“CNS”，宁有种乎？——顶级学术期刊中的代谢组学的应用策略

Cell、Nature 和 Science（CNS）作为国际学术期刊的第一梯队让研究者常有「高不可攀」之感。登上 CNS 的研究论文不仅需要创新的科学问题、严谨的实验设计，更需要用以佐证 Idea 的海量实验数据。随着组学技术的日趋标准和成熟，越来越多的研究者有条件从「大数据」的角度对实验样本进行解读和分析，从而使发表「CNS」不再是梦想。但组学研究如何和自己的实验结合、「大数据」和基础实验的契合点如何寻找，还需要仔细思索，寻求突破。为此，本期「周四见」尝试从一系列 CNS 医学相关文章中抽提出代谢组学的切入点和应用策略，以飨读者。

 

01
通过代谢组学发现疾病相关通路和治疗靶点

代表性文献：
Geiger R, Rieckmann J C, Wolf T, et al. L-Arginine Modulates T Cell Metabolism and Enhances Survival and Anti-tumor Activity[J]. Cell, 2016, 167(3):829-842.e13

人体免疫 T 细胞被激活后，糖代谢、能量代谢、氨基酸合成等多种生理代谢功能都会发生显著改变；免疫反应结束后，大部分 T 细胞进入凋亡程序，另一小部分则长期存活，成为记忆 T 细胞。T 细胞的存活和记忆形成能力，对抗击肿瘤细胞具有重要意义。基于这一过程的重要意义，可尝试从通路变化情况入手，寻找可能影响 T 细胞存活的关键因子。

作为破题策略，作者同时检测了 T 细胞激活过程中不同时间点蛋白组和代谢组变化情况，并对两个组学的信息进行了比较分析，发现了精氨酸代谢途径在蛋白和代谢水平的同时变化。作为对上述非靶向筛选实验的验证，作者考察了 13C-精氨酸在 T 细胞内的代谢方向，并发现 T 细胞激活后对精氨酸的摄入量远大于其蛋白合成需求，暗示精氨酸的其他代谢方向在该过程中具有重要意义。

进一步的代谢组和蛋白组数据均表明尿素循环、核苷酸合成、氨基酸合成等途径在高精氨酸环境中激活的 T 细胞中可继续提高，表现出更强的激活效应和免疫应答后的存活能力。为进一步探索精氨酸作用机制，作者使用蛋白组平台考察了精氨酸添加后直接导致的肽段异常，从而定位出 BAZ1B、PSIP1、TSN 等一系列候选作用蛋白，并通过 CRISPR／Cas9 在敲除实验初步发现它们可能与精氨酸直接作用并调节了 T 细胞的生存能力。为证明实验结果的临床潜力，作者比较了对照 T 细胞和精氨酸处理 T 细胞在肿瘤小鼠中的作用，发现精氨酸处理 T 细胞对抑制肿瘤细胞生长和提高存活率有显著作用。更有趣的是，直接喂食精氨酸对抑制肿瘤生长也体现出明显效果。

图1 通过代谢组和蛋白组的检测和联合分析发现T细胞活化过程中精氨酸相关代谢物和蛋白质变化

 

Cell 文章的思路常非常清晰，且每个结果都从不同角度进行反复验证。本文通过非靶向代谢组学和蛋白组学首先找到了精氨酸代谢这一重要靶点，之后再次对组学信息进行分析并通过代谢流、Shotgun 等质谱工具对精氨酸的作用机制逐层剖析，最后把结果「写」在小鼠上，完整揭示了精氨酸对 T 细胞存活能力的影响，并对其抗肿瘤意义进行了展示。

整体工作首先通过代谢组、蛋白组等大数据的整合和关联，发现关键靶点，之后针对靶点从不同角度进行探索、确证。这个套路可归纳为「组学搭台，分子唱戏」。

▶▶ 附上两篇采用类似研究策略的Nature Medicine文章，供“学有余力”的同学们参考：

[1] Fenouille N, Bassil C F, Bensahra I, et al. Thecreatine kinase pathway is a metabolic vulnerability in EVI1-positive acutemyeloid leukemia.[J]. Nature Medicine, 2017, 23(3):301.
[2] Fukawa T, Yan-Jiang B C, Min-Wen J C, et al. Excessivefatty acid oxidation induces muscle atrophy in cancer cachexia[J]. NatureMedicine, 2016, 22(6):666.

02
通过组学间关联建立调控网络

代表性文献：
Zabalaletona A, Arruabarrenaaristorena A, Martínmartín N, et al. Corrigendum: mTORC1-dependent AMD1 regulation sustains polyamine metabolism in prostate cancer[J]. Nature, 2017, 547(7661):109.

代谢组学分析的目的在于筛选差异小分子，当确定小分子后则可上溯至关键代谢通路。从代谢通路的调节出发，则可更加完整地描述调节机制全貌。

本篇 Nature 研究的科学问题是 PI3K 途径在肿瘤中异常表达的调控机制。作者首先通过非靶向代谢组学考察了 PI3K 途径差异小鼠，发现了聚胺合成相关代谢物异常增加。进一步的体内 13C 碳源小鼠注射实验发现被标记脱羧 SAM（dcSAM）和聚胺在小鼠前列腺中的积累量同时上升，暗示 SAM 脱羧酶（AMD1）与前列腺肿瘤代谢异常有关。后期实验也证明过表达 AMD1 加速了肿瘤生长，而抑制 AMD1 则可有效抑制肿瘤细胞生长。由此结果出发，作者针对 dcSAM 调控设计并实施了大量分子实验，反复证明了 mTORC1 途径与 AMD1 相关蛋白含量正相关，且 mTORC1 在 proAMD1 S298 位的磷酸化可提高其稳定性。基于 mTORC1 对 AMD1 的激活/稳定作用，作者进一步证明了 mTORC1 抑制剂在抗肿瘤中的作用。

图2 通过对代谢组学数据进行韦恩图和瀑布图展示，发现聚胺合成相关代谢物的异常积累

Nature 文章常比较飘逸，在行云流水中常将若干重大创新点一笔带过。本文看似平淡无奇，直到最后一段才发现作者其实开拓性地展示了 mTORC1 途径的下游调控机制：作者由代谢组起始，逐层上推，定位到 dcSAM 和 AMD 合成，进而考察磷酸化，进而将 mTORC1 引入，形成调控细节。但文章中聚胺和 dcSAM，以及 AMD1 和 mTORC1 之间的关联逻辑并不赘述，似乎在暗示：「如果这个你都不知道，大概不太适合读我的论文～」组学在其中的应用可归纳为「抛砖引玉，剥茧抽丝」。
 

▶▶ 同样，我们提供一些类似策略文章，供诸位烧脑：
[1] Biancur D E, Paulo J A, Małachowska B, et al.Compensatory metabolic networks in pancreatic cancers upon perturbation ofglutamine metabolism[J]. Nature Communications, 2017, 8:15965.
[2] Le T M, Poddar S, Capri JR, et al. ATR inhibition facilitates targeting of leukemia dependence onconvergent nucleotide biosynthetic pathways.[J]. Nature Communications, 2017,8(1):241.

 

03
通过大样本量的多组学关联建立相关性

代表性文献：
Williams E G, Wu Y, Jha P, et al. Systems proteomics of liver mitochondria function[J]. Science, 2016, 352(6291):aad0189-aad0189.

随着高通量组学分析平台准确度和可重复性的不断提高更高，个体的调节和表型信息可被转化为数据，从而使珍贵的样本信息得以收集、保存和迭代。随着病例样本信息的持续积累，对相关疾病的提前诊断、精准干预等都将得以逐步实现。

本篇 Science 文章通过对 386 例小鼠进行检测分析，从系统生物学角度发掘线粒体对肝脏代谢的影响和调节机制。为解析从基因组到表型的系统生物学完整逻辑链，作者尝试定量分析个体小鼠的基因组、表型组，以及肝脏组织的转录组、蛋白组和代谢组，并将以上信息整合、关联。为了实现样本数据化过程中的准确性，作者对表型稳定性、转录功能等做了多角度验证，并结合代谢组检测分析，尝试从多个角度对不同饮食小鼠的代谢情况进行关联分析。作为示例，作者展示了通过网路分析，发现羟基戊二酸脱氢酶在基因、转录和蛋白层面的异常表达，同时上述分子调节与羟基戊二酸在代谢物层面的变化存在关联，并与小鼠心率、锻炼强度等表型也存在相关性；针对脂肪酸代谢相关通路，虽然等途径的单个基因或蛋白未发现显著关联，但通路富集后可发现转录-蛋白调节间相关性，且该相关性与途径代谢物、表型一致。除了上述对代谢通路调节的分析，作者同时展示了这一多组学关联分析平台在基因功能注释、同工酶发现等多方面的应用潜力。

 

图3 针对小鼠模型，结合基因、转录、蛋白、代谢和表型组构建而成的系统生物学调控网络

代谢组学在 Science 文章中的应用比较特殊，常不针对特定科学问题，而是以平台形式出现，如搭建 mQTL、mGWAS（Tiemanet al.Science, 2017, 355(6323):391）等多组学分析系统。通过组学间关联仅可获得「相关性」结果，结合大样本量则可进一步去除假阳性结果，得到更接近「因果关系」的信息。这也正是近年来糖尿病、心血管疾病和肠道菌群研究等精准医疗方向课题常引入大样本量检测结果的出发点。代谢组在此类研究中的应用策略可尝试归纳为：「厚积薄发，水到渠成」。

▶▶ 基于精准医疗相关大样本研究，我们也准备了以下两篇论文，供诸位读者参考：
[1] Liu R, Hong J, Xu X, et al. Gut microbiome and serummetabolome alterations in obesity and after weight-loss intervention.[J].Nature Medicine, 2017, 23(7):859.
[2] Price N D, Magis A T, Earls J C, et al. A wellnessstudy of 108 individuals using personal, dense, dynamic data clouds[J]. NatureBiotechnology, 2017, 35(8):747.

总结一下

通过上述三篇文献的简要解读，我们不难发现依托代谢组学技术，可以更快破题并厘清整体研究路线，如进一步结合其他组学信息则可将整个系统生物学问题描述地更完整和精确，而这正是目前 CNS 文章中较为常见的研究策略。那么对于小编题目中的问题，CNS 是否真的「高不可攀」相信诸位已经有了自己的答案。