微生物代謝組學研究及應用進展

席曉敏，張和平*（內蒙古農業大學 乳品生物技術與工程教育部重點實驗室，內蒙古 呼和浩特 010018）

微生物代謝組學研究及應用進展

席曉敏，張和平*
（內蒙古農業大學 乳品生物技術與工程教育部重點實驗室，內蒙古 呼和浩特 010018）

代謝組學是系統生物學的重要研究領域，具有獨特的優勢。近年來，微生物代謝組學這一新興領域已受到廣泛的關注，它不僅提供了代謝途徑的廣闊圖譜，而且還闡明了微生物與宿主之間的相互作用機制。本文主要闡述了微生物代謝組學研究過程中樣品制備、代謝物分析鑒定以及數據分析等主要研究方法，介紹了微生物代謝組學在乳酸菌、腸道菌群、病原菌以及食品和營養學研究領域中的研究進展及其應用，并討論了微生物代謝組學中的主要問題和發展趨勢。

微生物；代謝組學；研究方法；應用

代謝組學是對某一生物或生物系統內所有代謝物進行定性和定量分析的一門科學，能夠為人們進一步了解相關代謝途徑及其變化提供關鍵的信息。代謝組學源自代謝組一詞，代謝組（metabolome）是指一個生物或細胞在一特定生理時期內所有低分子質量代謝物的集合（包括代謝中間產物、激素、信號分子和次生代謝產物），它是細胞變化和表型之間相互聯系的核心，直接反映了細胞的生理狀態[1-2]。

由于微生物在生物體系中的重要性，代謝組學技術在微生物研究領域受到了廣泛的關注。1992年 Elmroth等[3]首次進行了微生物代謝組學研究，使用氣相色譜-質譜聯用（gas chromatography-mass spectrometry，GC-MS）技術檢測了脂肪酸、氨基酸和糖類物質以評估腸膜明串珠菌（Leuconostoc mesenteroides）在培養過程中細菌污染情況。目前，微生物代謝組學已被廣泛應用于不同的研究領域，如微生物的鑒定及誘變育種、功能基因研究、代謝工程和發酵工程等。本文就微生物代謝組學的研究方法及其研究進展進行概述，以期進一步推動微生物代謝組學的應用。

1 微生物代謝組學的研究過程

精確、靈敏、高通量的研究方法是微生物代謝組學研究的基礎。微生物代謝組學的研究過程通常包括樣品制備、信號獲取、數據處理分析和生物學解釋。

1.1 樣品制備

為了獲得有意義的代謝組學數據，微生物代謝組學研究需要采用合適的樣品制備步驟，包括快速取樣，淬滅以及代謝物的提取。

快速取樣不僅能夠防止底物濃度發生巨大變化而且有助于維持微生物代謝物的穩定性，因此許多簡單的樣品采集裝置應運而生，如BioScope裝置[4]和fast swinnex fi ltration（FSF）裝置[5]等，均可實現樣品的快速采集。

為了保證特定時間內樣品的真實信息，通常需要迅速對樣品進行淬滅以終止代謝反應，理想的淬滅技術應快速淬滅酶活力并且保持細胞或生物的完整性。然而很多猝滅方法，如有機溶劑猝滅等方法會破壞細胞壁和細胞膜導致胞內代謝物大量的滲漏。目前，Wang Xiyue等[6]采用流式細胞儀評價了不同猝滅方法引起的細胞膜破壞程度，研究發現－80 ℃的生理鹽水猝滅大腸桿菌（Escherichia coli，E. coli）僅導致6%的細胞膜受損，僅僅是常規甲醇猝滅引起細胞膜破壞的1/10，減少了代謝物的滲漏?？焖龠^濾也是目前減少代謝物滲漏的有效方法之一，Kim等[7]通過分析釀酒酵母（Saccharomyces cerevisiae）的110 種胞內代謝物比較了體積分數60%的甲醇、－40 ℃純甲醇、體積分數75%沸騰的乙醇和快速過濾4 種淬滅方法，表明快速過濾法能夠很大程度上減少代謝物的損失。

代謝物的提取是微生物代謝組學研究的重要步驟，目前，常用的代謝物提取方法有冷甲醇、熱甲醇、高氯酸或堿、氯仿-甲醇混合液以及乙腈等。Kim[8]通過GC-MS分析比較了7 種E. coli代謝物提取方法，結果表明丁醇中添加銨和乙醇是最有效的提取方法，共檢測到289 種物質。然而，由于代謝物的多樣性，通常很難通過單一的一種提取方法提取全部胞內代謝物，因此結合不同的方法有利于提高代謝物提取效果。

1.2 代謝物的檢測、分析及鑒定

代謝物的檢測、分析及鑒定是代謝組學研究的核心部分。質譜（mass spectrometry，MS）和核磁共振（nuclear magnetic resonance，NMR）技術是兩種應用于微生物代謝組學研究的主要平臺。

1.2.1 質譜

質譜技術具有高特異性和高靈敏度等優點，廣泛的應用于微生物代謝組學分析。其中，GC-MS是發展較為成熟的分析平臺，也是最早用于微生物代謝組學研究的分析方法。GC-MS能夠同時對幾百種化合物（包括有機酸、氨基酸、糖類、糖醇、芳香胺和脂肪酸等）進行分析，且配有標準的代謝物譜庫，可以快速準確對代謝物進行定性分析，但需要對樣品進行衍生化處理。Villas-B?as[9]和Khoomrung[10]等進行了很多基于GC-MS的微生物代謝組學的研究，他們采用氯甲酸酯衍生處理獲得了不同絲狀真菌產生的氨基酸圖譜，采用微波衍生化法分析了酵母樣品中的脂肪酸。二維GC-MS技術顯著提高了復雜樣品的分離效果和檢測的靈敏度，有效的應用于微生物代謝組學。Bean等[11]應用全二維氣相色譜-飛行時間質譜聯用技術（GC×GC-time-of-fight-MS，GC×GC-TOFMS）分析了銅綠假單胞菌（Pseudomonas aeruginosa）培養基頂空的揮發性代謝物圖譜，共鑒定了28 種新的揮發性物質，包括醇類、醛類、酮類、功能性苯類以及芳香分子，檢測數量提高了1 倍。液相色譜-質譜聯用（liquid chromatograph-mass spectrometry，LC-MS）技術是另一個重要的分析平臺，適用于不穩定、難揮發和非極性化合物的分析，不需要對樣品進行衍生化處理。親水作用液相色譜-質譜聯用（hydrophilic interaction liquid chromatography-MS，HILIC-MS）技術是一種高通量的胞內代謝組學分析技術，能同時對極性和非極性代謝物進行分析，其數據采集和分析速度是常規方法的兩倍，Fan Fei等[12]采用HILIC-MS技術獲得了苜蓿中華根瘤菌（Sinorhizobium meliloti）代謝提取物中92.2%的可檢測的極性和脂類代謝物。Coulier等[13]研發了一種離子色譜-電噴霧質譜（ion-pair-LC coupled to electrospray-ionization MS，IP-LC-ESI-MS）技術，該技術能夠同時對幾類極性代謝物，如核酸、輔酶A酯、糖核苷酸和二磷酸糖等進行定量分析，是一種有效的微生物代謝物定量分析平臺。雖然LC-MS已被應用于許多研究中，但是基于LC-MS的微生物代謝組學研究仍存在一些問題，如培養基中的高鹽濃度會抑制ESI的離子化效率、阻塞泵，最終影響定量分析的有效性和重復性。毛細管電泳-質譜聯用（capillary electrophoresis- mass spectrometry，CE-MS）技術具有分析迅速、樣品需要量少、試劑消耗少和相對便宜等優點。Soga等[14]早在2003年利用CE-MS分析了1 692 種從枯草芽孢桿菌（Bacillus subtilis）中提取的代謝物，鑒定了其中的150 種，并且對核苷、乙酰輔酶A、陽離子代謝物和陰離子代謝物分別采用了不同的CE-MS平臺進行了分析，為了解B. subtilis孢子形成過程中代謝物的變化提供了圖譜。2007年Soga等[15]又采用壓力輔助毛細管電泳-質譜聯用技術（pressure-assisted capillary electrophoresis-electrospray ionization mass spectrometry，PACE-MS）分析了E. coli的pfkA和pfkB缺陷菌株胞內核苷和輔酶A等代謝物，推斷出pfkA是E. coli的主要酶蛋白。

1.2.2 核磁共振

核磁共振技術能快速準確的對樣品進行高通量分析，且無損傷性，是鑒定有機化合物結構的重要分析技術，能夠提供一定條件下生物組織或體液的完整代謝圖譜，在微生物代謝組學的研究中有著廣闊的應用前景。Son等[16]運用1H NMR技術監測了不同釀酒酵母作用下白酒發酵過程中代謝物的變化，實現了對酵母菌株發酵特性的評價。Boroujerdi等[17]使用NMR分別檢測了27 ℃（劇毒型）和24 ℃（無毒型）培養溫度下的溶珊瑚弧菌（Vibrio coralliilyticus）的胞內代謝物，并結合主成分分析（principal components analysis，PCA）發現不同培養溫度的Vibrio coralliilyticus在PC1、PC2以及PC3主成分下顯著分離，且隨溫度升高，甜菜堿減少，琥珀酸和谷氨酸增加。但是由于微生物胞內代謝物的組成較復雜，包括有機酸、疏水物質以及復雜的天然產物，分子濃度變化跨越了好幾個數量級（從pmol到mmol），而NMR靈敏度較低，很難同時檢測到生物體系中共存的濃度相差較大的代謝物，一定程度上限制了它在微生物代謝組學中的應用。

1.3 數據處理及分析

數據處理和數據分析是代謝組學研究的關鍵環節，需要對原始數據進行預處理，消除干擾因素。數據處理一般包括基線校正、特征檢測、濾噪、峰對齊、標準化和歸一化等步驟。目前，已經有大量軟件能將MS獲得的原始數據進行預處理轉化為二維數據表格，如MZmine[18]、XCMS[19]和METIDEA[20]等軟件。許多儀器公司也開發了他們自己的專有軟件，如MarkerLynx（Waters）、Progenesis QI（Waters）、MassProfiler（Agilent）、MarkerView（Applied Biosystems/MDS SCIEX）和SIEVE（Thermo Fisher Scientifi c）等。

預處理后的數據需要進行PCA和偏最小二乘法判別分析（partial least squares discriminant analysis，PLS-DA）等多元統計分析和生物信息學分析，從中獲得潛在的有效信息，找出生物標志物及代謝途徑等。表1列出了一些具有代表性的（微生物）代謝組學研究相關數據庫[21-23]，能夠有效地進行生物標志物的鑒定。代謝途徑分析不僅有助于了解代謝物之間的相互作用，而且能夠探索基因表達數據以完成功能基因組學的研究。

表1 （微生物）代謝組學研究相關數據庫Table 1 Relevant database for (microbial) metabolomics

2 微生物代謝組學的研究進展及應用

微生物代謝組學是結合了生物信息學和系統微生物學的一門學科，它不僅有助于探索各物種之間的相互關系而且是微生物演化和發展動力學研究的可靠分析工具[24-25]。本文將從以下四個方面闡述微生物代謝組學的最新研究進展及應用。

2.1 微生物代謝組學在乳酸菌研究領域中的應用

近幾年，微生物代謝組學在乳酸菌研究領域取得了很大進展和突破，比如菌株的篩選和鑒定、代謝途徑分析、發酵工程以及益生效果等方面。

傳統的乳酸菌分類主要通過形態學觀察以及生化實驗進行表型分類。隨著分子生物學技術的發展，基因型分類方法如微生物全基因組測序、16S rDNA序列分析、聚合酶鏈式反應（polymerase chain reaction，PCR）指紋圖譜以及DNA雜交技術等得到了廣泛的應用。然而，某些菌株的基因型和表型不一致，會得到不一樣的分類結果。代謝輪廓分析能夠通過比較胞外代謝物特征峰來區別和鑒定不同的菌種或菌株，逐漸成為了一種有效、快速、高通量的方法。熊萍等[26]基于1H-NMR代謝組學方法對變異鏈球菌、血鏈球菌和嗜酸乳桿菌的細胞外代謝產物進行研究，證實了代謝組學方法能夠檢測不同菌株的差別，在微生物鑒定中有良好的應用前景。Samelis等[27]采用傅里葉變換紅外光譜（Fourier transformed infra-red，FTIR）方法獲得了傳統希臘Graviera奶酪中乳酸菌胞外代謝物的紅外光譜圖，通過與數據庫比較實現了乳酸菌的鑒定。Du?ková等[28]比較了PCR、16S-擴增核糖體DNA限制性片段長度多態性分析（16S-amplified rDNA restriction analysis，16S-ARDRA）以及基質輔助激光解吸電離飛行時間質譜（matrix-assisted laser desorption-ionization timeof-fl ight mass spectrometry，MALDI-TOF-MS）技術對乳酸菌的鑒定能力，結果表明在種的水平上MALDI-TOF-MS更具有優勢，且準確率達到93%。

微生物代謝組學也被廣泛地應用于監測發酵過程中組分和菌相變化以及評定發酵食品的感官和營養品質。le Boucher等[29]以MS技術為基礎，利用代謝組學技術獲得了干酪生產過程中不同時間的代謝指紋圖譜，有效的確定了發酵過程中代謝組的變化，實現了干酪生產監控。Jung等[30]采用高通量測序技術和1H NMR技術對韓國泡菜（kimchi）發酵過程中微生物菌群和代謝物的變化進行了監測，結果表明腸膜明串珠菌（Leuconostoc mesenteroides）作為發酵劑不僅會增加發酵過程中明串珠菌屬的比例、降低乳桿菌屬的比例而且縮短了發酵時間，產生更多的有機酸和甘露醇，這為kimchi的發酵調控提供了方向。Meiju是韓國的傳統發酵豆醬，通常是由芽孢桿菌、曲霉菌和毛霉菌等發酵形成。Kang等[31]利用UPLC-Q-TOF MS技術揭示了Meiju發酵過程中的22 種標志物，包括氨基酸、小肽、核酸、鳥氨酸循環中間體以及有機酸等，并構建了Meiju發酵代謝途徑，為提高Meiju產品的營養和品質提供了理論參考。由此可見，通過代謝組學技術可以直接檢測到乳酸菌發酵產品中各組分的變化，為工藝優化和品質調控提供了有效的工具。

近年，乳酸菌對健康的作用受到了國內外研究者的廣泛關注，運用基因組學、轉錄組學、蛋白組學以及代謝組學等方法探索其對腸道的影響已成為了研究的熱點。其中，代謝組學方法不僅能夠檢測到乳酸菌作用下腸道中代謝物變化而且能夠闡明益生菌代謝物對細胞因子表達的影響。Hong等[32]利用基于1H NMR的代謝組學技術評估了益生菌對結腸炎小鼠的影響，結果顯示益生菌處理的結腸炎小鼠糞便中短鏈脂肪酸（醋酸和丁酸）和谷氨酰胺水平升高，而三甲胺水平下降，表明益生菌對結腸炎具有有效的保護作用。之后，Hong等[33]又利用高分辨魔角旋轉（high resolution magic-angle spinning，HRMAS）-NMR技術評估了益生菌對腸易激綜合征（irritable bowel syndrome，IBS）患者的影響，研究發現飲用2 個月含有乳桿菌和雙歧桿菌發酵乳的IBS患者血漿中葡萄糖、酪氨酸和乳酸濃度逐漸趨于正常，為探索益生菌對IBS的調節機制提供了基礎。Shi Xue等[34]結合GC×GC-TOF-MS技術和多元統計分析指出鼠李糖乳桿菌GG（Lactobacillus rhamnosus GG，LGGs）能有效調節酒精性脂肪肝小鼠模型的腸道菌群結構和代謝從而改善宿主健康，研究發現灌服LGGs不僅能夠增加腸道中的長鏈脂肪酸而且降低了肝中的脂肪酸含量并提高了肝中的氨基酸含量。因此，代謝組學是研究益生菌對宿主健康影響的有效工具，能夠提供益生菌作用下宿主菌群代謝反應，為探尋調節機理奠定基礎。

2.2 微生物代謝組學在腸道菌群研究中的應用

人體內微生物的數量遠多于人體內細胞數，其中腸道菌群是目前系統生物學和代謝組學研究的重點之一[35]。定殖在宿主腸道中的微生物是胃腸道生態系統的重要部分，其功能和代謝與宿主的健康和疾病密切相關，不僅能夠預防病原體的感染，而且能夠通過自身代謝為宿主提供能量、增強機體免疫力以及與宿主相互作用調節代謝表型等[36]。Martin等[37]采用多種技術研究了小鼠模型中腸道微生物與宿主的代謝相互作用，包括使用1H NMR技術對肝臟、血漿、尿液以及回腸內容物進行代謝輪廓分析，使用LC-MS對膽汁酸進行靶向分析及使用GC技術對盲腸中脂肪酸指紋圖譜進行檢測，結果發現與普通小鼠相比，植入嬰兒腸道菌群的無菌小鼠回腸膽汁酸濃度和肝臟甘油三酯含量較高，而血漿脂蛋白水平降低，這些數據充分表明腸道微生物能夠調節腸道吸收以及能量的存儲和獲得。Wikoff等[38]采用基于MS的代謝組學技術對無菌小鼠和普通小鼠的血漿進行研究，發現腸道菌群對哺乳動物血漿代謝物具有顯著的影響，如抗氧化劑3-吲哚丙酸僅存在于普通小鼠血漿中，但在無菌小鼠中殖入產芽孢梭狀芽孢桿菌（Clostridium sporogenes）后，血漿中也檢測到了3-吲哚丙酸，表明宿主3-吲哚丙酸的產生受腸道微生物區系的影響。Saric等[39]采用1H NMR技術比較人體、小鼠和大鼠的水溶性糞便代謝物，研究發現三者具有獨特的糞便代謝物圖譜，如β-丙氨酸僅存在于大鼠糞便中，而甘油和丙二酸鹽為人類糞便所特有，證實了不同胃腸道微生物對糞便代謝組具有顯著的影響。由此可見，微生物代謝組學技術可以直接檢測到腸道菌群變化下宿主代謝表型變化，為進一步闡明腸道微生物與人體相互作用機制提供了新的研究策略和研究方法。

正常情況下，腸道菌群結構對疾病的預防與控制有著重要的作用，但是腸道菌群失調以及微生物生物多樣性改變都會對宿主產生一系列的不利影響，導致各類胃腸道疾病、代謝疾病和免疫類疾病的發生。很多研究人員已經運用代謝組學技術對腸道菌群與宿主代謝產物進行了研究以探尋腸道菌群對宿主健康和疾病的作用，并取得很多重要成果。Raman等[40]采用GC-MS和焦磷酸測序技術分析了非酒精性脂肪肝肥胖患者糞便樣品中揮發性代謝物及腸道菌群結構變化，結果表明非酒精性脂肪肝肥胖患者糞便中酯類物質的增加與其腸道菌群結構變化有關。Ahmed等[41]使用GC-MS技術IBS、克羅恩?。╟rohn’s disease，CD）、潰瘍性結腸炎患者以及健康人群的糞便揮發性有機物（volatile organic metabolites，VOMs）進行了代謝組學研究，結果顯示IBS發生于短鏈脂肪酸、環乙酸和乙酸有關。Wang Zeneng等[42]基于代謝組學技術和無菌小鼠實驗發現腸道菌群的磷脂酰膽堿代謝能夠促進心血管疾病的發生，并且腸道菌群在氧化三甲胺的產生以及泡沫細胞形成等方面起著重要作用。因此，采用微生物代謝組學技術分析腸道微生物和宿主共代謝對揭示腸道微生物的代謝功能及其對宿主健康和疾病的作用至關重要。

2.3 微生物代謝組學在病原菌研究中的應用

目前，代謝組學技術已廣泛的應用于病原菌研究領域，能夠對病原菌多個方面進行詳細分析，這將快速促進其發展。MS是真菌植物病原菌研究中最常用的代謝組學分析技術，廣泛用于分析病原菌的突變和次級代謝產物的檢測及篩選[43]。Tan等[44]通過GC-MS發現缺少Sch1基因的穎枯殼針孢（Stagonospora nodorum）突變菌株的次生代謝產物濃度是野生菌株的200 倍，并通過ESI-MS/MS確定該次生代謝產物是交鏈孢酚，為闡明Sch1基因的功能和作用奠定了理論基礎。Lowe等[45]采用GC-MS對小麥病原菌Stagonospora nodorum孢子形成過程中相關代謝物進行了非靶向分析，研究發現殼聚糖在孢子形成過程中起著重要的作用。

此外，微生物代謝組學也被應用于病原菌感染引起的疾病診斷。目前，糞便中揮發性有機化合物的GC-MS分析揭示了代謝組學技術可用于區分不同病原菌引起的腹瀉，Probert等[46]研究發現艱難梭菌（Clostridium difficile）感染的腹瀉糞便中會檢測到呋喃，而糞便中十二烷酸鹽化合物的出現表明腹瀉是輪狀病毒（Rotavirus）感染所引起的，彎曲桿菌（Campylobacter）感染則會導致糞便中萜類物質的增加，十二烷酸鹽化合物的減少和氨基化合物的增加是其他腸病毒感染的生物標志物，該研究不僅為腹瀉病因的快速診斷提供了理論依據而且為不同腹瀉病原菌的鑒定提供了參考。還有一些研究表明一些揮發性物質與真菌感染 宿主引起的病害密切相關。Cao Mingshu等[47]以感染內生真菌（Neotyphodium lolii，N. lolii）的黑麥草和未感染N.lolii的黑麥草的3 塊不同組織（不成熟的葉片、葉片和葉鞘）為研究對象，使用LC-MS研究了其代謝物，揭示了感染N. lolii的黑麥草中存在甘露醇和波胺。這些研究結果充分說明微生物代謝組學不僅能夠通過病原菌分泌的代謝物實現菌種的鑒定，而且是病原菌感染診斷的有效工具。

2.4 微生物代謝組學在食品和營養學中的應用

多年來，食品安全一直都受到各國政府和人民的重視。微生物降解食品產生的病原體、毒素以及副產品都與食品安全問題有著密切的關系。因此，監測這些相關代謝物對于食品安全非常重要。微生物代謝組學為食品安全評價提供了新策略，已成功地應用于食品中的有毒物質的檢測，如采用GC-MS技術研究與特定微生物污染有關的揮發性代謝物的指紋圖譜，使用LC-MS 和NMR技術檢測食品中微生物毒素等。Qian Mingrong等[48]形成一套可靠的三重串聯四極桿氣相色譜質譜聯用（gas chromatography-triple quadrupole mass spectrometry，GCQqQ MS）分析方法，用于檢測食用植物油中鐮刀菌產生的玉米烯酮等毒素。Ediage等[49]采用LC-MS/MS實現了對不同高粱品種中23 種真菌毒素的檢測和定量分析。

另外，微生物代謝組學也被應用于評估營養素缺乏與過量對機體代謝平衡的影響，更精確地監測飲食對機體的影響，減少混雜因素如年齡、性別、生理狀態和生活方式等的干擾[50]。Ibá?ez等[51]采用CE、反相/超高效液相色譜（reverse phase /ultra-performance liquid chromatography，RP/UPLC）和HILIC/UPLC-TOF-MS聯用技術揭示了飲食中多酚類物質對人體結腸癌HT29細胞抗增生具有顯著的影響，通過使用非靶向代謝分析方法發現多酚物質處理后抗氧化劑谷胱甘肽比率上升，且維持細胞增殖和調節基因表達的多胺類物質出現了表達差異，抑制細胞生長，這為預防和治療結腸癌提供了理論依據。Wang Yulan等[52]使用基于NMR的代謝組學技術監測了正常小狗和飲食限制小狗的尿液代謝圖譜，結果表明飲食限制能夠改變小狗腸道微生物活性，主要表現在飲食限制小狗的尿液中芳香族代謝物和肌酸/肌酐以及醋酸化合物濃度增加，而研究表明這些化合物都與腸道菌群密切相關。Merrifield等[53]通過對小豬尿液1H NMR代謝圖譜分析證實了不同的斷奶飲食會產生不同的代謝表型，進而導致腸道菌群與宿主代謝物發生變化。另外，他們還發現與lgA和lgM相關的腸道黏膜產物是由斷奶飲食過程中雙歧桿菌NCC2818的攝入產生的，為評估黏膜免疫狀態提供的新的研究策略。這些研究結果充分說明微生物代謝組學能快速有效地對動物機體健康、疾病預測和診斷做出全面的評估，更深入地了解營養與機體代謝的相互作用。

3 結 語

綜上所述，代謝組學已廣泛地用于微生物學研究，為微生物學研究提供了全面系統的分析手段。而且，隨著樣品制備方法的不斷完善以及分析技術的快速發展，微生物代謝組學在過去的20 a里取得了重大進展，不僅能用于微生物代謝過程中生物標志物的研究，為發酵工藝監測、安全性檢測以及病原菌感染診斷提供全面有效的評估方法，還能用于腸道菌群與宿主代謝機制研究，為預防和治療代謝疾病提供理論依據。但是，微生物代謝組學仍然存在一些問題亟待解決：缺乏標準的代謝物淬滅和提取方法；目前微生物代謝組學數據庫主要局限于特定微生物，主要是酵母和大腸桿菌，缺乏囊括不同微生物代謝數據的標準數據庫，尤其是針對細菌和真菌的代謝組學數據庫；目前微生物代謝組學研究很大程度上僅僅關注代謝物本身而忽略了它們的來源。例如，來自宿主和微生物代謝的葡萄糖雖然化學組成及結構上是完全相同的，但它們的生物學意義及參與的代謝通路卻使得它們的調控不徑相同。

與代謝組學在藥物研發、疾病診斷等領域的應用以及植物代謝組學相比，微生物代謝組學研究仍處于發展初期。然而，微生物代謝組學研究存在很多優勢，比如微生物系統簡單，基因數據豐富以及微生物生理特征了解全面等。同時，將微生物代謝組學與基因組學、轉錄組學以及蛋白組學等相整合，能夠深入的研究代謝途徑、調控反應以及體內平衡機制，幫助人們更系統的認識生物體。綜上所述，微生物代謝組學作為快速發展的新型研究領域，是系統生物學的重要組成部分和技術平臺，促進了系統微生物學的發展。

[1] RAAMSDONK L M, TEUSINK B, BROADHURST D, et al. A functional genomics strategy that uses metabolome data to reveal the phenotype of silent mutations[J]. Nature Biotechnology, 2001, 19(1): 45-50. DOI:10.1038/83496.

[2] PALSSON B. Metabolic systems biology[J]. FEBS Letters, 2009, 583(24): 3900-3904. DOI:10.1016/j.febslet.2009.09.031.

[3] ELMROTH I, SUNDIN P, VALEUR A, et al. Evaluation of chromatographic methods for the detection of bacterial contamination in biotechnical processes[J]. Journal of Microbiological Methods, 1992, 15(3): 215-228. DOI:10.1016/0167-7012(92)90042-3.

[4] VISSER D, van ZUYLEN G A, van DAM J C, et al. Rapid sampling for analysis of in vivo kinetics using the BioScope: a system for continuous-pulse experiments[J]. Biotechnology and Bioengineering, 2002, 79(6): 674-681. DOI:10.1002/bit.10328.

[5] MCCLOSKEY D, UTRILLA J, NAVIAUX R K, et al. Fast swinnex filtration (FSF): a fast and robust sampling and extraction method suitable for metabolomics analysis of cultures grown in complex media[J]. Metabolomics, 2015, 11(1): 198-209. DOI:10.1007/s11306-014-0686-2.

[6] WANG X Y, XIE Y G, PENG G, et al. A metabolomics-based method for studying the effect of yfcC gene in Escherichia coli on metabolism[J]. Analytical Biochemistry, 2014, 451(8): 48-55. DOI:10.1016/j.ab.2014.01.018.

[7] KIM S, LEE D Y, WOHLGEMUTH G, et al. Evaluation and optimization of metabolome sample preparation methods for Saccharomyces cerevisiae[J]. Analytical Chemistry, 2013, 85(4): 2169-2176. DOI:10.1021/ac302881e.

[8] KIM J H. An assessment of extraction methods for global metabolic profiling of Escherichia coli[C]//37thSymposium on Biotechnology for Fuels and Chemicals. San Diego: California, 2015.

[9] VILLAS-B?AS S G, DELICADO D G, NIELSEN J, et al. Simultaneous analysis of amino and nonamino organic acids as methyl chloroformate derivatives using gas chromatography-mass spectrometry[J]. Analytical Biochemistry, 2003, 322(1): 134-138. DOI:10.1016/j.ab.2003.07.018.

[10] KHOOMRUNG S, CHUMNANPUEN P, NIELSEN J, et al. Fast and accurate preparation fatty acid methyl esters by microwaveassisted derivatization in the yeast Saccharomyces cerevisiae[J]. Applied Microbiology and Biotechnology, 2012, 94(6): 1637-1646. DOI:10.1007/s00253-012-4125-x.

[11] BEAN H D, DIMANDJA J M D, HILL J E. Bacterial volatile discovery using solid phase microextraction and comprehensive twodimensional gas chromatography-time-of-fl ight mass spectrometry[J]. Journal of Chromatography B Analytical Technologies in the Biomedical & Life Sciences, 2012, 901(14): 41-46. DOI:10.1016/ j.jchromb.2012.05.038.

[12] FAN F, BOWDISH D M E, MCCARRY B E. Comprehensive and simultaneous coverage of lipid and polar metabolites for endogenous cellular metabolomics using HILIC-TOF-MS[J]. Analytical & Bioanalytical Chemistry, 2014, 406(15): 3723-3733. DOI:10.1007/ s00216-014-7797-5.

[13] COULIER L, BAS R, JESPERSEN S, et al. Simultaneous quantitative analysis of metabolites using ion-pair liquid chromatographyelectrospray ionization mass spectrometry[J]. Analytical Chemistry, 2006, 78(18): 6573-6582. DOI:10.1021/ac0607616.

[14] SOGA T, OHASHI Y, UENO Y, et al. Quantitative metabolome analysis using capillary electrophoresis mass spectrometry[J]. Journal of Proteome Research, 2003, 2(5): 488-494. DOI:10.1021/pr034020m.

[15] SOGA T, ISHIKAWA T, IGARASHI S, et al. Analysis of nucleotides by pressure-assisted capillary electrophoresis-mass spectrometry using silanol mask technique[J]. Journal of Chromatography A, 2007, 1159(1/2): 125-133. DOI:10.1016/j.chroma.2007.05.054.

[16] SON H S, HWANG G S, KIM K M, et al.1H NMR-based metabolomic approach for understanding the fermentation behaviors of wine yeast strains[J]. Analytical Chemistry, 2008, 81(3): 1137-1145. DOI:10.1021/ac802305c.

[17] BOROUJERDI A F B, VIZCAINO M I, MEYERS A, et al. NMR-based microbial metabolomics and the temperature-dependent coral pathogen Vibrio coralliilyticus[J]. Environmental Science & Technology, 2009, 43(20): 7658-7664. DOI:10.1021/es901675w.

[18] PLUSKAL T, CASTILLO S, VILLAR-BRIONES A, et al. MZmine 2: modular framework for processing, visualizing, and analyzing mass spectrometry-based molecular profile data[J]. BMC Bioinformatics, 2010, 11(1): 1859-1860. DOI:10.1186/1471-2105-11-395.

[19] TAUTENHAHN R, PATTI G J, RINEHART D, et al. XCMS online: a web-based platform to process untargeted metabolomic data[J]. Analytical Chemistry, 2012, 84(11): 5035-5039. DOI:10.1021/ ac300698c.

[20] BROECKLING C D, REDDY I R, DURAN A L, et al. MET-IDEA: data extraction tool for mass spectrometry-based metabolomics[J]. Analytical Chemistry, 2006, 78(13): 4334-4341. DOI:10.1021/ ac0521596.

[21] XU Y J, WANG C, HO W E, et al. Recent developments and applications of metabolomics in microbiological investigations[J]. TrAC Trends in Analytical Chemistry, 2014, 56: 37-48. DOI:10.1016/ j.trac.2013.12.009.

[22] TAUTENHAHN R, CHO K, URITBOONTHAI W, et al. An accelerated workflow for untargeted metabolomics using the METLIN database[J]. Nature Biotechnology, 2012, 30(9): 826-828. DOI:10.1038/nbt.2348.

[23] VERMA M, LAL D, SAXENA A, et al. Understanding alternative fluxes/effluxes through comparative metabolic pathway analysis of phylum actinobacteria using a simplified approach[J]. Gene, 2013, 531(2): 306-317. DOI:10.1016/j.gene.2013.08.076.

[24] REAVES M L, RABINOWITZ J D. Metabolomics in systems microbiology[J]. Current Opinion in Biotechnology, 2011, 22(1): 17-25. DOI:10.1016/j.copbio.2010.10.001.

[25] WU L, van DAM J, SCHIPPER D, et al. Short-term metabolome dynamics and carbon, electron, and ATP balances in chemostat-grown Saccharomyces cerevisiae CEN. PK 113-7D following a glucose pulse[J]. Applied and Environmental Microbiology, 2006, 72(5): 3566-3577. DOI:10.1128/AEM.72.5.3566-3577.2006.

[26] 熊萍, 肖麗英, 李繼遙. 變異鏈球菌, 血鏈球菌及嗜酸乳桿菌代謝組學鑒定的初步研究[J]. 華西口腔醫學雜志, 2008, 26(5): 537-540. DOI:10.3321/j.issn:1000-1182.2008.05.023.

[27] SAMELIS J, BLEICHER A, DELBèS-PAUS C, et al. FTIR-based polyphasic identifi cation of lactic acid bacteria isolated from traditional Greek Graviera cheese[J]. Food Microbiology, 2011, 28(1): 76-83. DOI:10.1016/j.fm.2010.08.009.

[28] DU?KOVá M, ?EDO O, K?ICOVá K, et al. Identification of lactobacilli isolated from food by genotypic methods and MALDITOF MS[J]. International Journal of Food Microbiology, 2012, 159(2): 107-114. DOI:10.1016/j.ijfoodmicro.2012.07.029.

[29] le BOUCHER C, COURANT F, JEANSON S, et al. First mass spectrometry metabolic fingerprinting of bacterial metabolism in a model cheese[J]. Food Chemistry, 2013, 141(2): 1032-1040. DOI:10.1016/j.foodchem.2013.03.094.

[30] JUNG J Y, LEE S H, LEE H J, et al. Effects of Leuconostoc mesenteroides starter cultures on microbial communities and metabolites during kimchi fermentation[J]. International Journal of Food Microbiology, 2012, 153(3): 378-387. DOI:10.1016/ j.ijfoodmicro.2011.11.030.

[31] KANG H J, YANG H J, KIM M J, et al. Metabolomic analysis of meju during fermentation by ultra performance liquid chromatographyquadrupole-time of flight mass spectrometry (UPLC-Q-TOF MS)[J]. Food Chemistry, 2011, 127(3): 1056-1064. DOI:10.1016/ j.foodchem.2011.01.080.

[32] HONG Y S, AHN Y T, PARK J C, et al.1H NMR-based metabonomic assessment of probiotic effects in a colitis mouse model[J]. Archives of Pharmacal Research, 2010, 33(7): 1091-1101. DOI:10.1007/s12272-010-0716-1.

[33] HONG Y S, HONG K S, PARK M H, et al. Metabonomic understanding of probiotic effects in humans with irritable bowel syndrome[J]. Journal of Clinical Gastroenterology, 2011, 45(5): 415-425. DOI:10.1097/MCG.0b013e318207f76c.

[34] SHI X, WEI X, YIN X, et al. Hepatic and fecal metabolomic analysis of the effects of Lactobacillus rhamnosus GG on alcoholic fatty liver disease in mice[J]. Journal of Proteome Research, 2015, 14(2): 1174-1182. DOI:10.1021/pr501121c.

[35] PETERSON J, GARGES S, GIOVANNI M, et al. The NIH human microbiome project[J]. Genome Research, 2009, 19(12): 2317-2323. DOI:10.1101/gr.096651.109.

[36] NICHOLSON J K, HOLMES E, KINROSS J, et al. Host-gut microbiota metabolic interactions[J]. Science, 2012, 336: 1262-1267. DOI:10.1126/science.1223813.

[37] MARTIN F P J, DUMAS M E, WANG Y, et al. A top-down systems biology view of microbiome-mammalian metabolic interactions in a mouse model[J]. Molecular Systems Biology, 2007, 3(1): 112-128. DOI:10.1038/msb4100153.

[38] WIKOFF W R, ANFORA A T, LIU J, et al. Metabolomics analysis reveals large effects of gut microflora on mammalian blood metabolites[J]. Proceedings of the National Academy of Sciences, 2009, 106(10): 3698-3703. DOI:10.1073/pnas.0812874106.

[39] SARIC J, WANG Y, LI J, et al. Species variation in the fecal metabolome gives insight into differential gastrointestinal function[J]. Journal of Proteome Research, 2007, 7(1): 352-360. DOI:10.1021/ pr070340k.

[40] RAMAN M, AHMED I, GILLEVET P M, et al. Fecal microbiome and volatile organic compound metabolome in obese humans with nonalcoholic fatty liver disease[J]. Clinical Gastroenterology and Hepatology, 2013, 11(7): 868-875. DOI:10.1016/j.cgh.2013.02.015.

[41] AHMED I, GREENWOOD R, COSTELLO BDE L, et al. An investigation of fecal volatile organic metabolites in irritable bowel syndrome[J]. PLoS ONE, 2013, 8(3): e58204. DOI:10.1371/journal. pone.0058204.

[42] WANG Z N, KLIPFELL E, BENNETT B J, et al. Gut fl ora metabolism of phosphatidylcholine promotes cardiovascular disease[J]. Nature, 2011, 472(7341): 57-63. DOI:10.1038/nature09922.

[43] NIELSEN K F, SMEDSGAARD J. Fungal metabolite screening: database of 474 mycotoxins and fungal metabolites for dereplication by standardised liquid chromatography-UV-mass spectrometry methodology[J]. Journal of Chromatography A, 2003, 1002(1/2): 111-136. DOI:10.1016/S0021-9673(03)00490-4.

[44] TAN K C, TRENGOVE R D, Maker G L, et al. Metabolite profiling identifies the mycotoxin alternariol in the pathogen Stagonospora nodorum[J]. Metabolomics, 2009, 5(3): 330-335. DOI:10.1007/ s11306-009-0158-2.

[45] LOWE R G T, LORD M, RYBAK K, et al. Trehalose biosynthesis is involved in sporulation of Stagonospora nodorum[J]. Fungal Genetics and Biology, 2009, 46(5): 381-389. DOI:10.1016/j.fgb.2009.02.002.

[46] PROBERT C S J, JONES P R H, RATCLIFFE N M. A novel method for rapidly diagnosing the causes of diarrhoea[J]. Gut, 2004, 53(1): 58-61. DOI:10.1136/gut.53.1.58.

[47] CAO M S, KOULMAN A, JOHNSON L J, et al. Advanced datamining strategies for the analysis of direct-infusion ion trap mass spectrometry data from the association of perennial ryegrass with its endophytic fungus, Neotyphodium lolii[J]. Plant Physiology, 2008, 146(4): 1501-1514. DOI:10.1104/pp.107.112458.

[48] QIAN M M, ZHANG H, WU L, et al. Simultaneous determination of zearalenone and its derivatives in edible vegetable oil by gel permeation chromatography and gas chromatography-triple quadrupole mass spectrometry[J]. Food Chemistry, 2015, 166: 23-28. DOI:10.1016/j.foodchem.2014.05.133.

[49] EDIAGE E N, van POUCKE C, de SAEGER S. A multi-analyte LCMS/MS method for the analysis of 23 mycotoxins in different sorghum varieties: the forgotten sample matrix[J]. Food Chemistry, 2015, 177: 397-404. DOI:10.1016/j.foodchem.2015.01.060.

[50] SCALBERT A, BRENNAN L, FIEHN O, et al. Mass-spectrometrybased metabolomics: limitations and recommendations for future progress with particular focus on nutrition research[J]. Metabolomics, 2009, 5(4): 435-458. DOI:10.1007/s11306-009-0168-0.

[51] IBá?EZ C, SIMó C, GARCíA-CA?AS V, et al. CE/LC-MS multiplatform for broad metabolomic analysis of dietary polyphenols effect on colon cancer cells proliferation[J]. Electrophoresis, 2012, 33(15): 2328-2336. DOI:10.1002/elps.201200143.

[52] WANG Y L, LAWLER D, LARSON B, et al. Metabonomic investigations of aging and caloric restriction in a life-long dog study[J]. Journal of Proteome Research, 2007, 6(5): 1846-1854. DOI:10.1021/pr060685n.

[53] MERRIFIELD C A, LEWIS M C, CLAUS S P, et al. Weaning diet induces sustained metabolic phenotype shift in the pig and influences host response to Bifi dobacterium lactis NCC2818[J]. Gut, 2013, 62(6): 842-851. DOI:10.1136/gutjnl-2011-301656.

Progress in Microbial Metabolomics and Its Application

XI Xiaomin，ZHANG Heping*
(Key Laboratory of Dairy Biotechnology and Engineering, Ministry of Education, Inner Mongolia Agricultural University, Hohhot 010018, China)

Metabolomics is a significant research field of system biology with unique advantages. Recently, microbial metabolomics has gained much attention. It not only offers a broad picture of metabolic pathways, but also elaborates the mechanisms of the interaction between microbes and their hosts. This article summarizes the major methods involved in the research process of microbial metabolomics, including sampling preparation, analysis, metabolite identification and data analysis. Besides, this review also introduces the development and application of microbial metabolomics in research on lactic acid bacteria, the gut microbiota, pathogens, food science and nutrition. Moreover, we discuss the major issues and future trends in microbial metabolomics.

microbe; metabolomics; analytical methods; application

10.7506/spkx1002-6630-201611049

TS201.3

A

1002-6630（2016）11-0283-07

席曉敏, 張和平. 微生物代謝組學研究及應用進展[J]. 食品科學, 2016, 37(11): 283-289. DOI:10.7506/spkx1002-6630-201611049. http://www.spkx.net.cn

XI Xiaomin, ZHANG Heping. Progress in microbial metabolomics and its application[J]. Food Science, 2016, 37(11): 283-289. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-201611049. http://www.spkx.net.cn

2015-09-10

席曉敏（1990—），女，碩士研究生，研究方向為乳品生物技術與加工工程。E-mail：xxmhzau@126.com

*通信作者：張和平（1965—），男，教授，博士，研究方向為乳品生物技術與工藝學。E-mail：hepingdd@vip.sina.com