曹红翠教授：代谢组学研究进展及其在肝病领域的应用全景解析|代谢物|代谢组学|曹红翠|肝病|肿瘤|脂质

编者按：代谢紊乱是各类肝脏疾病发生、进展的核心病理特征，代谢组学作为直接反映机体真实功能状态的组学技术，能够全面、系统地分析肝脏内外代谢物的变化，揭示多种肝病的机制，已成为连接基础研究与临床诊疗的关键桥梁。在第15届病毒性肝炎慢性化重症化基础与临床研究进展学术会议上，浙江大学医学院附属第一医院曹红翠教授系统分享了代谢组学的技术发展、分析方法革新及其在肝病诊疗、预后评估、新药研发等领域的全面应用。分享内容整理如下。

代谢组学（Metabolomics）是一门全面研究生物体内代谢物的新兴科学，它通过定性及定量分析生物样本中的代谢物（血液、尿液、脑脊液、粪便、细胞、组织等）来揭示生物体的代谢状态和功能[1]。相较于基因组和蛋白质组，代谢组处于生物学调控的最下游，能够真实呈现上游调控的最终结果，因此更贴近疾病的实际功能变化。

根据研究范围与目的，代谢物分析可分为四个层次[2]：代谢物靶向分析（某个或某几个特定组分的分析）、代谢轮廓分析（少数预设的一些代谢产物的定量分析）、代谢物指纹分析（不分离鉴定具体单一组分，对样品进行快速分类），以及覆盖样本内全部代谢组分的代谢组学分析，可灵活适配不同研究场景的需求。代谢组学在医学研究中具备重要价值，可用于疾病与治疗效果相关生物标志物筛选、疾病发病与进展机制解析、疾病亚型分型以及临床结局预测等（图1）。

图1. 代谢组学应用概述图[3]

代谢组学技术发展与前沿分析方法

自20世纪90年代末“代谢组”相关概念提出后，代谢组学进入快速发展期[4]，以高分辨质谱为核心，结合高效液相色谱（UPLC）分离技术及离子迁移（IMS）分离技术等关键技术相继发展并应用于代谢组学，近年来人工智能与机器学习进一步大幅提升了代谢组学数据的解析能力，使代谢组学从植物研究全面拓展至生物体液、组织与细胞疾病研究。

质谱技术凭借高灵敏度、高分辨率、广泛的检测范围以及定性定量能力，成为当前代谢组学研究的主流平台。基于质谱技术的代谢组学常规分析流程包括样品制备与提取、色谱分离、离子化、质谱检测和数据分析（图2）[5]，得益于质谱技术的进步，代谢组学开始向单细胞代谢组学、单细胞器代谢组学、空间代谢组学等多层次、多尺度发展，高度契合肝脏复杂的细胞构成、亚细胞结构及区域代谢网络特征（图3、图4）。

图2. 代谢组学分析的基本步骤[5]

（引自文献）

图3. 肝脏代谢组学分析方法

（引自讲者幻灯）

图4. 代谢组学在肝病研究中的应用

（引自讲者幻灯）

目前，清华大学北京信息国家研究中心/医学院张奇伟教授与清华大学化学系张新荣教授合作开发的空间单核代谢组学（SEAM）方法可在单细胞分辨率下捕捉肝细胞代谢异质性（图5）[6]。Theodore Alexandrov研究团队开发的单细胞空间代谢流分析新方法（13C-SpaceM）则可通过稳定同位素示踪在空间层面解析肿瘤代谢流特征（图6）[7]，为肝病研究提供高精度工具。

图5. SEAM在单细胞分辨率下捕捉到空间代谢异质性[6]

（引自文献）

图6. 单细胞空间代谢流分析新方法（13C-SpaceM）[7]

（引自文献）

代谢组学在肝病诊断中的创新应用

肝脏是人体核心代谢器官，肝病的发生发展始终伴随显著代谢紊乱，使代谢组学成为肝病诊断的理想工具。近年来，依托代谢组学开展的肝病无创诊断研究不断取得突破，为临床提供了更高效、更灵敏的检测路径。曹红翠教授团队率先建立了一种粪便代谢组检测方法[8]，首次系统验证粪便样本在肝硬化和肝细胞癌（HCC）研究中的价值，该研究筛选出6种关键潜在生物标志物，不仅可为肝硬化与HCC早期诊断提供无创、便捷的解决方案，还能有效区分慢性乙型肝炎患者的早期肝脏炎症与纤维化阶段，并可对不同病因所致肝硬化进行鉴别诊断（图7）。

图7. 利用超高效液相色谱-质谱法（UPLC/Q-TOF MS）进行肝病鉴别诊断[8]

（引自文献）

在脂质组学诊断方面，华东理工大学杜一平教授团队采用石墨化碳作为新基质的表面辅助激光解吸电离质谱检测可高效检测血清甘油三酯、胆固醇酯、甘油磷脂等脂质[9]，高效诊断肝癌患者，准确率达98.3%，AUC值为0.99（图8）。在自身免疫性肝病诊断方面，George N. Dalekos研究团队利用1H NMR（核磁共振）光谱法对43例健康对照、50例自身免疫性肝炎、72例原发性胆汁性胆管炎、26例代谢相关脂肪性肝病和101例慢性病毒性肝炎患者血浆中的52种代谢物定量测定，最终筛选出15种代谢物，可实现对自身免疫性肝炎高灵敏度（95%）、高特异性（92%）精准鉴别。针对临床诊断难度较高的代谢相关脂肪性肝炎，福建师范大学王晶教授、温州医科大学郑明华教授团队将表面增强拉曼光谱（SERS）、临床生化参数（CB）和胆汁酸代谢组学（BA）进行多模态融合（图9），实现无创精准诊断，准确率85%，AUC达0.874，其中甘氨胆酸、甘氨鹅去氧胆酸、去甲去氧胆酸等胆汁酸被确定为关键诊断标志物（图10），为临床无创筛查提供重要依据[10]。

图8. 表面辅助激光解吸电离质谱检测血清中脂质含量[9]

（引自文献）

图9. “多模态融合”分析方法[10]

（引自文献）

图10. “多模态融合”分析结果[10]

（引自文献）

代谢组学解析肝病进展与关键病理机制

代谢组学不仅可用于诊断，更能从空间分布、细胞亚型、分子通路层面系统揭示肝病进展的核心规律。深圳中心医院戴勇教授团队借助AFA-DESI质谱成像技术，可清晰显示HBV相关肝硬化与肝癌组织中氨基酸、甘油磷脂代谢的显著改变（图11），这些异常代谢通路通过尿素循环相互关联，能够有效区分不同肝脏疾病状态，为早期预警肿瘤恶性进展提供了潜在生物标志物[11]。

图11. 肝硬化到肝细胞癌进展过程中的AFA-DESI质谱成像[11]

（引自文献）

香港中文大学于君、黄炜燊教授和上海交通大学夏强院士团队通过一项大型综合代谢组学研究进一步证实[12]，HCC患者与健康对照个体之间在血清、肝组织和粪便样本中的代谢特征均存在显著差异，HCC患者门静脉及肿瘤组织中异常升高的代谢物不仅与肝功能严重损伤密切相关，还与患者不良生存率直接相关，提示门静脉代谢紊乱可能是驱动肝癌发生发展的关键诱因（图12）。清华大学张新荣、张奇伟教授团队的单细胞空间代谢组分析新方法揭示[6]，人肝纤维化组织中存在两种代谢极性不同的肝细胞亚群，并呈现清晰的肝组织分区特征，这一结果与蛋白水平和基因水平的研究结论高度一致。化学研究所聂宗秀研究员团队利用空间代谢组学在小鼠原位肝癌模型中更进一步揭示了氧化应激驱动的代谢与免疫重编程过程（图13），明确谷胱甘肽从头合成、肿瘤相关巨噬细胞浸润及磷酸戊糖途径激活，在肿瘤微环境重塑中发挥着核心调控作用[13]。

图12. 综合代谢组学揭示门静脉血清代谢组的改变或可诱发肝细胞癌[12]

（引自文献）

图13. 基于空间代谢组学揭示了小鼠原位肝癌中氧化应激诱导的代谢与免疫重编程[13]

（引自文献）

代谢组学在肝病预后评估中的临床价值

代谢组学能够高效挖掘与预后密切相关的代谢标志物，构建出比传统临床评分更灵敏、更精准的风险预测模型。在HBV相关慢加急性肝衰竭（ACLF）领域，上海交通大学医学院附属仁济医院李海教授团队开展的一项涵盖14家临床中心、共1024例患者的大样本多中心研究显示[14]，患者血浆在膜脂代谢、氧化应激、能量代谢等关键通路上均出现显著异常改变。基于差异代谢物构建的预后模型可准确预测90天死亡风险，其中发现集AUC达0.87，验证集AUC达0.83，整体预警效能显著优于传统CLIF-C ACLF评分及MELD-Na评分体系（图14）。

图14. HBV相关ACLF预后模型验证结果[14]

（引自文献）

在肝癌预后研究中[15]，Jinmyoung Joo团队发现肝脏特异性丙酸代谢产物2-乙基己醇展现出较高的诊断价值，可作为高特异性标志物，完美区分HCC与高危肝病人群（AUC=1.0），同时也能有效鉴别HCC与其他常见恶性肿瘤（AUC=0.904）。此外，ALDH2、ALDH1B1等丙酸代谢相关基因可作为肝细胞癌独立预后因子，为临床开展个体化风险分层与治疗决策提供了关键指标（图15）。

图15. LPM相关基因和血清代谢物在HCC诊断和预后中的应用价值[15]

（引自文献）

代谢组学驱动肝病新药研发与细胞治疗评价

代谢组学为新药靶点发现、疗效验证及机制解析提供关键支撑。Daniel W McVicar研究团队发现衣康酸作为重要的内源性代谢调控物，可调节脂肪酸β-氧化、线粒体活性氧的产生与巨噬细胞功能，其衍生物能够逆转血脂异常、减少肝细胞脂质沉积，成为代谢相关脂肪性肝炎极具潜力的候选治疗药物（图16）[16]。

山东第一医科大学王松松、韩立文教授研究团队胆汁酸靶向代谢组学分析发现，金丝桃苷可显著调节胆汁酸代谢，减少肝脏总胆固醇与甘油三酯蓄积，同时提升亲水性更强、毒性更低的牛磺酸结合型胆汁酸水平，减轻内源性胆汁酸肝毒性（图17），并通过激活FXR受体与抑制ACLY活性的双重通路发挥作用，具备明确的临床转化前景[17]。

图16. 靶向代谢组学提示衣康酸治疗效果[16]

（引自文献）

图17. 胆汁酸靶向代谢组学分析结果[17]

（引自文献）

曹红翠教授团队长期致力于间充质基质细胞（MSC）治疗肝病的代谢机制研究，在急性肝衰竭、原发性硬化性胆管炎（PSC）及克罗恩病模型中系统揭示代谢调控网络，并成功筛选出高灵敏、高特异性的疗效评价标志物。团队最终确定8种代谢物可作为MSC治疗PSC的有效性评价指标，其单独预测效能显著优于传统肝酶指标，当代谢物与肝酶联合建模时，AUC可高达0.978，为干细胞治疗的精准评估与临床转化提供了科学可靠的评价体系（图18）[18]。

图18. 机器学习模型验证标志物可行性[18]

（引自文献）

展望

代谢组学可系统解析生物体内整体代谢物的动态变化规律，而人工智能拥有强大的数据处理、模式识别与模型构建能力。二者深度融合，有效突破了传统代谢组学在海量数据解析、代谢图谱绘制与临床转化应用中的关键瓶颈，可实现代谢数据高效挖掘、疾病精准预测、干预靶点筛选及核心代谢机制的深度解析。从单细胞空间代谢的精准解析，到无创诊断标志物开发；从疾病病理机制阐明，到创新药物与干细胞治疗转化，代谢组学已全面贯穿肝病基础研究与临床实践的全链条。未来，随着技术持续迭代与多学科交叉深化，代谢组学将进一步推动病毒性肝炎、肝硬化、肝衰竭、肝癌、代谢相关脂肪性肝病及自身免疫性肝病等领域的精准诊疗革新，为破解临床未满足需求、提升肝病防治水平提供持续而强劲的动力。

参考文献：

1.Lu Y, Lin L, Ye J. Mater Today Bio. 2022;13:100205.

2.Fiehn O. Plant Mol Biol. 2002;48(1-2):155-171.

3.Metabolon, Inc. Why metabolomics: Your guide to metabolomics[EB/OL]. 2022. https://insights.metabolon.com/rs/301-DAD-742/images/Why-Metabolomics-eBook-Final.pdf.

4.Aharoni A, Goodacre R, Fernie AR. Proc Natl Acad Sci U S A. 2023 Mar 21;120(12):e2217383120.

5.Alseekh S, Aharoni A, Brotman Y, et al. Nat Methods. 2021;18(7):747-756.

6.Yuan Z, Zhou Q, Cai L, et al. Nat Methods. 2021;18(10):1223-1232.

7.Buglakova E, Ekelöf M, Schwaiger-Haber M, et al. Nat Metab. 2024;6(9):1695-1711.

8.Cao H, Huang H, Xu W, et al. Anal Chim Acta. 2011;691(1-2):68-75.

9.Wu Q, Yu J, Zhang M, et al. Talanta. 2024;268(Pt 2):125371.

10.Wu W, Lu D, Ni Y, Huang Z, Zheng MH, Wang J. Anal Chem. 2026;98(3):1950-1960.

11.He MJ, Pu W, Wang X, et al. Cancer Cell Int. 2022;22(1):366.

12.Liu J, Geng W, Sun H, et al. Gut. 2022;71(6):1203-1213.

13.Han J, Liu H, Li Y, et al. CCS Chem. 2025, 7, 68-79.

14.Zhang Y, Tan W, Wang X, et al. J Hepatol. 2023;79(5):1159-1171.

15.Lee D, Mun J, Lee J, et al. Biomark Res. 2025;13(1):129.