随着新科学、新技术的发展,人类逐步迈入个体化医疗的新医学时代,通过针对疾病和病人的具体状态制定出科学合理的个性化治疗方案,使病人得到更加安全有效的治疗。药物基因组学、药物蛋白组学等的出现,为这一蓝图的实现提供了巨大的推动作用。它们分别以个体基因型、蛋白表达的差异作为临床诊断、疾病分型、疗效评价以及预测疾病预后的依据。但个体差异的形成不仅受先天遗传因素的影 响,同样也会受到后天多样的环境因素影响,因此以基因组学和蛋白组学为基础的个体化医疗仍存在着一定的局限性。

代谢组学^[1]作为系统生物学研究领域中最为活跃的分支学科之一,在药物研究和疾病诊疗的全过程中不断取得成功的应用^{[2,3,4,5,6,7]}。2006年,Clayton等^[8]在名为“药物代谢组学表型与个体化治疗”的研究论文中,首次提出了“pharmaco-metabonomic”的概念,这被认为是药物代谢组学的诞生。Clayton等将药物代谢组学定义为“基于数学模型,通过对于给药前的代谢物特征的测定,来预测药物/外源性物质给药后在体内的作用 (如安全性和有效性)”。药物代谢组学也由此与其他组学紧密联系,共同完整了个体化医疗中基因-蛋白-代谢终产物这一生物信息传递链。

与药物基因组学和药物蛋白组学相比,药物代谢组学更有其明显优势: ① 由生物体的小分子代谢产物所构成的代谢组比基因组 (10⁵级)、转录物组 (10⁵级)、蛋白组 (10^6-7级) 简单得多,大约只有2 200种,大大降低了分析的复杂性^[9]。② 大多数疾病表型和药物反应的表型是一个复杂的由多基因因素以及非基因因素共同决定的动态过程。代谢组学研究证 明,机体的内源性代谢产物的变化与遗传因素、生理条件、环境因素等的改变有关,如性别、年龄、情绪、饮食、肠道菌群的改变、甚至周围气候不同,代谢组也可能发生种类及数量差别,从这一角度分析,代谢组学所反映的是各因素综合作用下的终端效应,能更直观的反映生物体功能状态。个体基因组、蛋白组的差异最终必然表现在其功能体现的终点——代谢产物上,因此有人认为,上游的基因组和蛋白质组信息告诉我们生命体可能会发生什么,而代谢组和代谢表型的终端信息反映的则是人体实际已经发生了什么。③ 在机体生化反应中,虽然酶的浓度和代谢通量不会发生重大变化,但是代谢物的浓度会发生很大变化。代谢组是基因组的扩音器,DNA的一个碱基改变可能导致代谢水平发生10³倍的变化,因此针对浓度变化大的代谢物进行分析更加直观,也更加敏感,具有终点放大的特征。其检测对象 (如血液、尿液、粪便样本) 动态易得,可以最小的侵入性做到整体、动态监控,辅助临床判断。同时,代谢物谱在不同生物样本中基本上都是一样的,再加上其检测技术的多样性,代谢组学的研究具有较好的便利性。④ 对多数代谢产物的作用及其所在生化代谢通路、代谢调控已有相当的认识。代谢组学数据更易与传统手段的测定结果相联系,更容易评价药效和发现药物作用的生化基础和作用机制。

本文介绍了药物代谢组学这一新兴领域。首先回顾了代谢组学及其分析技术、数据处理方法等,接着从基于动物、人体代谢组学结果预测药物的毒性、疗效、药动学参数等多方面,对近年来的研究成果进行了详细综述。 1 药物代谢组学研究方法学

代谢组学的研究过程大致可分为3个部分: 样品的采集和前处理; 代谢产物的检测、鉴定、分析; 数据分析和统计模型建立、对生物标志物的解读。其最主要的特征就是高通量的实验和大规模的计算,从系统生物学的角度出发,全面、综合地考察代谢组变化,最终认知机体的生化反应机制和生命现象。

由于代谢组学所研究的代谢物种类和数量繁多、理化性质悬殊、浓度差异巨大,因此除了要求仪器灵敏度高、重现性好以外,还要求适合测定化合物种类范围广、分析速度快、分离能力强、浓度跨度大等。最初代谢组学的数据主要来源于核磁共振技术。目前进行代谢组学研究工具主要包括核磁共振 (NMR)、色谱质谱联用技术 (GC-MS,LC-MS) 等各种高通量、高分辨、高灵敏度的谱学技术^{[10,11,12,13,14]},这些方法各有所长,均有其各自的优缺点和适用范围,如核磁共振仪的突出优点是无损伤性和无偏向性,其主要不足是测定灵敏度不高且动态范围有限,而色谱-质谱受限于流动相和色谱柱的性质,测定的广谱能力还显得不够。针对测定技术本身的缺陷和内源性化合物性质的复杂性,采用各种技术联用和方法整合,保证尽可能精确地分析生物体系中尽量多的代谢组分,是今后代谢组学分析技术发展的必然趋势。

另外,由于代谢组学所涉及的数据信息量庞大,需要借助专门的数据分析软件,采用高通量的数据处理方法,对分析产生的大量多维数据进行整理、转换,统计,最终获得生物标记物,并结合目前相对成熟的代谢组学相关数据库^[15,16,17],完成其功能分析和确认。目前,应用于代谢组学数学分析的方法主要有: 主成分分析 (PCA)、层次聚类分析 (HCA)、非线性影射 (NLM) 等非监督分类方法; 传统的显著性分析法、偏最小二乘法-判别分析 (PLS-DA)、k-最近邻法 (KNN)、神经网络 (NN) 等监督分类方法等。 2 药物代谢组学在个体化医疗中的应用 2.1 药物代谢组学与药物毒副反应个体差异性的预测和评价

2006年,Clayton等^[8]首次以NMR为分析技术平台,测定了75只SD大鼠基础水平的尿液代谢谱,并将这些数据用于预测大剂量给予对乙酰氨基酚后造成的诱导性肝损伤程度以及对乙酰氨基酚在大鼠体内的代谢情况。尽管该研究并未获得一个完全能够用于给药后组织学损伤的有效预测模型,但是分析结果显示,给药前动物尿液中代谢谱,与给药后原药的代谢率 (与药物代谢相关)、大鼠肝脏损伤程度 (与药物效应相关) 之间具有统计学上显著意义的关联性,这些结果首次证明了给药前体液中代谢物的表型能够在一定程度上反映给药后的药物代谢和药物效应,即药物代谢组学对个体反应具备预测性。作者认为,这一结果将有利于针对不同的代谢表型,选择特定的药物种类和剂量,并可能找出一些与预测度相关性强的生物标志物。

Kwon等^[18]以顺铂所致肾毒性模型大鼠为研究对象,以NMR分析平台测定了19只SD大鼠给药前后尿液中代谢组水平。以染毒后BUN值高低将大鼠分为染毒组和染毒抵抗组。通过多元统计分析,以给药前药物代谢组学数据即可显著区分给药后对药物反应不同的两个亚组,模型预测毒性的准确度可达到66%。作者建立了一个成功的模型,预测抗肿瘤药物的毒副反应,并探讨了其作用机制,这将为抗肿瘤药物化疗的个体化给药提供帮助。

Cunningham等^[19]以异烟肼所致中枢神经毒性模型大鼠为研究对象,以NMR为分析平台,测定了30只SD大鼠给药前后尿液中代谢组水平。同时测定给药后,大鼠血液生化指标、肝脏组织病理指标,中枢神经毒性症状,并以这些金指标的差异将大鼠可分为中枢神经毒性应答和非应答两个亚群。多元统计分析结果显示,以染毒前尿液代谢组数据,即可显著区分染毒后的毒性应答-、非应答-亚群,并鉴定出两个亚群之前有显著差异的化合物。作者认为给药前代谢组数据对于给药后中枢神经毒性程度的预测性,对于调整临床治疗方案,最大程度的减少病人不良反应,有很大潜力。

Coen等^[20]以氨基半乳糖所致肝毒性模型大鼠为研究对象,以NMR为分析平台,测定了38只SD大鼠给药前后尿液、粪便样本代谢组水平。第一次给药后,按照组织病理学结果打分,可将给药组大鼠分为应答组和非应答组两个亚群。经过12天的洗脱期之后,再次给予氨基半乳糖。二次给药后,首次非应答组大鼠均对氨基半乳糖产生了应答,而首次应答组的大鼠二次给药后,产生的应答效果弱于首次应答。多元统计分析结果显示,以给药前代谢组学的数据,即可区分首次非应答组和二次应答组的个体,首次非应答和二次诱导应答个体之间,存在可预测的组学差异,这些差异与个体肠道菌群间的差异相关。作者认为,药物代谢组学模型可动态的区分个体对于药物的抵抗型与敏感型差异,将有希望应用于药物有效性、安全性,特别是对于毒性敏感性的预测。

2009年,Clayton等^[21]报道了首例基于人体的药物代谢组学研究。该研究以99名18～64岁的健康志愿者为研究对象,口服给予标准剂量的对乙酰氨基酚,以NMR为分析平台检测了给药前0～3 h,3～6 h的尿样代谢谱。多元统计分析结果显示,给药前尿液中一种含硫化合物 (PCS) 基础水平的含量,与给药后对乙酰氨基酚两种代谢产物的比值呈负相关。作者推测这是因为PCS由肠道 细菌经过硫酸化代谢产生,该过程与对乙酰氨基酚硫酸化代谢生成硫酸化对乙酰氨基酚从而消除的过程相互竞争。作者认为,由于人体使用硫酸化代谢来处理许多药物,同时硫酸化是机体调节一系列激素、神经递质活性的重要手段,机体硫酸化能力的改变和差异可能会对机体的健康状态有广泛的影响。因此,这一发现有较广阔的应用前景,在实际医疗中可用于降低服药风险。这一研究结果还表明,可能可以通过改变人体内的菌群状态来改善服药的效果。

Winnike等^[22]以NMR平台测定了18～55岁之间71例健康志愿者服用对乙酰氨基前后尿液代谢组水平。试验剂量下,部分受试者体内形成了可恢复的肝损伤,故以血清ALT水平将志愿者分为易感型和耐受型两种亚型。多元统计分析结果显示,给药前基础水平的尿液代谢组数据,无法区分受试者在服用对乙酰氨基酚后肝毒性易感型和耐受型。但是通过给药后短时间尿液中代谢组的变化,在ALT升高前即可通过尿液代谢组区分毒性易感型和耐受型,因此,作者将其称为“早期干预的药物代谢组学”。

Keun等^[23]以NMR为分析平台,测定了21例乳腺癌患者血清代谢组学水平。多元统计分析结果显 示,以给药前血清生物标志物水平,即可显著预测患者化疗过程中个体增重的程度。这是首例被验证的 将药物代谢组学研究应用于临床病人而非健康受试者的成功报道。

Backshall等^[24]以NMR为平台测定了54例结肠直肠癌患者基础血清代谢组水平。在使用卡培他滨进行治疗后,根据美国国立癌症研究院通用毒性标准2.0版对于发现的相应不良反应打分,将治疗后患者按照不良反应程度分为0级到3级共4组不同亚群。多元统计分析结果显示,以给药前血清代谢组数据,能显著区分给药后不良反应0级和3级的患者亚群,且血清中多种低密度脂蛋白等化合物均显著与毒性正相关,可预测毒性程度。 2.2 药物代谢组学与药物治疗效果个体差异性的预测和评价

Li等^[25]以链脲菌素所致糖尿病模型大鼠为研究对象,以GC-MS分析平台测定了给药前26 只Wistar大鼠尿液中代谢组水平。给予链脲菌素造模后,以血糖值高低将模型大鼠分为糖尿病抵抗组和糖尿病易感组两个亚群。多元统计分析结果显示,以给药前尿液代谢组数据即可显著区分大鼠给药造模后出现的易感与抵抗两个亚群。在另一组试验中,Li等以高能饮食所致肥胖模型大鼠为研究对象,以GC-MS平台测定了14只SD大鼠造模前代谢组水平。此后给予高能量饲料造模6周,同期测定体重,以体重值高低将模型大鼠分为肥胖易感组和肥胖抵抗组两个亚群。多元统计分析结果显示,给药前尿液代谢组数据可显著区分大鼠不同饮食水平造模后出现的肥胖抵抗与易感现象。作者认为,药物代谢组学对于给药前代谢轮廓的分析,能够预测不同个体对于饮食和化学异物刺激所产生的应答程度,区分应答高低的亚群。这一研究结果,将可进一步用于糖尿病/肥胖人群的表型分类和治疗研究。

Cavill等^[26]对NCI60肿瘤衍生细胞系,给予4 种铂类药物后的转录组学数据以及代谢组学数据进行了组合统计分析。结果显示,正常情况下细胞水平的代谢表型,可以在一定程度上预测细胞对于铂类化疗药物的敏感性,其中的一些相关性强的化合物牵涉到如丙酮酸激酶代谢、脂蛋白摄取等代谢通路。作者认为,代谢表型分析可能预测铂类化疗的药效反应。

Kaddurah-Daouk等^[27,28,29]以基于LC-MS和GC-MS的脂质代谢组学平台,分别证明了给药前患者血浆样本中脂质代谢组的水平,可用于预测临床给予辛伐他汀后LDL-胆固醇的降低程度,成功预测分群了病人对药物良好应答、正常应答、弱应答等3个亚组。作者将这一结果与基因组学数据结合分析,发现给药前血浆中7种胆汁酸水平与有机阴离子转运体SLCO1B基因多态性显著相关,推测由于辛伐他汀与胆汁酸竞争转运体,故给药前体内胆汁酸水平与给药后辛伐他汀血药浓度相关。这一模型可用于预测 治疗效果和确保用药的有效性。

Condray等^[30]以LC-电化学阵列 (LCECA) 平台测定了25例精神分裂症患者给药前血清中代谢物浓度。此后给予利培酮、奥氮平、司乐康、阿立哌唑、氟哌啶醇五种药物进行了为期4周的治疗。结果显示,给药前血清中3-OHKY (一种神经毒性的色氨酸代谢产物) 浓度与临床患者治疗结果显著相关,多元统计分析模型可成功解释包括总体症状、精神症状、情绪症状相关的41%、35%、38% 的变量,可用于预测4周治疗中总体、精神、情绪的改善情况。

Kaddurah-Daouk等^[31]以上述LCECA平台对舍曲林及安慰剂治疗重度抑郁症 (MDD) 病人展开了研究。该研究的复杂性在于,除病人对于药物的反应外,安慰剂对于MDD病人的作用也很强。以汉密尔顿抑郁评分,可将患者分为应答组和非应答组。多元统计分析结果显示,给药前血浆代谢组水平能够部分区分给药4周后舍曲林治疗组的应答、非应答患 者; 同样可以部分区分给予安慰剂4周后应答、非应答的患者。其正确辨识率,舍曲林组约为81%,安慰剂组约为72%,两者涉及的代谢通路和化合物部分交错,说明精神和心理状态也是形成个体差异的重要因素。

Ji等^[32]基于GC-MS分析平台对西酞普兰治疗MDD病人的研究同样发现,给药前血浆代谢组水平能区分给药后患者疗效区别的亚组,其中作为中枢神经系统重要递质的甘氨酸等是造成这种差异的关键性化合物。作者根据这一信息的提示,对529位患者甘氨酸生物合成和降解通路中的基因多态性进行了更加深入的研究,发现甘氨酸脱氢酶 (GLDC) 基因上的rs10975641 SNP与给药后疗效的表型区分有显著相关性。这种通过药物代谢组学信息指导药物 基因组学研究是一条推动将来个体化治疗战略的有效途径。 2.3 药物代谢组学与药物代谢动力学参数的预测

Liu等^[33]以GC/TOFMS分析平台,测定SD模型大鼠高脂饲料组、能量限制组及正常对照组 (模拟饮食差异) 给药前的血清代谢组数据,以LC-MS测定给予雷公藤甲素后血清和胆汁中母药及其代谢物浓度。以大鼠给药前代谢组学数据和给药后药动学数据共同建模分析,结果显示,3组大鼠代谢表型明显不同,给药前血清内肌酐和谷氨酸基础水平与雷公藤甲素在体内的C_max及AUC相关性良好,并能较为准确地预测雷公藤甲素在大鼠体内的药动学行为,提示代谢组学可用于反映个体差异并预测药代动力学参数,为临床个体化用药提供了可以借鉴的方法。

Phapale等^[34]以LC-MS分析平台测定了29位健康志愿者给药前24 h内的尿液代谢谱,口服给予他克莫司后,测定受试者血药浓度并计算药动学参数。通过多元统计分析,将给药前代谢组学数据和给药后他克莫司药动学参数进行拟合。结果显示,以4种代表性化合物给药前的浓度,可以把受试者给药后AUC分为低、中、高等3组,并拟合出给药后AUC预测公式。作者进一步分析了代表性生物标志物的可能生化机制,并且提出该发现有望成为个体化治疗的一个有力工具。 3 存在问题与展望

代谢组学正朝着整合一体化、定量化和标准化的方向发展,药物代谢组学的最高目标是要实现对细胞、组织、器官或机体内所有代谢物的定性、定量分析,为复杂体系的研究提供一种“全景模式”。尽管化学分析技术与数据分析技术都取得了长足进展,但目前没有任何一种分析技术能够同时对机体代谢组中的所有化合物进行高通量的定性和定量,这些技术仍需要进一步发展以满足药物代谢组学的研究需要。此外,在目前药物代谢组学的临床实际应用 中,在大样本量的测定以及不同批次测定的样本之间,测定数值会随时间发生漂移,这对于临床药物代谢组学数据建库带来了难度,因此必须保证分析批间一致性以保证院内组学预测数据库的建库有效性和库内数据积累的有效性,这对于组学平台的方法学稳定性提出了更高的要求。

与其他所有技术一样,药物代谢组学技术并不能解决所有问题,但能为多领域的研究提供有益信息。很长一段时间里,人们期望药物基因组学能够解决个体化给药的问题,但是近20年的研究显示了药物基因组学在预测常见复杂疾病中的局限性。虽然某些药物的药物基因组学数据能够提供部分的预测信息,但更多的情况下,个体SNPs数据在提供部分预测信息的同时,带来了更多临床上无法解释的问题。药物代谢组学能够提供基因组和环境因素共同作用下的实时信息,从而作为基因组学、蛋白组学、转录组学等的有力补充。当前的研究中,已经出现了一些较好的整合多种组学信息的初步研究实例^[28,32,35],从长远来看,药物代谢组学研究使代谢物含量变化与生物表型变化建立直接相关性,能够极大地促进后基因组学时代功能基因组研究的发展,共同实现个性化药物治疗。通过分析差异代谢物在代谢通路中的位置,结合对应通路上下游代谢物及相关基因表达上的差异,甚至能够起到发掘相关功能基因的作用。而如何把药物代谢组学数据和药物转录组学、药物蛋白组学、药物基因组学、酶学、代谢途径和表现型分析的数据整合在一起,并给出生物学功能的解释,将是最大的挑战。

目前药物代谢组研究尚处于起步阶段,仍有许多问题亟待人们去解决,就研究对象而言,从2006年至今,研究人员已经开始从较为简单的研究动物模型、健康个体、疾病个体,进一步向较为复杂的研究对象转变。目前较少受试者数量所建立的预测模型是否准确,能否进一步扩大应用至大样本人群,还有很多验证工作需要进行。增大受试者样本例数能增大模型稳定性、极值覆盖度和预测度。在将来的实际应用中,作者研究组将收集并不断积累数据,建立和完善药物代谢组学预测库。在下一步研究中,还有必要将该方法应用于疾病患者、特殊人群 (老人、儿童、肝肾功能缺陷) 等,在不同生理条件进行验证。除了受试者群体的扩大之外,同样对不同机制、种类药物的试验也很有意义,有些药物的基因多态性造成个体差异,而在某些药物中,这种基因多态性所占影响因素比例可能高达90% 以上,提示可以通过合理的试验设计,对不同的个体差异因素进行分类研究,探讨不同药物,各影响因素的比重,寻找共性。此外还有研究表明,在复杂的环境因素中,共生微生物在维护机体健康中发挥着重要作用: 除了助消化功能外,许多疾病,包括溃疡性大肠炎、克罗恩病、肥胖、糖尿病和自身免疫失调,都与肠道微生物失衡相关。机体与肠道微生物代谢活动之间的相互作用,对疾病表型和药物敏感性具有直接影响^{[8,20,21,22,25,34]}。因此,在未来的研究中,应该更多地关注肠道微生物共代谢的影响,通过药物代谢组学手段,描绘环境、基因与共生微生物共同作用下的疾病表现型状态,以此来提示药物选择和剂量调整,甚至在治疗前、治疗同时对肠道菌群进行控制调节,从而提高药物的治疗效果。

药物代谢组学思想的提出,除了对内科医生的诊断用药提供了帮助之外,也激发了外科医生的一些思考。随着固态NMR、高分辨魔角回旋NMR、纳升喷雾、快速蒸汽电离质谱 (REIMS) 等新技术在药物代谢组学中的应用,医生可以通过手术过程中,对体液、组织 (<1 mg) 等的样本分析,得到及时的标志物数据反馈,这些数据,可以作为手术中组织活力、组织特性 (良性/恶性/亚型分型)、生理状况的体现,为外科手术病人提供半实时诊断信息,指导外科医生判断^[36,37]。结合了高速REIMS与化学成像技术的新一代iKnife智能手术刀^[38],通过对传统电刀电灼切割组织过程中产生烟雾进行实时的质谱分析,并和已知的肿瘤化学成分对比,可精确鉴别组织是否发生病变。在对81名病人的试验中,其诊断的准确率为100%,诊断时间只需1～3秒,一旦接触到组织,它就能告诉医生,它所接触到的细胞究竟是健康的还是病变的,这让外科医生能在手术中实现前所未有的精准度。此外,这一应用也可为术前、术中、术后的全过程提供广泛的医疗、护理信息^[39,40,41],这将药物代谢组学的覆盖时期拉长至整个外科治疗的全过程当中。

毫无疑问,个性化医疗是疾病治疗的发展方向,但要真正实现个性化医疗,仍有很漫长的路要走。药物代谢组学有望改善个体化治疗以及未来的医疗模式,临床医师可以用这些数据结合其他组学数据,根据特异性的代谢亚型来分析病人的病程、易感程度并制定最优的治疗方案。尽管到目前为止,还没有一种方法能够完全实现个性化治疗的目标,但是药物代谢组学的出现将有力推动这个领域的发展,为个体化用药研究和未来的医疗模式的实现带来新的希望。