随着核与辐射技术在工农业生产、能源、医疗和科学研究等领域的广泛应用,公众和从业人员发生辐射损伤的风险也逐渐增加。人体受到辐射后会产生急性、慢性放射病等各种损伤[1]。人体受到辐射后的损伤与辐照剂量有关,如长时间接受低剂量电离辐射会出现头晕、乏力、记忆力减退、视物模糊等表现[2-7],甚至诱发颈动脉粥样硬化、心脑血管疾病、胃癌、食管癌等多种癌症[8]。人体单次大剂量辐照即会对人体的造血、消化、生殖、免疫、呼吸、神经、循环、心血管等一个或多个系统造成损伤,引起神经、内分泌等系统调节障碍,同时会引起机体物质代谢紊乱[9-12]。因此,对辐射损伤机制的研究尤为重要。
代谢组学(metabolomics)是通过考察生物体系(细胞、组织或生物体)受刺激或扰动后,其代谢产物的变化或其随时间的变化,来研究生物体系的一门科学。其所研究的代谢产物可发生在基因、转录、蛋白质及下游水平,因此代谢组学在疾病的早期筛查、预防、诊断、生物标志物筛选等临床应用领域有着重要作用[13-17]。辐射损伤是机体受到电离辐射后引起的一种病理状态,基于辐射损伤会导致一系列代谢产物变化。将代谢组学技术应用于电离辐射损伤研究,对于寻找敏感的诊断指标和损伤机制研究具有潜在的应用前景。代谢组学研究部分证实了辐射损伤的经典途径,包括氧化应激和随后的DNA分解。其中很多研究内容基于寻找代谢产物中与辐射剂量相关的生物标志物,是识别生物辐射反应生物标志物的最新方法,具有有用的剂量反应特征[18],可用于辐射损伤早期诊断和预警。本文就目前检索到的文献,从啮齿类动物模型、灵长类动物模型的代谢组学和代谢组学方法的临床研究等方面,对代谢组学在辐射损伤领域中的应用进行综述。
1 代谢组学在辐射防护研究中的应用由于代谢组学是一项高通量技术,使其成为可再现、准确和快速评估辐射暴露的诊断和检测平台成为可能。从基于高分辨率的代谢组学平台获得的多代谢物谱图为鉴定可靠的生物标志物提供了潜力,可预测由于暴露于治疗性或非治疗性电离辐射而导致的器官和组织的辐射毒性。虽然代谢组学的标本易获得,但是使用临床样本的辐射代谢组学面临着诸多伦理学的限制。与细胞研究和动物研究不同,在辐射代谢组学临床研究中,其分析样本要遵循人体医学研究的伦理学准则,进行伦理学审查。使得大多数辐照研究都集中在可控的、广义的辐照环境下,只能在实验室中以动物为研究对象而不是在人类受试者身上辐照。因此,选择啮齿动物和灵长类动物是目前最佳替换方案。
1.1 啮齿动物模型的代谢组学研究迄今为止的辐射代谢组学研究中,应用最为广泛的啮齿类动物是小鼠和大鼠模型,其原因是在研究实验中该模型的年龄、性别、基因型和饮食等均可控制,从而可在相同条件下进行组间辐射差异性代谢物的比较,减少生物样品个体差异对分析结果的影响。此外,来自啮齿动物的样本(如血清、尿液、组织)是容易获得的,血液或尿代谢组学由于其微创特性,是一种很有前途的生物标志物发现平台。一些早期辐射代谢组学研究中主要应用尿液作为啮齿动物模型的分析样本。
1.1.1 尿液样本对啮齿动物辐射模型的尿液代谢组学研究,主要应用不同剂量的γ射线辐照小鼠或大鼠后,比较其尿液中代谢产物的变化,并进行代谢通路分析,试图找到辐射损伤的原因。现有研究表明,不同剂量γ射线照射后,小鼠尿液中胸苷[19]、部分脱氨基的嘌呤和嘧啶衍生物[20]、胸腺嘧啶、咪唑乙酸、苯基葡萄糖醛酸、尿1-甲基组胺[21]等代谢物的相对含量在照射组与非照射组间存在显著差异。辐照会使三羧酸循环和脂肪酸代谢产物水平发生显著差异,能量代谢受到严重影响[22]。辐照也会扰乱小鼠肠道微生物菌群的生长和机体能量代谢过程,说明辐射损伤与脂质代谢、能量代谢紊乱有关[23]。应用不同剂量γ射线照射后,大鼠尿液中乙醛酸、胸腺嘧啶、尿嘧啶、柠檬酸盐、2-酮戊二酸等[24]的相对含量在照射组与非照射组存在显著差异。牛磺酸、脯氨酸[25]相对含量在45 d范围内也会持续偏高。通过代谢路径分析发现,γ射线照射可能影响机体氧化应激和肾功能水平,也可导致大鼠长期代谢紊乱,而某些下调的生物标志物与食物匮乏和饥饿有关[24-26]。
代谢组学技术的应用可产生一组生物标志物,这些生物标志物可被用于识别辐射的生物学效应[27]。然而,一些已知代谢物可通过靶向代谢组学方法进行定性和定量检测,识别作为个体生物标志物。尿液生物标志物具有作为快速分类核事故中的大规模伤亡和了解辐射损伤发病机制的有效工具的巨大潜力。如在比较不同种类X射线照射小鼠后,尿液中钙柠檬酸和瓜氨酸在体内的代谢变化的研究中发现,射线种类和辐照剂量率会显著影响体内辐射损伤的代谢过程。而尿液代谢的特征性也可用来识别小鼠辐射诱发的癌症[28]。另有研究将瓜氨酸浓度与组织病理学联系起来评估辐照后的胃肠道反应,而视黄酸作为小鼠肺组织急性辐射损伤的生物标志物,可通过干预其浓度抵消或阻止辐射造成的肺损伤[29]。此外,有研究表明通过尿氨基酸靶标分析评估急性放射损伤以进行早期分诊也具有一定的可行性[30]。
1.1.2 血清样本对不同剂量γ射线照射24 h后的大鼠血清代谢物进行分析发现,上调的代谢物包括肌醇、丝氨酸、赖氨酸、甘氨酸、苏氨酸和甘油;下调的代谢物包括异柠檬酸、葡萄糖酸和硬脂酸[31]。长时间重复照射会使小鼠血清代谢物中N1-乙酰亚精胺、2'-脱氧尿苷和黄嘌呤含量升高,虽然代谢物含量变化程度与小鼠年龄存在负相关关系,但仍可将黄嘌呤和2'-脱氧尿苷含量变化作为小鼠机体辐射损伤标志物[32]。另有研究表明,在对小鼠头部应用不同剂量X射线局部照射后,血清中碱性磷酸酶显著升高,总超氧化物歧化酶显著降低,表明小鼠经头部辐射后引起了全身氧化应激效应[33]。
1.1.3 组织样本组织作为最直接反映病变器官代谢状况的样本,在辐照损伤后的标志物研究、抗辐射药物疗效判断和疾病机理的研究中作用独特。肝脏辐照代谢组学研究表明[34],不同辐射源引起小鼠肝脏代谢物谱的变化不同,辐照引起的代谢物变化与多种生物途径有关,代谢物如4-羟基苯乙酸酯、甜菜碱、谷氨酰胺、胆碱和三甲胺N-氧化物可能是肝脏电离辐射后的预诊断生物标志物。组织的代谢反应变化与辐照剂量正相关,具有抗氧化性的代谢物在辐照后的空肠和脾脏中表现为急性反应,辐照后大鼠空肠中脂质和蛋白质代谢相关代谢产物水平降低[35]。而在对放射敏感性组织(骨髓、回肠、肝脏、肌肉和肺)的辐射代谢组学研究发现,不同组织间的代谢变化程度显示出DNA甲基化、能量、核酸、氨基酸、谷胱甘肽和胆汁酸代谢途径的紊乱[36]。另有研究表明,大鼠脑组织代谢物的变化与电离辐射损伤有密切相关性;小肠组织中脂质代谢物鞘脂代谢、甘油磷脂代谢等代谢通路的11个脂质代谢物具有良好的剂量-效应关系[37-38]。
1.2 灵长类动物模型的代谢组学研究灵长类动物与人类遗传和生理上有高度的相似性,被认为是与人类最接近的动物模型。因此,非人类灵长类动物在辐射代谢组学研究中是非常有价值的替代物,灵长类动物也适用于同样的研究方法。
在辐照后灵长类动物猕猴的尿液中共发现13种生物标志物,其中N-乙酰牛磺酸、半胱氨酸、牛磺酸和黄嘌呤与啮齿类动物的生物标志物相同[39]。通过研究不同剂量射线辐照后猕猴尿液和血清代谢物的变化,共发现26种辐照后显著变化的生物标志物,其中部分代谢物与TCA循环、氨基酸代谢和肠道微生物代谢有关[40]。辐射会显著干扰猕猴脂质代谢,辐射后游离脂肪酸、甘油酯、甘油磷脂和酯化甾醇等主要脂质代谢过程均出现紊乱,其中血清中多不饱和脂肪酸的脂质水平显著增加,表明其在辐照后的生理反应中起主要作用;而血清中氨基酸、肉碱和嘌呤代谢物水平升高,表明其对蛋白质消化吸收、生物氧化和脂肪酸β氧化有干扰[41]。辐照后猕猴尿液和血清中代谢标志物的变化存在一定的时间效应,尿液中代谢标志物的最大变化出现在辐照后第1天,而血清中代谢标志物的最大变化出现在辐照后第1~21天[42]。
1.3 代谢组学方法的临床研究目前代谢组学为放射治疗提供了强有力的技术支持,还可以对特定生物组分的代谢物进行定性、定量研究,阐明发病机制以及进行临床监测等。由于电离辐射引起机体病理生理过程变化最终导致代谢产物相应改变,所以对某些代谢产物进行分析,并与正常机体的代谢产物比较,寻找推测疾病的生物标志物,并辅助临床诊断。
1.3.1 生物标志物研究代谢组学在阐明机体应激状态下做出的反应方面具有优势,利用代谢组学技术将有助于更加全面了解机体接受放疗后的代谢过程和代谢产物,从而对机体放射性损伤进行量化。
有研究对造血干细胞移植前接受全身照射患者的尿液代谢物进行分析,发现在辐照前后显示差异表达的7个代谢标志物中,部分标志物被鉴定为脂肪酸跨线粒体内膜转运从而参与了脂肪酸β氧化过程,而其他代谢物与氧化应激增加和辐射诱导的DNA损伤有关[43]。随后在电离辐照后人的血清代谢物中观察到甘油磷酸胆碱、苯丙氨酸、泛醌Q2和草酸的变化[44]。而人血液中RBC在辐照后7 d内代谢物基本无变化,储存10 d及以上RBC代谢特征发生改变,聚类分析识别出至少2个随储存时间发生改变的代谢物,并识别出4种受辐射影响的代谢途径[45]。患者全身照射也可引起人体血浆中代谢物水平显著变化,其中葡萄糖、肉豆蔻酸、草酸、3-羟基丁酸、尿素、天冬氨酸、缬氨酸、亮氨酸、赖氨酸和苏氨酸含量显著增加,胆固醇、丙酮酸、丙酸、乳酸、丙氨酸、甘氨酸、肌醇、山梨糖酐、乙二醇和次黄嘌呤含量显著降低,主要涉及氨基酸代谢、糖代谢、脂代谢等代谢通路[46]。
1.3.2 患者预后判断放射肿瘤学从辐射代谢组学研究中获益良多。对于癌症患者的相关代谢组学研究有助于确定合适的放射治疗剂量和疾病的预后[47]。
通过分析放射治疗引起的头颈癌患者血清中代谢物谱的变化,找到约20个化合物的含量在辐照前后有显著差异。同时发现放疗诱导的3-羟基丁酸的上调似乎是与辐射有关的氧化应激的重要因素,但含量水平也存在个体差异。此外,受辐射影响的化合物与多种代谢途径有关,包括蛋白质生物合成和氨基酸代谢[48]。在对多形性胶质母细胞瘤(GBM)患者的尿代谢特征研究中发现,有46种化合物在GBM患者的样本与健康对照组的样本之间有显著差异,可用于区分健康对照组和GBM患者(准确率73%)[49]。同时通过分析GBM患者的脑脊液,发现在颅内肿瘤和邻近肿瘤的正常脑组织内脑脊液代谢谱存在巨大差异,放射治疗前后,也存在着代谢谱的巨大差异[50]。
2 结 语代谢组学自诞生以来,迅速应用到疾病的临床和机制研究中,在辐射损伤研究领域中的应用也逐年增多。在辐射代谢组学的研究中,可供其分析的对象很广,既可从易于获得的尿液、血样等生物体液中获得有价值的信息,又可分析与辐射损伤密切相关的组织(如肝脏、脾脏等)得到对辐射损伤的更进一步的理解。
目前,辐射代谢组学尤其是临床队列研究仍处于萌芽阶段。在许多方面仍比较欠缺,主要存在的问题是检测分析成本高、标本个体差异大、仪器操作专业性强,后期数据处理复杂等。而生物标志物的结构鉴定也是目前代谢组学研究的重点和难点问题之一,由于缺乏标准可通用的质谱数据库,无法进一步的验证生物标志物的准确性,使基于LC-MS技术在代谢组学研究中的应用在一定程度上受到了制约,对差异化合物的波动原因也缺乏有效的阐述。因此,要将代谢组学真正运用到辐射防护领域研究中并得到有效的结果还需大量的科学研究来支持。
辐射代谢组学的研究还主要集中在动物和细胞水平。随着研究的深入及新技术的出现,可以预测代谢组学技术将在辐射损伤的机制及其防治药物研究中发挥更大作用,将为辐射防护研究在临床上提供可靠数据,推动医学的发展。
[1] |
孙会娟, 索婷婷, 任东青, 等. 五倍子酸对辐射损伤小鼠造血系统的防护作用[J]. 中国辐射卫生, 2019, 28(3): 228-231,234. Sun HJ, Suo TT, Ren DQ, et al. Protective-effects of Gallic acid on ionizing irradiated mice in hematopoietic system[J]. Chin J Radiol Health, 2019, 28(3): 228-231,234. DOI:10.13491/j.issn.1004-714X.2019.03.002 |
[2] |
吴旭梅, 钱庆增, 曹向可, 等. 电离辐射对放射工作人员血象的影响[J]. 中国煤炭工业医学杂志, 2013, 16(10): 1669-1672. Wu XM, Qian QZ, Cao XK, et al. Effects of ionizing radiation on blood images of radiation workers[J]. Chin J Coal Ind Med, 2013, 16(10): 1669-1672. DOI:10.11723/mtgyyx1007-9564201310041 |
[3] |
Karimi G, Balali-Mood M, Alamdaran SA, et al. Increase in the Th1-cell-based immune response in healthy workers exposed to low-dose radiation - immune system status of radiology staff[J]. J Pharmacopuncture, 2017, 20(2): 107-111. DOI:10.3831/KPI.2017.20.014 |
[4] |
Kamiya K, Ozasa K, Akiba S, et al. Long-term effects of radiation exposure on health[J]. Lancet, 2015, 386(9992): 469-478. DOI:10.1016/S0140-6736(15)61167-9 |
[5] |
张鹏卷. 简析电离辐射对人体健康的影响[J]. 科技视界, 2019,(14): 189-192. Zhang PJ. Briefly analyzing the impact of ionizing radiation on human health[J]. Sci Technol Vis, 2019,(14): 189-192. DOI:10.19694/j.cnki.issn2095-2457.2019.14.092 |
[6] |
Little MP, Kitahara CM, Cahoon EK, et al. Occupational radiation exposure and risk of cataract incidence in a cohort of US radiologic technologists[J]. Eur J Epidemiol, 2018, 33(12): 1179-1191. DOI:10.1007/s10654-018-0435-3 |
[7] |
Zakhvataev VE. Possible scenarios of the influence of low-dose ionizing radiation on neural functioning[J]. Med Hypotheses, 2015, 85(6): 723-735. DOI:10.1016/j.mehy.2015.10.020 |
[8] |
党旭红, 左雅慧, 王仲文. 低剂量/低剂量率电离辐射对人体健康的影响[J]. 中国辐射卫生, 2019, 28(6): 725-729. Dang XH, Zuo YH, Wang ZW. Impacts of low dose or low dose rate ionizing radiation on human health[J]. Chin J Radiol Health, 2019, 28(6): 725-729. DOI:10.13491/j.issn.1004-714X.2019.06.034 |
[9] |
Nguyen HQ, To NH, Zadigue P, et al. Ionizing radiation-induced cellular senescence promotes tissue fibrosis after radiotherapy. A review[J]. Crit Rev Oncol Hematol, 2018, 129: 13-26. DOI:10.1016/j.critrevonc.2018.06.012 |
[10] |
Smart D. Radiation toxicity in the central nervous system: mechanisms and strategies for injury reduction[J]. Semin Radiat Oncol, 2017, 27(4): 332-339. DOI:10.1016/j.semradonc.2017.04.006 |
[11] |
Beach TA, Groves AM, Williams JP, et al. Modeling radiation-induced lung injury: lessons learned from whole Thorax irradiation
[J]. Int J Radiat Biol, 2020, 96(1): 129-144. DOI:10.1080/09553002.2018.1532619 |
[12] |
Ryan JL. Ionizing radiation: the good, the bad, and the ugly[J]. J Invest Dermatol, 2012, 132(3 Pt 2): 985-993. DOI:10.1038/jid.2011.411 |
[13] |
Zhang AH, Sun H, Qiu S, et al. NMR-based metabolomics coupled with pattern recognition methods in biomarker discovery and disease diagnosis[J]. Magn Reson Chem, 2013, 51(9): 549-556. DOI:10.1002/mrc.3985 |
[14] |
Han J, Qin WX, Li ZL, et al. Tissue and serum metabolite profiling reveals potential biomarkers of human hepatocellular carcinoma[J]. Clin Chim Acta, 2019, 488: 68-75. DOI:10.1016/j.cca.2018.10.039 |
[15] |
Liu LY, Zhang HJ, Luo LY, et al. Blood and urinary metabolomic evidence validating traditional Chinese medicine diagnostic classification of major depressive disorder[J]. Chin Med, 2018, 13: 53. DOI:10.1186/s13020-018-0211-z |
[16] |
Struja T, Eckart A, Kutz A, et al. Metabolomics for prediction of relapse in Graves' disease: observational pilot study[J]. Front Endocrinol (Lausanne), 2018, 9: 623. DOI:10.3389/fendo.2018.00623 |
[17] |
Dubey D, Kumar S, Chaurasia S, et al. NMR-based serum metabolomics revealed distinctive metabolic patterns in reactive arthritis compared with rheumatoid arthritis[J]. J Proteome Res, 2019, 18(1): 130-146. DOI:10.1021/acs.jproteome.8b00439 |
[18] |
Chen ZD, Coy SL, Pannkuk EL, et al. Differential mobility spectrometry-mass spectrometry (DMS-MS) in radiation biodosimetry: rapid and high-throughput quantitation of multiple radiation biomarkers in nonhuman primate urine[J]. J Am Soc Mass Spectrom, 2018, 29(8): 1650-1664. DOI:10.1007/s13361-018-1977-z |
[19] |
Tyburski JB, Patterson AD, Krausz KW, et al. Radiation metabolomics. 1. Identification of minimally invasive urine biomarkers for gamma-radiation exposure in mice[J]. Radiat Res, 2008, 170(1): 1-14. DOI:10.1667/RR1265.1 |
[20] |
Tyburski JB, Patterson AD, Krausz KW, et al. Radiation metabolomics. 2. Dose- and time-dependent urinary excretion of deaminated purines and pyrimidines after sublethal gamma-radiation exposure in mice[J]. Radiat Res, 2009, 172(1): 42-57. DOI:10.1667/RR1703.1 |
[21] |
Iizuka D, Yoshioka S, Kawai H, et al. Metabolomic screening using ESI-FT MS identifies potential radiation-responsive molecules in mouse urine[J]. J Radiat Res, 2017, 58(3): 273-280. DOI:10.1093/jrr/rrw112 |
[22] |
Laiakis EC, Trani D, Moon BH, et al. Metabolomic profiling of urine samples from mice exposed to protons reveals radiation quality and dose specific differences[J]. Radiat Res, 2015, 183(4): 382-390. DOI:10.1667/RR3967.1 |
[23] |
Khan AR, Rana P, Tyagi R, et al. NMR spectroscopy based metabolic profiling of urine and serum for investigation of physiological perturbations during radiation sickness[J]. Metabolomics, 2011, 7(4): 583-592. DOI:10.1007/s11306-011-0277-4 |
[24] |
Lanz C, Patterson AD, Slavík J, et al. Radiation metabolomics. 3. Biomarker discovery in the urine of gamma-irradiated rats using a simplified metabolomics protocol of gas chromatography-mass spectrometry combined with random forests machine learning algorithm[J]. Radiat Res, 2009, 172(2): 198-212. DOI:10.1667/RR1796.1 |
[25] |
张慧芳, 党旭红, 邢利虹, 等. 大鼠尿液中γ辐射损伤特征代谢物[J]. 辐射防护通讯, 2013, 33(4): 8-12,19. Zhang HF, Dang XH, Xing LH, et al. Characteristic metabolites in rat urine for gamma radiation damage[J]. Radiat Prot Bull, 2013, 33(4): 8-12,19. DOI:10.3969/j.issn.1004-6356.2013.04.002 |
[26] |
Johnson CH, Patterson AD, Krausz KW, et al. Radiation metabolomics. 4. UPLC-ESI-QTOFMS-Based metabolomics for urinary biomarker discovery in gamma-irradiated rats[J]. Radiat Res, 2011, 175(4): 473-484. DOI:10.1667/rr2437.1. |
[27] |
Riecke A, Ruf CG, Meineke V. Assessment of radiation damage-the need for a multiparametric and integrative approach with the help of both clinical and biological dosimetry[J]. Health Phys, 2010, 98(2): 160-167. DOI:10.1097/HP.0b013e3181b97306 |
[28] |
Cook JA, Chandramouli GV, Anver MR, et al. Mass spectrometry-based metabolomics identifies longitudinal urinary metabolite profiles predictive of radiation-induced cancer[J]. Cancer Res, 2016, 76(6): 1569-1577. DOI:10.1158/0008-5472.CAN-15-2416 |
[29] |
Jones JW, Scott AJ, Tudor G, et al. Identification and quantitation of biomarkers for radiation-induced injury via mass spectrometry[J]. Health Phys, 2014, 106(1): 106-119. DOI:10.1097/HP.0b013e3182a4ed3b |
[30] |
Zhang YY, Zhou X, Li C, et al. Assessment of early triage for acute radiation injury in rat model based on urinary amino acid target analysis[J]. Mol Biosyst, 2014, 10(6): 1441-1449. DOI:10.1039/c3mb70526a |
[31] |
Liu HX, Wang ZD, Zhang XQ, et al. Selection of candidate radiation biomarkers in the serum of rats exposed to gamma-rays by GC/TOFMS-based metabolomics[J]. Radiat Prot Dosim, 2013, 154(1): 9-17. DOI:10.1093/rpd/ncs138 |
[32] |
Manna SK, Krausz KW, Bonzo JA, et al. Metabolomics reveals aging-associated attenuation of noninvasive radiation biomarkers in mice: potential role of polyamine catabolism and incoherent DNA damage-repair[J]. J Proteome Res, 2013, 12(5): 2269-2281. DOI:10.1021/pr400161k |
[33] |
王敏, 潘晓婧, 刘斌, 等. 核磁共振氢谱代谢组学方法确定X射线对小鼠辐射的损伤[J]. 中国组织工程研究, 2013, 17(46): 8049-8055. Wang M, Pan XJ, Liu B, et al. Radiation metabolomics of minimally invasive urine biomarkers for X-ray radiation exposure in mice[J]. J Clin Rehabilitative Tissue Eng Res, 2013, 17(46): 8049-8055. DOI:10.3969/j.issn.2095-4344.2013.46.012 |
[34] |
Xiao XJ, Hu M, Zhang X, et al. NMR-based metabolomics analysis of liver from C57BL/6 mouse exposed to ionizing radiation[J]. Radiat Res, 2017, 188(1): 44-55. DOI:10.1667/RR14602.1 |
[35] |
Jang WG, Park JY, Lee J, et al. Investigation of relative metabolic changes in the organs and plasma of rats exposed to X-ray radiation using HR-MAS (1)H NMR and solution (1)H NMR[J]. NMR Biomed, 2016, 29(4): 507-518. DOI:10.1002/nbm.3485 |
[36] |
Golla S, Golla JP, Krausz KW, et al. Metabolomic analysis of mice exposed to gamma radiation reveals a systemic understanding of total-body exposure[J]. Radiat Res, 2017, 187(5): 612-629. DOI:10.1667/RR14592.1 |
[37] |
乔梵, 姚雪婷, 冀培刚. 电离辐射对大鼠脑组织代谢物影响的初步研究[J]. 临床医学研究与实践, 2018, 3(20): 6-8. Qiao F, Yao XT, Ji PG. Preliminary study of the effect of ionizing radiation on metabolites in rat brain tissue[J]. Clin Res Pract, 2018, 3(20): 6-8. DOI:10.19347/j.cnki.2096-1413.201820003 |
[38] |
习聪, 赵骅, 陆雪, 等. 60Co γ射线全身照射大鼠的小肠组织中辐射敏感脂质代谢物的筛选
[J]. 中华放射医学与防护杂志, 2021, 41(3): 172-177. Xi C, Zhao H, Lu X, et al. Screening of radiosensitive lipid metabolites in rat small intestine after total body irradiation with 60Co γ-rays [J]. Chin J Radiol Med Prot, 2021, 41(3): 172-177. DOI:10.3760/cma.j.issn.0254-5098.2021.03.003 |
[39] |
Johnson CH, Patterson AD, Krausz KW, et al. Radiation metabolomics. 5. Identification of urinary biomarkers of ionizing radiation exposure in nonhuman Primates by mass spectrometry-based metabolomics[J]. Radiat Res, 2012, 178(4): 328-340. DOI:10.1667/rr2950.1 |
[40] |
Pannkuk EL, Laiakis EC, Authier S, et al. Gas chromatography/mass spectrometry metabolomics of urine and serum from nonhuman Primates exposed to ionizing radiation: impacts on the tricarboxylic acid cycle and protein metabolism[J]. J Proteome Res, 2017, 16(5): 2091-2100. DOI:10.1021/acs.jproteome.7b00064 |
[41] |
Pannkuk EL, Laiakis EC, Mak TD, et al. A lipidomic and metabolomic serum signature from nonhuman Primates exposed to ionizing radiation[J]. Metabolomics, 2016, 12(5): 80. DOI:10.1007/s11306-016-1010-0 |
[42] |
Pannkuk EL, Laiakis EC, Gill K, et al. Liquid chromatography-mass spectrometry-based metabolomics of nonhuman Primates after 4 gy total body radiation exposure: global effects and targeted panels[J]. J Proteome Res, 2019, 18(5): 2260-2269. DOI:10.1021/acs.jproteome.9b00101 |
[43] |
Laiakis EC, Mak TD, Anizan S, et al. Development of a metabolomic radiation signature in urine from patients undergoing total body irradiation[J]. Radiat Res, 2014, 181(4): 350-361. DOI:10.1667/RR13567.1 |
[44] |
Laiakis EC, Pannkuk EL, Chauthe SK, et al. A serum small molecule biosignature of radiation exposure from total body irradiated patients[J]. J Proteome Res, 2017, 16(10): 3805-3815. DOI:10.1021/acs.jproteome.7b00468 |
[45] |
Patel RM, Roback JD, Uppal K, et al. Metabolomics profile comparisons of irradiated and nonirradiated stored donor red blood cells[J]. Transfusion, 2015, 55(3): 544-552. DOI:10.1111/trf.12884 |
[46] |
赵明晓, 鲍协炳, 陈怀远, 等. 需行全身照射患者辐射损伤血浆代谢谱的研究[J]. 中华放射医学与防护杂志, 2017, 37(1): 7-11. Zhao MX, Bao XB, Chen HY, et al. Preliminary study on plasma metabolites of total body irradiation patients[J]. Chin J Radiol Med Prot, 2017, 37(1): 7-11. DOI:10.3760/cma.j.issn.0254-5098.2017.01.002 |
[47] |
Aboud OA, Weiss RH. New opportunities from the cancer metabolome[J]. Clin Chem, 2013, 59(1): 138-146. DOI:10.1373/clinchem.2012.184598 |
[48] |
Roś-Mazurczyk M, Wojakowska A, Marczak Ł, et al. Ionizing radiation affects profile of serum metabolites: increased level of 3-hydroxybutyric acid in serum of cancer patients treated with radiotherapy[J]. Acta Biochim Pol, 2017, 64(1): 189-193. DOI:10.18388/abp.2016_1301 |
[49] |
T Tandle A. Urinary metabolomic profiling of patients with glioblastoma multiforme[J]. J Proteomics Bioinform, 2013, 1(S6): 003. DOI:10.4172/jpb.s6-003 |
[50] |
Wibom C, Surowiec I, Mörén L, et al. Metabolomic patterns in glioblastoma and changes during radiotherapy: a clinical microdialysis study[J]. J Proteome Res, 2010, 9(6): 2909-2919. DOI:10.1021/pr901088r |