文献解读 | 代谢组学和蛋白组学的综合分析：揭示脓毒症的氨基酸代谢紊乱

脓毒症是一种复杂的危及生命的综合征，由宿主对感染的反应失调引起器官功能障碍。2020年的一项研究显示，全球共有4890万脓毒症患者，其中1100万人死亡，占总死亡人数的19.7%。

目前，脓毒症的标准治疗是早期复苏、清除感染病灶、使用抗生素和器官支持治疗。然而，尽管近年来脓毒症的治疗策略取得了许多进展，但脓毒症的死亡率仍然很高。

因此，迫切需要准确定义脓毒症，揭示其复杂的分子特征，建立多分子标记物的准确检测技术，对脓毒症进行早期诊断、预警和预测，确保患者及时得到准确有效的干预。

 

01 研究目的

脓毒症被定义为对微生物感染的系统性炎症反应，并伴有多器官功能障碍。

        本研究分析了脓毒症患者血清的非靶向代谢组学和蛋白质组学，以揭示脓毒症的代谢本质，确定脓毒症诊断和发病机制的代谢微分子特征或标志物。

 

02 研究方法

在本研究中，代谢组学被用于测量脓毒症中所有代谢小分子成分的聚集。通过共表达网络分析和同一生物样本的综合多组学分析，研究代谢物的变化规律，揭示脓毒症的代谢本质，确定脓毒症诊断和发病机制的代谢微分子特征或标志物。

图1 研究设计概述和患者组分配 

 

         具体研究方法如下：

1. 将患者和NC受试者随机分为衍生组和验证组，进行差异表达分析和共表达网络分析，以确定与脓毒症临床病理生理相关的代谢物和途径的变化；

2. 结合相同生物样本的代谢组学和蛋白组学数据综合分析，以获得脓毒症的综合景观。

 

03 研究结果

• 脓毒症患者血清的非靶向代谢组学分析

图2 脓毒症患者与正常对照血清非靶向代谢组学分析 

 

正负离子模式共鉴定出987种代谢物（图2a），包括有机酸及其衍生物、有机杂环化合物、脂类、苯类等（图2b）。基于鉴定的非靶向代谢物的PCA图显示，脓毒症患者在正离子和负离子模式上都与NC受试者不同（图2c）。

以BH校正pvalue < 0.05和log2 FC > 1.5为阈值进行差异表达分析显示，在正离子模式下脓毒症患者中106种代谢物（95种上调，11种下调）发生了显著变化，在负离子模式下76种代谢物（69种上调，7种下调）发生了显著变化（图2d）。

对上调代谢物的通路分析显示，正负离子模式的代谢物主要富集于氨基酸代谢，如苯丙氨酸、酪氨酸和色氨酸的生物合成、苯丙氨酸代谢、酪氨酸代谢等（图2e）。下调代谢物主要参与缬氨酸、亮氨酸和异亮氨酸的生物合成、亚油酸代谢和甘氨酸、丝氨酸和苏氨酸代谢（图2f）。

 

• 诊断脓毒症患者的代谢组生物标志物

图3 脓毒症代谢组生物标志物

 

OPLS-DA分析显示，脓毒症患者和NC受试者在正离子和负离子模式上都存在明显的分离，表明他们的血清非靶向代谢组学谱存在明显差异（图3a）。

在投影重要性（VIP，importance in the projection）评分中具有高度可变重要性的前30个代谢物如图3b所示，说明它们具有很大的潜力来区分脓毒症患者和NC受试者。

为了探索能够诊断脓毒症患者的代谢组生物标志物，增加VIP评分> 1.5的筛选指标，分别在正离子和负离子模式下鉴定出51个和25个显著的差异表达代谢物。计算受试者工作特征曲线下面积（AUROC，the area under the receiver operating characteristic curve），以评估代谢组生物标志物鉴别的准确性（图3c）。结果显示，包括上述51和25种代谢物在内的73种代谢物的AUROC范围为0.81 ~ 0.96，在验证组中结果一致。

 

• 脓毒症代谢产物共表达网络构建

图4 加权共表达网络分析构建血清代谢物共表达网络

 

根据鉴定的代谢物之间的相关模式，构建代谢物共表达网络。如图4a所示共鉴定出16个高共表达代谢物模块，模块的大小从13种代谢物（午夜蓝色）到389种代谢物（绿松石色）不等。进行每个代谢物模块与疾病表型之间的相关性分析，以确定与感兴趣的临床表型显著相关的模块，结果显示，绿松石模块与脓毒症高度相关（R = 0.65, P值= 8e−10）。

各模块代谢物的种类如图4d所示。苯类、有机酸及其衍生物是绿松石色、青色和黄色模块的主要代谢物。脂质和类脂分子存在于绿松石色和黄色模块中，但不存在于青色模块中，青色模块包括苯丙素和聚酮的代谢物。通路分析显示，模块绿松石代谢产物主要富集于苯丙氨酸、酪氨酸和色氨酸的生物合成、苯丙氨酸代谢和组氨酸代谢等（图4e）。

 

• 非靶向代谢组学和蛋白组学数据的综合分析

图5 蛋白组学和非靶向代谢组学数据的整合网络分析

 

为了整合代谢组学和蛋白质组学数据，通过R包mixOmics中的DIABLO进行了稀疏广义相关判别分析，结果图显示脓毒症患者在蛋白质组学和非靶向代谢组学数据上都与NC受试者存在显著差异（图5a）。

两个组学数据集的潜在成分高度相关，说明两个数据集的DIABLO模型具有很好的一致性（图5b）。蛋白质和代谢物之间存在显著的正相关和负相关（图5c）。同时，发现了一组与多组学数据集潜在成分密切相关的共调节特征，这可能是脓毒症的潜在特征（图5d）。

功能富集分析显示，共调节特征蛋白主要参与急性炎症反应、Toll样受体信号通路、防御反应和参与免疫反应的髓细胞活化（图5e）。代谢物主要富集于氨基酸代谢，如苯丙氨酸、酪氨酸和色氨酸的生物合成和苯丙氨酸代谢，在适应性免疫和先天免疫中具有重要功能（图5f）。

这些结果表明，炎症反应和氨基酸代谢之间存在潜在的调节串扰，这可能为抑制脓毒症的全身炎症反应综合征提供一种可行的方法。

 

04 研究结论

图6 关键通路示意图 

 

本研究基于来自脓毒症患者和NC受试者的相同生物样本，对代谢组学和蛋白质组学数据进行了综合分析。

         鉴定的特征蛋白和代谢物形成了一个复杂的网络，以描述与脓毒症相关的关键免疫代谢。氨基酸相关的途径，包括苯丙氨酸代谢、酪氨酸代谢和色氨酸的生物合成，被证明是脓毒症的重要机制，代谢产物的变化可能为脓毒症的诊断和治疗提供有用的方法。

 

05 总结与启发

        本研究应用了基于相同生物样本的代谢组学和蛋白质组学数据集的多组学分析。

多个组学数据的整合可能会提供单一数据集无法揭示的新生物信息。

此外，识别不同方法学和生物学上不同的数据集之间的变量相关性，有助于构建一个相互功能验证的可靠网络，提供从编码基因到最终代谢产物的生物学过程，揭示与疾病病理机制相关的关键驱动因素。这些特征可以作为诊断和治疗靶点的候选生物标志物。

华测医学检测（艾研）具有丰富的代谢组学和蛋白质组学生信分析经验，帮助客户实现多组学联合分析，助力高分文章。

 

06 产品服务：生物信息分析服务

【华测医学检测：生物信息分析服务】

华测艾研多组学研究中心提供-基于质谱技术、二代基因测序等技术，对原始多组学数据，开展生物信息分析，提供精准的疾病预防及治疗方案。

 

 参考文献 

[1] Chen Q, Liang X, Wu T, et al. Integrative analysis of metabolomics and proteomics reveals amino acid metabolism disorder in sepsis[J]. Journal of translational medicine, 2022, 20(1): 1-15.

素材整理 | 扈晨媛

文案编排 | 张惠洋