2. 江西省药物分子设计与评价重点实验室，江西 南昌 330013
2. Jiangxi Provincial Key Lab of Drug Design and Evaluation, Nanchang 330013, China
肝脏是机体中一个重要的实质性代谢器官，同时发挥着造血、分泌胆汁、凝血、免疫、解毒等多种生理功能。近年来，随着人们生活水平的提高和生活方式的转变，肝脏疾病患病人数持续增多，以酒精性肝损伤、药源性肝损伤、胆汁郁积、肝炎、肝硬化、脂肪肝和肝癌较为常见，对人类的健康构成了极大的威胁，肝脏疾病的早诊断、早治疗是减轻患者痛苦、挽救患者生命的关键。脂质组学于2003年首次被提出，作为代谢组学的主要分支之一，旨在通过各种方法对生物体液、组织以及细胞中的脂质进行研究，探究不同疾病或药物干扰状态下的机体脂质代谢变化，从脂质代谢网络角度研究疾病的可能发生机制和药物的作用机制，寻找能够表征疾病或药物干预的关键脂质生物标志物。近年来，随着高效、高通量和高灵敏分析方法的产生，脂质组学技术已经被广泛地应用于各种肝脏疾病的研究，在肝脏疾病的生物标志物筛选和发病机制等研究中发挥着巨大的作用。
1 脂质组学技术 1.1 样品处理技术样品在进行脂质组学分析之前，常需运用适当的方法对样品进行前处理，除去样品中的干扰物质，将所需脂质的特异性提取出来。样品的前处理方法是影响脂质组学分析的关键步骤，较大程度决定着实验的灵敏度和可靠性。脂质组学的前处理技术主要包括液液萃取、固相萃取、固相微萃取、超临界流体萃取、微波辅助萃取和超声辅助萃取等，而处理方法的选择需要充分考虑实验研究策略的要求，如：液液萃取可提取出较为全面的脂质分子，适用于非靶向全脂分析；固相萃取过程使样品经过分离与富集步骤，进一步除去干扰物质，提高被分析物的浓度，更适用于某一类或某几类脂质分子的靶向代谢组学分析。为了选择适合自己研究目的的提取方法，脂质组学常用的提取方法优缺点及应用实例总结于Tab 1。
| Method | Introduction | Characteristics | Applied range |
| Liquid-liquid extraction | Different partition coefficients of different substances in different solvents are used to separate the target compounds. | This method is the most widely used extraction method in lipomics. It is easy to cause sample loss or impurity residue, because the organic solvent layer containing lipid needs to be further separated and extracted | Non-target |
| Solid phase extraction | The separation is realized by using the difference of interaction between different substances in solid-liquid two phases. | The method is mature and has many kinds of stationary phases, but the cost is high. It is commonly used after liquid-liquid extraction, and its purpose is to remove the interfering substances in the extraction liquid or to specifically enrich one or several kinds of lipids. | Target |
| Microwave assisted extraction | The target compounds are separated from the matrix by microwave heating. | The method is simple, time-consuming and solvent less, but it is not suitable for extraction of thermally unstable substances due to the increase of temperature in the heating process. | Target |
| Ultrasonic assisted extraction | Ultrasonic wave can accelerate the material transfer between two phases, thus completing the extraction. | This method has high extraction efficiency and low energy consumption. It is suitable for the extraction of various lipids. | Non-target |
| Supercritical fluid extraction | Supercritical fluid, which has the characteristics of gas and liquid, is used to dissolve and separate the substances, so as to extract the target compounds. | This method is not only suitable for the extraction of various lipids, but also can selectively extract lipids by adding modifiers. It has high extraction efficiency, short time consumption, but high technical requirements. | Non-target and target |
由于脂类化合物的多样性和生物样品基质的复杂性，导致常规的分析技术不能满足脂质组学分析的要求。在脂质组学中，色谱与质谱联用技术因其高灵敏度和高通量的特点已成为了脂质组学的主要分析手段，红外光谱和拉曼光谱，由于其对脂质的分离能力有限和定性能力不足、检测灵敏度低等缺点，在脂质组学的研究中应用得较少。对于核磁共振，虽然其具有简单、快速和重现性好等优点，但因其低的分辨率和低的灵敏度，也较少的应用于脂质组学研究。为了更好的为待测样本选择合适的分析手段，脂质组学中常用的分析技术总结于Tab 2。
| Method | Introduction |
| Gas chromatography-mass spectrometry (GC-MS) | This method is mainly used for the separation of volatile and thermally stable compounds such as fatty acids (FAs) and lipids with relatively small polarity, while the analysis of nonvolatile lipids requires derivatization. |
| Liquid chromatography-mass spectrometry (LC-MS) | This method is the most widely used analytical method in lipidomics. It has many advantages such as high accuracy, high sensitivity, high resolution, strong specificity and simple sample preparation, and can separate complex lipid compounds. |
| Shotgun | In this method, the samples are directly analyzed by mass spectrometry without chromatographic separation. It has the advantages of short time-consuming and high sensitivity, but it is difficult to detect lipids with low abundance. |
| Supercritical fluid chromatography-mass spectrometry | The mobile phase used in this method is supercritical fluid, which is suitable for the separation and analysis of various types of lipids without ion inhibition effect. |
| Mass spectrometry imaging | This method can analyze the spatial distribution information of hundreds of molecules in the same tissue section at the same time by directly scanning biological samples for imaging using mass spectrometry. It can detect almost all lipids without sample pretreatment, but the detection sensitivity is low. |
随着社会经济迅速发展和人们生活水平的提高，我国酒产量及消耗量大幅度提升，酒精性肝病已成为我国继病毒性肝炎之后的第二大肝脏疾病，而酒精性肝损伤的研究和防治已成为了当今医学研究的热点。通过脂质组学技术已确定血清中与酒精性肝病相关的特定脂质，其中癸三烯酸能准确的鉴定酒精性肝损伤带来的肝硬化，灵敏度和精密度均为100%。Cai等[1]使用50%乙醇灌胃大鼠诱导酒精性肝损伤，利用超高效液相色谱-四极杆-飞行时间质谱联用(UPLC-Q-TOF-MS)结合多元统计学分析技术对肝损伤大鼠的血清进行组学分析，鉴定了5种能够表征大鼠酒精性肝损伤的脂质生物标志物：棕榈酸、油酸、磷脂酰胆碱(phosphatidylcholine，PC)(36 :4)、溶血磷脂酰乙醇胺(lysophosphatidylethanolamine，LPE)(16 :0)和LPE(18 :0)，与正常对照组相比，这些标志物水平在酒精性肝损伤大鼠中均显著升高。Fernando等[2]以Lieber-DeCarli酒精液体饲料喂养大鼠3个月诱导大鼠肝损伤，采用核磁共振氢谱(1H-NMR)技术对血浆和肝脏进行脂质组学分析，研究发现肝损伤大鼠出现轻度炎症和氧化应激，与对照相比，脂质代谢谱发生明显分离，肝脏和血浆中的FAs和甘油三酯(triglycerides, TGs)显著增加，PCs明显减少。Gao等[3]对酒精性肝炎患者的血清和粪便中ω-6花生四烯酸、ω-3二十碳五烯酸和二十二碳六烯酸的氧化脂质进行了分析，研究结果显示，酒精性肝炎患者血清代谢谱明显偏离正常组，并在粪便和血清中分别筛选得到了7种和9种能够表征酒精性肝脏疾病的脂质生物标志物。Li等[4]利用食用酒灌胃裸鼠诱导酒精性肝损伤，采用UPLC-Q-TOF-MS分析血清样品中的代谢物，对采集的数据进行主成分分析和正交偏最小二乘判别分析，识别潜在的酒精性肝损伤生物标志物，研究结果表明，肝损伤组小鼠的鞘脂代谢和甘油磷脂代谢发生异常，与正常组相比，肝损伤组小鼠血清中的PCs水平和含多不饱和FAs的溶血磷脂酰胆碱(lysophosphatidylcholines，LPCs)水平明显升高，而部分鞘磷脂(sphingomyelins，SMs)和含有饱和或单不饱和FAs的LPCs则降低，寻找得到了4种能够表征裸鼠酒精性肝损伤的生物标志物包括LPC(16 :0)、LPC(18 :0)、LPC(20 :1)和LPC(20 :3)。酒精的摄入会导致肠道菌群紊乱，长期饮酒除了会抑制肠道菌群产生短链FAs和饱和长链FAs造成FA代谢紊乱外，还会导致微生物代谢产物与乳酸菌水平降低，造成酒精性菌群紊乱，进而引发肠道炎症和酒精性肝损伤。
2.2 药源性肝损伤肝脏是药物摄取和代谢的主要场所，也是药源性损伤的主要靶器官之一。迄今为止，可造成肝脏损伤的药物多达1 100多种，而由药源性肝损伤所诱发的死亡逐年增加，药源性肝损伤已成为了药物从医药市场撤回、被限制使用或被拒批的重要原因。Xiong等[5]利用对乙酰氨基酚(acetaminophen, APAP)诱导大鼠肝损伤，利用GC-MS等代谢组学手段测定大鼠血清中18种非酯化FAs和酯化FAs，结果表明APAP组大鼠血清中7种非酯化FAs和14种酯化FAs水平明显高于对照组，并通过多元统计学分析方法确定了非酯化FAs：油酸、亚油酸、二十二碳六烯酸和花生四烯酸可作为APAP肝损伤的潜在生物标志物。此外，李修龙等[6]还利用超高效液相色谱-四级杆-静电场轨道阱质谱联用对APAP肝损伤大鼠的血清进行了非靶向代谢组学分析，共找出了45种差异代谢物，主要为磷脂、鞘脂和脂肪酸类化合物，并通过进一步分析发现甘油磷脂代谢和鞘脂代谢紊乱是APAP致肝损伤的重要原因。Saito等[7]利用他莫昔芬灌胃大鼠诱导大鼠肝脏磷脂沉积症(hepatic phospholipidosis，PLD)，采用脂质组学手段比较空白组和他莫昔芬给药组大鼠血浆和肝脏中的脂质代谢谱变化，确定两组之间的差异，研究发现血浆中25种脂质，肝脏中45种脂质在空白组和他莫昔芬给药组中发生显著性差异化，在这些脂质中，含花生四烯酸的PCs如PC(17 :0/20 :4)和PC(18 :1/20 :4)在他莫昔芬给药组血浆和肝脏中均普遍降低，而肝脏中的其他磷脂，如磷脂酰乙醇胺(phosphatidylethanolamines，PEs)(18 :1/18 :1)和磷脂酰肌醇(phosphatidylinositols，PIs)(18 :0/18 :2)则明显升高，此外还发现，在PLD前期，肝脏病理改变之前，含有花生四烯酸的PCs和一些磷酸甘油脂已经发生改变，提示含有花生四烯酸的PCs可能作为他莫昔芬诱导的PLD的新的早期生物标志物。近年来，中药所致的药物性肝损伤的报道日益增多，已占到临床药物性肝损伤总病例的45.43%，脂质组学借助现代科学技术和方法，从研究生物体整体代谢变化出发，快速评价中药毒性、分析其作用的机制、确定早期生物标志物，在中药肝毒性的研究中发挥着巨大的作用。Qu等[8]利用高效液相-三重四级杆质谱联用(HPLC-MS/MS)及多元统计学分析方法对雷公藤诱导肝损伤小鼠肝和血浆中的鞘脂进行了组学分析。研究结果表明，与正常组小鼠相比，雷公藤组小鼠肝脏和血浆中的神经酰胺、SMs和鞘氨醇的总体水平均升高，而二氢神经酰胺和己糖神经酰胺的总体水平下降，通过正交偏最小二乘法在肝脏中筛选得到了11种生物标志物包括4种神经酰胺，4种二氢神经酰胺和3种SMs；在血浆中筛选得到了9种生物标志物包括3种神经酰胺，4种己糖神经酰胺和2种SMs，其中1-磷酸鞘氨醇和SM(d18 :1/18 :0)为肝脏和血浆中的共同生物标志物。熊印华等[9]利用GC-MS等脂质组学技术从FA代谢轮廓的角度评价了黄药子乙醇提取物(ethanol extraction，ET)和单体化合物黄独素B(diosbulbin B，DB)致大鼠的肝毒性。研究表明ET和DB组的大鼠血清FA代谢轮廓与空白组均发生明显偏离，通过多元统计学分析发现花生四烯酸和二十二碳六烯酸与ET和DB的肝毒性作用密切相关，可作为评价ET和DB致肝损伤的生物标志物，进一步研究推测，ET和DB的肝毒性作用可能是通过激活花生四烯酸的炎症级联代谢通路产生大量的炎症因子使肝脏细胞炎性浸润实现的。从FA代谢轮廓角度，熊印华等[10]又对川楝子的肝毒性进行了评价，研究表明给药川楝子水提醇沉物后的小鼠血清FA代谢轮廓明显偏离正常水平，棕榈油酸、十八碳烯酸和花生四烯酸可作为评价川楝子肝毒性的生物标识物。
2.3 病毒性肝炎病毒性肝炎是一种由肝炎病毒引起的以肝脏病变为主的传染病，目前已被公认的有甲、乙、丙、丁、戊五种肝炎病毒，除乙型肝炎病毒为DNA病毒外，其余均为RNA病毒。据报道，全球每年约有134万人死于不同类型的病毒性肝炎感染，而在我国，病毒性肝炎已成为了我国第一大肝脏疾病和第一大法定传染病，2015年调查显示，病毒性肝炎病例数量占42种法定传染病病例的40.01%，其中乙型肝炎(hepatitis B virus，HBV)和丙型肝炎(hepatitis C virus，HCV)为最常见的病毒性肝炎。杨蕊旭等[11]利用超高效液相色谱-三重四级杆质谱联用(UPLC-MS/MS)结合正交偏最小二乘判别分析法对慢性HBV患者和健康志愿者的血清脂质代谢特征进行了研究，研究发现慢性HBV患者与健康志愿者的脂质代谢轮廓发生明显偏离，并筛选得到了64种与慢性HBV患者细胞凋亡、增生、抗氧化能力改变有关的，可能作为诊断HBV的脂质标志物，这些脂质主要涉及磷脂分布代谢和TG、鞘脂、缩醛磷脂以及FA等代谢。Yao等[12]基于高效液相色谱-质谱联用(HPLC-MS)等脂质组学技术，对慢性HBV急性肝功能恶化患者和健康者的血清进行了代谢组学分析，鉴定出了能够表征慢性HBV的4种脂质生物标志物：LPC(18 :0)、LPC(16 :0)、LPC(18 :1)、LPC(18 :2)。Sun等[13]利用超高效液相色谱-高清晰度质谱联用(UPLC-HDMS)技术结合多元统计学分析方法在对感染丙型肝炎病毒树鼩的初步研究中表明，丙型肝炎病毒感染激活了一系列与醚脂代谢、甘油磷脂代谢、花生四烯酸代谢有关的因子，通过比较HCV感染和未感染树鼩的整体代谢谱发现共有38种代谢物发生了显著变化，其中13种减少，25种增加，通过基因芯片的显著性分析法筛选出了能够表征HCV的3种脂质生物标志物：LPC(16 :0)、LPE(16 :0)和花生四烯酸。Khedr等[14]利用液相色谱-离子阱质谱(LC-IT-MS)和液相色谱-三重四级杆质谱联用(LC-MS/MS)研究了健康志愿者和登革热(dengue fever，DF)、HBV、HCV患者的血清磷脂谱，对血清中的LPCs、PCs、溶血磷脂酰肌醇(lysophosphatidylinositols，LPIs)、PIs、PEs和丝氨酸磷脂进行了鉴定与定量分析，研究发现在DF、HBV、HCV患者血清中明显降低的PI(38 :4)、PI(36 :4)、PI(36 :2)和显著升高的LPI(16 :0)可作为区分3种疾病组与健康受试者的潜在生物标志物。此外，还发现LPI(18 :0)和LPI(16 :0)可用于DF和HBV的鉴别，LPC(16 :0)、LPC(18 :0)和PC(36 :4)可用于HCV和DF的鉴别，而LPI(18 :0)、PI(38 :4)和LPI(16 :0)可用于HCV和HBV的鉴别。
2.4 胆汁郁积胆汁淤积是由于胆汁分泌及排泄障碍引起的一种病理生理过程，表现为肝脏以及体循环内胆酸、胆固醇及胆红素等胆汁成分的过度堆积，会对肝细胞及机体造成损伤，长期持续的胆汁淤积将恶化为肝纤维化甚至肝硬化。Annika等[15]利用代谢组学技术对原发性硬化性胆管炎(primary sclerosing cholangitis，PSC)和继发性硬化性胆管炎(secondary sclerosing cholangitis，SSC)患者的肝内胆汁进行了磷脂代谢轮廓分析，研究发现SSC和PSC患者肝内磷脂代谢轮廓变化相近且均明显偏离正常组，与SSC相比，在PSC中PC(36 :3)和LPC(18 :2)明显升高，LPC(16 :0)明显降低，而其它磷脂无明显差异，提示这些变化的磷脂可作为区分SSC和PSC的生物标志物。Wang等[16]利用UPLC-Q-TOF-MS等技术对α-萘基异硫氰酸酯(α-naphthyl isothiocyanate，ANIT)诱导的肝内胆汁淤积大鼠血清进行了脂质组学分析，研究发现ANIT诱导的肝内胆汁淤积大鼠血清中多种脂质成分明显升高包括PCs、LPCs和SMs，其中PC(16 :0/20 :4)和PC(16 :0/22 :6)在给药后10 h显著升高；LPC(18 :2)和PC(16 :0/18 :2)在给药后3 h显著升高；PC(18 :1/16 :0)在给药后20 h显著升高，而LPC(18 :1)和SM(18 :1/16 :0)则在给药后40 h和48 h显著升高，并通过进一步分析发现胆碱激酶、鞘磷脂磷酸二酯酶和硬脂酰辅酶A去饱和酶1基因表达的改变是引起脂质谱变化的主要原因，提示ANIT引发的脂质代谢紊乱可能是ANIT诱导小鼠肝内胆汁淤积的潜在发病机制。原发性胆汁性胆管炎(primary biliary cholangitis，PBC)和PSC都是慢性胆汁淤积性肝病，区分PBC和PSC是对症治疗的关键，Bell等[17]对PBC、PSC及健康者血清进行代谢组学分析发现，PBC和PSC患者的脂质代谢、炎症和脂质过氧化有关的代谢物与健康者相比有显著差异，并鉴定出能够区分PBC和PSC的2种生物标志物：13-羟基十八烯酸和9-羟基十八烯酸。自身免疫性肝炎(autoimmune hepatitis，AIH)由于与PBC具有共同的非特异性症状以及重叠的血清学和组织学特征常与PBC相混淆。Lian等[18]利用UPLC-MS对PBC患者、AIH患者和健康人的血清样品进行分析，与健康对照组相比，AIH组和PBC组游离FAs、PCs、LPCs、SMs均明显降低；而与PBC组相比，AIH组的游离FAs、PCs、LPCs和SMs也均显著下调，通过主成分分析结合偏最小二乘判别分析和正交偏最小二乘判别分析发现，健康对照组、AIH组和PBC组的脂质代谢谱发生明显偏离，并鉴定了4组能够区分AIH和PBC的生物标志物，包括3种游离FAs、9种PCs、2种LPCs和1种SM。
2.5 肝纤维化和肝硬化肝纤维化是一个病理生理过程，是指由各种致病因子如肝炎或慢性酒精中毒等所致的肝内结缔组织异常增生。METAVIR评分系统将肝纤维化程度分为F0~F4五个等级，F0为无肝纤维化，≥ F1为轻度肝纤维化，≥ F2为中度肝纤维化，≥ F3为重度肝纤维化，F4为肝硬化。肝纤维化也可根据肝组织炎症活动度(具体而言，坏死性炎症损伤的强度)分为A0到A3四个等级：A0=没有活动，A1=轻度活动，A2=中等活动，A3=重度活动。Ishikawa等[19]采用LC-MS对四氯化碳和氯莫司汀诱导的中心性小叶纤维化和胆管纤维化大鼠模型的血浆进行了脂质组学分析，探讨两种不同类型肝纤维化的血脂谱，实验共鉴定和测定了228种脂质包括97种磷脂，23种鞘脂和108种中性脂，主成分分析表明，两种肝纤维化大鼠的血脂谱与相应对照组大鼠均发生明显分离，与四氯化碳对照组相比，四氯化碳组中LPCs、PCs、二酰甘油和TGs的总体水平降低；而与氯莫司汀对照组相比，氯莫司汀组中胆固醇酯、LPCs、LPEs、PCs、PIs、SMs和高不饱和TGs的总体水平升高，并通过进一步分析寻找得到了6种变化趋势相反的共同潜在生物标志物，包括LPC(18 :3)、LPC(20 :4)、LPC(22 :6)、PC(38 :6)、PC(40 :8)和PC(42 :10)。Huang等[20]采用UPLC-Q-TOF-MS对肝硬化患者的粪便进行代谢组学研究，研究发现肝硬化患者粪便中的LPCs和FAs较健康者显著增加，并通过筛选得到了能够表征肝硬化的4种脂质生物标志物包括LPC(16 :0)、LPC(18 :0)、LPC(18 :1)和LPC(18 :2)。肝细胞癌(hepatocellular carcinoma，HCC)是世界上最常见的恶性肿瘤之一，与肝硬化实属两种疾病，但这两种疾病的症状在晚期才表现出不同，因此，寻找能够区分肝癌和肝硬化的早期生物标志物是具有重要的临床意义的。Ressom等[21]采用UPLC-Q-TOF-MS对HCC早期患者和肝硬化患者血清中代谢物进行了分析，研究发现，HCC早期患者血清中参与鞘脂代谢和磷脂分解代谢的代谢物较肝硬化患者显著升高，其中鞘氨醇-1-磷酸和LPC(17 :0)可作为区分HCC和肝硬化的标志物。此外，辛酸、癸酸和油酸对HCC和肝硬化也有着较强的鉴别能力。
2.6 非酒精性脂肪肝病非酒精性脂肪性肝病(nonalcoholic fatty liver disease，NAFLD)是目前临床上最为常见的肝病之一，包括单纯性脂肪肝(nonalcoholic fatty liver，NAFL)、非酒精性脂肪性肝炎(nonalcoholic steatohepatitis，NASH)及NASH相关肝硬化3种病理类型。近年来，人们生活水平在不断提高的同时，NAFLD的发病率也在逐年增加，且发病年龄逐渐降低，因此研究NAFLD的发病机制，寻找NAFLD的生物标志物是至关重要的。美国一项研究对NAFL、NASH和健康者的血浆脂质谱进行了比较，研究结果显示NAFL和NASH患者的单不饱和FAs或多不饱和FAs浓度明显高于健康者，而花生四烯酸的非酶氧化产物11-羟基二十碳四烯酸(hydroxyeicosatetraenoic acid，HETE)则仅在NASH中显著增加，此外还发现NAFL向NASH病变的过程中5-HETE、8-HETE和15-HETE浓度逐渐增加[22]。Rohit等[23]采用LC-MS/MS对NASH、NAFL患者和正常健康志愿者血浆中的26种类二十烷酸进行分析，寻找得到了能够区分NASH和NAFL的9种生物标志物，其中11, 12-二羟基二十碳三烯酸的鉴别能力最佳。Chiappini等[24]对正常人、NASH患者的肝活检组织进行了全面的脂质组学分析，基于随机森林的机器学习方法得到了32种能够以100%敏感性和特异性区分NASH的脂质，主要为磷脂、鞘脂、FAs和TGs，并在另一组NASH患者中验证了这些标志物的鉴别能力。此外，通过进一步分析还发现在NASH患者和小鼠模型的FA合成通路中去饱和酶FADS1的活性明显降低，其活性降低是导致通路上游FAs积累、下游FAs缺乏、磷脂合成受损的重要原因。Tanaka等[25]使用UPLC-Q-TOF-MS对以胆碱蛋氨酸缺乏食物诱导的NASH小鼠进行脂质组学研究，结果发现在NASH大鼠中磷脂代谢和脂肪酸代谢被破坏，与对照组相比，NASH小鼠血清中LPC(16 :0)、LPC(18 :0)、LPC(18 :1)明显减少，12-HETE显着增加，通过进一步研究发现该情况可能是肝脏中炎症信号增强引起。
2.7 肝癌肝癌是世界范围内最常见的恶性肿瘤之一，其发病率和死亡率居高不下，死亡率占全球恶性肿瘤死亡率的第3位，并且呈全球性增长趋势，而在我国每年约有38.3万人死于肝癌，占全球肝癌死亡病例数的50%以上。Li等[26]采用UPLC-Q-TOF-MS和基质辅助激光解吸离子化-傅里叶变换离子回旋共振质谱仪(MALDI-FTICR-MS)对肿瘤切除手术的肝癌患者的肝癌组织进行脂质组学研究，研究发现在肝癌组织中SMs水平显著上调，神经酰胺显著下调，除了TG(56 :5)和TG(56 :4)外，双键数≥ 2的TGs较正常肝组织均明显减少，而双键数 < 2的TGs则明显增加，通过进一步研究还发现，病情越严重的肝癌患者的饱和TGs浓度越高，多不饱和TGs浓度越低。鞘脂是癌症的关键信号脂质，已经证实中性SMase-2(nSMase-2)是一种由SM产生的神经酰胺酶，是肝癌的潜在抑制因子，研究表明27.3%的nSMase-2缺陷老年雄性小鼠肝癌细胞发生自发性生长，脂质组学分析显示癌变组织中SMs明显增加，这表明nSMase2缺乏与肝癌细胞的生长密切相关[27]。Patterson等[28]基于超UPLC-Q-TOF-MS技术对肝硬化和肝癌患者的血浆进行脂质组学分析，研究发现与肝硬化患者相比，肝癌患者中的LPC(14 :0)、LPC(20 :3)和LPC(22 : 6)的水平明显下降；与健康者相比，肝癌患者中LPC(14 :0)、LPC(16 :0)、LPC(18 :1)、LPC(20 :2)、LPC(20 :3)、LPC(20 :4)、LPC(20 :5)的浓度明显下降，提示LPCs与肝癌密切相关。Wang等[29]采用LC-MS技术对60例经手术病理证实的HCC患者进行TNM分期研究，结果发现与非Ⅰ期患者相比，Ⅰ期患者血清中的LPC(18 :0)、LPE(16 :0)和十四烷酸水平显著升高；与Ⅰ期患者血清相比，Ⅱ期患者血清中LPE(18 :2)和LPC(22 :6)水平显著升高，提示HCC患者血清中的这些差异代谢物有可能作为HCC临床分期的生物标志物。Zhou等[30]对肝癌患者术后复发时间进行了研究，发现较早复发的患者血清中LPCs、LPEs含量明显低于较晚复发的患者，揭示LPCs、LPEs下调可能与肝癌的发展密切相关。
3 讨论实验人员的操作差异、实验对象的个体差异和实验条件的环境差异等都会影响肝脏疾病的脂质组学研究结果，这就导致同种肝脏疾病，即使分析手段相同，但不同学者也会得出不同的脂质组学研究结果，如在酒精性肝损伤的研究中，Cai等[1]和Li等[4]均使用UPLC-Q-TOF-MS对模型鼠的血清进行代谢组学分析，后者实验筛选出的标志物有4种且均为LPCs，而前者筛选出的生物标志物有5种，但均不为LPCs，其中2种FAs、2种LPEs和1种PC，而这些差异产生的原因可能是模型鼠的种类不同，样品前处理方法不同等导致的。同样，即使是相同模型、相同样本，同一学者使用不同仪器得出来的分析结果也会有差异。这些差异的产生是不可避免的，但我们可以通过增加相关肝脏疾病的脂质组学研究，对不同的实验结果进行整合分析，筛选出出现频率高的脂质标志物作为核心标志物，再通过后期的实验验证其可靠性及准确度等，挖掘出能够应用于临床的标志物。
不同的肝脏疾病有着不同的临床特征或病理特征，其脂质代谢轮廓也有所差异。但由于肝脏疾病的发病机制是复杂的，不同的肝脏疾病会存在着交叉的发病机制，在脂质组学中表现为部分相同的脂质代谢紊乱，因此研究者们会在不同的肝脏疾病中筛选出相同的脂质标志物，如LPC(16 :0)可作为酒精性肝损伤、HBV、HCV、PSC、肝硬化、NASH和肝癌的共同生物标志物，而花生四烯酸可作为酒精性肝损伤、HCV、NASH和大多数药源性肝损伤的标志物。想要区分不同的肝脏疾病，则需选取不同肝脏疾病之间的特异性差异标志物，如11, 12-二羟基二十碳三烯酸可用于NASH和NAFL的鉴别，LPI(18 :0)、PI(38 :4)和LPI(16 :0)可用于HCV和HBV的鉴别，13-羟基十八烯酸和9-羟基十八烯酸可用于PBC和PSC的鉴别，鞘氨醇-1-磷酸和LPC(17 :0)可用于HCC和肝硬化的鉴别等。然而，虽然已有研究筛选出了区分不同肝脏疾病的特异性标志物，但由于目前重复性实验基数少，导致这些标志物的可靠性无从考量。
目前利用脂质组学来分析肝脏疾病的研究还相对较少，对于不同肝脏疾病的特异性脂质标志物的研究更是严重缺乏，不能满足核心脂质生物标志物的筛选，也不能对已筛选出的特异性标志物进行可靠性考察。因此加大肝脏疾病的脂质组学研究是至关重要的。
4 总结与展望脂质代谢与肝脏疾病有着密切的联系，脂质组学凭借其先进的分析平台，科学的研究方法和数据处理技术，实现了对生物样本中脂质的全面系统分析，在慢性、隐匿性肝脏疾病的早期诊断中发挥了重要的作用。样品的前处理是影响脂质组学分析的关键步骤，决定着实验的灵敏度和可靠性。常见的前处理方法主要包括液液萃取、固相萃取、固相微萃取、超临界流体萃取、微波辅助萃取和超声辅助萃取等，减少有机溶剂用量、使用低毒或无毒溶剂、操作简便快速、提高萃取效率、提升自动化水平等已成为脂质提取方法的发展趋势。由于脂质的极性头基、FA链、碳骨架的多样性，脂质种类多而繁杂，这些结构上的多样性为脂质分析带来了一定的挑战。近年来，随着分析仪器的不断发展，多种分析手段根据研究目的的不同被广泛的用于脂质组学相关研究，色谱与质谱联用技术因其高灵敏度和高通量等特点已成为了脂质组学的主要分析手段，为脂质组学的研究提供了有效的技术保障。脂质组学是代谢组学的重要的分支，在寻找肝脏疾病的生物标志物上具有独特的优势，通过对近年来的已有研究进行分析发现，FAs、SMs、PCs、LPCs、PIs、LPIs、PEs、LPEs、TGs等为主要的肝脏疾病脂质生物标志物，在肝脏疾病的诊断上发挥着巨大的作用，其中部分生物标志物的灵敏度明显高于常用来诊断肝损伤的生化指标如AST、ALT等，这些标志物在肝脏损伤程度较小时就能够被准确的检测，避免了由于诊断不及时而带来的肝脏损伤不能够被逆转的局面，为临床肝损伤的治疗提供了一个新的技术方法。
虽然肝脏疾病的脂质组学研究已取得了很大进展，在疾病早期诊断等方面发挥了巨大作用，但由于脂类分子的多样性及其参与过程和功能的复杂性，目前仍然存在着较大的挑战，有许多问题丞待解决。1)目前一些商业化的脂质对照品稀缺甚至没有，不能满足生物样品脂质代谢物的全面定性和定量分析，对肝脏疾病的标志物筛选和机制的研究造成了一定的困难。2)虽然脂质组学的分析技术在近年来得到了迅速的发展，但目前仍然没有统一的操作程序和全面的脂质组学数据库，而对于活体脂质组学的研究，分析仪器的缺乏是其最大的障碍。3)肝脏疾病的脂质组学的研究主要集中在肝脏疾病生物标志物的筛选层面，对于精细分析脂质代谢通路异常与肝脏疾病之间的关系和将肝脏疾病生物标志物与临床病理结合起来的研究较少。4)脂质组学在肝脏疾病的研究中仍存在着巨大的发展潜力，将脂质组学与基因组学、蛋白质组学和网络药理学相结合形成整合脂质组学来对肝脏疾病进行研究，全面分析肝脏疾病的发病机理，这对肝脏疾病的临床治疗有着重要的作用。因此，开发脂质组学的潜力对肝脏疾病的研究具有深远的意义。
| [1] |
Cai X X, Bao L, Wang N, et al. Dietary nucleotides supplementation and liver injury in alcohol-treated Rats: A metabolomics investigation[J]. Molecules, 2016, 21(4): 435. doi:10.3390/molecules21040435 |
| [2] |
Fernando H, Bhopale K K, Kondraganti S, et al. Lipidomic changes in rat liver after long-term exposure to ethanol[J]. Toxicol Appl Pharmacol, 2011, 255(2): 127-37. |
| [3] |
Gao B, Lang S J, Duan Y, et al. Serum and fecal oxylipins in patients with alcohol-related liver disease[J]. Dig Dis Sci, 2019, 64(7): 1878-92. doi:10.1007/s10620-019-05638-y |
| [4] |
Li S F, Liu H X, Jin Y B, et al. Metabolomics study of alcohol-induced liver injury and hepatocellular carcinoma xenografts in mice[J]. J Chromatogr B Analyt Technol Biomed Life Sci, 2011, 879(24): 2369-75. doi:10.1016/j.jchromb.2011.06.018 |
| [5] |
Xiong Y H, Xu Y, Yang L, et al. Gas chromatography-mass spectrometry-based profiling of serum fatty acids in acetaminophen-induced liver injured rats[J]. J Appl Toxicol, 2014, 34(2): 149-57. |
| [6] |
李修龙, 胡诚, 李云鹤, 等. 基于代谢组学的对乙酰氨基酚诱导大鼠急性肝损伤机制研究[J]. 中国药理学通报, 2020, 36(8): 1068-75. Li X L, Hu C, Li Y H, et al. Mechanism study of acetaminophen-induced acute liver injury in rats based on metabolomics[J]. Chin Pharmacol Bull, 2020, 36(8): 1068-75. doi:10.3969/j.issn.1001-1978.2020.08.008 |
| [7] |
Saito K, Goda K, Kobayashi A, et al. Arachidonic acid-containing phosphatidylcholine characterized by consolidated plasma and liver lipidomics as an early onset marker for tamoxifen-induced hepatic phospholipidosis[J]. J Appl Toxicol, 2017, 37(8): 943-53. doi:10.1002/jat.3442 |
| [8] |
Qu L, Qu F, Jia Z X, et al. Integrated targeted sphingolipidomics and transcriptomics reveal abnormal sphingolipid metabolism as a novel mechanism of the hepatotoxicity and nephrotoxicity of triptolide[J]. J Ethnopharmacol, 2015, 170: 28-38. doi:10.1016/j.jep.2015.05.010 |
| [9] |
熊印华, 徐英, 杨莉, 等. 黄药子诱导肝损伤大鼠血清FA的代谢轮廓[J]. 药学学报, 2017, 52(5): 753-9. Xiong Y H, Xu Y, Yang L, et al. The metabolic profile of serum fatty acids in rats with Rhizoma Dioscoreae Bulbiferae-induced liver injure[J]. Acta Pharm Sin, 2017, 52(5): 753-9. |
| [10] |
熊印华, 刘晓杰, 王新堂, 等. 基于脂肪酸代谢轮廓分析川楝子的肝毒性研究[J]. 中草药, 2017, 48(15): 3104-9. Xiong Y H, Liu X J, Wang X T, et al. Evaluation of toosendan fructus-induced hepatotoxicity based on metabolic profile of fatty acids[J]. Chin Tradit Herb Drugs, 2017, 48(15): 3104-9. |
| [11] |
杨蕊旭, 胡春秀, 陈国凤, 等. 慢性乙型肝炎患者血清脂质组学研究[J]. 实用肝脏病杂志, 2016, 19(6): 657-62. Yang R X, Hu C X, Chen G F, et al. Serum lipidomic analysis of patients with chronic hepatitis B[J]. J Pract Hepatol, 2016, 19(6): 657-62. doi:10.3969/j.issn.1672-5069.2016.06.006 |
| [12] |
Yang J, Zhao X J, Liu X L, et al. High performance liquid chromatography-mass spectrometry for metabonomics: potential biomarkers for acute deterioration of liver function in chronic hepatitis B[J]. J Proteome Res, 2006, 5(3): 554-61. doi:10.1021/pr050364w |
| [13] |
Sun H, Zhang A H, Yan G L, et al. Metabolomic analysis of key regulatory metabolites in hepatitis C virus-infected tree shrews[J]. Mol Cell Proteomics, 2013, 12(3): 710-9. doi:10.1074/mcp.M112.019141 |
| [14] |
Khedr A, Hegazy M A, Kammoun A K, et al. Phospholipidomic identification of potential serum biomarkers in dengue fever, hepatitis B and hepatitis C using liquid chromatography-electrospray ionization-tandem mass spectrometry[J]. J Chromatogr B Analyt Technol Biomed Life Sci, 2016, 1009-1010: 44-45. doi:10.1016/j.jchromb.2015.12.011 |
| [15] |
Gauss A, Ehehalt R, Lehmann W D, et al. Biliary phosphatidylcholine and lysophosphatidylcholine profiles in sclerosing cholangitis[J]. World J Gastroenterol, 2013, 19(33): 5454-63. doi:10.3748/wjg.v19.i33.5454 |
| [16] |
Wang B L, Zhang C W, Wang L, et al. Lipidomics reveal aryl hydrocarbon receptor (Ahr)-regulated lipid metabolic pathway in alpha-naphthyl isothiocyanate (ANIT)-induced intrahepatic cholestasis[J]. Xenobiotica, 2019, 49(5): 591-601. doi:10.1080/00498254.2018.1467065 |
| [17] |
Bell L N, Wulff J, Comerford M, et al. Serum metabolic signatures of primary biliary cirrhosis and primary sclerosing cholangitis[J]. Liver Int, 2015, 35(1): 263-74. |
| [18] |
Lian J S, Liu W, Hao S R, et al. A serum metabolomic analysis for diagnosis and biomarker discovery of primary biliary cirrhosis and autoimmune hepatitis[J]. Hepatobiliary Pancreat Dis Int, 2015, 14(4): 413-21. doi:10.1016/S1499-3872(15)60393-9 |
| [19] |
Ishikawa M, Saito K, Yamada H, et al. Plasma lipid profiling of different types of hepatic fibrosis induced by carbon tetrachloride and lomustine in rats[J]. Lipids Health Dis, 2016, 15: 74. doi:10.1186/s12944-016-0244-1 |
| [20] |
Huang H J, Zhang A Y, Cao H C, et al. Metabolomic analyses of faeces reveals malabsorption in cirrhotic patients[J]. Dig Liver Dis, 2013, 45(8): 677-82. doi:10.1016/j.dld.2013.01.001 |
| [21] |
Ressom H W, Xiao J F, Tuli L, et al. Utilization of metabolomics to identify serum biomarkers for hepatocellular carcinoma in patients with liver cirrhosis[J]. Anal Chim Acta, 2012, 743: 90-100. |
| [22] |
Puri P, Wiest M M, Cheung O, et al. The plasma lipidomic signature of nonalcoholic steatohepatitis[J]. Hepatology, 2009, 50(6): 1827-38. |
| [23] |
Loomba R, Quehenberger O, Armando A, et al. Polyunsaturated fatty acid metabolites as novel lipidomic biomarkers for noninvasive diagnosis of nonalcoholic steatohepatitis[J]. J Lipid Res, 2015, 56(1): 185-92. |
| [24] |
Chiappini F, Coilly A, Kadar H, et al. Metabolism dysregulation induces a specific lipid signature of nonalcoholic steatohepatitis in patients[J]. Sci Rep, 2017, 7: 46658. |
| [25] |
Tanaka N, Matsubara T, Krausz K W, et al. Disruption of phospholipid and bile acid homeostasis in mice with nonalcoholic steatohepatitis[J]. Hepatology, 2012, 56(1): 118-29. |
| [26] |
Li Z, Guan M, Lin Y, et al. Aberrant lipid metabolism in hepatocellular carcinoma revealed by liver lipidomics[J]. Int J Mol Sci, 2017, 18(12): 2550. |
| [27] |
Zhong L S, Kong J N, Dinkins M B, et al. Increased liver tumor formation in neutral sphingomyelinase-2-deficient mice[J]. J Lipid Res, 2018, 59(5): 795-804. |
| [28] |
Patterson A D, Maurhofer O, Beyoglu D, et al. Aberrant lipid metabolism in hepatocellular carcinoma revealed by plasma metabolomics and lipid profiling[J]. Cancer Res, 2011, 71(21): 6590-600. |
| [29] |
Wang W J, Lv J X, Chen N, et al. Dysregulated serum metabolites in staging of hepatocellular carcinoma[J]. Clin Biochem, 2018, 61: 7-11. |
| [30] |
Zhou L N, Liao Y, Yin P Y, et al. Metabolic profiling study of early and late recurrence of hepatocellular carcinoma based on liquid chromatography-mass spectrometry[J]. J Chromatogr B, 2014, 966: 163-70. |