù)采集數(shù)據(jù),樣本在進(jìn)樣前需要做復(fù)雜的衍生化處理,最常用的是甲氧基胺肟化結(jié)合MSTFA硅烷化的兩步衍生化法,以降低待測(cè)物的沸點(diǎn)、提高穩(wěn)定性、增強(qiáng)質(zhì)譜響應(yīng)、調(diào)節(jié)色譜行為;液質(zhì)聯(lián)用(LC-MS)分析前,樣本一般會(huì)加入有機(jī)試劑或過(guò)濾膜以除去大分子蛋白。1.3gc-ms質(zhì)譜條件核磁共振(NMR)、氣質(zhì)聯(lián)用(GC-MS)和液質(zhì)聯(lián)用(LC-MS)是目前代謝組學(xué)研究中采用最多的用于數(shù)據(jù)采集的分析技術(shù),自1999年以來(lái),每年發(fā)表的基于這3種技術(shù)的代謝組學(xué)研究的文章數(shù)量在不斷增加,3種技術(shù)各有優(yōu)缺點(diǎn),互為補(bǔ)充。NMR具有前處理簡(jiǎn)單、快速、非破壞等優(yōu)點(diǎn)。根據(jù)樣本的特性可選擇液體高分辨NMR、高分辨魔角旋轉(zhuǎn)(HR-MAS)NMR或活體核磁共振波譜(MRS)等多種檢測(cè)手段,其中HR-MASNMR用于組織樣本直接測(cè)試有獨(dú)特的優(yōu)點(diǎn)。此外,通過(guò)操控脈沖序列可以簡(jiǎn)化對(duì)樣品前處理的依賴,如采用預(yù)飽和法壓制水峰,采用Carr-PurcellMeiboom-Gill(CPMG)脈沖序列抑制血樣中較寬的蛋白質(zhì)信號(hào)等。當(dāng)然,NMR也面臨著靈敏度低、檢測(cè)動(dòng)態(tài)范圍有限的缺陷。色譜-質(zhì)譜聯(lián)用技術(shù)具有高效、快速、高靈敏度、檢測(cè)分離模式多樣、結(jié)果易于闡釋(變量與代謝物直接相關(guān))等特性,但GC/MS和LC/MS亦各有缺陷:GC/MS代謝組學(xué)研究中具有“多峰多來(lái)源”這一特殊現(xiàn)象,影響后期代謝通路詮釋;LC/MS分析面臨的主要問(wèn)題是共流出峰間的離子抑制/誘導(dǎo)作用、基質(zhì)效應(yīng)。NMR、GC/MS和LC/MS所得分子特征信息各有側(cè)重,隨著高磁場(chǎng)NMR(900MHz)、液相色譜技術(shù)(UPLC、HILIC)和新型質(zhì)譜技術(shù)(Q-TOF、Orbitrap、IT-TOF等)的不斷出現(xiàn),這幾種分析技術(shù)的代謝物表征性能不斷提高,整合運(yùn)用多種分析技術(shù)進(jìn)行代謝組學(xué)研究已成為趨勢(shì),這樣一方面可提供更全面的代謝物輪廓信息,另一方面不同分析技術(shù)所得結(jié)果也可互為驗(yàn)證。1.4化學(xué)計(jì)量學(xué)和生物學(xué)學(xué)術(shù)研究代謝組學(xué)依托NMR、GC/MS或LC/MS所產(chǎn)生的原始譜圖復(fù)雜、所含信息量大,不可能通過(guò)簡(jiǎn)單的圖譜比較的方式來(lái)指認(rèn)差異代謝物,因此需要借助化學(xué)計(jì)量學(xué)和生物信息學(xué)方法對(duì)原始數(shù)據(jù)進(jìn)行信息挖掘和整合。代謝組學(xué)數(shù)據(jù)處理與分析技術(shù)是代謝組學(xué)研究的一核心技術(shù),其步驟一般包括數(shù)據(jù)預(yù)處理、模式識(shí)別與模型評(píng)價(jià)、生物標(biāo)記物篩選與鑒定、代謝通路分析與生物學(xué)意義闡釋等。1.4.1基于gc/ms和lc/ms的代謝組學(xué)數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理是代謝組學(xué)數(shù)據(jù)分析的第一步,也是極為關(guān)鍵的一步,其主要目的是將原始譜圖轉(zhuǎn)變?yōu)閿?shù)據(jù)矩陣,同時(shí)盡可能消除或減小實(shí)驗(yàn)和分析過(guò)程中帶來(lái)的誤差,保留與分類有關(guān)的大部分信息。數(shù)據(jù)預(yù)處理是后續(xù)多元統(tǒng)計(jì)分析、生物標(biāo)志物篩選、代謝通路分析的重要前提。由于NMR、GC/MS和LC/MS檢測(cè)對(duì)象和圖譜中信息表現(xiàn)形式均不同,決定了基于NMR、GC/MS和LC/MS的代謝組學(xué)數(shù)據(jù)預(yù)處理步驟也有所區(qū)別:GC/MS和LC/MS這兩種色譜質(zhì)譜技術(shù)以氣相離子為檢測(cè)對(duì)象,其主要量化信息包括質(zhì)核比(m/z)、保留時(shí)間(tR)、峰面積,因此基于GC/MS和LC/MS的代謝組學(xué)數(shù)據(jù)預(yù)處理過(guò)程一般包括去噪音、峰識(shí)別、峰排列、對(duì)齊、合并、共有峰篩選(80%原則)、缺失值填補(bǔ)(missingvalueinput)、歸一化(normalization)、標(biāo)尺化(scaling)等步驟,這些操作可采用XCMS、MZmine、Metalign、Metaboanalysist、Markerlynx、MassProfilerProfessionalMPP、ProfilingSolution、AMDIS、ChromaTOF等軟件完成;基于NMR的代謝組學(xué)數(shù)據(jù)預(yù)處理過(guò)程一般包括相位校正(phasecorrection)、基線校正(baselinecorrection)、化學(xué)位移定標(biāo)(chemicalshiftreference)、分段積分(或峰提取)、變量排列、對(duì)齊、合并、歸一化、標(biāo)尺化等步驟,目前,專門用于NMR數(shù)據(jù)預(yù)處理的軟件主要有MestreNova、XwinNMR、MestReC、AMIX、KnowItALL、NMRPipe、Topspin、Hires、Automics和MDAS等。需要特別強(qiáng)調(diào)的是,基于分段切割積分(binning)的NMR圖譜分析與信息提取技術(shù)易受樣品酸堿度的影響,同時(shí)造成變量不與代謝物直接相關(guān)即分析結(jié)果不一定存在實(shí)際意義。為解決這一弊端,加拿大Chenomx公司開(kāi)發(fā)了ChenomxNMRSuite軟件,可對(duì)各種生物樣本核磁共振圖譜做去卷積操作,結(jié)合標(biāo)準(zhǔn)數(shù)據(jù)庫(kù),直接提供各代謝物的定量結(jié)果,該軟件是目前唯一可進(jìn)行定量NMR(quantitativeNMR,也稱目標(biāo)性NMR)代謝組學(xué)數(shù)據(jù)處理的軟件。1.4.2非監(jiān)督分類方法原始譜圖經(jīng)數(shù)據(jù)預(yù)處理后,將得到一復(fù)雜的多維數(shù)據(jù)集即代謝物輪廓的量化表達(dá),如果想將它與時(shí)間、病理生理過(guò)程及各種擾動(dòng)因素聯(lián)系起來(lái),則需采用多元統(tǒng)計(jì)分析的方法對(duì)高維復(fù)雜數(shù)據(jù)進(jìn)行簡(jiǎn)化和降維,借助可視化的數(shù)學(xué)模型在低維空間從整體上對(duì)樣品分組情況進(jìn)行歸納、總結(jié)。模式識(shí)別(patternrecognization)是代謝組學(xué)研究中最常采用的一種多元分析方法,主要包括有監(jiān)督分類(supervisedclassification)和無(wú)監(jiān)督分類(unsupervisedclassification)兩種,它們的本質(zhì)差別在于各實(shí)驗(yàn)樣本所屬的類別是否預(yù)先已知。一般說(shuō)來(lái),有監(jiān)督的分類往往需要提供大量已知類別的樣本(訓(xùn)練集),常用的方法有偏最小二乘法判別分析(PLS-DA)、正交偏最小二乘法判別分析(OPLS-DA)、人工神經(jīng)網(wǎng)絡(luò)、SIMCA分類法等;而無(wú)監(jiān)督的分類法則不依賴訓(xùn)練集,即不需要已知類別關(guān)系的樣本進(jìn)行指導(dǎo),而是直接在特征空間中尋找點(diǎn)群或其他可以識(shí)別的數(shù)據(jù)結(jié)構(gòu),主成分分析(PCA)和聚類分析(clusteringanalysis)是代謝組學(xué)研究中常用非監(jiān)督分類方法。目前,已有不少商業(yè)化軟件或程序語(yǔ)言能夠運(yùn)行這些模式識(shí)別方法,代謝組學(xué)研究中常用的主要有SIM-CA-P、Unscrambler、Matlab、XCMS、Markerview、R等。上述這些模式識(shí)別的方法各有優(yōu)缺點(diǎn),按照它們的適用范圍和試驗(yàn)?zāi)康牟煌?在代謝組學(xué)數(shù)據(jù)分析中往往選取2~3種方法進(jìn)行整合運(yùn)用。PCA模型能反映數(shù)據(jù)的原始狀態(tài),在代謝組學(xué)研究中PCA主要用于初步概括各組樣本間的總體分布情況、自然聚集狀態(tài)、發(fā)現(xiàn)異常樣本和方法學(xué)考察(主要根據(jù)質(zhì)控樣本聚集程度)等。組間差異與組內(nèi)樣本差異的相對(duì)大小影響著PCA模型的分類能力,當(dāng)樣本間差異較大而組間差異不明顯時(shí),該模型分類效果不好,不利于差異變量篩選。此時(shí),為放大尋找組間差異,PLS-DA和OPLS-DA分析就會(huì)被采用,兩者都是以偏最小二乘法為核心算法的有監(jiān)督的分類方法,它們的不同之處在于OPLS-DA將正交信號(hào)校正技術(shù)(orthogonalsignalcorrection,OSC)內(nèi)嵌入PLS-DA,去除了與分類無(wú)關(guān)的變量(正交垂直),只保留與分類相關(guān)的變量。因此,OPLS-DA模型具有更高的分類準(zhǔn)確性,特別適合差異變量的篩選。此外,ROC(receiveroperatingcharacteristic)分析是一種把靈敏度(TP)和特異度(1-FP)結(jié)合起來(lái)綜合評(píng)價(jià)診斷準(zhǔn)確度的一種方法,因此對(duì)于PLS-DA或OPLS-DA模型的評(píng)價(jià),有時(shí)也以Y值和預(yù)測(cè)Y值做ROC診斷分析,以ROC診斷分析曲線下面積(AUC)作為綜合評(píng)價(jià)模型預(yù)測(cè)能力的指標(biāo)。1.4.3roc診斷技術(shù)代謝組學(xué)研究的一個(gè)重要目的是從海量數(shù)據(jù)中篩選出差異性變量即潛在生物標(biāo)記物,并深度挖掘其生化意義以指導(dǎo)相關(guān)生理病理機(jī)制的闡釋。為提高篩選差異變量的準(zhǔn)確性和可信度,往往采用多元統(tǒng)計(jì)分析和單變量統(tǒng)計(jì)分析相結(jié)合的策略,利用“多指標(biāo)”來(lái)篩選和驗(yàn)證生物標(biāo)記物。一般篩選步驟為:(1)利用變量投影重要性(variableimportanceinprojection,VIP)對(duì)變量進(jìn)行初篩,VIP值是PLS-DA或OPLS-DA多元統(tǒng)計(jì)分析中評(píng)價(jià)變量的重要指標(biāo),一般認(rèn)為VIP>1的變量對(duì)分組有較大貢獻(xiàn),是潛在的生物標(biāo)記物;(2)通過(guò)S-plot或SUS-plot、載荷圖對(duì)上述初篩變量的可靠性進(jìn)行驗(yàn)證,將和分類相關(guān)性低的變量剔除;(3)剩余的變量進(jìn)一步運(yùn)用單變量統(tǒng)計(jì)分析的方法如方差分析、非參數(shù)檢驗(yàn)、t-檢驗(yàn)等進(jìn)一步驗(yàn)證(P<0.05);(4)以ROC診斷分析曲線下面積(AUC)作為差異變量準(zhǔn)確度評(píng)價(jià)的指標(biāo)。對(duì)于篩選出的差異代謝物,其結(jié)構(gòu)鑒定一直是代謝組學(xué)研究的軟肋。無(wú)論是NMR還是GC/MS或LC/MS,它們所能提供的可用于結(jié)構(gòu)鑒定的參數(shù)都十分有限,而僅僅依靠單一的參數(shù)進(jìn)行代謝物鑒定是不充分、不科學(xué)的。因此,一般需要2個(gè)以上的相互獨(dú)立的數(shù)據(jù)和方式:如基于NMR技術(shù)的代謝物鑒定主要以化學(xué)位移為參數(shù),利用標(biāo)準(zhǔn)品比對(duì)和數(shù)據(jù)庫(kù)檢索(ChenomxNMRSuite、HMDB)的方法進(jìn)行,對(duì)于無(wú)標(biāo)準(zhǔn)品的代謝物,有時(shí)也以已發(fā)表文獻(xiàn)數(shù)據(jù)作為參考,對(duì)結(jié)構(gòu)進(jìn)行推斷;基于GC/MS技術(shù)的代謝物鑒定主要是利用保留指數(shù)和質(zhì)譜圖與通用或定制譜庫(kù)(如NIST、FiehnGC-MSDatabase)進(jìn)行匹配;由于缺乏通用的標(biāo)準(zhǔn)數(shù)據(jù)庫(kù),基于LC/MS技術(shù)的代謝物鑒定一般是以保留時(shí)間、準(zhǔn)確分子量和多級(jí)別質(zhì)譜裂解規(guī)律為參數(shù),利用標(biāo)準(zhǔn)品比對(duì)和參考已發(fā)表文獻(xiàn)數(shù)據(jù)的方法進(jìn)行代謝物的鑒定。1.4.4網(wǎng)絡(luò)代謝通路分析代謝組學(xué)研究利用多參數(shù)標(biāo)準(zhǔn)篩選、鑒定出了差異表達(dá)的代謝物,要了解這些差異代謝物所代表的生物學(xué)涵義,需要進(jìn)一步尋找它們所涉及的代謝通路以及與之相關(guān)的代謝物、酶、基因等?；诰W(wǎng)絡(luò)的(web-based)代謝組學(xué)綜合處理軟件Metaboanalyst所特有的代謝通路分析功能模塊可在進(jìn)行代謝網(wǎng)絡(luò)富集分析和網(wǎng)絡(luò)拓?fù)浞治龅幕A(chǔ)上依據(jù)代謝網(wǎng)絡(luò)得分-log(p)和impactscore的大小,給出目標(biāo)代謝通路(圖3)。代謝組學(xué)與基因組學(xué)、蛋白質(zhì)組學(xué)等相互間的整合數(shù)據(jù)分析是目前組學(xué)研究的趨勢(shì),其結(jié)果將為以從生物網(wǎng)絡(luò)及蛋白質(zhì)-基因-代謝物間的關(guān)聯(lián)角度闡釋相關(guān)生物學(xué)機(jī)制提供依據(jù)。組學(xué)數(shù)據(jù)間的整合一般需借助相關(guān)數(shù)據(jù)庫(kù)如HMDB、KEGG、Biocyc、Lipidmaps、PathDB、MMP等,通過(guò)網(wǎng)絡(luò)支架(scaffold)分析、建模等來(lái)實(shí)現(xiàn)。統(tǒng)計(jì)全相關(guān)譜(statisticaltotalcorrelationspectroscopy,STOCSY)的方法被成功用于不同組學(xué)數(shù)據(jù)間的關(guān)聯(lián)分析。2藥物代謝組學(xué)研究方向代謝組學(xué)經(jīng)過(guò)十多年的發(fā)展,其方法和技術(shù)體系日趨成熟。代謝組學(xué)技術(shù)在藥學(xué)研究的應(yīng)用發(fā)展出了藥物代謝組學(xué)這一分支,目前已被成功滲透到藥學(xué)研究的的各個(gè)方面和階段,尤其在個(gè)體化藥物治療、中醫(yī)藥現(xiàn)代化研究、藥物毒性評(píng)價(jià)與安全預(yù)警、新藥創(chuàng)制與作用機(jī)制等多個(gè)研究方向展現(xiàn)出良好前景。2.1藥物代謝組學(xué)在特殊患者治療中的應(yīng)用基因、環(huán)境、生活習(xí)慣等多種因素均可影響機(jī)體對(duì)于藥物的處置,從而導(dǎo)致個(gè)體間藥物反應(yīng)的差異。這些差異對(duì)于治療窗較窄的藥物臨床應(yīng)用造成了一定困難,因此,從千人一藥、千人一量的對(duì)癥下藥,到量體裁衣的對(duì)人下藥,成為未來(lái)醫(yī)學(xué)的發(fā)展趨勢(shì)。個(gè)體化治療(personalizedtherapy)涉及個(gè)體化的疾病易感性預(yù)測(cè)、診斷、治療和治療評(píng)價(jià)等多個(gè)環(huán)節(jié),它強(qiáng)調(diào)和關(guān)注人體內(nèi)在因素和個(gè)體差異在疾病診療上的影響和關(guān)聯(lián)。由于代謝組學(xué)研究所揭示的是在基因與環(huán)境共同作用下,個(gè)體生物體系功能狀態(tài)的整體特征,這就為以藥物反應(yīng)表型預(yù)測(cè)為基礎(chǔ)的個(gè)體化治療提供了新的技術(shù)平臺(tái)。2006年,Clayton等以對(duì)乙酰氨基酚所致肝臟毒性模型為研究對(duì)象,采用基于1HNMR的代謝組學(xué)技術(shù),揭示出大鼠給藥前代謝輪廓的差異與給藥后肝臟損傷程度之間存在關(guān)聯(lián)性。此后,國(guó)內(nèi)外學(xué)者就藥物代謝組學(xué)在個(gè)體化治療中的作用展開(kāi)了諸多研究:AIZweiri等將125名癲癇癥患者分為3組,分別服用3種抗癲癇藥,運(yùn)用NMR和UPLC-MS相結(jié)合的技術(shù)分析了患者治療前后的血液樣本,結(jié)果表明,藥物代謝組學(xué)能夠很好地預(yù)測(cè)機(jī)體對(duì)不同藥物的反應(yīng),并找到生物預(yù)測(cè)物(biologicalpredictor);Keun等通過(guò)分析早期乳腺癌患者血清中代謝物的水平,成功預(yù)測(cè)了化療對(duì)體重的影響。上述這些研究表明,給藥前生物樣品中代謝物的水平可以用于預(yù)測(cè)機(jī)體未來(lái)的藥物反應(yīng)表型,這是藥物代謝組學(xué)用于個(gè)體化治療和指導(dǎo)臨床合理用藥的前提。由于基因是決定藥物代謝和反應(yīng)的另一重要因素,因此整合藥物代謝組學(xué)與藥物基因組學(xué)進(jìn)行個(gè)體化藥物治療研究是一個(gè)新趨勢(shì),但尚需要理論和方法學(xué)的突破。2.2中藥及復(fù)方制劑的研究代謝組學(xué)研究具有整體性、動(dòng)態(tài)性、精細(xì)化的特點(diǎn),這與中醫(yī)用藥的基本哲學(xué)觀點(diǎn)(整體觀和辯證觀)相符合。因此,代謝組學(xué)在中藥尤其是中藥復(fù)方多組分、多靶點(diǎn)整體藥效作用機(jī)制的研究中具有突出優(yōu)勢(shì),并已成功用于川烏毒性評(píng)價(jià)、人參治療2型糖尿病、銀杏提取液治療高脂血癥、通心絡(luò)治療血管內(nèi)皮功能障礙、六味地黃丸作用機(jī)制等中藥及復(fù)方制劑的研究。此外,利用代謝組學(xué)可分析中藥成分組成與產(chǎn)地、入藥部位、采收期、加工炮制方式、儲(chǔ)存時(shí)間的關(guān)系,(半)定量地進(jìn)行中藥質(zhì)量評(píng)價(jià);基于組學(xué)技術(shù)的中藥方劑配伍機(jī)制的“化學(xué)物質(zhì)組-代謝組學(xué)”整合研究也被逐步開(kāi)展。2.3毒性作用研究藥物的不良反應(yīng)會(huì)引起組織、細(xì)胞中結(jié)構(gòu)功能的改變,導(dǎo)致整體和局部代謝網(wǎng)絡(luò)平衡,這種變化的一個(gè)直接體現(xiàn)就是內(nèi)源性小分子物質(zhì)輪廓圖(代謝組)的改變。由于代謝組處于生物信息流的末端,因此與基因組學(xué)和蛋白質(zhì)組學(xué)相比,代謝組學(xué)在發(fā)現(xiàn)毒性物質(zhì)、揭示毒性規(guī)律、確定藥物毒性靶組織、闡釋毒性機(jī)制等方面更具有優(yōu)勢(shì)。Wei等通過(guò)研究大鼠灌胃給藥雄黃前后尿液和血液代謝表型的變化,發(fā)現(xiàn)高劑量的雄黃能擾亂機(jī)體的能量代謝、轉(zhuǎn)甲基代謝、腸道菌群代謝、氨基酸代謝等代謝途徑從而造成肝、腎等組織不同程度的損傷,他們還找到14種與之相關(guān)的潛在生物標(biāo)志物;在此研究基礎(chǔ)上,Huang等采用LC-MS技術(shù)定量測(cè)定了其中7種潛在標(biāo)志物用于評(píng)價(jià)雄黃的毒性作用。最近,Klawitter等采用NMR和LC-MS結(jié)合的技術(shù),分析了1