1. 代谢组学工程导论

代谢组学（Metabolomics）是对生物样本中全部小分子代谢物进行系统性定性与定量分析的科学。这里所说的“小分子”，通常指分子量小于 1500 Da 的内源性或外源性化合物，包括氨基酸、有机酸、脂质、糖类、核苷酸、胆汁酸、短链脂肪酸以及药物代谢产物等。与基因组、转录组、蛋白质组相比，代谢组处于“表型最下游”，基因和蛋白层面的变化最终往往汇聚为代谢物浓度与种类的改变，因此代谢组常被视为最接近表型的分子层面读数。

但代谢组学并不是“把样本放进质谱仪就能出结果”的单一技术。它本质上是一项工程问题：样本从活体到进样，中间要经历采集、淬灭、提取、衍生化、分离、电离、检测、数据处理与生物学解释等多个环节，每个环节都会引入误差、损失或偏倚。所谓“代谢组样本制备与检测工程”，就是把这些环节当作一条可设计、可控制、可验证的工艺链来对待，用工程化的方法保证最终数据的准确性、重复性与可比性。

代谢组学在组学体系中的定位

从信息流角度看，DNA 决定“可能发生什么”，RNA 与蛋白反映“正在发生什么”，而代谢物直接体现“已经发生了什么”。一个基因的表达变化可能被转录后调控、翻译后修饰、酶活调节层层缓冲，最终在代谢物层面被放大或衰减。因此代谢组数据常与转录组、蛋白组联合使用，用于定位通路瓶颈、验证靶点、发现生物标志物。这也决定了代谢组学对样本质量极为敏感：一个降解的样本，其代谢物谱可能已经偏离真实状态，后续再精细的统计也难以挽回。

整体工作流程

一个完整的代谢组学项目通常包含以下阶段，各阶段之间存在明确的输入输出关系：

• 实验设计：明确生物学问题、分组、样本量、随机化与批次安排，确定目标代谢物类型（靶向或非靶向）。
• 样本采集与淬灭：在最短时间内冻结代谢状态，抑制酶活，避免代谢物继续转化。
• 样本前处理：提取、净化、浓缩、衍生化，使目标代谢物适合后续分离与检测。
• 分析检测：以 LC-MS、GC-MS、CE-MS 或 NMR 等平台进行分离与检测，获得原始信号。
• 数据处理：峰检测、对齐、归一化、缺失值处理、质量控制。
• 统计与生物学解释：差异分析、通路富集、标志物筛选与验证。

其中，样本制备与检测工程主要覆盖中间三个环节，是决定数据质量上限的关键区段。下面的 SVG 以数据流的形式展示了从样本到生物学结论的完整链路，并标出各环节的主要风险点。

为什么需要“工程化”思维

代谢组学的一个核心难点在于：代谢物种类繁多、理化性质差异极大。氨基酸偏水溶、脂质偏疏水、有机酸易挥发、核苷酸易降解，很难用一套方法同时覆盖所有代谢物。因此实际工作中必须根据目标代谢物选择提取溶剂、色谱柱、离子源和检测模式。例如，非靶向水溶性代谢物常用甲醇/乙腈/水体系提取，配合 HILIC 色谱柱和 ESI 正负离子切换；脂质组则常用氯仿/甲醇或甲基叔丁基醚体系，配合 C18 反相柱。这些选择不是“随便配一配”，而是有明确物理化学依据的工程决策。

另一个难点是分析批次效应。质谱仪在长时间运行中，灵敏度会漂移，色谱柱会老化，离子源会污染。如果不加控制，批次差异可能被误读为生物学差异。工程化的做法是：在序列中插入 QC 样本、空白样本和标准品，用内标校正信号漂移，用 QC 样本的聚类情况判断批次是否可接受。一个常用的经验判断是：QC 样本在 PCA 图中应紧密聚集，且相对标准偏差（RSD）在多数内标上应低于 15%～20%。若 QC 样本散开，说明系统不稳定，需要排查或重新进样。

课程目标与学习路径

本课程的目标不是让学习者记住零散的操作步骤，而是建立一条从“样本”到“可信数据”的完整工程能力链。具体包括：

• 理解代谢组学的基本概念、分类（靶向/非靶向）与适用场景；
• 掌握样本采集、淬灭、保存与前处理的关键参数与操作规范；
• 熟悉 LC-MS、GC-MS、NMR 等平台的原理、适用范围与数据特点；
• 能够设计 QC 方案、判断数据质量、识别常见异常；
• 具备将代谢组数据与生物学问题关联的基本解释能力。

学习路径建议按“概念—样本—检测—数据—应用”的顺序推进：先建立整体框架，再逐环节深入。每学完一个模块，应能回答三个问题：这个环节的输入是什么？关键控制参数有哪些？如何判断输出是否合格？例如，学完“样本淬灭”后，应能说明液氮速冻与干冰保存的差异、允许的最长缺血时间、以及如何用内标回收率验证淬灭效果。