综述：植物代谢组学过去十年研究进展和未来展望

2022年9月，海南大学三亚南繁研究院在植物学著名杂志Molecular Plant发表了题为“Metabolomics-centered mining of plant metabolic diversity and function: past decade and future perspectives”的综述论文。文章总结了植物代谢组学研究中分离、检测、代谢物鉴定与注释等技术的最新进展，并介绍了植物代谢谱分析的不同应用场景。此外，还介绍了利用代谢组学与其他组学联合分析策略研究植物代谢调控网络的最新成果，并提出了代谢组学在加深对植物代谢多样性认识方面的关键挑战和未来发展方向。

代谢组学是一门交叉学科，其与生物科学、分析化学、化学计量学及生物信息学等多种学科密切相关，是系统生物学研究中的一个重要环节。随着分析检测技术的发展，特别是基于质谱及核磁共振的代谢谱分析的发展，代谢组学的研究领域在不断扩展。目前，已经提出了各种代谢组分析方案，并建立了可靠的样品制备和质谱分析计算方法，为功能代谢组的建立奠定了坚实的基础。但作为一门新兴学科，代谢组学仍处于发展阶段，仍然面临着许多亟待解决的问题，如提高检测灵敏度，开发通用的检测方法，无偏性、高通量的定量分析及代谢组学数据的充分注释等，文章提出自动化、标准化、完整化的代谢组学研究技术是未来的发展方向。

综述思路

研究结论

（一）植物代谢研究进展：方法和技术

1.1代谢组学分析工作流程

(1)样本采集：依据生物学问题设计实验方案，代谢样本被收集并储存在超低温下环境；

(2)代谢提取：新鲜样品在液氮下研磨，或真空冷冻干燥后在室温下研磨。研磨后，可以提取样品并被富集以提高目标代谢物的浓度。提取物可以根据分析类型进行化学衍生；

(3)数据采集：不同的工具根据要测量的目标代谢物类型的性质进行选择；

(4)数据分析：数据分析包括数据处理、代谢物鉴定，相关分析、主成分分析和其他统计分析；最后，在结果需要在生物学背景下进行解释。

图1 | 代谢组学分析工作流程

1.2代谢组学技术研究平台

在选择代谢组学平台时，需要依据不同实验要求。例如，当代谢物不确定或未知时，通常使用非靶向代谢组学；当有明确的目标代谢物，通常使用靶向代谢组对目标代谢物定量。然而，靶向代谢组学的覆盖率很低，因为它通常用于已知代谢物的定量分析和再现。相比之下，非靶向代谢组学覆盖面广，能够同时检测大量分析物。基于高精度的靶向代谢组学和广泛覆盖的非靶向代谢组学，已有研究人员开发了一种广泛靶向的代谢组学分析方法，这种方法将高分辨率质谱与三重四极杆质谱联合使用，可检测数千种并实现高通量检测和定量。使用类似的策略，同一团队开发了一种基于气相色谱-质谱联用法的广泛靶向挥发物（WTV）检测方法。

1.3代谢组学的发展现状

近年来，在代谢组学分析工作流程中，数据采集和数据分析发展迅速。数据采集依赖于所使用的平台，但一般分为两个主要部分：分离和检测。所用的分离技术通常是气色谱(GC)，液相色谱(LC)或毛细管电泳(CE)。检测通常使用的技术是质谱(MS)，光谱学，核磁共振(NMR)或电化学(EC)。分离和检测结合的技术产生了一系列不同的代谢组学研究平台包括：LC-MS, GC-MS，液相色谱-紫外检测器(LC-UV)和毛细管电泳质谱(CE-MS)，这大大促进了代谢组学的发展。同时，傅立叶变换离子回旋共振质谱(FTICR-MS)，基质辅助激光解吸/电离质谱(MALDI-MSI)，离子迁移质量光谱分析(IMS-MS)和进一步的分析技术也已发展起来。

1.4数据分析策略

代谢组学数据分析包括数据处理、代谢物注释和下游统计分析。随着高分辨率质谱的发展，大量的高分辨率通过非靶向代谢组学获得代谢信号，原始信号包括质荷比(m/z)、保留时间(RT)及其峰强度。数据比较时涉及数据提取、信号校准、背景噪声过滤和缺失特征插补，算法平台，其中包括XCMS、MAVEN、MeltDB 2.0、MS-DIAL和OpenMS已经被开发用于辅助代谢组学数据处理。现在用于GC-MS质谱分析的公共数据库有NIST、GMD等，用于LC-MS质谱分析的公共数据库有MassBank 、METLIN、Lipidmaps等，除了公共的数据库之外，还有很多针对不同平台建立的代谢数据库。使用数据库对原始的代谢物离子信息进行提取和注释代谢组学数据后，统计分析至关重要。一般地使用的方法包括差异分析、主成分分析、相关分析和网络分析生物学问题，以便评估生物学意义。

（二）不同情况下的代谢组学研究

图2 | 不同情况下的代谢组学研究

2.1物种内和跨物种的代谢组学研究

植物代谢物是植物生长和发育所必需的，环境适应和进化。然而，每个物种都有自己独特的新陈代谢网络来产生特定的代谢物。通过对代谢物的统计分析生成代谢物列表一个物种的代谢组学数据集并将其与另一个物种的代谢组学数据集进行比较，不仅可以为植物化学物质的组成提供新的见解，而且有助于确定特定物种特有的活性代谢物的积累，它们可以作为区分不同植物和食物品种的生物标志物。

2.2物种发育过程中的时空代谢图谱

功能基因组分析提供了关于时间和空间表达的基因信息和蛋白质的表达模式，而代谢图谱建立了植物表型和基因型之间的直接联系。因此，利用代谢组学来研究同一植物不同发育阶段的不同组织和器官中的代谢物可以不仅有助于发现特定发育阶段的特征性代谢物，同时也可以为植物在代谢水平上的生物量积累机制提供新见解。因此，靶向和非靶向代谢组学策略已被广泛应用于研究植物的时空代谢图谱。

2.3植物对不同生态环境和胁迫的代谢反应

植物的地理位置或产地对其代谢物组成有很大的影响，由于在植物在苗期和随后的生长中不同的环境和气候，植物产生的代谢物含量、质量和生物活性因地区而异。用代谢组学方法研究不同品种植物代谢物的差异，不仅可以深入了解植物与环境之间的关系，也揭示了不同生长环境下的植物表型和生物多样性。

（三）植物代谢组学与其他组学的联合分析

图3 代谢组学与其他组学的联合分析

科学技术的巨大进步推动我们进入了多组学时代，代谢组学以代谢物为标志，被认为是最接近生物表型的组学。植物多种代谢物相互关联，形成一个错综复杂、调控严格的代谢网络，单一组学的使用往往具有偏见性。通过对基因组、转录组、蛋白组、表观组、表型组、微生物组、离子组和代谢组等不同水平的组学进行整合和分析，不仅可以相互验证，也可以相互补充，将有助于全面、深入的研究植物代谢在合成、调控和进化过程中的多样性和自然变异等方面。

（四）结语与展望

随着多组学研究日益增加的大量数据，可重复性、透明度已经成为潜在的根本问题。文章指出在代谢组和其他组学的整合过程中必须充分考虑各种组学数据采集的稳定性、样品采集引入的人为干扰以及不同组学数据集的不同特征，同时建立更完整的数据库和发展更先进的分析工具将有助于获得更加稳定可靠且覆盖面更广的可用数据，从而促进植物代谢多样性研究。

图4 | 植物代谢组学的展望

小鹿推荐

在这篇综述中，总结了植物代谢组学研究的最新方法和技术，并介绍了植物科学中不同的代谢分析场景。此外，本文还描述了结合代谢组学研究代谢调节网络的最新多组学工作，并提出了代谢组学在不同方面的主要挑战和未来展望在不同来源植物的识别、植物发育过程的代谢变化、不同环境的胁迫研究等方面，代谢组学与其他组学一样，成为我们增进植物代谢多样性理解的有力工具。

转自：鹿明生物