这篇文档属于类型b,是一篇发表在*Trends in Analytical Chemistry*(2019年120卷)上的综述文章,题为《Lipidomes in health and disease: analytical strategies and considerations》。作者团队包括Fang Wei(中国农业科学院油料作物研究所)、Santosh Lamichhane、Matej Orešič(瑞典厄勒布鲁大学和芬兰图尔库大学)、Tuulia Hyötyläinen(瑞典厄勒布鲁大学)等。
本文聚焦于脂质组学(lipidomics)这一快速发展的领域,重点探讨了脂质分子在健康和疾病中的分析策略与技术挑战。脂质作为细胞信号传导、能量储存和膜结构的关键成分,其浓度微小变化可能引发重要生理后果。然而,当前脂质组学分析仍面临定量准确性、分子鉴定标准化以及生物/技术因素干扰等核心问题。
作者指出,脂质组学的核心挑战在于如何实现精准定量和分子鉴定。目前,质谱(mass spectrometry, MS)是主流技术,但其定量结果常因缺乏“金标准”参考物质而难以跨平台比较。例如,美国国家标准与技术研究院(NIST)组织的31个实验室联合研究显示,不同平台对同一标准物质(SRM-1950血浆)的脂质浓度测定存在显著差异。为应对这一问题,脂质组学标准倡议(Lipidomics Standards Initiative, LSI)提出了数据报告规范,并推动建立血浆脂质参考值,以提高数据的可比性和可重复性。
文章详细对比了全局脂质组学(global lipidomics)和靶向分析(targeted analysis)的优劣:
- 全局分析:覆盖甘油三酯(TGs)、甘油磷脂(GPLs)、鞘脂(SLs)等主要脂类,常用液液萃取(如Folch法)结合液相色谱-质谱(LC-MS)或直接进样质谱(DIMS,即“鸟枪法”)。但该方法对低丰度脂类(如胆汁酸、氧化脂质)灵敏度不足。
- 靶向分析:针对特定脂类(如内源性大麻素、氧脂素)设计,需固相萃取(SPE)等前处理步骤,结合超高效液相色谱-三重四极杆质谱(UHPLC-QQQ-MS/MS),灵敏度更高。
技术突破:
- 衍生化技术:通过化学修饰(如AMPP或DMED标记脂肪酸羧基)增强电离效率,使检测灵敏度提升60,000倍。
- 双键定位鉴定:采用臭氧诱导解离(OzID)、紫外光解离(UVPD)等技术,解决了不饱和脂质异构体的区分难题。
- 离子淌度质谱(IM-MS):通过碰撞截面积(CCS)提供第四维分离信息,显著提升同分异构体的分辨能力。
脂质浓度受多种因素干扰,需在实验中严格控制:
- 生物因素:饮食(高脂饮食可快速改变脂质谱)、肠道菌群(通过胆汁酸代谢调控宿主脂质吸收)、年龄/性别(老年人脂质水平普遍降低,鞘脂类存在性别差异)、昼夜节律(70%的循环脂质受生物钟调控)。
- 技术因素:样本处理(血浆与血清脂质谱差异)、冻融次数(建议不超过4次)、溶血(红细胞膜脂质污染)等。作者建议采用溶血磷脂(lysoPCs)与总磷脂比值作为样本预分析质量的标志物。
脂质组学需严格的质量控制(QC)流程:
- 内标选择:优先使用同位素标记标准品,覆盖不同脂类及脂肪酸链长。
- 批次效应校正:采用支持向量回归(SVR)或LOESS算法消除分析过程中的信号漂移。
- 数据处理工具:推荐XCMS、MS-DIAL等开源软件,但需针对脂质特征优化参数。
本文系统梳理了脂质组学从样本制备到数据分析的全流程挑战,并提出以下关键贡献:
1. 方法论整合:对比了多种分析技术的适用场景,为研究者提供方法学选择依据。
2. 标准化推动:通过LSI和NIST研究,强调了跨平台数据可比性的重要性。
3. 生物干扰警示:系统总结了饮食、微生物组等混杂因素,为实验设计提供纠偏思路。
4. 技术前瞻性:衍生化、IM-MS等新技术有望推动脂质结构的深度解析。
这篇综述不仅是脂质组学方法学的权威参考,也为疾病生物标志物发现和精准医学研究奠定了技术基础。