看过三体吗？代谢组学解决方案也能那么科幻

时维深冬，蒹葭仍苍，想到诗经中的意境，小编禁不住要为我们的产品赋一首属于这个季节的古风歌。

彼组学之华兮，在水一方。求之不得兮，寤寐思服。爰赛默飞解决方案之厥功兮，大功可期。

——吴泽明

赛默飞代谢组学解决方案之蒙太奇——三体舰队来袭！

列位客官也看出来了小编是个玩质谱的文青。今天小编我就用电影镜头语言来重现赛默飞代谢组学解决方案的三个应用场景。小编爱质谱也爱科幻，近期在二刷偶像大刘的《三体》。想着 Thermo 质谱名叫 Orbitrap（Orbit+Trap）也弥漫着星辰的气息，所以灵机一动，代谢组学三体舰队来袭！

舰队谍图：中军 Orbitrap 质谱、右翼代谢组学软件 Compound Discoverer、左翼组学数据处理云平台 iOmics Cloud、前锋脂质组学软件 LipidSearch

前情提要

HMDB 数据库创始人 David S. Wishart 曾经有过这样精到的论述「代谢组学实践业已揭示代谢物在疾病进程、细胞信号转导与生理调控中发挥着远超我们之前认知的、更加中心化的角色」[1]。2-羟基戊二酸[2]、肌氨酸 [3]、延胡索酸[4]等致癌代谢物的发现及其分子作用机制的揭示，氧化三甲胺 TMAO[5-7]等诱发心血管疾病的分子作用机理探讨，支链氨基酸 [8]、羟基脂肪酸衍生物[9]与糖尿病间建立的分子关联，种种新知蓬勃涌现，不断刷新我们的知识体系，这其中质谱技术发挥了重要的贡献。

质谱代谢组学研究，按技术形态来分，大致具备三种策略：非靶向代谢组学（Untargeted Metabolomics）、靶标代谢物分析（Targeted Metabolites analysis）与脂质组学（Lipidomics）。运用之妙，存乎一心。实践中，可以依托不同质谱技术的适宜性，灵活组合。而近来不同策略的融聚一体，尤为引人关注。

图片源引自 Anal. Chem. 2016, 88, 524-545

镜头 1

Untargeted Metabolomics 应用场景

非靶向代谢组学是 Discovery-driven 的研究，其立意是发现分析样本中的差异表达代谢物。以赛默飞的技术路线为例，其流程大致为：分析之，明辨之，差异之，鉴定之，关联之。

在此工作流中，质谱数据质量与高效智能的信息处理至关重要。赛默飞 Orbitrap 质谱诸多领先的技术要素使它天然地契合小分子代谢物非靶向分析的科学需求，克服复杂生物样品的化学复杂性，真实还原其中代谢物的定性与定量信息，做到「乱物虽欲迷人眼，锐辨却能显真实」。在通向认识代谢物真实世界的征途上，Orbitrap（轨道离子阱） 小井井会给我们最大的护佑！谢谢小井井！

Q Exactive 质谱分析血浆中 TMAO 时实际分辨率与连续测定的质量轴稳定性

为了给集万般宠爱于一身的小井井寻觅到一起玩耍、共同进步的小伙伴，赛默飞的科学家们可谓自力更生、苦心孤诣、永不满足。Dang，dang，dang， Orbitrap 的小迷弟——小 CD 终于来了。

小 CD，大名 Compound Discoverer，是如彗星般崛起、肩负重任的年青一代，它为质谱小分子定性研究而来。从药物代谢（drug metabolism）到代谢组学，小 CD 统统搞得定。为什么小编会有这样的迷之自信？且听我娓娓道来。

理念决定道路，思辨决定高度。在小 CD 孕育的日日夜夜里，研发团队们有过无数次头脑风暴，争鸣如何满足花样繁多、要求多元的小分子研究的行业需要。后来，马云爸爸的偶像风清扬「以无招胜有招」的理念修成正果。科学家们决定不是给小 CD 一个拘囿的 Wizards 玩具，而是给它一套豪华的乐高（小编按：几十种质谱数据分析功能模块 node）。

临机而断，不决于软件而绝于各位小主，只要你想做，drag-drop，小 CD 都能按照你编排的工作流来执行。当然了，有的小主欢喜直截了当的风格，没问题，小 CD 还预置了很多方法模板，也可以实现一步到位。行文至此，小编不得不为小 CD 的开发者们点赞。Smart guys! Genius design!

小 CD 不单战略上超迈群伦，在战术上更是有独步武林的绝技。下面请看小井井与小 CD 间的悄悄话。嘘！

小井井：CD，很多小主关心你峰提取（peak detection）的功能，来讲讲你是怎么做的？

小 CD：精辟的问题！看来小主们都是勤敏好学啊。程序猿叔叔们给我写了很长代码的组分提取算法（CE，component extraction），让我能超越简单的峰提取。通过精准质量数、色谱评估、电荷数、同位素模式识别等信息，将加合离子、源内碎裂碎片离子、同位素峰等繁多的 peaks 解析简化为代谢组分（metabolic components），归属于同一个组分的全部质谱响应值相加就是你测定的代谢物定量值。这会帮助小主们大大简化后期数据处理的难度呢！怎样算法智能吧（一脸傲娇）。

小井井：听起来不错啊。那你会不会漏峰？（要是你不争气，岂不是辜负了我的绝世好数据）

小 CD：怎么会！程序猿叔叔们还给我了另外一项技能（估计是跟中纪委学的），叫回头看 Fill Gaps。在 CE 之后，如果还有「0」的存在，我会回到原始数据中重新积分。就算是真没有峰，哪怕是段基线，程序猿叔叔们都让我积分出来个面积值，简直了！所以，我小 CD 给各位小主的 peaklist 是没有缺失值的，欧耶 。

小井井：小样，看把你得意的。那你来说说你怎么鉴定 component 的？这可是真正有挑战的问题。

小 CD：一来呢，我会根据大哥你测定的无敌精准质量数（拍马屁）、精细同位素分布相对比以及 MS/MS 二级谱图来计算分子式，准确度超赞，我的算法牛气吧（小编按：CD 的元素组成解析算法智能利用了高分辨质谱采集的全部信息，质量与算法交相辉映，行业领先）。然后，看小主的意思喽，我可以：

1. 在线检索 ChemSpider 旗下的各种数据库（如 HMDB，KEGG，BioCyc 等）；

2. 检索程序猿叔叔们预置的包含 4400 个内源性代谢物的本地数据库；

3. MS/MS 谱自动在线检索 mzCloud 谱图库；

4. MS/MS 谱检索比对 mzCloud 本地谱图库进行结构鉴定。此外，我还可以根据小主们的指示，智能地指定代谢物结构鉴定的层级，多管齐下。我还能……

CD 典型的代谢组学数据处理工作流与各种丰富的代谢物结构鉴定策略

小井井：打住打住。什么一二三四的，我都听烦了。哪像我，离子到我肚子里后，我说「让离子飞一会」，然后就没有然后，多简单明了。那你还能干什么？说的简单些啊。

小 CD：（掰着手指头）我还能做 PCA，PLS-DA，绘制 Volcano plot、S-plot、trend plot，计算 adjusted P-value，我还可以把鉴定的结果投射到 KEGG 和 BioCyc 代谢通路上，用 Heatmap 的风格展示代谢物定量信息，我还能利用 Nature Protocol 上报道的 QC-based Normalization 算法进行峰面积校正，我还能定向精准识别地提取具备特定同位素特征的代谢物（pattern scoring），还能自动滤除 artifacts（mark background compounds），还能……

小井井：这么炫酷！看来有你在，小主们用我采集的优质数据就不怕变不成宝贝了。你办事，我放心啊！

小 CD：谢大哥鼓励，其实伦家也有两个小伙伴啦。他们一个叫 LipidSearch，一个叫 iOmics Cloud 云。他们也是赛默飞老妈送来和我们一起愉快玩耍的。

小井井：要不你来说说他们的特长？

小 CD：（傲娇着）区区一期内容，怎么能容纳下我们哥仨的传奇！小编，未完待续吧（别怪小编我）。

参考文献：

[1] Nature Review Drug Discovery, 2016

[2] Nature Reviews Cancer, 2012

[3] Nature, 2009

[4] Nature, 2016

[5] Nature, 2011

[6] The New England Journal of Medicine,2013

[7] Cell， 2015

[8] Nature, 2016

[9] Cell, 2014