王晨光，許文濤，朱鵬宇，付 偉*

轉(zhuǎn)基因組學(xué)分析技術(shù)研究進(jìn)展

王晨光1,2，許文濤2,3，朱鵬宇2，付 偉1,*

（1.中國(guó)檢驗(yàn)檢疫科學(xué)研究院，北京 100029；2.中國(guó)農(nóng)業(yè)大學(xué)食品科學(xué)與營(yíng)養(yǎng)工程學(xué)院，北京 100083；3.農(nóng)業(yè)部轉(zhuǎn)基因生物食用安全監(jiān)督檢驗(yàn)測(cè)試中心，北京 100083）

轉(zhuǎn)基因技術(shù)備受世人關(guān)注，且轉(zhuǎn)基因作物關(guān)乎人體健康和生態(tài)環(huán)境，因此對(duì)轉(zhuǎn)基因作物的安全評(píng)價(jià)地位極其重要，各種評(píng)價(jià)方法也在不斷前進(jìn)與發(fā)展。組學(xué)分析技術(shù)成為安全評(píng)價(jià)工作的新思路。本文主要論述了轉(zhuǎn)基因組學(xué)分析技術(shù)的必要性，組學(xué)分析技術(shù)的發(fā)展，世界主要轉(zhuǎn)基因作物組學(xué)評(píng)價(jià)發(fā)展情況及未來(lái)轉(zhuǎn)基因組學(xué)分析技術(shù)的發(fā)展趨勢(shì)，以期對(duì)轉(zhuǎn)基因安全評(píng)價(jià)工作提供新的思路和方向。

轉(zhuǎn)基因作物；組學(xué)分析；組學(xué)策略；多組學(xué)分析技術(shù)

自1983年世界上第一例轉(zhuǎn)基因作物耐草甘膦品系轉(zhuǎn)基因大豆問(wèn)世以來(lái)[1]，轉(zhuǎn)基因作物已經(jīng)對(duì)農(nóng)業(yè)生產(chǎn)及人類生活做出了極大的貢獻(xiàn)。轉(zhuǎn)基因作物不僅在種植面積上呈現(xiàn)逐年增加的趨勢(shì)，其種類也逐漸豐富起來(lái)。目前主要的轉(zhuǎn)基因性狀包括抗蟲(chóng)及抗除草劑兩大類，除此之外，其他抗逆性狀以及品質(zhì)改良型轉(zhuǎn)基因作物也獲得了研究者更多的關(guān)注[2]。伴隨轉(zhuǎn)基因作物快速發(fā)展而來(lái)的是人們對(duì)其打破原有生物進(jìn)化規(guī)律的深入思考。轉(zhuǎn)基因食品是轉(zhuǎn)基因作物經(jīng)過(guò)加工制成的。作為人體日常攝入的消費(fèi)品，轉(zhuǎn)基因食品的原料必須是已經(jīng)過(guò)批準(zhǔn)商業(yè)化的轉(zhuǎn)基因作物。從這一角度來(lái)看，無(wú)論是考慮打破物種間基因轉(zhuǎn)移規(guī)律的轉(zhuǎn)基因作物，還是考慮民眾日常消費(fèi)的轉(zhuǎn)基因食品都需要進(jìn)行必要的安全評(píng)價(jià)。需要說(shuō)明的是，對(duì)轉(zhuǎn)基因食品的評(píng)價(jià)其實(shí)是對(duì)食品中轉(zhuǎn)基因成分的評(píng)價(jià)，也就是對(duì)轉(zhuǎn)基因作物進(jìn)行評(píng)價(jià)。本文對(duì)世界主要轉(zhuǎn)基因作物新興的組學(xué)分析技術(shù)進(jìn)行綜述，并重點(diǎn)分析了當(dāng)前轉(zhuǎn)基因組學(xué)分析技術(shù)的特點(diǎn)及發(fā)展方向，為轉(zhuǎn)基因食品安全評(píng)價(jià)提供新策略與認(rèn)知。

1 轉(zhuǎn)基因組學(xué)技術(shù)分析策略

1.1轉(zhuǎn)基因組學(xué)分析技術(shù)的必要性

安全評(píng)價(jià)的目標(biāo)在于識(shí)別和規(guī)避風(fēng)險(xiǎn)。對(duì)于轉(zhuǎn)基因作物而言，分析轉(zhuǎn)基因樣品預(yù)期及可能存在的非預(yù)期變化能夠?qū)崿F(xiàn)轉(zhuǎn)基因作物的安全評(píng)價(jià)。既然要分析變化，我們就要首先識(shí)別這些變化。國(guó)際上公認(rèn)的識(shí)別變化的技術(shù)都是基于實(shí)質(zhì)等同（substantial equivalence）原則[3]。實(shí)質(zhì)等同通過(guò)對(duì)轉(zhuǎn)基因作物的農(nóng)藝性狀和食品中各主要營(yíng)養(yǎng)成分、營(yíng)養(yǎng)拮抗物質(zhì)、毒性物質(zhì)及過(guò)敏性物質(zhì)等成分的種類和數(shù)量進(jìn)行分析，并與相應(yīng)的傳統(tǒng)食品進(jìn)行比較，若二者之間沒(méi)有明顯差異，則認(rèn)為該轉(zhuǎn)基因食品與傳統(tǒng)食品在食用安全性方面具有實(shí)質(zhì)等同性，不存在安全性問(wèn)題[4]。實(shí)質(zhì)等同原則不僅提供了評(píng)價(jià)轉(zhuǎn)基因食品的思路，而且提供了相應(yīng)的實(shí)驗(yàn)方法，包括農(nóng)藝學(xué)性狀評(píng)價(jià)（多地點(diǎn)多時(shí)間），成分分析，動(dòng)物營(yíng)養(yǎng)及毒理學(xué)評(píng)價(jià)等[5]。然而，這些方法很難把握基因轉(zhuǎn)移可能帶來(lái)的其他潛在變化，即非期望效應(yīng)（unintended effects）。非期望效應(yīng)是指除了目的基因插入產(chǎn)生的效應(yīng)之外，轉(zhuǎn)基因與親本在表型、反應(yīng)和組成上所顯示出的統(tǒng)計(jì)學(xué)的顯著差異[6]，因此非期望效應(yīng)是轉(zhuǎn)基因安全性的關(guān)鍵因素，它在我們預(yù)計(jì)的產(chǎn)毒及過(guò)敏物質(zhì)的基礎(chǔ)上體現(xiàn)出基因轉(zhuǎn)移對(duì)受體其他活動(dòng)的影響，而這些差異恰恰可能是轉(zhuǎn)基因作物安全隱患的來(lái)源。同時(shí)，傳統(tǒng)的分析方法還存在一些普遍的不足之處，比如不夠靈敏，耗時(shí)較長(zhǎng)及可能存在統(tǒng)計(jì)錯(cuò)誤等。因此，必須開(kāi)發(fā)出新的評(píng)價(jià)方法來(lái)分析轉(zhuǎn)基因食品的非期望效應(yīng)。

轉(zhuǎn)基因作物可以在不同生物水平（轉(zhuǎn)錄RNA、蛋白質(zhì)、代謝物）與親本發(fā)生變化，這些變化有些是轉(zhuǎn)入基因直接調(diào)控的，有些則是因?yàn)榛虿迦雽?dǎo)致的其他生物分子的變化，需要一種能在一個(gè)生物體中通過(guò)分析數(shù)據(jù)來(lái)分析整個(gè)生命活動(dòng)的研究方法，于是學(xué)術(shù)界產(chǎn)生了將組學(xué)技術(shù)應(yīng)用在轉(zhuǎn)基因作物非期望效應(yīng)分析上來(lái)的思想。組學(xué)是一類個(gè)體的系統(tǒng)集合，它通過(guò)獲得生物體整體的綜合信息來(lái)鑒定不同物質(zhì)（DNA、蛋白質(zhì)、代謝物），最初的組學(xué)研究是用來(lái)找出與疾病相關(guān)的分子標(biāo)志物[6]。也正因?yàn)檫@樣，組學(xué)能夠找出傳統(tǒng)轉(zhuǎn)基因評(píng)價(jià)方法存在的“盲點(diǎn)”；當(dāng)然組學(xué)分析也會(huì)產(chǎn)生大量的數(shù)據(jù)，其中一部分?jǐn)?shù)據(jù)還是“無(wú)關(guān)點(diǎn)”。但是，合理地處理盲點(diǎn)與無(wú)關(guān)點(diǎn)之間的矛盾可以幫助我們找到轉(zhuǎn)基因作物的未知變化。因此，組學(xué)分析技術(shù)越來(lái)越多的應(yīng)用到非期望效應(yīng)研究上，已成為轉(zhuǎn)基因作物及食品安全評(píng)價(jià)的發(fā)展方向[6]。

1.2 轉(zhuǎn)基因組學(xué)分析方法

組學(xué)技術(shù)能夠鑒定和分析轉(zhuǎn)基因作物產(chǎn)生的核酸或化合物，這些分子可以是轉(zhuǎn)基因的表達(dá)產(chǎn)物，也可能是未知的發(fā)生變化的表達(dá)產(chǎn)物。運(yùn)用組學(xué)技術(shù)分析轉(zhuǎn)基因與親本差異不僅可以找到生物體病原性或其他方面的非期望效應(yīng)，還能進(jìn)一步研究非期望效應(yīng)是否會(huì)產(chǎn)生負(fù)面影響。其中，按照中心法則規(guī)律，生物信息形成了DNA、mRNA、蛋白質(zhì)、代謝產(chǎn)物、細(xì)胞、組織、器官、個(gè)體及群體這幾個(gè)研究層次，對(duì)應(yīng)就有基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白組學(xué)和代謝組學(xué)等多個(gè)領(lǐng)域誕生。

轉(zhuǎn)錄組學(xué)是指在特定發(fā)育階段或生理?xiàng)l件下，細(xì)胞中的整套轉(zhuǎn)錄本及其數(shù)量。轉(zhuǎn)錄組包含的mRNAs，非編碼RNA和小RNAs對(duì)研究插入基因的表達(dá)情況十分重要[7]。目前比較常用的技術(shù)為DNA微陣列（DNA microarray）技術(shù)和大規(guī)模平行測(cè)序（massively parallel signature sequencing，MPSS）技術(shù)，基因表達(dá)系列分析技術(shù)（serial analysis of gene expression，SAGE）或表達(dá)序列標(biāo)簽文庫(kù)測(cè)序技術(shù)數(shù)字表達(dá)譜（digital gene expression profiling，DGE）也是獲得轉(zhuǎn)錄組表達(dá)譜的技術(shù)[8-9]。其中，微陣列芯片技術(shù)無(wú)論從特異性還是經(jīng)濟(jì)角度都是較佳選擇，而SAGE或DGE數(shù)字表達(dá)譜所具有的高通量和大數(shù)據(jù)特點(diǎn)成為獲得完整基因表達(dá)譜的重要方法，且有取代基因芯片的趨勢(shì)。蛋白組學(xué)是以蛋白質(zhì)組為研究對(duì)象，應(yīng)用相關(guān)研究技術(shù)，從整體水平上來(lái)認(rèn)識(shí)蛋白質(zhì)的存在及活動(dòng)方式（表達(dá)、修飾、功能、相互作用等）的學(xué)科[10]。應(yīng)用蛋白組學(xué)評(píng)價(jià)轉(zhuǎn)基因作物主要關(guān)注差異蛋白的鑒定，蛋白質(zhì)表達(dá)分析及蛋白質(zhì)可能存在的活性調(diào)節(jié)。高通量定量蛋白質(zhì)組學(xué)可分為兩種不同的方法：蛋白質(zhì)的相對(duì)和絕對(duì)定量。相對(duì)定量揭示了蛋白質(zhì)應(yīng)答刺激時(shí)的豐度變化[11]。絕對(duì)定量基于蛋白質(zhì)染色或穩(wěn)定同位素質(zhì)譜分析方法，可以給定某個(gè)蛋白質(zhì)的準(zhǔn)確含量。目前研究方法主要有雙向電泳（twodimensional electrophoresis，2-DE）、多維液相色譜（multidimensional liquid chromatography，MD-LC）、質(zhì)譜（mass spectrometry，MS）、同位素親和標(biāo)簽技術(shù)（isotope-coded affinity tag，ICAT）等穩(wěn)定同位素標(biāo)記的蛋白質(zhì)相對(duì)定量技術(shù)和同位素相對(duì)標(biāo)記（isotopic tagging for relative and absolute quantification，iTRAQ）等通過(guò)同位素標(biāo)記質(zhì)譜測(cè)定的絕對(duì)定量技術(shù)[12]。代謝組學(xué)是對(duì)一個(gè)生物系統(tǒng)的細(xì)胞在給定時(shí)間和條件下所有小分子代謝物質(zhì)的定性定量分析，從而定量描述生物內(nèi)源性代謝物質(zhì)的整體及其對(duì)內(nèi)因和外因變化應(yīng)答規(guī)律的組學(xué)技術(shù)[13]。代謝組學(xué)能夠研究生物體在外界刺激下所做出的反應(yīng)，因此可以作為對(duì)轉(zhuǎn)錄組學(xué)和蛋白組學(xué)的補(bǔ)充。由于代謝組學(xué)的研究對(duì)象為各種代謝產(chǎn)物，因此最常見(jiàn)的鑒定化合物的技術(shù)，如核磁共振（nuclear magnetic resonance，NMR）[14]、氣相色譜-質(zhì)譜聯(lián)用技術(shù)（gas chromatography-mass spectrometry，GC-MS）[15]、液相色譜-質(zhì)譜聯(lián)用技術(shù)（liquid chromatography-mass spectrometry，LC-MS）[16]都是常用的方法。這些化合物鑒定技術(shù)結(jié)合數(shù)據(jù)分析模型就可以找出主要變化的代謝物并與參照比較，從而在生物代謝的終端對(duì)基因插入進(jìn)行評(píng)價(jià)。常用的數(shù)據(jù)分析模型包括主成分分析（principal component analysis，PCA）、聚類分析（cluster analysis，CA）及偏最小二乘判別分析（partial least squares-discriminant analysis，PLS-DA）等[17]。

在選取分析方法的時(shí)候，以SAGE技術(shù)為代表的、以測(cè)序?yàn)榛A(chǔ)的表達(dá)譜分析是轉(zhuǎn)錄組學(xué)使用最廣泛的方法；2-DE技術(shù)分離結(jié)合質(zhì)譜技術(shù)鑒定體系較為成熟，適合于分析蛋白組差異，成本也較為低廉，是蛋白組學(xué)研究使用最廣泛的分離技術(shù)，而代謝組學(xué)則沒(méi)有普遍使用的技術(shù)路線，研究者將不同方法和不同分析模型結(jié)合會(huì)產(chǎn)生不同的結(jié)果[18]。除此之外，另一個(gè)選取分析方法需考慮的要素是方法結(jié)合問(wèn)題。任何一種組學(xué)技術(shù)都能對(duì)轉(zhuǎn)基因食品進(jìn)行評(píng)價(jià)，這些結(jié)論能夠用來(lái)綜合的從某一個(gè)生物層次分析基因轉(zhuǎn)移的影響。然而，由于轉(zhuǎn)基因mRNA是基因轉(zhuǎn)錄的產(chǎn)物，它與蛋白質(zhì)的表達(dá)水平雖存在著相互關(guān)系，但其相關(guān)系數(shù)通常不高[19]，且某個(gè)蛋白酶濃度的變化對(duì)代謝物和表現(xiàn)型的影響往往很小。因此忽略代謝物方面的變化對(duì)分析基因轉(zhuǎn)移帶來(lái)的影響是不可取的。反過(guò)來(lái)說(shuō)，代謝層面的微小變化背后往往意味著某種蛋白的顯著表達(dá)，這種相互作用使得單獨(dú)組學(xué)很難滿足轉(zhuǎn)基因安全評(píng)價(jià)的要求。因此，將這些組學(xué)綜合到一起分析，形成多組學(xué)分析技術(shù)，可以探明生物體從基因到化合物一整條通路的變化，能夠更全面地分析基因轉(zhuǎn)移對(duì)親本作物的安全性。

2 不同轉(zhuǎn)基因作物組學(xué)研究情況

2014年，轉(zhuǎn)基因作物在全球的總種植面積已經(jīng)超過(guò)了1.81億hm2，比2013年增加了3%。這個(gè)數(shù)據(jù)相對(duì)于1996年轉(zhuǎn)基因作物種植面積增加了100倍。在全世界范圍內(nèi)獲得批準(zhǔn)的商業(yè)化轉(zhuǎn)基因作物中，玉米是獲批事件最多的作物，其次是棉花、馬鈴薯、油菜和大豆[20]。我國(guó)進(jìn)口的轉(zhuǎn)基因作物主要是大豆、玉米和油菜，主要用途是榨油和飼料[21]。結(jié)合世界轉(zhuǎn)基因作物發(fā)展趨勢(shì)及我國(guó)飲食習(xí)慣，以下就較為常見(jiàn)的轉(zhuǎn)基因作物在組學(xué)層面的分析作簡(jiǎn)要?dú)w納。

2.1玉米

轉(zhuǎn)基因玉米是全世界商業(yè)化程度最高的轉(zhuǎn)基因作物，累積有27個(gè)國(guó)家130個(gè)事件獲得批復(fù)，對(duì)其研究也最為成熟。Coll等[22-23]以常見(jiàn)抗除草劑轉(zhuǎn)基因玉米MON810為實(shí)驗(yàn)組，分別利用體外實(shí)驗(yàn)、田間耕種實(shí)驗(yàn)組及非轉(zhuǎn)對(duì)照組做了轉(zhuǎn)錄組學(xué)分析，結(jié)果發(fā)現(xiàn)兩種情況下MON810與親本的轉(zhuǎn)錄組水平都沒(méi)有較大差異，且這些差異已不能從田間耕種中發(fā)現(xiàn)。此后Coll等[24]又設(shè)置常規(guī)和低氮兩種生長(zhǎng)環(huán)境研究MON810和親本的轉(zhuǎn)錄組差異，結(jié)果發(fā)現(xiàn)環(huán)境（常規(guī)育種和低氮育種）對(duì)轉(zhuǎn)錄組水平的影響比基因插入要大的多。Coll等[25]繼續(xù)利用2-DE和質(zhì)譜技術(shù)分析MON810的蛋白組信息，發(fā)現(xiàn)2-DE中差異的點(diǎn)幾乎全部為外源插入基因所表達(dá)的蛋白，其余的蛋白圖譜幾乎沒(méi)有差異，這樣就從轉(zhuǎn)錄組和蛋白組兩個(gè)層面評(píng)價(jià)了MON810與非轉(zhuǎn)親本的差異。這一結(jié)論也和Albo等[26]得出的實(shí)驗(yàn)結(jié)果一致。Manetti等[27]開(kāi)始在代謝組層面分析MON810和非轉(zhuǎn)親本的差異，發(fā)現(xiàn)初級(jí)氮代謝中4種化合物的含量差異。而Piccioni等[28]就以同樣的方法鑒定了40種水溶性代謝物，發(fā)現(xiàn)了5種與Manetti等[27]結(jié)論不同的顯著變化的化合物。Leon等[29]利用毛細(xì)管電泳-質(zhì)譜聯(lián)用技術(shù)（capillary electrophoresis-time-offlight-mass spectrometry，CE-MS）和傅里葉變換離子回旋共振質(zhì)譜聯(lián)用技術(shù)（Fourier transform-ion cyclotron resonance-mass spectrometry，F(xiàn)T-ICR-MS）從3株田間種植的轉(zhuǎn)基因玉米MON810中鑒定出包括嘌呤、氨基酸、花生四烯酸等代謝物的升高。

從上面的研究結(jié)果可以看到，不同學(xué)者對(duì)轉(zhuǎn)基因玉米的轉(zhuǎn)錄組和蛋白組圖譜的研究基本趨于一致，總結(jié)來(lái)說(shuō)就是轉(zhuǎn)基因組與非轉(zhuǎn)基因組的轉(zhuǎn)錄水平和蛋白水平差異微小，基因轉(zhuǎn)移的影響要小于種間差異。而代謝組學(xué)結(jié)果較為復(fù)雜，造成這一現(xiàn)象的原因主要有兩個(gè)：一是不同技術(shù)帶來(lái)的影響。代謝組學(xué)沒(méi)有一套通用的數(shù)據(jù)分析方法，無(wú)論是主成分分析還是聚類分析都會(huì)存在一些差異。而另一個(gè)原因則是實(shí)驗(yàn)樣品選取的問(wèn)題。Frank等[30]利用GC-MS分析基因轉(zhuǎn)移和環(huán)境影響對(duì)轉(zhuǎn)基因玉米MON810和NK603及親本的作用，結(jié)果發(fā)現(xiàn)環(huán)境因素造成的影響比基因轉(zhuǎn)移本身帶來(lái)的影響要大的多，因此與轉(zhuǎn)基因玉米做對(duì)照的非轉(zhuǎn)樣本需要和轉(zhuǎn)基因玉米在同一種植條件下獲得才能得到比較客觀的數(shù)據(jù)。Batista等[31]從雙向電泳圖中找了相同植株之間差異明顯的蛋白，這些差異在樣品混合時(shí)會(huì)存在被掩蓋的現(xiàn)象，從而對(duì)實(shí)際評(píng)價(jià)工作造成困難。因此，在利用組學(xué)技術(shù)分析非期望效應(yīng)時(shí)必須消除種間差異帶來(lái)的負(fù)面影響。la Paz等[32]等通過(guò)分析MON810轉(zhuǎn)錄RNA的序列發(fā)現(xiàn)MON810插入基因表達(dá)CryIAb蛋白的終止子有一部分缺失，導(dǎo)致實(shí)際外源基因表達(dá)蛋白增加了兩個(gè)氨基酸。這一結(jié)果可能是因?yàn)镸ON810后代進(jìn)行了多輪自交，因此外源基因插入的環(huán)境受到極大改變[33]，這也就解釋了Manetti[27]和Piccioni[28]等的結(jié)果之所以存在差異的原因。而la Paz等[32]的實(shí)驗(yàn)同時(shí)表明MON810在后代繁殖的過(guò)程中mRNA的數(shù)量大小及蛋白層面均沒(méi)有影響，這也從側(cè)面證明了MON810在轉(zhuǎn)錄組及蛋白組層面與非轉(zhuǎn)樣本實(shí)質(zhì)等同。

從上面的分析還可以得出，MON810的轉(zhuǎn)錄組、蛋白組及代謝組所表現(xiàn)的差異不同。排除一些客觀條件，我們還是能看到單一組學(xué)對(duì)轉(zhuǎn)基因評(píng)價(jià)的局限性。Coll等[22-25]研究團(tuán)隊(duì)前后幾年的研究代表了多組學(xué)結(jié)合的研究思路。Barros等[34]將轉(zhuǎn)錄組學(xué)，蛋白組學(xué)和代謝組學(xué)結(jié)合起來(lái)分析轉(zhuǎn)基因玉米MON810和非轉(zhuǎn)親本，同樣發(fā)現(xiàn)了環(huán)境因素的影響比基因轉(zhuǎn)移顯著。然而，Barros[34]依然沒(méi)能找到一條代謝通路揭示從基因到代謝物的變化與基因轉(zhuǎn)移的關(guān)系，因此還需要進(jìn)一步研究找出影響轉(zhuǎn)基因玉米非期望效應(yīng)產(chǎn)生的原因。

2.2水稻

水稻是全球主要糧食作物之一，全球一半人口通過(guò)水稻獲得所需的碳水化合物和蛋白質(zhì)[35]。轉(zhuǎn)基因水稻的研發(fā)是為了達(dá)到抗蟲(chóng)抗病的效果，而水稻又主要作為食物被人體利用，對(duì)于轉(zhuǎn)基因水稻的安全評(píng)價(jià)至關(guān)重要。Montero等[36]通過(guò)轉(zhuǎn)錄組學(xué)研究發(fā)現(xiàn)抗真菌轉(zhuǎn)基因水稻（轉(zhuǎn)化體Senia-afp R25.12、Senia-afp R25.14、Senia-afp R25.15）與親本相比只有0.4%轉(zhuǎn)錄組差異，而這0.4%差異中35%是由轉(zhuǎn)基因操作方法（體外培養(yǎng)、細(xì)胞去分化、植株再生）引起的，只有15%是由于基因插入引起的。Montero等認(rèn)為大部分產(chǎn)生非期望差異的序列是由于轉(zhuǎn)基因作物在種植過(guò)程中應(yīng)對(duì)外界刺激而產(chǎn)生的變化，而不是基因轉(zhuǎn)移引起的。這也與2.1節(jié)中玉米組學(xué)分析結(jié)果一致。Batista等[37]為了比較誘變水稻和轉(zhuǎn)基因水稻（ScFvT84.66）在非期望效應(yīng)方面的差異，同樣利用微陣列分析技術(shù)對(duì)轉(zhuǎn)基因水稻及其后代和γ射線誘變水稻后代做了轉(zhuǎn)錄組學(xué)的比較，發(fā)現(xiàn)誘變體和轉(zhuǎn)基因樣本都會(huì)產(chǎn)生轉(zhuǎn)錄組層面的變化，且誘變體的變化更為明顯。Wang Yan等[38]利用雙向電泳和電子噴霧飛行時(shí)間質(zhì)譜技術(shù)分析含有Cry1ab/ac蛋白的轉(zhuǎn)基因水稻的信息。Gong Chunyan等[39]利用雙向電泳及質(zhì)譜技術(shù)分析轉(zhuǎn)基因水稻Bar68-1和2036-1a與親本的蛋白組差異，該研究還選取了自然基因突變的植株作為參照。而結(jié)論則指出轉(zhuǎn)基因與親本在蛋白圖譜上的差異不如自然育種及基因突變植株與親本的差異顯著，從而消除了基因轉(zhuǎn)移帶來(lái)非期望效應(yīng)的憂慮。

目前對(duì)水稻的改良更多的集中于品質(zhì)提升，因此其初級(jí)及次級(jí)代謝產(chǎn)物就為這些品質(zhì)改良型水稻提供了很好的科學(xué)評(píng)價(jià)依據(jù)。這些代謝產(chǎn)物的過(guò)渡積累會(huì)導(dǎo)致植物生理上的非期望效應(yīng)發(fā)生。Wu Jiao等[40]利用GC-MS技術(shù)，結(jié)合CA和PCA等計(jì)算模型找出轉(zhuǎn)基因水稻C418-Xa21和C418-Xa23與不同播種時(shí)間和地點(diǎn)的親本的代謝指紋圖譜差異。結(jié)果發(fā)現(xiàn)轉(zhuǎn)基因水稻除了在琥珀酸表達(dá)水平上有顯著差異，其余的差異均沒(méi)有親本之間的差異明顯。Chang Yuwei等[41]利用LC-MS方法結(jié)合PCA等模型對(duì)不同的轉(zhuǎn)cry1Ac和sck抗蟲(chóng)基因水稻和親本水稻做了驗(yàn)證得出了類似的結(jié)論。Long Xiaohang等[42]通過(guò)基因工程技術(shù)獲得了高賴氨酸的轉(zhuǎn)基因水稻，由于該轉(zhuǎn)基因品系的表達(dá)型即為賴氨酸表達(dá)量提高，因此該研究團(tuán)隊(duì)利用LC-MS技術(shù)對(duì)賴氨酸代謝通路中11種中間化合物做了代謝圖譜，并證明了該轉(zhuǎn)基因水稻的預(yù)期表型。Ioset等[43]研究了抗真菌轉(zhuǎn)基因水稻的黃酮化合物圖譜，也發(fā)現(xiàn)了轉(zhuǎn)基因水稻與非轉(zhuǎn)樣本之間的微小差異及非轉(zhuǎn)樣本種間的顯著性差異。從該分析來(lái)看，通過(guò)代謝組學(xué)技術(shù)能夠完成預(yù)期及某些非預(yù)期效應(yīng)的分析，但是對(duì)于催化產(chǎn)物合成的蛋白酶，及調(diào)控蛋白表達(dá)的基因沒(méi)有進(jìn)一步探討。由于該轉(zhuǎn)基因水稻是通過(guò)RNA干擾獲得的，其轉(zhuǎn)錄組和蛋白組可能發(fā)生的變化還是未知的，而代謝物發(fā)生的變化僅僅是這些酶發(fā)揮的一部分功能，因此有必要通過(guò)其他組學(xué)技術(shù)對(duì)其進(jìn)行補(bǔ)充評(píng)價(jià)。這也反映了水稻組學(xué)分析的一個(gè)問(wèn)題，即單一組學(xué)分析會(huì)發(fā)現(xiàn)遺傳信息傳遞過(guò)程中不同層面發(fā)生的變化，卻無(wú)法看到一條受調(diào)控的通路。如果想看到基因轉(zhuǎn)移對(duì)其代謝通路從基因到代謝產(chǎn)物的變化，還需要多組學(xué)合作才能更好的評(píng)價(jià)轉(zhuǎn)基因水稻的安全問(wèn)題。

此外，動(dòng)物實(shí)驗(yàn)既是了解食用轉(zhuǎn)基因作物后體內(nèi)代謝情況的良好途徑，也是國(guó)家轉(zhuǎn)基因食用安全評(píng)價(jià)的標(biāo)準(zhǔn)方法之一。利用動(dòng)物實(shí)驗(yàn)的數(shù)據(jù)做組學(xué)分析也能夠?qū)D(zhuǎn)基因作物進(jìn)行安全評(píng)價(jià)，而又由于動(dòng)物實(shí)驗(yàn)為經(jīng)口喂養(yǎng)實(shí)驗(yàn)，其更加貼近人體進(jìn)食轉(zhuǎn)基因作物后的反應(yīng)，因此合理的動(dòng)物實(shí)驗(yàn)結(jié)合組學(xué)分析技術(shù)能夠很好的模擬體內(nèi)代謝的變化。Cao Sishuo等[44-45]按照這樣的思路分別對(duì)抗蟲(chóng)轉(zhuǎn)基因水稻T1c-19和T2A-1做了大鼠90 d喂養(yǎng)實(shí)驗(yàn)并進(jìn)行代謝組學(xué)分析，發(fā)現(xiàn)大鼠個(gè)體差異比轉(zhuǎn)基因的影響要大，這一數(shù)據(jù)分析結(jié)果與90 d喂養(yǎng)實(shí)驗(yàn)常規(guī)檢測(cè)指標(biāo)得到的結(jié)論一致。

2.3大豆

Cheng等[46]將耐草甘膦大豆與與非轉(zhuǎn)基因大豆進(jìn)行轉(zhuǎn)錄組學(xué)分析也發(fā)現(xiàn)了普通大豆的種間差異比轉(zhuǎn)基因與非轉(zhuǎn)基因之間的差異大的規(guī)律，且非轉(zhuǎn)基因的參照壽命越長(zhǎng)，種間差異越明顯，因而這一現(xiàn)象對(duì)陰性對(duì)照的選取有著重要意義。García-Villalba等[47]通過(guò)代謝組學(xué)從45種耐草甘膦大豆目標(biāo)代謝物中分析出8種顯著變化的代謝物，而其中絕大部分都可以從外源插入基因的代謝通路中找到。Inaba等[48]對(duì)耐草甘膦大豆不同組織進(jìn)行代謝組學(xué)分析，發(fā)現(xiàn)了酪氨酸和苯丙氨酸含量的提高，并推測(cè)出其可能是由插入基因引起的原因。Clarke等[49]將49種非轉(zhuǎn)基因大豆與轉(zhuǎn)基因大豆SYHT06W共同分析，通過(guò)代謝圖譜確定基因插入帶來(lái)的非期望效應(yīng)，并從圖譜中得出代謝物之間除了預(yù)計(jì)改變的通路以外無(wú)顯著差異的結(jié)論。Kusano等[50]利用CE-MS、GC-MS、LC-MS、ICR-MS等多種分析方法對(duì)連續(xù)育種多年的傳統(tǒng)大豆品系與耐草甘膦大豆進(jìn)行代謝組分析，不僅能夠根據(jù)代謝物的不同鑒定樣品，還能推理出基因轉(zhuǎn)移對(duì)代謝物的影響不如育種時(shí)長(zhǎng)的影響明顯，進(jìn)而可以看出基因轉(zhuǎn)移并不是代謝差異的主要原因。目前，對(duì)于大豆的研究以代謝組學(xué)為主[35]，對(duì)于其基因表達(dá)情況并沒(méi)有深入的研究，而相關(guān)報(bào)道也反映了僅僅從代謝組學(xué)數(shù)據(jù)的差異不能判斷出基因轉(zhuǎn)移對(duì)生物體影響的問(wèn)題，意味著多組學(xué)分析的必要性。

2.4小麥

Gregersen等[51]從轉(zhuǎn)錄組角度比較分析了植酸酶高表達(dá)轉(zhuǎn)基因小麥在籽粒發(fā)育過(guò)程中的基因轉(zhuǎn)錄情況，結(jié)果顯示，轉(zhuǎn)基因小麥差異表達(dá)的基因數(shù)目很少，不足以產(chǎn)生預(yù)期效應(yīng)。Baudo等[52]選取的材料為品質(zhì)改良型轉(zhuǎn)基因小麥，其胚乳與葉片的轉(zhuǎn)錄組數(shù)據(jù)和其親本的相應(yīng)位置相比只有6個(gè)基因差異，但是在親本和另一株非轉(zhuǎn)基因水稻之間卻發(fā)現(xiàn)了最多有527個(gè)基因差異，進(jìn)一步分析還表明該株非轉(zhuǎn)基因水稻與轉(zhuǎn)基因組的轉(zhuǎn)錄組也具有最多154個(gè)基因的差異，從而說(shuō)明基因轉(zhuǎn)移對(duì)生物體的影響小于物種之間的差異。Baker等[53]也利用相同的轉(zhuǎn)基因小麥進(jìn)行代謝組學(xué)分析，分析出極性代謝物的一些由環(huán)境引起的差異，且親本之間體現(xiàn)出更大的差異。

小麥雖然是全球主要糧食作物之一，但是由于其重要的食用價(jià)值，國(guó)內(nèi)目前還沒(méi)有關(guān)于轉(zhuǎn)基因小麥的安全證書(shū)獲批，全球也僅有一個(gè)轉(zhuǎn)基因小麥的商業(yè)化品系[20]。而且，關(guān)于轉(zhuǎn)基因小麥的組學(xué)評(píng)價(jià)目前也處于單一組學(xué)研究階段，大多數(shù)研究者并沒(méi)有找出代謝差異與基因轉(zhuǎn)移之間的聯(lián)系，進(jìn)一步研究多組學(xué)分析對(duì)于轉(zhuǎn)基因小麥的安全評(píng)價(jià)意義重大。

2.5馬鈴薯

Iwaki等[54]采用靶標(biāo)代謝組學(xué)和非靶標(biāo)代謝組學(xué)分析抗脅迫轉(zhuǎn)基因馬鈴薯的代謝物，發(fā)現(xiàn)乙烯合成途徑中的副產(chǎn)物——谷胱甘肽代謝物，γ-氨基丁酸和β-氰的含量顯著升高，從而印證了插入基因的功能，自然也可說(shuō)明該轉(zhuǎn)基因馬鈴薯未發(fā)現(xiàn)非期望效應(yīng)。但是這個(gè)結(jié)論沒(méi)有非轉(zhuǎn)基因馬鈴薯之間的對(duì)比數(shù)據(jù)。Lehesranta等[55]從轉(zhuǎn)基因馬鈴薯（W2GBSS、MAL1、SamDC）、非轉(zhuǎn)樣本及當(dāng)?shù)氐鸟R鈴薯樣本的2-DE圖中分析出差異蛋白，同樣得到了非轉(zhuǎn)樣本組之間的蛋白差異比轉(zhuǎn)基因與非轉(zhuǎn)基因之間差異大的結(jié)論。Defernez[56]和Shepherd[57]等也分別用代謝組學(xué)和成分分析證明了這一現(xiàn)象，即種間差異比基因轉(zhuǎn)移帶來(lái)的差異大。同時(shí)，關(guān)于轉(zhuǎn)基因馬鈴薯的研究還發(fā)現(xiàn)一個(gè)現(xiàn)象，由于馬鈴薯的無(wú)性變異現(xiàn)象較為明顯，在分析組織培養(yǎng)的塊莖和轉(zhuǎn)空載質(zhì)粒的塊莖時(shí)發(fā)現(xiàn)其組學(xué)層面存在較大差異，由此推斷體細(xì)胞無(wú)性變異可能也是造成這些差異的原因之一[58]。此外，保存時(shí)間也是影響轉(zhuǎn)基因馬鈴薯代謝物差異的原因之一[59]。

Kondrák等[60]首次在轉(zhuǎn)錄組和代謝組兩個(gè)層面評(píng)價(jià)轉(zhuǎn)抗旱基因馬鈴薯，發(fā)現(xiàn)了57個(gè)受到調(diào)控的基因，其中有與抗旱性狀和淀粉合成途徑密切相關(guān)的，而脯氨酸等與抗旱通路有關(guān)的代謝物在轉(zhuǎn)基因和非轉(zhuǎn)基因馬鈴薯中均含量提高。但是，僅僅通過(guò)轉(zhuǎn)錄RNA和代謝物的水平很難完整找到一條受調(diào)控的通路，基因表達(dá)和代謝物之間的調(diào)控并沒(méi)有明確的對(duì)應(yīng)關(guān)系可能是該評(píng)價(jià)方法的缺陷之一。

2.6番茄

番茄是全球廣泛食用的作物之一，對(duì)其的改造主要在于延緩軟化，后熟，也有一些抗蟲(chóng)抗病的性狀?，F(xiàn)階段番茄的基因修飾主要在于提高番茄的品質(zhì)，又鑒于番茄主要為人所食用，必須探明番茄的基因修飾對(duì)生物體生命活動(dòng)產(chǎn)生的影響。Noteborn等[61]最早對(duì)轉(zhuǎn)cry1Ab5抗蟲(chóng)番茄進(jìn)行代謝物評(píng)價(jià)，他利用NMR分析轉(zhuǎn)基因番茄與非轉(zhuǎn)樣本的代謝化合物，沒(méi)有看到顯著性差異。Roessner-Tunali等[62]在前者基礎(chǔ)上從代謝組層面分析超表達(dá)己糖激酶的轉(zhuǎn)基因番茄，通過(guò)不同生長(zhǎng)階段的番茄不同組織的代謝組數(shù)據(jù)能夠發(fā)現(xiàn)，隨著番茄的生長(zhǎng)其代謝物的差異逐漸縮小，且轉(zhuǎn)基因番茄較非轉(zhuǎn)基因樣品己糖激酶的活性提高。le Gall等[63]利用NMR技術(shù)發(fā)現(xiàn)超表達(dá)轉(zhuǎn)錄因子LC和C1轉(zhuǎn)基因番茄除了其預(yù)期效應(yīng)之外還有至少15種化合物含量不同，然而它們都在植物自然生長(zhǎng)的變異范圍內(nèi)；Long等[64]嘗試通過(guò)LC-MS探究類胡蘿卜素和黃酮合成通路的調(diào)控是否會(huì)影響其他次級(jí)代謝產(chǎn)物，結(jié)果發(fā)現(xiàn)其他次級(jí)代謝產(chǎn)物并沒(méi)有明顯變化；Nicoletti等[65]也發(fā)現(xiàn)了關(guān)于轉(zhuǎn)基因番茄類似的結(jié)論。

由于代謝組學(xué)研究方法沒(méi)有固定的標(biāo)準(zhǔn)，不同方法會(huì)存在一些差異。Kusano等[66]嘗試結(jié)合CE-MS、GC-MS、LC-MS 3個(gè)代謝組學(xué)分析平臺(tái)分析神秘果蛋白超表達(dá)轉(zhuǎn)基因番茄7C和56B。3個(gè)平臺(tái)共同鑒定到了超過(guò)175種代謝物，已經(jīng)涵蓋了LycoCyc數(shù)據(jù)庫(kù)的85%，而如此多的代謝物相互比較的結(jié)果也證實(shí)了轉(zhuǎn)基因番茄的安全性。

3 轉(zhuǎn)基因食品組學(xué)分析技術(shù)的評(píng)價(jià)與思考

3.1組學(xué)評(píng)價(jià)技術(shù)實(shí)驗(yàn)設(shè)計(jì)

由世界主要轉(zhuǎn)基因糧食作物的組學(xué)評(píng)價(jià)情況可以看到轉(zhuǎn)基因作物與傳統(tǒng)育種的作物相比是實(shí)質(zhì)等同的。在轉(zhuǎn)錄組和蛋白組兩個(gè)層面上轉(zhuǎn)基因組與非轉(zhuǎn)基因組除了插入基因表達(dá)之外沒(méi)有顯著差異，而代謝組的數(shù)據(jù)由于實(shí)驗(yàn)方法和樣本選取等問(wèn)題比較復(fù)雜，轉(zhuǎn)基因與非轉(zhuǎn)基因組雖有差異，但除了基因插入帶來(lái)的差異之外其余的變化在合理范圍內(nèi)。從3種組學(xué)方法分析結(jié)果來(lái)看，基因轉(zhuǎn)移對(duì)生物體帶來(lái)的影響不如傳統(tǒng)物種之間的差異明顯，甚至不如不同生長(zhǎng)情況下的相同樣本差異顯著，且樣本選取部位、實(shí)驗(yàn)方法都會(huì)改變遺傳信息傳遞過(guò)程，基因轉(zhuǎn)移的影響就被相應(yīng)縮小。因此，利用組學(xué)評(píng)價(jià)技術(shù)與傳統(tǒng)安全評(píng)價(jià)的方法相結(jié)合，在非期望效應(yīng)方面加以佐證，能夠更好的評(píng)價(jià)轉(zhuǎn)基因食品的安全性[67]。

從現(xiàn)有研究者的組學(xué)數(shù)據(jù)來(lái)看，轉(zhuǎn)基因組學(xué)評(píng)價(jià)在一些實(shí)驗(yàn)設(shè)計(jì)方面還存在明顯的矛盾點(diǎn)。組學(xué)研究所具有的非靶標(biāo)性決定了組學(xué)實(shí)驗(yàn)設(shè)計(jì)之初的無(wú)目的性，因此在組學(xué)實(shí)驗(yàn)中很容易帶來(lái)偏見(jiàn)，研究者在分析數(shù)據(jù)時(shí)不容易發(fā)現(xiàn)想要發(fā)現(xiàn)的，這在一定程度上就削弱了組學(xué)技術(shù)本身的優(yōu)勢(shì)[68]；采用非靶標(biāo)的組學(xué)分析方法能夠相應(yīng)減弱偏見(jiàn)帶來(lái)的影響，但就忽視了組學(xué)存在之初的優(yōu)越性；通過(guò)增大數(shù)據(jù)量可以減少樣本帶來(lái)的影響，但也會(huì)更容易產(chǎn)生偏差性結(jié)論，從而沒(méi)有找到生物體在代謝過(guò)程中發(fā)生變化的前因后果。因此在設(shè)計(jì)組學(xué)評(píng)價(jià)實(shí)驗(yàn)時(shí)合理的處理這三方面矛盾是數(shù)據(jù)真實(shí)可靠的關(guān)鍵。除此之外，在實(shí)驗(yàn)設(shè)計(jì)時(shí)還存在一個(gè)統(tǒng)計(jì)學(xué)誤區(qū)：大量的測(cè)量數(shù)據(jù)能夠彌補(bǔ)少量樣本帶來(lái)的誤差。然而從實(shí)驗(yàn)結(jié)果看，同一物種的組學(xué)數(shù)據(jù)也可能存在很大差異[69]，少量樣本的大量數(shù)據(jù)雖然可以使顯著性檢驗(yàn)P值足夠小，但其造成假陽(yáng)性的概率（false-positive-report probability，F(xiàn)PRP）同樣很大，這是因?yàn)镕PRP同樣受到先驗(yàn)概率的影響[70-71]。先驗(yàn)概率指的是根據(jù)正式的推理和觀測(cè)值所得的概率，在轉(zhuǎn)基因組學(xué)分析上，提高檢測(cè)樣本的數(shù)量是保證先驗(yàn)概率高的前提，所以在組學(xué)實(shí)驗(yàn)設(shè)計(jì)之初就需要對(duì)轉(zhuǎn)基因及非轉(zhuǎn)基因樣品的數(shù)量有所要求。

3.2樣本選取

不但樣本的數(shù)量會(huì)影響組學(xué)分析結(jié)果，樣本的生長(zhǎng)情況同樣影響實(shí)驗(yàn)結(jié)果。同一種植物在不同時(shí)間不同地點(diǎn)種植的情況會(huì)有不同，而研究者發(fā)現(xiàn)這些情況造成的差異比基因插入帶來(lái)的差異要大[72]。因此進(jìn)行實(shí)驗(yàn)的轉(zhuǎn)基因和非轉(zhuǎn)基因樣本一定要嚴(yán)格挑選。最理想的情況就是選擇轉(zhuǎn)基因作物的親本作為陰性對(duì)照，且兩者的生長(zhǎng)狀況要保持一致。如果親本樣品不好獲取，就應(yīng)該選擇近等基因系的對(duì)應(yīng)作物[18]。而像MON810轉(zhuǎn)基因玉米的情況則更為復(fù)雜一些，多代育種造成的自交與回交問(wèn)題使得找尋合適的陰性對(duì)照較為困難，因此研究者在開(kāi)展組學(xué)分析時(shí)也要自己分析下所選樣本的性質(zhì)。

傳統(tǒng)的育種方法一直以來(lái)都被認(rèn)為是安全的方法，然而環(huán)境變化對(duì)這些植物造成的影響同樣尚未知曉，將這些影響和基因插入帶來(lái)的影響混在一起就會(huì)對(duì)組學(xué)分析結(jié)果帶來(lái)影響。因此必須尋找相同生長(zhǎng)狀況下的轉(zhuǎn)基因樣品和陰性對(duì)照[73]。此外，采用組織培養(yǎng)和田間耕種，采用葉片和塊莖得到的組學(xué)數(shù)據(jù)可能會(huì)有差異，甚至基因工程上游工程可能帶來(lái)的問(wèn)題都會(huì)影響轉(zhuǎn)基因安全評(píng)價(jià)工作，這也是樣本選擇時(shí)需要注意的一個(gè)問(wèn)題。

3.3 分析方法

目前我國(guó)關(guān)于轉(zhuǎn)基因食品的安全評(píng)價(jià)主要是依照經(jīng)濟(jì)合作與發(fā)展組織（Organization for Economic Co-operation and Development，OECD）和國(guó)際食品法典委員會(huì)（Codex Alimentarius Commission，CAC）提供的指南，對(duì)轉(zhuǎn)基因食品進(jìn)行營(yíng)養(yǎng)成分分析，對(duì)毒理性和過(guò)敏性等方面進(jìn)行評(píng)價(jià)，主要針對(duì)的是50～150 種化合物[74]。代謝組學(xué)技術(shù)能夠分析大約幾百種化合物的成分，其中某些物質(zhì)是極其微量且在不同物種或不同生長(zhǎng)環(huán)境的同一物種之間差異較大。然而這并不是說(shuō)組學(xué)技術(shù)將代替原有的評(píng)價(jià)方法。目前常用的評(píng)價(jià)方法包括成分分析、動(dòng)物營(yíng)養(yǎng)及毒理學(xué)評(píng)價(jià)等，它們的一個(gè)突出特點(diǎn)就是靶標(biāo)，評(píng)價(jià)體系的建立就是根據(jù)基因插入預(yù)期的變化才進(jìn)行的；而組學(xué)分析是一種非靶標(biāo)技術(shù)，它追求的是生物體某一層面物質(zhì)的總和，從這些變化的物質(zhì)中找出對(duì)應(yīng)的通路進(jìn)行研究，因此二者是有區(qū)別的。當(dāng)然，利用常規(guī)的成分分析方法增加分析的范圍也可以完成組學(xué)分析能夠做的工作[75-76]。但是，正如3.1節(jié)中所述的一樣，關(guān)于如何使用組學(xué)技術(shù)是一個(gè)矛盾的問(wèn)題，組學(xué)技術(shù)也可以針對(duì)預(yù)期可能的變化設(shè)計(jì)思路進(jìn)行轉(zhuǎn)基因食品的安全評(píng)價(jià)，同時(shí)它也可以進(jìn)行大數(shù)據(jù)分析發(fā)掘非期望效應(yīng)。因此，如何正確的利用組學(xué)分析技術(shù)為轉(zhuǎn)基因食品的評(píng)價(jià)服務(wù)是研究者需要考慮的一個(gè)重要問(wèn)題。

此外，同樣的材料利用不同代謝組學(xué)方法得到的結(jié)果出現(xiàn)顯著差別也意味著分析方法選擇的復(fù)雜性[29]。同時(shí)如第2節(jié)中分析的一樣，單一組學(xué)對(duì)研究生物體代謝規(guī)律方面也存在局限性，對(duì)于轉(zhuǎn)基因作物評(píng)價(jià)的理想結(jié)果是找出一條從基因表達(dá)到代謝物均受到調(diào)控的代謝通路，如果從單一組學(xué)的數(shù)據(jù)分析會(huì)造成差異不統(tǒng)一的問(wèn)題，從代謝物能夠明顯看到化合物對(duì)生物體的影響，但也很難看清遺傳信息在受體內(nèi)的變化情況，因此從多組學(xué)角度分析轉(zhuǎn)錄因子，蛋白質(zhì)和代謝物的差異能夠全面的分析差異，找出規(guī)律，這也使得多組學(xué)分析顯得更有意義。

4 結(jié) 語(yǔ)

轉(zhuǎn)基因安全評(píng)價(jià)是當(dāng)今社會(huì)的一個(gè)熱門(mén)話題，其是否安全，如何判斷安全也是一個(gè)爭(zhēng)議話題。傳統(tǒng)分析方法在非期望效應(yīng)方面的缺陷讓組學(xué)技術(shù)逐漸應(yīng)用到安全評(píng)價(jià)中。雖然將這一體系應(yīng)用到標(biāo)準(zhǔn)評(píng)價(jià)方法中還存在一些難度，但從科學(xué)研究角度來(lái)說(shuō)，組學(xué)技術(shù)能夠很好的完成安全評(píng)價(jià)的工作。根據(jù)實(shí)際分析的需求，未來(lái)的轉(zhuǎn)基因食品組學(xué)分析需要多組學(xué)結(jié)合分析，找出影響顯著的代謝通路，形成從基因表達(dá)到代謝物方面的整體變化，才能真正了解基因轉(zhuǎn)移對(duì)生物帶來(lái)的影響，進(jìn)而，轉(zhuǎn)基因食品的安全問(wèn)題也能得到很好的印證。轉(zhuǎn)基因技術(shù)已經(jīng)發(fā)展了近30a，基因轉(zhuǎn)入也由原來(lái)的抗蟲(chóng)、抗除草劑、抗逆性狀發(fā)展到品質(zhì)改良型，民眾更加關(guān)心新產(chǎn)品的食用問(wèn)題，如人們熟知的“黃金大米”。組學(xué)的應(yīng)用自始至終都是一個(gè)矛盾問(wèn)題，合理選擇設(shè)計(jì)分析方法會(huì)更加客觀全面的確定基因轉(zhuǎn)移對(duì)生物體造成的影響，轉(zhuǎn)基因食品的安全性也會(huì)得到更為確切的證明。

[1] HINCHEE A W, CONNOR-WARD D V, NEWELL C A, et al. Production of transgenic soybean plants using agrobacterium-mediated DNA transfer[J]. Nature Biotechnology, 1988, 6(8)∶ 915-922.

[2] 祁瀟哲, 黃昆侖. 轉(zhuǎn)基因食品安全評(píng)價(jià)研究進(jìn)展[J]. 中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào), 2013, 15(4)∶ 14-19.

[3] FAO. The state of the world’s land and water resources for food and agriculture (SOLAW) managing systems at risk[R]. Rome∶FAO, 2011.

[4] OECD. An introduction to the food/feed safety consensus documents of the task force. Series on the safety of novel foods and feeds, No 14[R]. Paris∶ OECD, 2006.

[5] 范云六, 黃大昉, 彭于發(fā). 我國(guó)轉(zhuǎn)基因生物安全戰(zhàn)略研究[J]. 中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào), 2012, 14(2)∶ 1-6.

[6] 李欣, 黃昆侖, 朱本忠, 等. 利用“組學(xué)”技術(shù)檢測(cè)轉(zhuǎn)基因作物非期望效應(yīng)的潛在性[J]. 農(nóng)業(yè)生物技術(shù)學(xué)報(bào), 2005, 13(6)∶ 802-807.

[7] 付暢, 黃宇. 轉(zhuǎn)錄組學(xué)平臺(tái)技術(shù)及其在植物抗逆分子生物學(xué)中的應(yīng)用[J]. 生物技術(shù)通報(bào), 2011(6)∶ 40-46.

[8] MARTIN J A, WANG Z. Next-generation transcriptome assembly[J]. Nature Reviews Genetics, 2011, 12(10)∶ 671-682.

[9] GRABHERR M G, HAAS B J, YASSOUR M, et al. Full-length transcriptome assembly from RNA-Seq data without a reference genome[J]. Nature Biotechnology, 2011, 29(7)∶ 644-652.

[10] 李學(xué)鵬, 勵(lì)建榮, 于平, 等. 蛋白組學(xué)及其在食品科學(xué)研究中的應(yīng)用[J].中國(guó)糧油學(xué)報(bào), 2010, 25(2)∶ 141-149.

[11] BRUNNER A M, LI J, DIFAZIO S P, et al. Genetic containment of forest plantations[J]. Tree Genetics & Genomes, 2007, 3(2)∶ 75-100.

[12] 張磊, 尹紅銳, 張瑩, 等. 基于生物質(zhì)譜的定量蛋白質(zhì)組學(xué)研究進(jìn)展[J].分析測(cè)試技術(shù)與儀器, 2014(3)∶ 4-13.

[13] 王斯婷, 李曉娜, 王皎, 等. 代謝組學(xué)及其分析技術(shù)[J]. 藥物分析雜志, 2010, 30(9)∶ 1792-1799.

[14] MANETTI C, BIANCHETTI C, BIZZARRI M, et al. NMR-based metabonomic study of transgenic maize[J]. Phytochemistry, 2004, 65(24)∶ 3187-3198.

[15] OKAZAKI Y, SAITO K. Recent advances of metabolomics in plant biotechnology[J]. Plant Biotechnology Reports, 2012, 6(1)∶ 1-15.

[16] OIKAWA A, MATSUDA F, KUSANO M, et al. Rice metabolomics[J]. Rice, 2008, 1(1)∶ 63-71.

[17] 周?chē)?guó)艷, 胡望雄, 徐建紅, 等. 整合多個(gè)組學(xué)(omics)分析植物代謝產(chǎn)物及其功能[J]. 浙江大學(xué)學(xué)報(bào)∶ 農(nóng)業(yè)與生命科學(xué)版, 2013, 39(3)∶237-245.

[18] RICROCH A E, BERG? J B, KUNTZ M. Evaluation of genetically engineered crops using transcriptomic, proteomic, and metabolomic profiling techniques[J]. Plant Physiology, 2011, 155(4)∶ 1752-1761.

[19] HEINEMANM J A, KURENBACH B, QUIST D. Molecular profiling∶a tool for addressing emerging gaps in the comparative risk assessment of GMOs[J]. Environment International, 2011, 37(7)∶ 1285-1293.

[20] CLIVE J. 2013年全球生物技術(shù)/轉(zhuǎn)基因作物商業(yè)化發(fā)展態(tài)勢(shì)[J]. 中國(guó)生物工程雜志, 2014, 34(1)∶ 1-8.

[21] 羅云波, 賀曉云. 中國(guó)轉(zhuǎn)基因作物產(chǎn)業(yè)發(fā)展概述[J]. 中國(guó)食品學(xué)報(bào), 2014, 14(8)∶ 10-15.

[22] COLL A, NADAL A, COLLADO R, et al. Gene expression profiles of MON810 and comparable non-GM maize varieties cultured in the field are more similar than are those of conventional lines[J]. Transgenic Research, 2009, 18(5)∶ 801-808.

[23] COLL A, NADAL A, PALAUDELM?S M, et al. Lack of repeatable differential expression patterns between MON810 and comparable commercial varieties of maize[J]. Plant Molecular Biology, 2008, 68(1/2)∶ 105-117.

[24] COLL A, NADAL A, COLLADO R, et al. Natural variation explains most transcriptomic changes among maize plants of MON810 and comparable non-GM varieties subjected to two N-fertilization farming practices[J]. Plant Molecular Biology, 2010, 73(3)∶ 349-362.

[25] COLL A, NADAL A, ROSSIGNOL M, et al. Proteomic analysis of MON810 and comparable non-GM maize varieties grown in agricultural fields[J]. Transgenic Research, 2011, 20(4)∶ 939-949.

[26] ALBO A G, MILA S, DIGILIO G, et al. Proteomic analysis of a genetically modified maize flour carrying Cry1Ab gene and comparison to the corresponding wild-type[J]. Maydica, 2007, 52(4)∶443-455.

[27] MANETTI C, BIANCHETTI C, CASCIANI L, et al. A metabonomic study of transgenic maize (Zea mays) seeds revealed variations in osmolytes and branched amino acids[J]. Journal of Experimental Botany, 2006, 57(11)∶ 2613-2625.

[28] PICCIONI F, CAPITANI D, ZOLLA L, et al. NMR metabolic profiling of transgenic maize with the Cry1A (b) gene[J]. Journal of Agricultural and Food Chemistry, 2009, 57(14)∶ 6041-6049.

[29] LEON C, RODRIGUEZ-MEIZOSO I, LUCIO M, et al. Metabolomics of transgenic maize combining Fourier transform-ion cyclotron resonance-mass spectrometry, capillary electrophoresis-mass spectrometry and pressurized liquid extraction[J]. Journal of Chromatography A, 2009, 1216(43)∶ 7314-7323.

[30] FRANK T, RO?HLIG R M, DAVIES H V, et al. Metabolite profiling of maize kernels∶ genetic modification versus environmental influence[J]. Journal of Agricultural and Food Chemistry, 2012, 60(12)∶ 3005-3012.

[31] BATISTA R, OLIVEIRA M. Plant natural variability may affect safety assessment data[J]. Regulatory Toxicology and Pharmacology, 2010, 58(Suppl 3)∶ 8-12.

[32] la PAZ J L, VICIENT C, PUIGDOM?NECH P, et al. Characterization of polyadenylated crylA (b) transcripts in maize MON810 commercial varieties[J]. Analytical and Bioanalytical Chemistry, 2010, 396(6)∶2125-2133.

[33] ROSATI A, BOGANI P, SANTARLASCI A, et al. Characterisation of 3′ transgene insertion site and derived mRNAs in MON810 YieldGard?maize[J]. Plant Molecular Biology, 2008, 67(3)∶ 271-281.

[34] BARROS E, LEZAR S, ANTTONEN M J, et al. Comparison of two GM maize varieties with a near-isogenic non-GM variety using transcriptomics, proteomics and metabolomics[J]. Plant Biotechnology Journal, 2010, 8(4)∶ 436-451.

[35] SIM? C, IB?EZ C, VALD?S A, et al. Metabolomics of genetically modified crops[J]. International Journal of Molecular Sciences, 2014, 15(10)∶ 18941-18966.

[36] MONTERO M, COLL A, NADAL A, et al. Only half the transcriptomic differences between resistant genetically modified and conventional rice are associated with the transgene[J]. Plant Biotechnology Journal, 2011, 9(6)∶ 693-702.

[37] BATISTA R, SAIBO N, LOUREN?O T, et al. Microarray analyses reveal that plant mutagenesis may induce more transcriptomic changes than transgene insertion[J]. Proceedings of the National Academy of Sciences, 2008, 105(9)∶ 3640-3645.

[38] WANG Yan, XU Wentao, ZHAO Weiwei, et al. Comparative analysis of the proteomic and nutritional composition of transgenic rice seeds with Cry1ab/ac genes and their non-transgenic counterparts[J]. Journal of Cereal Science, 2012, 55(2)∶ 226-233.

[39] GONG Chunyan, LI Qi, YU Huatao, et al. Proteomics insight into the biological safety of transgenic modification of rice as compared with conventional genetic breeding and spontaneous genotypic variation[J]. Journal of Proteome Research, 2012, 11(5)∶ 3019-3029.

[40] WU Jiao, YU Haichuan, DAI Haofu, et al. Metabolite profiles of rice cultivars containing bacterial blight-resistant genes are distinctive from susceptible rice[J]. Acta Biochimica et Biophysica Sinica, 2012, 44(8)∶650-659.

[41] CHANG Yuwei, ZHAO Chunxia, ZHU Zhen, et al. Metabolic profiling based on LC/MS to evaluate unintended effects of transgenic rice with cry1Ac and sck genes[J]. Plant Molecular Biology, 2012, 78(4/5)∶ 477-487.

[42] LONG Xiaohang, LIU Qiaoquan, CHAN Manling, et al. Metabolic engineering and profiling of rice with increased lysine[J]. Plant Biotechnology Journal, 2013, 11(4)∶ 490-501.

[43] IOSET J R, URBANIAK B, NDJOKO-IOSET K, et al. Flavonoid profiling among wild type and related GM wheat varieties[J]. Plant Molecular Biology, 2007, 65(5)∶ 645-654.

[44] CAO Sishuo, HE Xiaoyun, XU Wentao, et al. Safety assessment of transgenic Bacillus thuringiensis rice T1c-19 in Sprague-Dawley rats from metabonomics and bacterial profile perspectives[J]. IUBMB Life, 2012, 64(3)∶ 242-250.

[45] CAO Sishuo, XU Wentao, LUO Yunbo, et al. Metabonomics study of transgenic Bacillus thuringiensis rice (T2A-1) meal in a 90-day dietary toxicity study in rats[J]. Molecular BioSystems, 2011, 7(7)∶2304-2310.

[46] CHENG K C, BEAULIEU J, IQUIRA E, et al. Effect of transgenes on global gene expression in soybean is within the natural range of variation of conventional cultivars[J]. Journal of Agricultural and Food Chemistry, 2008, 56(9)∶ 3057-3067.

[47] GARC?A-VILLALBA R, LE?N C, DINELLI G, et al. Comparative metabolomic study of transgenic versus conventional soybean using capillary electrophoresis-time-of-flight mass spectrometry[J]. Journal of Chromatography A, 2008, 1195(1)∶ 164-173.

[48] INABA Y, BROTHERTON J E, ULANOV A, et al. Expression of a feedback insensitive anthranilate synthase gene from tobacco increases free tryptophan in soybean plants[J]. Plant Cell Reports, 2007, 26(10)∶1763-1771.

[49] CLARKE J D, ALEXANDER D C, WARD D P, et al. Assessment of genetically modified soybean in relation to natural variation in the soybean seed metabolome[J]. Scientific Reports, 2013, 3∶ doi∶10.1038/ srep03082.

[50] KUSANO M, BAXTER I, FUKUSHIMA A, et al. Assessing metabolomic and chemical diversity of a soybean lineage representing 35 years of breeding[J]. Metabolomics, 2014, 11(2)∶ 1-10.

[51] GREGERSEN P L, BRINCH-PEDERSEN H, HOLM P B. A microarray-based comparative analysis of gene expression profiles during grain development in transgenic and wild type wheat[J]. Transgenic Research, 2005, 14(6)∶ 887-905.

[52] BAUDO M M, POWERS S J, MITCHELL R A C, et al. Establishing substantial equivalence∶ transcriptomics[M]. Transgenic Wheat, Barley and Oats. Humana Press, 2009∶ 247-272.

[53] BAKER J M, HAWKINS N D, WARD J L, et al. A metabolomic study of substantial equivalence of field: grown genetically modified wheat[J]. Plant Biotechnology Journal, 2006, 4(4)∶ 381-392.

[54] IWAKI T, GUO L, RYALS J A, et al. Metabolic profiling of transgenic potato tubers expressing Arabidopsis dehydration response element-binding protein 1A (DREB1A)[J]. Journal of Agricultural and Food Chemistry, 2013, 61(4)∶ 893-900.

[55] LEHESRANTA S J, DAVIES H V, SHEPHERD L V T, et al. Comparison of tuber proteomes of potato varieties, landraces, and genetically modified lines[J]. Plant Physiology, 2005, 138(3)∶1690-1699.

[56] DEFERNEZ M, GUNNING Y M, PARR A J, et al. NMR and HPLC-UV profiling of potatoes with genetic modifications to metabolic pathways[J]. Journal of Agricultural and Food Chemistry, 2004, 52(20)∶ 6075-6085.

[57] SHEPHERD L V T, MCNICOL J W, RAZZO R, et al. Assessing the potential for unintended effects in genetically modified potatoes perturbed in metabolic and developmental processes. Targeted analysis of key nutrients and anti-nutrients[J]. Transgenic Research, 2006, 15(4)∶ 409-425.

[58] CATCHPOLE G S, BECKMANN M, ENOT D P, et al. Hierarchical metabolomics demonstrates substantial compositional similarity between genetically modified and conventional potato crops[J]. Proceedings of the National Academy of Sciences of the United States of America, 2005, 102(40)∶ 14458-14462.

[59] KIM H S, KIM S W, PARK Y S, et al. Metabolic profiles of genetically modified potatoes using a combination of metabolite fingerprinting and multivariate analysis[J]. Biotechnology and Bioprocess Engineering, 2009, 14(6)∶ 738-747.

[60] KONDR?K M, MARINCS F, ANTAL F, et al. Effects of yeast trehalose-6-phosphate synthase 1 on gene expression and carbohydrate contents of potato leaves under drought stress conditions[J]. BMC Plant Biology, 2012, 12(1)∶ 74. doi∶ 10.1186/1471-2229-12-74.

[61] NOTEBORN H P J M, LOMMEN A, van DER JAGT R C, et al. Chemical fingerprinting for the evaluation of unintended secondary metabolic changes in transgenic food crops[J]. Journal of Biotechnology, 2000, 77(1)∶ 103-114.

[62] ROESSNER-TUNALI U, HEGEMANN B, LYTOVCHENKO A, et al. Metabolic profiling of transgenic tomato plants overexpressing hexokinase reveals that the influence of hexose phosphorylation diminishes during fruit development[J]. Plant Physiology, 2003, 133(1)∶ 84-99.

[63] le GALL G, COLQUHOUN I J, DAVIS A L, et al. Metabolite profiling of tomato (Lycopersicon esculentum) using1H NMR spectroscopy as a tool to detect potential unintended effects following a genetic modification[J]. Journal of Agricultural and Food Chemistry, 2004, 52(10)∶ 3210-3216.

[64] LONG M, MILLAR D J, KIMURA Y, et al. Metabolite profiling of carotenoid and phenolic pathways in mutant and transgenic lines of tomato∶ identification of a high antioxidant fruit line[J]. Phytochemistry, 2006, 67(16)∶ 1750-1757.

[65] NICOLETTI I, de ROSSI A, GIOVINAZZO G, et al. Identification and quantification of stilbenes in fruits of transgenic tomato plants (Lycopersicon esculentum Mill.) by reversed phase HPLC with photodiode array and mass spectrometry detection[J]. Journal of Agricultural and Food Chemistry, 2007, 55(9)∶ 3304-3311.

[66] KUSANO M, REDESTIG H, HIRAI T, et al. Covering chemical diversity of genetically-modified tomatoes using metabolomics for objective substantial equivalence assessment[J]. PLoS ONE, 2011, 6(2)∶ e16989. doi∶ 10.1371/journal.pone.0016989.

[67] HEINEMANN J A, KURENBACH B, QUIST D. Molecular profiling∶a tool for addressing emerging gaps in the comparative risk assessment of GMOs[J]. Environment International, 2011, 37(7)∶ 1285-1293. [68] LAY J O, Jr, LIYANAGE R, BORGMANN S, et al. Problems with the “omics”[J]. TrAC Trends in Analytical Chemistry, 2006, 25(11)∶1046-1056.

[69] COLHOUN H M, MCKEIGUE P M, SMITH G D. Problems of reporting genetic associations with complex outcomes[J]. The Lancet, 2003, 361∶ 865-872.

[70] WACHOLDER S, CHANOCK S, GARCIA-CLOSAS M, et al. Assessing the probability that a positive report is false∶ an approach for molecular epidemiology studies[J]. Journal of the National Cancer Institute, 2004, 96(6)∶ 434-442.

[71] STERNE J A C, EGGER M, SMITH G D. Systematic reviews in health care∶ Investigating and dealing with publication and other biases in meta-analysis[J]. BMJ∶ British Medical Journal, 2001, 323∶ 101-105.

[72] CHASSY B M. Can-omics inform a food safety assessment?[J]. Regulatory Toxicology and Pharmacology, 2010, 58(Suppl 3)∶ 62-70.

[73] PARROTT W, CHASSY B, LIGON J, et al. Application of food and feed safety assessment principles to evaluate transgenic approaches to gene modulation in crops[J]. Food and Chemical Toxicology, 2010, 48(7)∶ 1773-1790.

[74] 宋歡, 王坤立, 許文濤, 等. 轉(zhuǎn)基因食品安全性評(píng)價(jià)研究進(jìn)展[J].食品科學(xué), 2014, 35(15)∶ 295-303. doi∶ 10.7506/spkx1002-6630-201415059.

[75] 王晨光, 許文濤, 黃昆侖, 等. 轉(zhuǎn)基因食品分析檢測(cè)技術(shù)研究進(jìn)展[J].食品科學(xué), 2014, 35(21)∶ 297-305. doi∶10.7506/spkx1002-6630-201421058.

[76] HARRIGAN G G, LUNDRY D, DRURY S, et al. Natural variation in crop composition and the impact of transgenesis[J]. Nature Biotechnology, 2010, 28(5)∶ 402-404.

Recent Progress in “Omics” Technologies for Safety Assessment of Genetically Modified Crops

WANG Chenguang1,2, XU Wentao2,3, ZHU Pengyu2, FU Wei1,*
(1. Chinese Academy of Inspection and Quarantine, Beijing 100029, China; 2. College of Food Science and Nutritional Engineering, China Agricultural University, Beijing 100083, China; 3. The Supervision, Inspection and Testing Center of Genetically Modified Organisms Food Safety, Ministry of Agriculture, Beijing 100083, China)

Transgenic technology has attracted worldwide attention, and genetically modified (GM) crops are related to human health and ecological environment. Therefore, the safety assessment of GM crops is of vital importance, and various evaluation methods have been developed and constantly improved. It is particularly noted that “omics” technologies have provided new ideas for the safety assessment of GM crops. This paper discusses the necessity and history of the development of “omics” technologies and reviews the current status and future trends of the leading “omics” technologies for the safety assessment of GM crops in order to provide new directions for GM crop safety assessment.

genetically modified crops;“omics” analysis; “omics”strategy; multi-omics analysis technology

TS201.6

1002-6630（2015）17-0288-08

10.7506/spkx1002-6630-201517053

2014-12-03

科技部轉(zhuǎn)基因生物新品種培育科技重大專項(xiàng)（2014ZX08012-001）

王晨光（1991—），男，碩士研究生，研究方向?yàn)檗D(zhuǎn)基因食品分析與檢測(cè)技術(shù)。E-mail：italy10.wang@gmail.com

*通信作者：付偉（1983—），女，副研究員，博士，研究方向?yàn)檗D(zhuǎn)基因產(chǎn)品安全評(píng)價(jià)。E-mail： fuwei0212@163.com