代謝組學在冠心病中的研究進展

李厚敏，馮燕嫻，黃宇理

(1.蚌埠醫學院，安徽 蚌埠　233000； 2.蚌埠醫學院附屬蚌埠市第三人民醫院 心內科，安徽 蚌埠　233000；

代謝組學在冠心病中的研究進展

李厚敏1，馮燕嫻2，黃宇理3

(1.蚌埠醫學院，安徽 蚌埠233000； 2.蚌埠醫學院附屬蚌埠市第三人民醫院 心內科，安徽 蚌埠233000；

3.蚌埠醫學院第一附屬醫院 心內科，安徽 蚌埠233000)

[摘要]冠心病具有起病急、死亡率高的特點。冠心病的主要病理基礎是不穩定粥樣硬化斑塊，臨床亟需能夠尋求早期、無創、簡便及準確檢測冠狀動脈粥樣硬化斑塊的標志物。代謝組學是對生物體系(細胞、組織或生物體)中所有小分子質量代謝物進行定性定量分析的新興的重要組學技術；近年來在心血管疾病中的應用研究受到很大關注，通過全面定量定性分析心血管疾病患者及模型樣本中多種小分子物質，來研究生物體受內、外環境干擾后其內源性代謝物質的變化及其規律，尋找到與疾病相關的代謝標志物群，為疾病的早期診斷、早期干預提供新思路、新途徑。作者分別就代謝組學在描述冠狀動脈疾病發展狀態、數據處理方法、代謝標志物群、探索疾病發病原因和發病機理等幾個方面的應用及進展進行回顧和綜述，并對其發展前景進行展望。

[關鍵詞]代謝組學； 冠心病； 生物標志物； 綜述

冠狀動脈粥樣硬化性心臟病(coronary atherosclerotic heart disease)簡稱冠心病，是一個復雜的代謝紊亂疾病。環境和遺傳因素是導致代謝性疾病的主要病因。基因- 環境相互作用可能調節各種代謝途徑的改變，從而導致代謝產物水平變化。因此，確定代謝產物可能幫助破譯疾病的病理生理學機制[1]。不穩定動脈粥樣硬化斑塊是急性冠脈事件的主要病理學基礎[2]。近年來已有多種技術用于冠心病的檢測，也有多種生物標志物不同程度闡述冠心病患者冠狀動脈粥樣斑塊的病理變化。每年全世界大約有兩千萬人死于急性冠脈事件，而且其中很大一部分人沒有前驅癥狀，目前的診斷手段難以在急性冠脈事件致猝死前發現受害者[3]。由于用于風險評估的傳統生物標志物不能很好地預測冠心病事件的發生，對預后判斷也存在局限，因此發現新的冠心病標志物尤為重要。近年來研究人員繼基因組學和蛋白質組學之后，對生物體內所有代謝物進行研究分析，并尋找與疾病相關的代謝物群及代謝物群與疾病生理病理變化的關系。在后基因組時代，為了發現可用于風險預測的遺傳標志物做出了很多努力。然而，迄今為止遺傳變異性只能解釋約10%的復制性疾病[4]。由于冠心病新陳代謝的復雜性和漸進性發展，冠心病可以認為是一種處于新陳代謝被擾亂了的病理狀態，冠心病患者中合并2型糖尿病者占20%～30%[5]。探討動態代謝組學的研究有助于幫助識別冠心病不穩定粥樣硬化斑塊及急性冠脈事件的標志物，增加我們對疾病進展的理解，這不僅有助于識別和監測疾病的進展，而且也將為新藥測試和個性化治療提供有力的工具[6]。

1代謝組學概況

1.1代謝組學的優勢

代謝組學(metabonomics/metabolomics)利用高效、精準的現代高級分析技術，動態考察生物體系(細胞、組織或生物體)受內、外環境刺激干擾后，其代謝產物的變化或其隨時間的變化而發生的變化，從而揭秘被研究對象的生理、病理狀態及其與環境因子、基因組成等的關系；代謝產物是一種存在范圍很廣、高度多元化的化學物質，跨越高度親脂性到高度親水性兩個極端，主要是相對分子質量小于1 000的內源性小分子[7]。代謝組學與基因組學和蛋白質組學相比較，有以下優點：(1) 無創性；(2) 研究技術的通用性及檢測的容易性；(3) 其研究不需要建立數據庫，目前已存在相對較全面的代謝組學數據庫；(4) 代謝物的研究種類遠比基因和蛋白質的數目要少很多；(5) 代謝物分析能提供生化途徑結果的信息；(6) 基因組學和蛋白質組學對于毒性或疾病狀態的描述是不足的，并且不能提供動態信息，但這些信息對于動物間的比較是重要的，代謝組學可以提供動態信息。目前代謝組學已成為各個系統疾病相關標志物發現的新工具和新視角[8- 9]，這不僅有助于識別和監測疾病的進展，而且也將為新藥測試和個性化治療提供有力的工具[10]。

1.2代謝組學分析技術

1.3代謝組學分析方法及數據處理方法

當選擇代謝組學的分析技術時，首先需要考慮的是：是否需要盡可能多地檢測到代謝產物，還是集中關注某一個特定的化合物。目前的研究中，靶向分析更普遍，靶向代謝組學分析的重點是驗證已知的代謝標志物群，利用分析標準品進行定量分析。相反，非靶向是指用一種不受限制的自由的方式識別代謝產物，因此能夠發現新的代謝產物。代謝組學最早的方法大多關注的是非靶向代謝組學分析，這種方法沒有優先考慮特定的化合物，在一組實驗和對照樣品中，尋找峰度改變有統計學意義的代謝物，然后對代謝熱圖進行分析，測定這些代謝物的化學結構并解釋所發現的代謝物與疾病狀態的關系，被檢測到的化合物受檢測條件的制約[15]。

代謝組學分析產生的數據包含大量的變量，這些變量數據難以用常規方法去分析、辯識及解釋被研究生物體間的差異，怎樣正確分析和解釋代謝組學圖譜是研究的關鍵。目前，代謝組學數據分析分為無監督分析(un- supervised analysis)和有監督分析(supervised analysis)方法。無監督分析是在不對樣品加以分組的情況下進行數據分析的方法，這種方法因沒有外加任何人為因素，計算出的PCA模型反映了數據的原始狀態，有助于了解數據的整體情況并對數據整體把握[16]；無監督分析的方法主要包括主成分分析(也稱模式識別PCA)、層次聚類分析(HCA)、非線性映射(NLM)等分析方法，有監督分析就是先將研究對象進行不同類別分組，在計算數學模型時計算機能識別區分各組， 忽略組內的隨機差異，突出組間系統差異，包括偏最小二乘法- 辨別分析、K- 最近鄰法及神經元網絡分析等方法。各種代謝組學分析數據處理方法中，應用最為廣泛的是主成分分析方法[16]。

2潛在的冠心病相關代謝標志物群

2.1氨基酸代謝異常

為發現能更好地幫助預測冠心病的新的預測因子，探討動態代謝組學研究很必要。一些研究表明，心血管疾病患者的氨基酸代謝異常。在穩定動脈粥樣硬化的患者中，血漿三羧酸循環中間體檸檬酸、異檸檬酸、蘋果酸和琥珀酸降低，與對照組相比血漿氨基酸含量有顯著不同，丙氨酸、天門冬氨酸、酪氨酸和絲氨酸水平有很大的減少[7]。Shah等發現血漿支鏈氨基酸與冠狀動脈疾病及心肌梗死之間存在顯著關聯性[17]。有研究人員通過基于超高效液相色譜質譜技術(UPLC- MC)的代謝組學分析指出，尿液中包括脂肪酸、氨基酸、核苷及膽汁酸類代謝物，可能作為冠心病相關疾病進程研究的潛在新型生物標志物[18]。

2.2膽堿代謝異常

大量的代謝組學研究已經證實，膽堿代謝異常與心臟疾病相關。一個小規模的缺血性心力衰竭的研究發現患者尿液中排出的三甲基胺N- 氧化物(TMAO)增加，而且這些患者尿液中TCA循環中間體、a- 酮戊二酸、順烏頭酸、檸檬酸和谷氨酸減少，酮體和琥珀酸前體甲基丙二酸排泄增加[19]。一項針對1 876個受試者的大樣本研究結果顯示，血漿中膽堿、甜菜堿和TMAO濃度的增加與心血管疾病的發生存在劑量依賴關系，并且TMAO水平和動脈粥樣硬化斑塊負荷正相關[20]。在隨后的擁有2 023名受試者、平均隨訪時間長達3.1年的研究中，Shah等發現中鏈乙酰肉堿、短鏈二羧酸肉堿、長鏈二羧酸肉堿、支鏈氨基酸和脂肪酸與冠心病的死亡率明顯相關[21]。因此，膽堿和微生物代謝產物已成為一些心血管疾病的代謝組學研究的重點，但需要進一步研究確定這是否能成為未來有用的代謝組學的生物標志物。

2.3磷脂代謝異常

此外，還有一些研究證實在冠心病患者中磷脂代謝異常。Park及其同事應用UPLC- MC和多因素統計分析法，闡述了心絞痛或心肌梗死患者的脂質代謝改變特征，含有不飽和脂肪酸和游離脂肪酸的溶血磷脂酰膽堿(lysoPC)和溶血磷脂酰乙醇胺(lysope)與冠心病風險增加相關，然而含有飽和脂肪酸的溶血磷脂酰膽堿、烷基溶血磷脂酰膽堿、聚乙烯縮醛磷脂、磷脂酰肌醇與風險降低相關，含有軟脂酸、甘油二脂、鞘磷脂和神經酰胺的磷脂(PC)增加心肌梗死的風險性，同時發現在心肌梗死的患者脂質代謝與鞘磷脂通路、鞘磷脂、神經酰胺及急性炎癥標志物(高敏C反應蛋白)有很大的正相關性[22]。有研究人員運用非靶向LC/MS對冠心病患者進行血液代謝組學分析，這項研究共發現254個明顯不同的代謝物，其中有32種代謝物改變最大，排在前幾位的分別為溶血卵磷脂(18∶0)、溶血磷脂酰乙醇胺、丙三基磷酸、氧化烏頭堿、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- 乙酰基膽固醇、溶酶體(18∶2)[1]。低密度脂蛋白(LDL)發生氧化反應時，溶血卵磷脂水平升高，LDL是評估冠心病的血脂管理的一個靶標。人們普遍認為，溶血卵磷脂是動脈粥樣硬化疾病進展過程中的代謝產物。然而，最近Ganna等研究表明溶血卵磷脂(18∶1)與冠心病發病率具有很強的負相關性(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)與心血管疾病的發病率、退化的內膜中層厚度呈負相關[24]。

2.4與冠心病相關的其他代謝標志物

國內外學者也試圖通過建立動物模型去找出各種心血管疾病，包括不穩定性心絞痛、穩定性心絞痛、心肌梗死等的標志物。一些學者利用異丙腎上腺素誘導的代謝紊亂造成大鼠心肌梗死，通過超高效液相色譜- 質譜分析法(UPLC- Q/TOF MS)和1H- NMR法進行有針對性的代謝組學分析，發現心肌酶中的肌酸激酶(CK)、乳酸脫氫酶(LDH)和天門冬氨酸氨基轉移酶(AST)在心肌梗死大鼠明顯升高[25]。有研究人員利用超級化13c MRI技術對大鼠急性心肌梗死及慢性心肌梗死組進行代謝圖譜成像分析，結果顯示在急性心肌梗死區乳酸(增加)和重碳酸鹽(減少)的信號比有顯著改變，在慢性心肌梗死區有一個碳酸氫鹽和乳酸顯著減少的信號；乳酸和重碳酸氫比值的變化表明急性心肌梗死增加了無氧代謝[26]。Jové等通過動脈粥樣硬化倉鼠模型代謝組學分析認為，牛磺膽酸可以作為一個潛在的早期動脈粥樣斑塊形成的血漿生物標志物[27]。

3代謝組學與代謝路徑

在一個鏈接的全基因組關聯研究和血漿代謝組學的研究中，Suhre等著手研究相關的基因型代謝表型及其與疾病的關系。這一近3 000人的大型試驗用串聯質譜定量方法檢測出250多個代謝物，確定了37個與代謝性狀相關的基因座/軌跡[28]。在許多情況下，基因位點和代謝物通過一個共同的代謝途徑相聯系。心臟疾病與葡萄糖激酶調節基因、血漿甘露糖/葡萄糖值和心臟代謝綜合征的單核苷酸多態性相關聯，脂肪酸脫氫酶1、血漿比長鏈脂肪酸和靜息心率相關聯，UDP- 葡萄糖醛酸轉移酶、血漿油酰化肉毒堿/膽紅素值和冠狀動脈疾病有關。Gieger等也鑒定出脂肪酸脫氫酶1基因多態性與花生酸和磷脂酰膽堿的濃度之間的關系，及肝臟甘油三酯脂酶(LIPC)和甘油磷脂之間的基因多態性關系[29]。Rizza等在一項關于老年人心血管事件的靶向代謝組學研究得出主要不良心血管事件與衰老線粒體功能障礙相關，這是一種獨立的標準預測因素[30]。氧化應激在冠狀動脈粥樣硬化形成與發展過程中起關鍵作用，Du等研究指出，血漿代謝產物能夠反映氧化應激病理過程，因此可以作為生物標志物用于冠狀動脈粥樣硬化相關疾病進程研究[31]。Jové等飲食誘導建立倉鼠動脈粥樣硬化模式，運用LC/MS為基礎的脂類組學和代謝組學分析發現了動脈粥樣硬化的形成與過氧化物酶體增殖物激活受體γ通路、氧化應激及內質網應激相關[27]。

4展望

現有的研究表明，雖然許多代謝產物已經顯示與心血管疾病有很大相關性，但目前沒有匹配的診斷和監測疾病的生物標志物的方法。然而，早期代謝組學領域大型研究所產生的數量巨大的數據對未來發展有很大幫助。高通量分析所需的相對短的實驗時間使代謝組學過渡到常規臨床分析有很大可能性，但這需要科研工作者們進行更多的研究。未來代謝組學方法有可能用于有效篩選冠心病疑似患者，還可以對冠心病高危人群進行有效評估，做到疾病早期診斷、早期干預，對社會及患者的意義重大。

[參考文獻]

[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]于潔,馮毅,馬根山.高齡冠心病合并糖尿病患者冠脈介入治療的臨床觀察[J].現代醫學,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] 阿基業.代謝組學數據處理方法——主成分分析[J].中國臨床藥理學與治療學,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

[基金項目]蚌埠醫學院研究生科研創新資助立項項目(Byycx1507)

[作者簡介]李厚敏(1988-)，女，安徽霍邱人，在讀碩士研究生。E- mail:709582073@qq.com

[通信作者]馮燕嫻E- mail：ahbbfxy@163.com

[中圖分類號]R541.4

[文獻標識碼]A

[文章編號]1671- 6264(2016)03- 0449- 05

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

[引文格式] 李厚敏,馮燕嫻,黃宇理.代謝組學在冠心病中的研究進展[J].東南大學學報:醫學版,2016,35(3):449- 453.

·綜述·