朱超??梁瓊麟 王義明 羅國安

摘要 磷脂是細(xì)胞膜的主要組分，有非常重要的生理功能，與人類健康、疾病密切相關(guān)。因此，有必要對生物體內(nèi)磷脂化合物進(jìn)行全面的分析，深入研究磷脂在疾病發(fā)生發(fā)展過程中的生物功能。磷脂組學(xué)是通過全面的定性與定量分析磷脂化合物解決現(xiàn)有生物學(xué)問題的研究模式。磷脂分析檢測技術(shù)是實(shí)現(xiàn)磷脂組學(xué)研究的關(guān)鍵，包括樣品前處理、分離、定性與定量分析和組學(xué)數(shù)據(jù)挖掘等。本文綜述了磷脂組學(xué)研究中的分析檢測技術(shù)，為發(fā)展快速、穩(wěn)定、可靠、高靈敏、高分辨、高通量的磷脂檢測平臺技術(shù)提供參考。磷脂組學(xué)與其他組學(xué)的整合研究將促進(jìn)生命分析化學(xué)的進(jìn)一步發(fā)展。

關(guān)鍵詞 磷脂； 分析檢測技術(shù)； 磷脂組學(xué)； 綜述

1引言

磷脂是細(xì)胞膜的主要成分，是生物活性物質(zhì)及信息分子前體的貯備物質(zhì)，在細(xì)胞生長、細(xì)胞遷移、細(xì)胞信號轉(zhuǎn)導(dǎo)、細(xì)胞識別、細(xì)胞相互作用、細(xì)胞凋亡等方面都具有重要的生理功能 [1～9 ]。磷脂通過影響人體內(nèi)分泌或神經(jīng)系統(tǒng)起到調(diào)節(jié)人體代謝的作用，與肥胖、糖尿病、癌癥、阿爾茲海默病、心血管疾病等多種疾病密切相關(guān)，甚至被認(rèn)為是某些疾病的潛在生物標(biāo)志物 [10～16 ]。因此，有必要對生命體內(nèi)的磷脂化合物進(jìn)行準(zhǔn)確、高效的檢測，深入研究磷脂的生物功能，探討其與疾病發(fā)生、發(fā)展的關(guān)系并發(fā)現(xiàn)其在疾病預(yù)防、診斷和治療過程中的生物作用。

磷脂組學(xué)是對生物系統(tǒng)中磷脂化合物進(jìn)行全面的定性、定量，解決現(xiàn)有與磷脂及其代謝相關(guān)的生物學(xué)問題。其研究策略 （圖1） 采用代謝組學(xué)的研究模式：針對疾病發(fā)生、發(fā)展、診斷、治療，藥物安全性和療效評價(jià)等生物學(xué)問題制定解決方案，設(shè)計(jì)并實(shí)施實(shí)驗(yàn)過程，對大量生物樣本的檢測數(shù)據(jù)進(jìn)行多元統(tǒng)計(jì)分析，尋找有關(guān)的潛在生物標(biāo)志物，并進(jìn)行驗(yàn)證和闡釋生物學(xué)意義。其中，最關(guān)鍵的就是要有可靠的數(shù)據(jù)來源。這些數(shù)據(jù)的獲取依賴于磷脂分析檢測技術(shù)。

圖1磷脂組學(xué)研究的一般策略

Fig.1Strategy for phospholipidomics

磷脂分析檢測技術(shù)包括樣本前處理、磷脂化合物分離 （輪廓譜的獲?。?、定性與定量分析及組學(xué)數(shù)據(jù)挖掘和相關(guān)數(shù)據(jù)庫的建立。本文對磷脂分析檢測技術(shù)進(jìn)行綜述，對磷脂組學(xué)的研究前景進(jìn)行展望，為代謝組學(xué)研究發(fā)展新技術(shù)、新方法提供有價(jià)值的參考。

2磷脂的種類與結(jié)構(gòu)

磷脂主要分為兩大類，一類是甘油磷脂，另一類是鞘磷脂。甘油磷脂分子由4部分構(gòu)成：1個(gè)磷酸，1個(gè)甘油骨架，1個(gè)親水頭部R和1個(gè)疏水尾部 （圖2A）。親水頭部R是磷脂分子的極性端，可以是膽堿、乙醇胺、肌醇、絲氨酸、甘油，構(gòu)成不同類的甘油磷脂化合物：磷脂酸 （PA）、溶血磷脂酸 （LPA）、磷脂酰膽堿 （PC）、溶血性磷脂酰膽堿 （LPC）、磷脂酰乙醇胺 （PE）、溶血性磷脂酰乙醇胺 （LPE）、磷脂酰肌醇 （PI）、溶血磷脂酰肌醇 （LPI）、磷脂酰絲氨酸 （PS）、溶血磷脂酰絲氨酸 （LPS）、磷脂酰甘油 （PG）、溶血磷脂酰甘油 （LPG）、雙磷脂酰甘油 （DPG）。疏水尾部是磷脂分子的非極性端，主要由一條或兩條含有不同碳數(shù) （n=14～22） 和不同不飽和度的（n=0～6） 的脂肪酸鏈構(gòu)成。甘油結(jié)構(gòu)中C1位置常連結(jié)飽和脂肪酸鏈，C2位置則常連結(jié)不飽和脂肪酸鏈。鞘磷脂分子結(jié)構(gòu)與甘油磷脂結(jié)構(gòu)非常相似，

由4部分構(gòu)成： 1個(gè)磷酸，1個(gè)親水頭部R′，

1個(gè)鞘氨醇和1個(gè)脂肪酸 （圖2B）。鞘磷脂的親水頭部R′可以是膽堿或乙醇胺，是分子極性端；疏水尾部則由1條不同碳數(shù)和不同不飽和度的脂肪酸鏈與1條鞘氨醇的烴基鏈構(gòu)成。脂肪酸鏈碳數(shù)相同不飽和度相同的情況下雙鍵位置也有不同?；谝陨喜煌惲字衔镏邪ê喾N不同脂肪酸鏈的分子，可鑒定的磷脂分子理論總數(shù)超過1000種。

磷脂分子屬于兩性分子。針對磷脂化合物的性質(zhì)選擇提取、分離、檢測手段，獲取定性或定量信息進(jìn)而篩查生物學(xué)問題相關(guān)的潛在標(biāo)志物并建立數(shù)據(jù)庫，是磷脂組學(xué)研究中分析檢測技術(shù)應(yīng)完成的任務(wù)。隨著儀器分析和計(jì)算科學(xué)的不斷發(fā)展，磷脂分析檢測技術(shù)正在進(jìn)一步完善。通過整合多種方法構(gòu)建新型磷脂檢測平臺技術(shù)將滿足磷脂組學(xué)研究對發(fā)展簡便、快捷、高精度、高分辨、高通量的系統(tǒng)分析方法的要求。

3磷脂分析檢測技術(shù)

3.1生物樣本的前處理

3.1.1磷脂的提取由于生物樣本具有多樣性，涉及磷脂分析的生物樣本主要有血漿或血清、組織樣本、細(xì)胞樣本等 [17 ]。從復(fù)雜生物樣本中提取兩性磷脂化合物，主要方法包括液液萃取、液固萃取、單一溶劑提取。

已經(jīng)報(bào)道的磷脂或總脂的液液萃取方法有多種，如Folch法 [18，19，22 ]、Bligh and Dyer （BD） 法 [19，20 ]、Gerber法 [21 ]、Babcock法 [21 ]、WernerSchmid法 [21 ]和RoseGottlieb法 [22 ]。其中BD法被認(rèn)為是磷脂化合物提取的“金標(biāo)準(zhǔn)”，即采用極性較小的氯仿 （或二氯乙烷） 和極性相對較強(qiáng)的甲醇作為提取溶劑，使樣本中不同極性的磷脂化合物更好的溶出。此方法被廣泛用于提取細(xì)胞、血漿、腦組織和肝組織樣品中的總脂 [23～25 ]。其它常用的磷脂提取的溶劑體系還有正己烷/異丙醇/丙酮 [26 ]。但是，液液萃取法所需樣本量大 （>100 μL），且耗時(shí)長，在萃取、超聲、純化過程中， 磷脂化合物會有一定程度的損失 [26 ]。

固相萃取 （SPE） 是磷脂分離和富集的另外一種有效手段，能夠去除樣本中的中性脂，更適合磷脂化合物的提取。SPE可實(shí)現(xiàn)與色譜、質(zhì)譜或NMR技術(shù)的在線串聯(lián) [27，28 ]。目前應(yīng)用的固相萃取方法中常采用的吸附劑有C18和鍵合硅膠 [29 ]、Si [30 ]、TiO2/SiO2核殼顆粒 [31 ]、丙氨基硅膠鍵合相 [32 ]等。洗脫劑則以氯仿、甲醇、異丙醇、正己烷等為主。常用的緩沖鹽包括乙酸銨、甲酸銨等。Fauland等 [33 ]采用兩根硅膠柱與一根氨基鍵合硅膠柱組合，將PC， LPC， PE， PI， PA， CL， PG， PS， SM等通過4個(gè)洗脫片段進(jìn)行分離。SPE法可以連續(xù)處理多個(gè)樣品，操作簡單、重復(fù)性好、提取回收率能夠滿足分析要求。

為獲得更好的提取效率，降低樣本用量，單一溶劑提取方法被眾多研究者所采用。Matyash等 [34 ]利用甲基叔丁基醚 （MTBE） 提取生物樣品中的脂類物質(zhì)。MTBE有超強(qiáng)的選擇性，不溶物可以離心除去。利用甲醇 （MeOH） 能夠簡便快捷的提取血漿磷脂，得到較為理想的提取回收率，適于提取血漿中的大部分磷脂 [35 ]。我們在之前的研究中采用異丙醇 （IPA） 法取代MeOH法提取血漿磷脂。結(jié)果表明，IPA作為提取溶劑時(shí)，除溶血卵磷脂的提取效率低于MeOH法，其它各類磷脂的提取率均高于或相當(dāng)于MeOH法 [36 ]。單一溶劑的提取方法省去了富集過程、降低了提取過程中的損失，而且樣本用量低 （<10 μL）。

3.1.2磷脂的衍生化磷脂的衍生化是通過結(jié)構(gòu)修飾改變分子性質(zhì)，從而改善HPLC、毛細(xì)管電泳 （CE）、氣相色譜 （GC） 等方法檢測磷脂的選擇性和靈敏度，實(shí)現(xiàn)磷脂化合物進(jìn)行定性和定量 [37 ]。衍生化方法主要包括：直接衍生化、水解后衍生化和其他衍生化。對于含有氨基頭部的磷脂化合物一般采用直接衍生化，其紫外吸收強(qiáng)度和傅里葉變換響應(yīng)都會增強(qiáng)，檢測限能達(dá)到pmol水平 [38 ]。Haddadian等 [39 ]用甲基β環(huán)糊精修飾的膠束電毛細(xì)管色譜檢測熒光染料3（2糠酰）喹啉3環(huán)己烯 （FQ） 標(biāo)記的氨基磷脂分子，檢出限最低可以達(dá)到0.1 fg。對于大多數(shù)的磷脂化合物，特別是甘油磷脂，常采用的衍生化方法是水解后的衍生化。甘油磷脂水解后生成甘油二酯，其中的自由羥基可被?；蝓セ?，適于光譜檢測。當(dāng)采用氣相色譜 （GC） 檢測時(shí)，首先用過磷脂酶C進(jìn)行水解，后選擇不同試劑，例如：特丁基二甲基硅烷 （TBDMS） [40 ]、三甲基硅烷 （TMS） [41 ]、五氟苯甲酰 （PFB） [42 ]、七氟丁酸酐 （HFB） [43 ]等進(jìn)行衍生化，降低化合物極性，提高靈敏度。

3.2磷脂的分離

色譜是分離磷脂的主要手段。磷脂具有不揮發(fā)、易吸水、不耐高溫等特點(diǎn)，不同類磷脂分子結(jié)構(gòu)類似，同類分子之間只有脂肪酸鏈的碳數(shù)和不飽和度的差別。分離時(shí)易出現(xiàn)色譜峰重疊、拖尾等問題。因此，獲得良好色譜分離必須選擇合適的分離方法和洗脫方式。用于磷脂分離的主要色譜方法有薄層色譜法 （TLC）、HPLC和GC。由于GC分離磷脂化合物需經(jīng)過衍生化，其應(yīng)用受到一定限制。本文主要介紹TLC和HPLC方法。

3.2.1薄層色譜（TLC）/高效薄層色譜（HPTLC）TLC是利用不同磷脂種類在薄層板上產(chǎn)生不同的比移值，從而達(dá)到分離的目的 [44 ]，適于不同類別磷脂的分離。薄層色譜的吸附劑是涂抹在玻璃板、塑料或鋁基片上的，主要有兩種：硅膠G和硅膠H，其中硅膠H的吸附性更強(qiáng)。洗脫劑常用氯仿甲醇水 （醋酸鹽緩沖液或氨水），具體實(shí)驗(yàn)應(yīng)根據(jù)吸附劑的使用情況調(diào)整洗脫劑的種類和比例 [45～47 ]。常用的顯色劑包括：Dittmerlester 鉬藍(lán)顯色劑、茚三酮試劑、碘蒸氣顯色、Vaskovsky試劑和Dragendorff 試劑等。TLC能夠?qū)崿F(xiàn)不同種類磷脂化合物的分離，通過與標(biāo)準(zhǔn)品對照進(jìn)行定性與定量分析。方法簡單、方便、直觀，但預(yù)處理繁瑣、耗時(shí)，且影響準(zhǔn)確度，需較高的點(diǎn)樣技術(shù)。TLC或二維TLC（2DTLC）在HPLC出現(xiàn)之前是非常重要的磷脂分離方法，由于方便、快速，現(xiàn)在仍被廣泛用于磷脂的類別分離 [32，46，48，49 ]。目前，高效薄層色譜 （HPTLC） 和二維高效薄層色譜 （2DHPTLC） [50，51 ]方法應(yīng)用較多。

3.2.2高效液相色譜（HPLC）良好的分離非常有利于復(fù)雜樣本的定性與定量分析。雖然TLC在磷脂類別分離方面存在一定優(yōu)勢，但其并不適于同類別內(nèi)的不同磷脂分子的分離。借助HPLC系統(tǒng)可以實(shí)現(xiàn)磷脂化合物類別間和類別內(nèi)的分離，為磷脂化合物定性提供了保留時(shí)間信息，也有利于磷脂的定量分析。用于磷脂分離的主要色譜方法包括反相高效液相色譜 （RPLC）、正相高效液相色譜 （NPLC） 和親水色譜 （HILIC），且可以串聯(lián)不同的檢測器，如紫外 （UV）、蒸發(fā)光散射 （ELSD） [52 ]和質(zhì)譜 （MS）。

RPLC法能夠?qū)崿F(xiàn)同一類磷脂化合物中不同分子的分離，但各類別間的分離效果較差，極性較強(qiáng)的脂先被洗脫出來 [24，52～54 ]。NPLC法能夠?qū)崿F(xiàn)較好的類別間的分離，極性較弱的脂先被洗脫出來 [23，55，56 ]。由于NPLC方法常采用弱極性溶劑作為流動相，與極性相對較強(qiáng)溶液混合易產(chǎn)生氣泡，保留時(shí)間的飄移不可避免。HILIC法則使用RPLC法的流動相系統(tǒng)，其洗脫順序卻與NPLC法相同，克服了NPLC法保留時(shí)間飄移的缺陷，重現(xiàn)性良好 [29，57，58 ]。磷脂化合物的極性差別會影響分離度，因此，在洗脫方式上，梯度洗脫比等度洗脫更有利于磷脂分離，會獲得更好的峰形和分離度。磷脂化合物的HPLC分離方法總結(jié)見表1。

基于各類型色譜的優(yōu)缺點(diǎn)，二維液相色譜方法（如2DNPLCRPLC [59，60 ]、2DHILICRPLC [61～63 ]）能夠同時(shí)獲得良好的類別間和類別內(nèi)分離，被廣泛應(yīng)用于磷脂組學(xué)的研究，其缺陷在于單次運(yùn)行的時(shí)間比較長，分析通量小。因此，建立快速二維分離方法對于磷脂分析檢測技術(shù)發(fā)展和磷脂組學(xué)研究有很好的促進(jìn)作用。

3.3磷脂的定性與定量分析

磷脂組學(xué)的研究目標(biāo)是研究磷脂的生物功能，尋找磷脂及其代謝與疾病發(fā)生發(fā)展的關(guān)系。前提是對復(fù)雜生物體系內(nèi)的磷脂化合物進(jìn)行定性與定量分析。要確定磷脂化合物的類別歸屬 （確定分子的極性頭部和骨架）、分子結(jié)構(gòu) （脂肪酸鏈的碳數(shù)、雙鍵數(shù)和雙鍵位置）、生物樣本中的含量，從而深入研究其代謝途徑和代謝差異。由于磷脂分子結(jié)構(gòu)的多樣性和相似性，對磷脂化合物進(jìn)行全面的定性與定量分析是很大的挑戰(zhàn)。常用方法有光譜法、質(zhì)譜或色譜質(zhì)譜聯(lián)用法、核磁共振法等 （表2）。

3.3.1光譜

光譜主要利用磷脂化合物的特征吸收對磷脂進(jìn)行定性與定量分析。通過最大吸收波長下的紫外吸收峰與磷脂標(biāo)準(zhǔn)溶液濃度的關(guān)系建立回歸方程，計(jì)算得到總磷脂或某類磷脂的含量。該方法只需排除非磷脂干擾，不需經(jīng)過分離就可直接測定，操作簡單、線性良好、回收率高、精確度高。紫外檢測器是HPLC測定磷脂化合物常用的檢測器 [64 ]。磷脂化合物經(jīng)過分離后，根據(jù)色譜峰的保留時(shí)間定性，根據(jù)峰面積積分值定量分析，但必須要有對應(yīng)的同類磷脂的標(biāo)準(zhǔn)品。

利用傅里葉變換紅外光譜 （FTIR） 中提供的由于CO， PO2，POC振動吸收在1200～970 nm產(chǎn)生的譜帶信息進(jìn)行定性與定量分析。 通過建立磷脂峰面積與濃度的回歸方程，計(jì)算出磷脂含量 [65 ]。該方法準(zhǔn)確度高、重復(fù)性良好、操作簡便、分析速度快。

3.3.2質(zhì)譜（MS）磷脂化合物的定性不僅要明確化合物的類別歸屬，更要明確分子組成。色譜分離可以提供用于判定類別歸屬的保留時(shí)間還可以抵消質(zhì)譜中部分離子抑制。質(zhì)譜提供磷脂分子的質(zhì)量信息、離子碎片或中性丟失信息，從而進(jìn)一步確定可能的分子結(jié)構(gòu)。磷脂檢測中常用的質(zhì)譜檢測器包括：離子阱質(zhì)譜 （IT） [23 ]、飛行時(shí)間質(zhì)譜 （TOF） [23 ]、四級桿飛行時(shí)間質(zhì)譜（QTOF） [66 ]、傅里葉轉(zhuǎn)換質(zhì)譜 （FT） [24 ]、軌道阱質(zhì)譜 （Orbitrap） [67 ]等。IT和QTOF可以提供多級碎片信息；TOF， QTOF， FT， Orbitrap具有較高的分辨率，可以提供精確分子質(zhì)量。高分辨質(zhì)譜在鑒定m/z接近而元素組成不一致的基團(tuán)時(shí)優(yōu)勢明顯。采用色譜質(zhì)譜聯(lián)用技術(shù)就可以根據(jù)保留時(shí)間、精確分子量和碎片離子信息對磷脂化合物進(jìn)行結(jié)構(gòu)鑒定 [67～70 ]，根據(jù)多級質(zhì)譜信息確定相同分子量含有不同脂肪酸鏈的磷脂結(jié)構(gòu)。然而，磷脂分子中不飽和脂肪酸鏈CC雙鍵位置的確定仍是難點(diǎn)。

質(zhì)譜檢測的離子信號強(qiáng)度（在一定范圍內(nèi)）均與離子數(shù)量大致線性相關(guān)。通過建立峰面積 （或待測物峰面積與內(nèi)標(biāo)物比值） 和標(biāo)準(zhǔn)品溶液濃度的標(biāo)準(zhǔn)曲線，由回歸方程計(jì)算得到未知樣本的含量 [23，24，29 ]。由于磷脂標(biāo)準(zhǔn)品種類受限，每類或離子化行為一致的多類磷脂可共用一種標(biāo)準(zhǔn)品進(jìn)行定量分析。

3.3.3核磁共振譜（NMR）核磁共振技術(shù)是最通用的復(fù)雜生物樣本的分析手段，利用磷原子31P的核磁共振效應(yīng)對磷脂化合物進(jìn)行定性和定量分析。不同類別的磷脂由于化學(xué)環(huán)境不同，31P的化學(xué)位移也不同，通過監(jiān)測31P的化學(xué)位移來鑒定磷脂的分子結(jié)構(gòu)，其含量則由核磁響應(yīng)信號的積分確定 [71 ]。借助1D NMR和2DNMR可以確定磷脂分子脂肪酸鏈中雙鍵的位置 [72～76 ]。NMR可與HPLC、MS、SPE等手段整合運(yùn)用，獲取更有價(jià)值的結(jié)構(gòu)信息，實(shí)現(xiàn)已知和未知磷脂化合物分子的結(jié)構(gòu)鑒定，特別是分子中不飽和脂肪酸鏈的結(jié)構(gòu)確認(rèn) [75，76 ]。NMR具有快速、準(zhǔn)確性較高、深入物質(zhì)內(nèi)部而不破壞被測物質(zhì)等優(yōu)點(diǎn) [77 ]。因此，核磁共振技術(shù)為磷脂化合物的結(jié)構(gòu)鑒定提供了強(qiáng)有力的工具。然而，樣本用量大限制了NMR在生物樣本分析中的應(yīng)用。此外，近年發(fā)展的高分辨魔角旋轉(zhuǎn)核磁共振技術(shù) （HRMAS） 能夠消除非均相溶液中磁化率不同引起的譜線加寬，可以直接用于完整組織和器官中磷脂化合物的檢測，靈敏度較高 [78 ]。

發(fā)展新型平臺技術(shù)，必須綜合考慮各種分析檢測技術(shù)的特點(diǎn)，整合多種技術(shù)和數(shù)據(jù)庫，才能確定磷脂分子的類別、脂肪酸鏈的碳原子數(shù)、不飽和度及雙鍵位置、生物樣本中的含量及相關(guān)代謝途徑。整合色譜分離技術(shù)、高分辨質(zhì)譜技術(shù)及核磁共振技術(shù)建立新型磷脂檢測平臺技術(shù)最能滿足磷脂化合物結(jié)構(gòu)鑒定面臨的挑戰(zhàn)。

3.4組學(xué)數(shù)據(jù)挖掘

3.4.1數(shù)據(jù)處理方法磷脂組學(xué)完全借鑒代謝組學(xué)的數(shù)據(jù)處理方法。對充分挖掘化合物的大量的、多維的信息，進(jìn)行一系列化學(xué)計(jì)量學(xué)方法計(jì)算，從中獲取具有生物學(xué)意義的潛在信息。首先需要對獲得的代謝物的輪廓譜數(shù)據(jù)進(jìn)行歸一化和濾噪，消除多余的干擾因素，保留與分類有關(guān)的信息。正交信號校正技術(shù) （OSC） 是最為廣泛應(yīng)用的濾噪技術(shù)之一 [79 ]。生物標(biāo)志物的發(fā)掘是通過對檢測到的所有化合物信息進(jìn)行判別分析，找出對分類貢獻(xiàn)最大的一種或若干種變量 [80～82 ]。用于組學(xué)研究的聚類算法主要包括：非監(jiān)督學(xué)習(xí)方法和監(jiān)督學(xué)習(xí)方法。

非監(jiān)督的學(xué)習(xí)方法是以原始圖譜或預(yù)處理后的圖譜數(shù)據(jù)對樣本進(jìn)行歸類，不需任何樣本分類的背景信息。這種方法沒有訓(xùn)練樣本可供學(xué)習(xí)利用，而是對給定的數(shù)據(jù)集進(jìn)行模式判別和相關(guān)性分析。主要有主成分分析 （PCA）、K均值聚類、高斯模型等 [83～87 ]。

監(jiān)督的學(xué)習(xí)方法適于分析有先驗(yàn)知識和假設(shè)的數(shù)據(jù)。依據(jù)先驗(yàn)知識對未知數(shù)據(jù)進(jìn)行辨識、歸類、預(yù)測。這種方法需要建立測試模型判別性能的測試集和確認(rèn)類別歸屬的確認(rèn)集。代表方法有偏最小二乘法 （PLS）、非線性偏最小二乘法（OPLS）、偏最小二乘判別分析 （PLSDA）、非線性偏最小二乘判別分析 （OPLSDA）、人工神經(jīng)網(wǎng)絡(luò) （ANN） 等 [85，88 ]。

3.4.2數(shù)據(jù)庫數(shù)據(jù)庫是組學(xué)研究不可或缺的工具。數(shù)據(jù)庫除能夠提供生物體中各種代謝物的結(jié)構(gòu)信息外，還應(yīng)包涵化合物生化信息、疾病相關(guān)的代謝差異以及有關(guān)的定量數(shù)據(jù)。磷脂組學(xué)需要建立的數(shù)據(jù)庫是關(guān)于生物系統(tǒng)中所有磷脂化合物的數(shù)據(jù)庫，為未知磷脂化合物及其代謝物的結(jié)構(gòu)鑒定提供相關(guān)信息或可用于已知磷脂分子生物功能的解釋。從數(shù)據(jù)庫或基于網(wǎng)絡(luò)的搜索引擎中獲取磷脂化合物的性質(zhì)、分類、實(shí)驗(yàn)技術(shù)、代謝途徑等相關(guān)信息。常用數(shù)據(jù)庫和搜索引擎包括：LIPIDAT （http：//www.lipidat.chemistry.ohiostate.edu）、Lipid Map （http：//www.lipidmaps.org/）、Cyberlipids （http：//www.cyberlipid.org/）、Lipid Library （http：//lipidlibrary.aocs.org/）、LIPIDAT （http：//www.lipidat.chemistry.ohiostate.edu）、Human Metabolome （HMBD， http：//www.hmdb.ca/）、LIPID Bank （www.lipidbank.jp）、KEGG （http：//www.kegg.jp/）、LIPIDMonster DB （http：//www.lipidmaps.org/tools/）、Lipidhome （http：//www.ebi.ac.uk/metabolights/lipidhome/）、代謝途徑數(shù)據(jù)庫 （http：//pid.nci.nih.gov/）、Pubmed數(shù)據(jù)資源 （http：//www.ncbi.nlm.nih.gov/pubmed/）、代謝途徑數(shù)據(jù)庫 （http：//pid.nci.nih.gov/）、生物信息學(xué)數(shù)據(jù)庫 （ExPASy， http：//www.expasy.org/）、LipidSearchTM Software （Thermo scientific）、VaLID [89～91 ]。已經(jīng)建立的脂質(zhì)組學(xué)的數(shù)據(jù)庫為磷脂組學(xué)研究提供了大量化合物的結(jié)構(gòu)信息、質(zhì)譜信息和代謝途徑信息，為潛在生物標(biāo)志物的鑒定提供參考 [92 ]。

4結(jié)語與展望

磷脂分析檢測技術(shù)是磷脂組學(xué)研究獲取穩(wěn)定、可靠數(shù)據(jù)的必要手段，是順利實(shí)施實(shí)驗(yàn)方案的重要保障。分析儀器和計(jì)算技術(shù)的不斷革新決定了磷脂檢測技術(shù)的發(fā)展趨勢。樣本前處理方法的發(fā)展趨勢：（1）樣品用量少降低樣本用量，特別是寶貴的臨床樣本的用量。（2）提取效率高 提高低豐度磷脂化合物的提取效率。（3）在線提取實(shí)現(xiàn)與LC、MS或NMR等的在線聯(lián)用，提高方法的簡捷程度和自動化程度。磷脂檢測技術(shù)將向著快速、穩(wěn)定、重現(xiàn)性好、高靈敏度、高分辨率、高通量的方向發(fā)展 [66 ]，滿足微量和痕量磷脂化合物定性和定量分析要求。通過建立二維或多維色譜和質(zhì)譜方法實(shí)現(xiàn)同類磷脂化合物不同分子的鑒定 [63，93 ]。完善磷脂組學(xué)的數(shù)據(jù)庫建設(shè)，使其能夠提供盡可能多的磷脂化合物及其代謝物相關(guān)的代謝通路信息，及與疾病相關(guān)的代謝差異的生物學(xué)意義的解釋。

采用單一技術(shù)是很難實(shí)現(xiàn)磷脂化合物的全面的定性和定量，必須針對生物樣本的特性，整合不同檢測技術(shù)的優(yōu)勢，構(gòu)建包含提取、分離、檢測、數(shù)據(jù)處理等的定性定量平臺技術(shù)，結(jié)合數(shù)據(jù)庫和相關(guān)軟件挖掘潛在標(biāo)志物的各類信息。整合基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白組學(xué)、代謝組學(xué)等的數(shù)據(jù)信息，使相關(guān)數(shù)據(jù)庫和軟件的功能越來越強(qiáng)大，逐漸實(shí)現(xiàn)磷脂化合物鑒定和相關(guān)代謝途徑分析的自動化、網(wǎng)絡(luò)化、可視化。

磷脂組學(xué)研究是針對磷脂的代謝組學(xué)研究模式。隨著代謝組學(xué)的整合化發(fā)展 [17 ]，磷脂組學(xué)可以借助代謝組學(xué)提供的數(shù)據(jù)分析方法、脂質(zhì)研究的數(shù)據(jù)庫和相關(guān)專家系統(tǒng)。與基因組學(xué)、轉(zhuǎn)錄組學(xué) [94 ]、蛋白組學(xué)、代謝組學(xué)等進(jìn)行多組學(xué)整合研究，從基因、蛋白、代謝等多層次研究磷脂化合物，尋找與疾病診斷、預(yù)防、治療相關(guān)的潛在生物標(biāo)志物體系及相關(guān)的的代謝途徑、代謝規(guī)律和代謝網(wǎng)絡(luò)， 為人類健康提供更可靠、更有意義的數(shù)據(jù)。

References

1Ansell G B， Hawthorne J N. Phospholipids： Chemistry， Metabolism and Function. AmsterdamLondonNew York： Elsevier Pub. Co.， 1964： 3

2Cronan J E， Vagelos P R. BBARev. Biomembranes. 1972， 265（1）： 25-60

3Michell R H. BBARev. Biomembranes， 1975， 415（1）： 81-147

4Jia L W， Wang C， Kong H W， Yang J， Li F L， Lv S， Xu G W. J. Pharm. Biomed. Anal.， 2007， 43（2）： 646-654

5CastroGómez P， GarciaSerrano A， Visioli F， Fontech J. Fatty Acids （PLEFA）， 2015， 101： 41-51

6Hla T. Sem. in Cell. Dev. Biol.， 2004， 15（5）： 513-520

7Robichaud P P， Surette M E. Curr. Opin. Endocrinol. Diabetes Obes.， 2015， 22（2）： 112-118

8Yang H W， Chen Y Z， Zhang Y， Wang X H， Zhao X， Godfroy III J I， Liang Q， Zhang M， Zhang T Y， Yuan Q， Royal M A， Driscoll M， Xia N S， Yin H， Xue D. Nat. Commun.， 2015， 6： 5717

9Bujak E， Pretto F， Neri D. Invest. New Drugs， 2015， 33（4）： 791-800

10MacDonald M J， Ade L， Ntambi J M， Ansari IU H， Stoker S W. J. Biol. Chem.， 2015， 290（17）： 11075-11092

11Bang D Y， Lim S， Moon M H. J. Chromatogr. A， 2012， 1240（2）： 69-76

12Hinterwirth H， Stegemann C， Mayr M. CIRCCardiovasc. Gene.， 2014， 7（6）： 941-954

13Zhu C， Liang Q L， Hu P， Wang Y M， Luo G A. Talanta， 2011， 85（4）： 1711-1720

14Jung J H， Lee M Y， Choi D U， Lee J W， You S Y， Lee K Y， Kim J Y， Kim K P. Proteomics， 2015， 15（4）： 824-835

15Lemaitre R N， Fretts A M， Sitlani C M， Biggs M L， Mukamal K， King I B， Song X L， Djoussé L， Siscovick D S， McKnight B， Sotoodehnia N， Kizer J R， Mozaffarian D. Am. J. Clin. Nutr.， 2015， 101（5）： 1047-1054

16Zhao Z， Xiao Y， Elson P， Tan H， Plummer S J， Berk M， Aung P P， Lavery I C， Achkar J P， Li L， Casey G， Xu Y. J. Clin. Oncol.， 2007， 25（19）： 2696-2701

17ZHU Chao， LIANG QiongLin， WANG YiMing， LUO GuoAn. Chinese J. Anal. Chem.， 2010， 38（7）： 1060-1068

朱 超， 梁瓊麟， 王義明， 羅國安. 分析化學(xué)， 2010， 38（7）： 1060-1068

18Folch J， Lees M， SloaneStanley G H. J. Biol. Chem.， 1957， 226（1）： 497-509

19Iverson S J， Lang S L， Cooper M H. Lipids.， 2001， 36（11）： 1283-1287

20Blight E G， Dyer W J. Can. J. Biochem. Physiol.， 1959， 37（8）： 911-917

21Mashall R J. Food Nutr. Anal. Dairy Prod.， 2005： 312-319

22Avalli A， Contarini G. J. Chromatogr. A.， 2005， 1071（12）： 185-190

23Pang L Q， Liang Q L， Luo G A. J. Chromatogr. B， 2008， 869（12）： 118-125

24Hu C X， Spijksma G， Reijmers T H； Wang M， Slee E， Lu X， Xu G W， van der Greef J， Hankemeier T. J. Proteome Res.， 2008， 7（11）： 4982-4991

25Han X L， Hua C. J. Lipid Res.， 2005， 46（1）： 163-175

26Baumy J J， Gestin L， Fauquant J， Boyaval E， Maubois J L. Process （Rennes）， 1990， 1047： 29-33

27Tang H R， Xiao C N， Wang Y L. Magn. Reson. Chem.， 2009， 47（1）： S157-S162

28CalderónSantiago M， PriegoCapote F， Luque de Castro M D. Electrophoresis， 2015， 36（18）： 2179-2187

29Persson E， Lfgren L， Hansson G， Abrahamsson B， Lennerns H， Nilsson R. J. Lipid Res.， 2007， 48（1）： 242-251

30Mills C T， Goldhaber M B. Soil Biol. Biochem.， 2010， 42（42）： 1179-1182

31Shen Q， Cheung H Y. J. Agric. Food Chem.， 2014， 62（36）： 8944-8951

32Zahradníková H， Tomala A， Berková P， Schneedorferová I， Okrouhlík J， imek P， Hodková M. J. Sep. Sci.， 2014， 37（15）： 2062-2068

33Fauland A， Tr tzmüller M， Eber A， AfiuniZadeh S， Kfeler H， Guo X H， Lankmayr E. J. Sep. Sci.， 2013， 36（4）： 744-751

34Matyash V， Liebisch G， Kurzchalia TV. J. Lipid Res.， 2008， 49（5）： 1137-1146

35Zhao Z W， Xu Y. J. Lipid Res.， 2010， 51（3）： 652-659

36Zhu C， Dane A， Spijksma G， Wang M， van der Greef J， Luo G， Hankemeier T， Vreeken R J. J. Chromatogr. A， 2012， 1220（1）： 26-34

37Wang Y H， Krull I S， Liu C， Orr J D. J. Chromatogr. B， 2003， 793（1）： 3-14

38Chen S.S H， Kou A Y. J. Chromatogr. B， 1982， 227（1）： 25-31

39Haddadian F， Shamsi F A， Schaeper J P， Danielson N D. J. Chromatogr. Sci.， 1998， 36（8） ： 395-400

40Satouchi K， Saito K. Biomed. Mass Spectrom.， 1979， 6（9）： 396-402

41Yon C， Han J S. Exp. Mol. Med.， 2000， 32（4）： 243-245

42Ramesha C S， Pickett W C. Biomed. Mass Spectrom.， 1986， 13（13）： 107-111

43Weintraub S T， Lear C S， Pinckard R N. J. Lipid Res.， 1990， 31（4）： 719-725

44Touchstone J C， Chen J C， Beave K M. Lipids， 1980， 15（1）： 61-62

45Ruiz J I， Ochoa B. J. Lipid Res.， 1997， 38（7）： 1482-1489

46Weerheim A M， Kolb A M， Sturk A， Nieuwlan R. Anal. Biochem.， 2002， 302（2）： 191-198

47Tyurin V A， Tyurina Y Y， Osipov A N， Belikova N A， Basova L V， Kapralov A A， Bayir H， Kagan V E. Cell Death Differ.， 2007， 14（4）： 872-875

48Dashti M， Kulik W， Hoek F， Veerman E C， Peppelenbosch M P， Rezaee F. Sci. Rep.， 2011， 1（139）： 3332-3341

49Fuchs B， Popkova Y， Sü R， Schiller J. Instrumental ThinLayer Chromatography， 2015： 375-405

50Kondakova T， MerletMachour N， Chapelle M， Preterre D， Dionnet F， Feuilloley M， Orange N， Poc C D. Res. Microbiol.， 2015， 166（9）： 1-8

51Tyurina Y Y， Polimova A M， Maciel E， Tyurin V A， Kapralova V I， Winnica D E， Vikulina A S， Domingues M R M， McCoy J， Sanders L H， Bayr H， Greenamyre J T， Kagan V E. Free Radical Res.， 2015， 49（5）： 1-11

52Oswald M， Platscher M， Geissler S， Goepferich A. Inter. J. Pharmaceut.， 2015， 497（s12）： 293-300

53Yoon T H， Kim I H. J. Chromatogr. A.， 2002， 949（12）： 209-216

54RodriguezBernaldo de Quiros A， LopezHernandez J， SimalLozano J. J. Chromatogr. B， 2002， 770（12）： 71-75

55Abidi S L， Mounts T L. J. Liq. Chromatogr.， 1992， 589（2）： 209-218

56Malavolta M， Bocci F， Boselli E， Frega N G. J. Chromatogr. B， 2004， 810（2）： 173-186

57Liu Z， Moate P， Cocks B， Rochfort S. J. Chromatogr. B， 2015， s978979： 95-102

58Losito I， Patruno R， Conte E， Cataldi T R I， Megli F M， Palmisano F. Anal. Chem.， 2013， 85（13）： 6405-6413

59Nie H G， Liu R R， Yang Y Y， Bai Y， Guan Y F， Qian D Q， Wang T， Liu H W. J. Lipid Res.， 2010， 51（9）： 2833-2844

60Yoshiaki S， Tatsuji N， Ken A， Oda Y. Anal. Chem.， 2010， 82（23）： 9858-9864

61Wang S Y， Li J， Shi X Z， Qiao L Z， Lu X， Xu G W. J. Chromatogr. A， 2013， 1321（4）： 65-72

62Walczak J， Bocian S， Buszewski B. Food Anal. Methods， 2015， 8（3）： 661-667

63Sun C， Zhao Y Y， Curtis J M. J. Chromatogr. A， 2014， 1351： 37-45

64NA HaiQiu， Dong Yu， ZHOU ZhaoMei， HUANG LiNa. Physical Testing and Chemical Analysis Part B： Chemical Analysis， 2013， 49（6）： 728-730

那海秋， 董 宇， 周兆梅， 黃麗娜. 理化檢驗(yàn) B： 化學(xué)分冊， 2013， 49（6）： 728-730

65Nzai J M， Proctor A. J. Am. Oil Chem. Soc.， 1999， 76（1）： 61-66

66Godzien J， Ciborowski M， MartínezAlcázar M P， Samczuk P， Kretowski A， Barbas C. J. Proteome Res.， 2015， 14 （8）： 3204-3216

67Schuhmann K， Almeida R， Baumert M， Herzog R， Bornsteinc S R， Shevchenko A. J. Mass. Spectrom.， 2012， 47（1）： 96-104

68Murphy R C， Fiedler J， Hevko J. Chem. Rev.， 2001， 101（2）： 479-526

69Pulfer M， Murphy R C. Mass Spectrom.， 2003， 22（5）： 332-364

70Mayuko I， Shinichi Y， Junichi T. Shimadzu Technical Report. Vol2： C146-E103

71Lutz N W， Cozzone P J. Biophys. Rev.， 2013， 5（3）： 259-304

72Garciaa C， Lutzb N W， ConfortGouny S， Cozzone P J， Armand M， Bernard M. Food Chem.， 2012， 135（3）： 1777-1783

73Kaffarnik S， Ehlers I， Grbner G， Schleucher J， Vetter W. J. Agric. Food Chem.， 2013， 61（29）： 7061-7069

74Emmanuel H， Anastasios K， Dimitrios B. J. Agric. Food Chem.， 2008， 56（15）： 6232-6240

75Mikhail V， Andrew M， Dawn S. Lipids.， 2009， 44（4）： 381-389

76Willmann J， Thiele H， Leibfritz D. J. Biomed. Biotechnol.， 2011， 2011（1）： 385786

77Sotirhos N， Herslf B， Kenne L. J. Lipid Res.， 1986， 27（4）： 386-392

78Payne G S， Troy H， Vaidya S J， Griffiths G R， Leach M O， Chung Y L. NMR Biomed.， 2006， 19（5）： 593-598

79Niazi A， Azizi A. Turk J. Chem.， 2008， 32（2）： 217-228

80Kell D B. Mol. Biol. Rep.， 2002， 29（12）： 237-241

81Dumas M E， Canlet C， Debrauwer L. J. Proteome Res.， 2005， 4（5）： 1485-1492

82Weljie A M， Newton J， Mercier P， Carlson E， Slupsky C M. Anal. Chem.， 2006， 78（78）： 4430-4442

83Bollard M E， Holmes E， Lindon J C， Mitchell S C， Branstetter D， Zhang W， Nicholson J K. Anal. Biochem.， 2001， 295（2）： 194-202

84Waters N J， Holmes E， Waterfield C J， Farrantc R D， Nicholson J K. Biochem. Pharmacol.， 2002， 64（1）： 67-77

85Holmes E， Antti H. Analyst， 2002， 127（12）： 1549-1557

86Keun H C， Ebbels T M D， Bollard M E， Beckonert O， Antti H， Holmes E， Lindon J C， Nicholson J K. Chem. Res. Toxicol.， 2004， 17（6）： 579-587

87Sumner L W， Mendes P， Dixon R A. Phytochemistry， 2003， 62（6）： 817-836

88Daykin C A， Corcoran O， Hansen S H， Bjrnsdottir I， Cornett C， Connor S C， Lindon J C， Nicholson J K. Anal. Chem.， 2001， 73（6）： 1084-1090

89Blanchard A P， McDowell G S V， Valenzuela N， Xu H B， Gelbard S， Bertrand M， Slater G W， Figeys D， Fai S， Bennett S A L. Bioinformatics， 2013， 29（2）： 284-285

90McDowell G S V， Blanchard A P， Taylor G P， Figeys D， Fai S， Bennett S A L. Biomed. Res. Inter.， 2014， 2014（1）： 818670

91Mcdowell G S V， Blanchard A P， Figeys D， Fai S， Bennett S A L. IWBBIO， 2014： 670-680

92ZHU Chao， HU Ping， LIANG QiongLin， WANG YiMing， LUO GuoAn. Chinese J. Anal. Chem.， 2009， 37（9）： 1390-1396

朱 超， 胡 坪， 梁瓊麟， 王義明， 羅國安. 分析化學(xué)， 2009， 37（9）： 1390-1396

93Yang K， Jenkins C M， Dilthey B， Gross R W. Anal. Bioanal. Chem.， 2015， 407（17）： 5199-5210

94Yang J， Ding M Z， Li B Z， Liu Z L， Wang X， Yuan Y J. OMICS， 2012， 16（78）： 374-386