背景简介
脂质是生物体内重要的一大类化合物，可分为8类，即：脂肪酸类（fatty acyls）、甘油脂类（glycerolipds）、甘油磷脂类（glycerophospholipids）、鞘脂类（sphingolipids）、固醇脂类（sterol lipids）、孕烯醇酮脂类（prenolipids）、糖脂类（saccharolipids）、多聚乙烯类（polyketides），虽然它们在结构上有很大的差异，但具有相同的特点，即：不溶于水，但溶于乙醚、氯仿和丙酮等非极性有机溶剂。脂质组学（lipidomics）作为最重要的代谢组学分支，在研究脂质运输/合成/代谢异常、代谢综合症（糖尿病，心血管疾病），线粒体膜脂成分变化与功能及发育、衰老等方面具有重要作用。脂质代谢组学可以从系统水平上研究生物体内的脂质，揭示脂质分子及与其他生物分子间的相互作用，并作代谢通路分析，探讨其与生理变化的相对关系，分析生物体的内在变化。此项技术广泛应用于疾病诊断、疾病机理研究、营养食品科学、毒理学、植物学等相关领域。
技术优势
高灵敏度：基于先进的LC- MS/MS分析技术，可检测到pg级化合物。
高覆盖度：检测成百上千种脂质代谢物，胜任热不稳定、不易挥发、不易衍生化等物质的检测。
低成本：侧重于相关特定组分共性研究，筛检有意义脂质代谢产物，检测成本较低。
跨组学分析：提供从基因组学、转录组学、蛋白质组学、到代谢组学的全程科技服务，深度剖析生物学现象。
技术路线
样本类型
细胞，组织，尿液，全血，血清，血浆等
建议起始量（单次）：血浆或血清＞300 μL，尿液> 5 mL，组织＞ 100 mg，细胞＞107个。
Q1：样本采集、处理时需要注意哪些事项？
A：样本采集：血浆样本建议使用EDTA或肝素钠作为抗凝剂；动物尿液，如24 h大鼠尿液采集时需加入叠氮化钠；组织样本建议活体采集，若是动物样本建议麻醉后采集，麻醉剂建议使用异氟醚；细胞样本要避免细胞破裂。样本处理：使用液氮快速冷冻处理样本；血液样本采集时一定要避免溶血；避免样本反复冻融；使用干冰冷藏运输。
Q2: 代谢物鉴定搜索的数据库有哪些？
A :搜索的数据库都是公共库，KEGG、METLIN等等，精确度都在10ppm以内（一个分子量仍然会对应多个代谢物），如果库里面有相应的二级谱图，那么鉴定就可以更加的精确，后续如果要验证的话，可购买标准品。
Q3：代谢组学全谱分析和脂质代谢组学分析有什么区别？
A：代谢组学全谱分析是对生物体内所有代谢物进行定量分析，并寻找代谢物与生理病理变化相对关系的研究方式，其研究对象是相对分子质量小于1000Da的小分子物质，如脂类、酮类、有机酸等。众所周知，基因组学和蛋白质组学分别从基因和蛋白质层面探寻生命活动，但实际上细胞内许多生命活动是发生在代谢物层面的，如细胞信号释放、能量传递和细胞间通信等都受代谢物调控。代谢组学全谱分析是通过单变量及多变量分析发现差异表达的代谢物信息，从而反映细胞所处的环境以及其与外界影响因素之间的相互作用关系。
脂质组学（lipidomics）是研究生物体的脂类组成，脂类代谢以及脂类相互作用的一门学科，是代谢组学最重要的分支。脂质具有多种重要的生物学功能，如物质运输、能量代谢、信息传递及代谢调控等，脂质代谢异常可引发诸多人类疾病，包括阿兹海默症、糖尿病、肥胖症、动脉粥样硬化等。
类风湿性关节炎患者尿液中脂质的代谢组学分析
氧化脂质是炎症研究中重要的信号代谢物，同时提供氧化应激读数，因而成为大量疾病中显著的生理学特征。尿液代谢物排泄能力的增强，会导致脂质介质亲水性的提高。本研究选取正常人体尿液和类风湿性关节炎患者尿液，应用代谢组学技术对尿液中氧化脂质进行分析。分析结果显示，尿液样本中共检测出70种以上的氧化脂质由两种非酶和三种酶路径合成。炎性介质和氧化应激标志物在提高疾病活动度评分方面发挥重要作用；抗炎性硝基脂肪酸与基线疾病活动性呈负相关关系。尿液中氧化脂质的代谢组学分析，对健康和患病人群生物活性代谢物作用的挖掘具有重要意义。
参考文献
Fu J, Schoeman J C, Harms A C, et al. Metabolomics profiling of the free and total oxidised lipids in urine by LC-MS/MS: application in patients with rheumatoid arthritis[J]. Analytical & Bioanalytical Chemistry, 2016, 408(23):1-13.
多元统计分析（PCA分析）主成分分析将代谢物变量按一定的权重通过线性组合后产生新的特征变量，通过主要新 变量（主成分）对各组数据进行归类，去除重复性差的样本（离群样本）和异常样本 。因无外加人为因素，得到的 PCA 模型 反映了代谢组数据的原始状态，有利于掌握此数据的整体情况并对数据从整体上进行把握，尤其是有利于发现和剔除异常样品，并提高模型的准确性。通过 PCA分析所得 到的图谱即称为 PCA 得分图（score scatter plot），每个样本在图上的位置由不同变 量的加权得分所决定。由 PCA 得分图可以观察样本的聚集、离散程度：样本分布点越靠近，说明这些样本中所含有的变量/分子的组成和浓度越接近；反之，样本点越远离， 其差异越大。
多元统计分析（PLSDA分析）与 PCA 只有一个数据集不同，PLS-DA 在分析时必须对样品进行指定并分组， 这样模型会自动加上另外一个隐含的数据集 Y，该数据集变量数等于组别数。 PLS-DA 是目前代谢组学数据分析中最常使用的一种分类方法，它在降维的同 时结合了回归模型，并利用一定的判别阈值对回归结果进行判别分析。
差异代谢物层次聚类分析聚类分析被用于判断代谢物在不同实验条件下的代谢模式。代谢模式相似的代谢物具有相似的功能，或是共同参与同一代谢过程或者细胞通路。因此通过将代谢模式相同或者相近的代谢物聚成类，可以用来推测未知代谢物或者已知代谢物的功能。以不 同实验条件下的代谢物的相对值为代谢水平，做层次聚类分析，不同颜色的区域代表不同的聚类分组信息，同组内的代谢表达模式相近，可能具有相似的功能或参与相同的生物学过程。
代谢物关联网络分析代谢物关联网络分析是根据代谢物信号值的动态变化，计算代谢物之间的共表达关系，来建立代谢相关调控模型，得到代谢物间调控关系及调控方向，从而寻找一个或多个物种在不同 发育阶段，或者不同组织在不同条件或处理下的全部代谢物调控网络模型以及关键代谢物，从而系统的研究生物体复杂的生命现象。通常梯度样本进行关联网络分析才具有意义，例如时间序列样本、不同发育阶段、梯度浓度处理样本等。
