18 年
手机商铺
公司新闻/正文
0 人阅读发布时间:2026-11-18 20:18
代谢组学频频登上顶刊,成为解码疾病机制、发现标志物的关键入口。从方法学工具走向队列研究与精准医学的核心环节,它正在完成一场从“看得见”到“用得上”的跃迁。而在真实的科研场景里,一个朴素的期待始终未变:每一份数据都经得起追问,每一次发现都说得清来路。正是怀揣这样的期待,中科新生命完成了从 plus 到 pro 的全面升级——以更成熟的技术平台与更透明的呈现方式,陪伴老师们把一个个科学问题扎实地回答下去!
PART 1
从顶刊看趋势:代谢组学为何成为解码表型的关键入口
在基因组、转录组、蛋白组、代谢组这组“中心法则工具箱”里,代谢组学处在最下游,却也离表型最近——基因调控要经过转录、翻译、酶促反应层层传递,最终都汇聚为小分子代谢物的变化。代谢物直接参与能量供给、信号传导、免疫调节等,堪称生物体状态的“实时读数”。2026 年,代谢组学在 CNS 顶刊队列研究中全面开花。

图1 2026年顶刊的代谢组学队列研究
从这些顶刊研究可以看到,代谢组学已从方法学工具,走向队列研究与精准医学的核心环节。而落到实际检测项目上,老师们最关心的往往高度集中:能覆盖多少代谢物(覆盖度)、检出与定量是否可靠(准确性)、最终能鉴定出多少有明确身份的物质(鉴定数量与等级),以及不同样本类型能否稳定检测。这些关切,正是衡量一个代谢组学平台是否过硬的关键标尺。
PART 2
覆盖度之争:双柱为何成为标杆平台的共同选择
非靶向代谢组是无偏向性检测,很多研究学者关注检测覆盖度——能检到多少物质。这里有一个绕不开的技术事实:人体代谢物的极性差异大,氨基酸、糖类、有机酸等极性分子与磷脂、胆汁酸、脂肪酸等疏水分子“性格”迥异,任何单一色谱柱都无法完整覆盖代谢组。正因如此,国际上两个标杆平台的做法:Metabolon 采用HILIC + RP双色谱柱检测;Broad Institute最多用到 4 种色谱柱(HILIC、NH2、T3、C18),且每篇文章根据目标代谢物灵活组合。

图2 Metabolon与 Broad的色谱使用策略
不过,色谱柱的堆叠并非没有代价:更多的色谱柱意味着更长的检测周期、更高的仪器机时与耗材成本,也对样本量和检测通量提出更大挑战。因此在方案设计时,需要综合目标物的极性分布、各色谱柱的分离性能与实际经费预算进行权衡,在覆盖度与可负担性之间找到平衡点。正因如此,通常解法是 HILIC(亲水作用柱)与 RP(反相柱)双柱互补检测:HILIC 在水相体系中截留极性物质,RP 擅长分离脂质与疏水物质,两者拼起来才是一张相对完整的代谢物地图。

图3 不同极性物质适配的色谱柱
PART 3
准确性之辨:先看懂鉴定等级,再评价数据
除覆盖度之外,研究学者同样关心定性的准确性。2007年,代谢组学标准倡议(MSI)提出了四级分类系统。2014年,Schymanski 等进一步细化为五级体系:Level 1 需一级质谱、二级质谱和保留时间(RT)与真实标准品同条件谱图匹配;Level 2 为一级质谱、二级质谱与公共库/文献二级谱图匹配;Level 3 是一级质谱、二级质谱推测物质名称;Level 4 仅由一级质谱匹配得到物质名称;Level 5 仅有精确质荷比,连分子式都无法确定。等级每降一级,证据链弱一层,但生物学线索仍有价值——故提供 Level 1—Level 4 全等级结果,并清晰呈现各级判定依据。

图4 代谢物鉴定置信度等级
PART 4
产品升级:非靶向代谢组plus重磅升级为 pro
带着上述对覆盖度与鉴定准确性的双重要求,我们完成了从 plus 到 pro 的全面升级:

图5 非靶向代谢组 pro 四大升级点
升级后的 pro 在血清/血浆、粪便、尿液、组织、植物等常见样本类型与非靶向代谢plus相比Level1+Level2 检出水平均有明显提升。与此同时,Level 3 与 Level 4 的结果同样不容忽视:预测数据库定性和一级母离子定性物质,也具有一定潜在生物学意义的候选代谢物,也是部分研究学者在评估数据深度时的关注重点。我司非靶向代谢组 pro 可提供 Level 1—Level 4 全等级定性结果,并按等级清晰汇总,让每一分数据都“来路分明”。

图6 非靶向代谢pro各样本类型检出水平
中科新生命依托十余年非靶向代谢组学技术深耕积淀,已沉淀海量项目执行经验与扎实的学术成果产出。团队成功支撑万级大队列及多项千级样本队列研究,历经大规模样本体系下实验设计、样本前处理、质谱采集、数据质控与批次校正全流程反复打磨,构建成熟稳定的标准化技术体系,赋能众多科研团队产出高质量研究成果,为代谢组学队列研究提供高可靠、可落地的技术解决方案。部分文章展示如下,欢迎各位老师垂询合作!
表1 我司非靶代谢组合作文章

[1] Tambets, R., Jesse, M., Kronberg, J., et al. (2026). Genetic analysis of circulating metabolic traits in 619,372 individuals. Nature, 655(8124), 971–978. doi:10.1038/s41586-026-10532-5
[2] El-Sayed Moustafa, J. S., Ramisch, A., Raza, Y. N., et al. (2026). Longitudinal dynamics of gene expression and metabolomics in an aging population cohort. Science, 393(6815). doi:10.1126/science.aed6452
[3] Bararpour, N., Cao, J. Z., Wu, Y., et al. (2026). A comparison of deep multiomics profiles across ethnicity, geography, and age. Cell, 189(10), 3004–3024.e35. doi:10.1016/j.cell.2026.04.032
[4] Danzi, F., Pacchiana, R., Mafficini, A., et al. (2023). To metabolomics and beyond: a technological portfolio to investigate cancer metabolism. Signal Transduction and Targeted Therapy, 8(1), 137. doi:10.1038/s41392-023-01380-0
[5] Ovbude, S. T., Sharmeen, S., Kyei, I., et al. (2024). Applications of chromatographic methods in metabolomics: A review. Journal of Chromatography B, 1239, 124124. doi:10.1016/j.jchromb.2024.124124
[6] Öztepe, T., Eylem, C. C., Reçber, T., & Nemutlu, E. (2025). Advances in dual-column chromatography for metabolomics: Opportunities, challenges, and applications. Journal of Chromatography Open, 8, 100266. doi:10.1016/j.jcoa.2025.100266
[7] Wishart, D. S. (2011). Advances in metabolite identification. Bioanalysis, 3(15), 1769–1782. doi:10.4155/bio.11.155
[8] Wu, H., Lv, B., Zhi, L., Shao, Y., et al. (2025). Microbiome–metabolome dynamics associated with impaired glucose control and responses to lifestyle changes. Nature Medicine, 31(7), 2222–2231. doi:10.1038/s41591-025-03642-6
[9] Angelidi, A. M., Bartell, E., Huang, Y., et al. (2026). Weight-independent effects of dietary carbohydrate-to-fat ratio on metabolomic profiles: secondary outcomes of a 5-month randomized controlled feeding trial. Nature Communications, 17, 1662. doi:10.1038/s41467-026-68353-z
[10] Sumner, L. W., Amberg, A., Barrett, D., et al. (2007). Proposed minimum reporting standards for chemical analysis. Metabolomics, 3(3), 211–221. doi:10.1007/s11306-007-0082-2
[11] Schymanski, E. L., Jeon, J., Gulde, R., et al. (2014). Identifying small molecules via high resolution mass spectrometry: communicating confidence. Environmental Science & Technology, 48(4), 2097–2098. doi:10.1021/es5002105
【中科新生命】新推出的非靶向代谢组pro产品:双柱深覆盖、鉴定真实可信 、鉴定深度强、专注真实检出与可解释性。欢迎各位老师垂询合作!


上海中科新生命生物科技有限公司(APTBIO)创立于 2004 年,由原中国科学院上海生命科学研究院蛋白质组研究中心孵化而来,是国内质谱多组学应用领域的开拓者。公司以 “AI + 质谱多组学” 双核驱动创新,构建智能化组学生态。拥有自主知识产权的质谱检测平台与 AI 大数据分析系统,聚焦科技服务、生物医药及大健康消费三大领域,为全球科研机构、医院、药企提供从基础研究到临床转化的一站式解决方案。融合多组学技术与人工智能,围绕生物标志物发掘、药物靶点筛选及个性化诊疗等方向,构建具有国际竞争力的组学数据库与算法模型,推动转化医学进程,加速创新药物研发,成为推动生命科学数字化升级的核心引领者。