Analytica Chimica Acta: 税光厚团队应邀撰写"基于高覆盖脂质组学的功能性脂质组和通路分析"综述
2020年11月，中科院遗传发育所、中科脂典的相关研究人员应邀在《Analytica Chimica Acta》上发表了题为“High-coverage lipidomics for functional lipid and pathway analyses”的综述论文，回顾总结了脂质组学过去的发展历程及当前面临的挑战，阐述了脂质通路分析从先前的表型验证角色到一种假设生成工具的过渡过程。
摘 要
前端分离方法和分析技术的飞速发展加快了脂质组学的发展，特别是在增加分析覆盖率以涵盖单一分析方法中不断扩展的脂质库方面。然而，脂质通路分析的发展仍然滞后，主要是因为：（1）由于不同实验室所采用的分析方法在分子水平上脂质的结构分辨率不同，公共数据库中的脂质标识符与实验产生的脂质标识符之间缺乏一致性；（2）脂质代谢关系的巨大复杂性可能导致头基改变，各种形式的脂肪酰基修饰（例如延伸、去饱和、氧化），以及需要多维全景的主动重塑，以考虑脂质通路中的所有可能性分析。在本文中，我们讨论了当前为解决这些挑战而进行的努力，以及“通路分析”的替代形式，这对于揭示不同生物学环境下的功能性脂质相互作用可能特别有用。整合脂质通路分析将在促进脂质组学从其先前的表型验证作用向假说生成工具的转变中必不可少，该假说生成工具揭示了新的分子靶标，以驱动生物医学环境下的下游机理研究
近十年来，脂质组学的覆盖范围迅速扩大。
存在阻碍全面脂质通路分析的巨大挑战。
DGCA揭示了脂质之间的新型功能相互作用。
脂质通路分析将脂质组学转变为假设生成工具
1. 简介
脂质现已被广泛认为是体内的关键生物分子，它们在能量存储、能量动员、调节膜流动性、膜区室化以及各种运输和信号传递事件中起着重要的生化和/或生物物理作用。异常的脂质代谢与多种人类疾病的病理学有关，包括糖尿病、心血管并发症、脂肪性肝炎、神经退行性疾病和癌症。
从传统技术（例如仅允许检测相当有限的一组脂质类别的薄层色谱法（TLC）的应用）到系统中对内源脂质组的全面研究，脂质分析在过去几十年中已发生了巨大的发展。脂质组学作为组学家族中的一个相对较年轻的成员，可以在给定的生物学背景下提供脂质概况的全面图谱，为理解脂质与表型之间的联系提供重要线索。由于脂质组学提供了与脂质相关的细胞表型最接近的读数，因此它越来越多地用于研究各种生物学和生物医学环境中的通路扰动，这暗示着脂质代谢失调。各种脂类，如神经酰胺、二酰甘油、磷脂和氧化甾醇已被报道为多种主要人类疾病的生物标志物，许多这些发现在临床上被转化为床边诊断工具。质谱（MS）和核磁共振（NMR）是表征和定量脂质的主流技术。核磁共振可以被认为是一种独立的技术，各种质谱仪已被广泛地应用于直接或耦合不同的色谱系统，如液相色谱（LC）、气相色谱（GC）和超临界流体色谱（SFC），以允许广泛的识别和量化不同的脂类。根据从科学网收集的数据，自2003年以来，在脂类学领域发表的研究成果基本上都采用了质谱技术，在“脂类组学”搜索项下的记录研究中，MS占了大约95%，而NMR应用则不太常见（补充图1）。因此，迄今为止，质谱仍然被认为是脂质组学的主要技术。然而，对脂质进行精确定量的综合分析仍然具有挑战性，这主要是由于一些问题，如缺乏同位素内部标准，以及不同生物样品中脂质的动态范围存在巨大差异等。
补充图1. 《科学网》更新至2020年3月的文章数量
尽管在过去的15年里，脂质组学在定量和生物标志物的阐明方面都取得了迅速的进展，但脂质通路分析却经历了相当大的滞后，主要是由于脂类的复杂性和多样性，以及对足够多样的内源脂质进行充分分析覆盖的技术限制。在此，我们总结了脂质组学的最新进展，重点强调了获得足够的分析覆盖率来进行生物通路分析的重要性。我们还提出了阻碍全面脂代谢通路分析的技术限制，以及从“全景”的角度考虑脂质代谢通路的意义，而不是局限于传统的、二维的脂质代谢通路分析。
2. 脂质组学方法可扩展分析范围
过去30年来，诸如MS的关键仪器的快速发展在很大程度上推动了分子水平上脂质的分析。在1990年代之前，GC与质谱联用（GC-MS）可能是分析包括固醇、甘油脂、鞘脂、脂肪酸及其衍生物（包括前列腺素）在内的脂质的基本技术。早期研究的一个主要缺点是，在大多数研究中，脂质覆盖率有限（例如，每个脂质类别中只有少数几种），并且是散发性的（例如，仅涵盖了一个或两个感兴趣的脂质类别）。尽管脂质组学只是在2003年左右才提出的，但在过去30年中，色谱分离（主要是LC）和各种脂质种类的结构表征的进步已导致脂质覆盖率稳定增加（图1）。软电离技术（尤其是电喷雾电离（ESI））的引入，标志着脂质组学仪器开发的一个里程碑，因为它可以在质谱分析仪上灵敏地检测绝大多数完整分子离子形式的脂质。从那时起，ESI / MS或结合ESI / MS的LC（LC-ESI / MS）一直是各种生物样品中脂质组学覆盖率扩大的主要驱动力。从几类主要的磷脂（PL）到分枝杆菌中的1900多种分枝杆菌酸和少于10 µL的人类眼泪中的600多种脂质（主要是水性液体），在一项研究中涉及的脂质种类的数量已急剧增加。虽然ESI是脂质组MS分析中最常用的电离技术，但常压化学电离（APCI）和常压光电离（APPI）也广泛用于分析中性脂质，例如甾醇和甘油脂。
图1. 时间轴展示了推动脂质组学研究的关键技术开发的里程碑
与基于LC-MS的脂质组学相比，基于鸟枪法（shotgun）的脂质组学的一项关键功能是，它允许无限制的时间以不同的片段模式执行串联MS分析。尽管与基于LC-MS的脂质组学相比，诸如离子抑制和异构体或同量异位物质的分离度受到局限，这使得shotgun脂质组学成为一种可用于全面分析生物脂质组的常用方法。MS与先前的LC分离相结合代表了色谱联用脂质组学方法的主要阵营。基于LC-MS的分析在脂质组学中是一种首选且常用的方法，因为它具有根据类别、极性或链长进行脂质分离的能力，并且在特定情况下可以区分脂质结构异构体，例如磷脂酰甘油（PG）和双（单酰基甘油）磷酸酯（BMP），葡萄糖基神经酰胺（GluCer）和半乳糖基神经酰胺（GalCer），以及各种固醇和氧固醇等。近年来，将离子迁移率（IM）引入MS仪器为MS数据增加了另一个维度，即单个脂质的碰撞截面（CCS），这进一步提高了分离脂质异构体的整体分辨率，并拓宽了脂质组学的分析范围。多维方法，如二维LC（LC*LC）与MS或LC-IMS-MS相结合，具有更高的分辨率和更广泛的脂类覆盖范围，在一次运行中具有更广泛的极性和脂质异构体。然而，由于连续色谱步骤的稀释而导致灵敏度下降，以及数据复杂性的增加，在很大程度上限制了它们的应用。
除了开发前端分离方法外，新型分析技术的进步还推动了分析范围的迅速扩大（图1）。部署高分辨率飞行时间（TOF）质谱分析仪，首先开发了非靶向脂质组学方法，其基本目标是发现MS峰，这些峰以无偏的方式显示出生物学状态之间的显著变化。非靶向方法的主要优点包括发现意外的代谢变化和/或新脂质的能力。此外，包括Orbitrap和傅立叶变换离子回旋共振质谱（FTICR-MS）在内的超高分辨率质谱分析仪可实现最大的峰注释，并将观察到的分子离子明确分配给独特的脂质特征。另一方面，基于串联质谱（MS / MS）的技术是驱动靶向脂质组学方法发展的主要技术。三重四极杆（QqQ）仪器允许以多种模式进行MS数据采集，例如前体离子扫描、中性损失扫描、多反应监测等，这些具有高灵敏度、高特异性、高精度和高动态范围的优势。到目前为止，QqQ仍然是半定量或定量脂质组学中使用最广泛的MS机器。混合四极杆飞行时间（Q-TOF）或LTQ-Orbitrap MS结合了两种类型的质量分析器的优势，可提供高质量分辨率和高精度的碎片离子质量电荷比（m/z）数据，已成为定性和定量脂质组学的首选。此外，高分辨率/准确度基于MS的数据独立分析，例如MS / MSall或SWATH，可实现高分析覆盖率，同时在代谢物鉴定方面保持令人满意的可重复性和相对较低的假阳性结果。
在过去的十年中，对脂质生物学和脂质化学领域的新兴研究兴趣大大拓宽了已知脂质的图谱集，这也成为推动脂质组学研究范围扩大的主要催化剂。例如，研究人员从豌豆种子中分离出一类磷脂衍生物N-酰基磷脂酰乙醇胺（NAPE）。仅在发现后几十年，科学家就开始对其生物学功能产生兴趣。从1990年代开始，哺乳动物中NAPE和N-酰基乙醇胺（NAE）的形成及其与神经毒性的关系开始逐渐发展。在包括N-酰基转移酶，NAPE水解磷脂酶D（PLD）和NAE水解酰胺酶的一系列研究中，涉及其生物合成和降解的酶的特性使围绕NAPE和NAE的生物学作用的难题拼凑在一起。除了添加到迄今尚未发现的新型脂质类别之外，属于同一生物类别的脂质可能会引发不同的生物功能，有时还会产生相反的生物功能，这取决于它们的脂肪酰基成分。这加快了以完整形式在分子水平分析脂质的分析方法，从而进一步扩大了分析范围。此外，通过酶促和非酶促通路产生的氧化脂质，可能在不同类型的细胞和组织中引起有害或保护性和调节性功能，进一步扩展了我们已知脂质的种类。氧化脂质可以表现为不同的化学修饰，包括硝基/亚硝基过氧化物/硝化脂质氧化加合物以及过氧化脂质等。在氧化脂质中，各种氧化固醇和多不饱和脂肪酸的氧化衍生物（如前列腺素、白三烯和F2异丙醇）的生物学和病理作用已被广泛而详细地研究。
如上所述，尽管在脂质组学中心的各种技术取得了长足的进步，但迄今为止，与脂质组学相关的研究所产生的大多数数据可能仍无法进行全面的脂质通路分析。脂质组学在生物医学领域中用于表型表征的普遍应用，而不是作为假设生成工具，可能也导致了脂质组学研究中观察到的覆盖面有限。在大多数情况下，科学家可能只对应用脂质组学来监测特定脂质类别，从而生成表型数据以支持其先前存在的科学假设。报告的脂质组通常构成不到四百个单个（唯一）物种，这可能无法满足高覆盖率脂质组的要求。理想情况下，高覆盖率脂质组应覆盖大约95％的内源脂质，并可能覆盖所有主要类别的已知脂质（图2）。例如，人血浆的高覆盖脂质组学应包括甘油脂，例如TAG和DAG、CE；甘油磷脂，包括磷脂酰胆碱（PC）、磷脂酰乙醇胺（PE）、磷脂酰肌醇（PI）、PG、PA、磷脂酰丝氨酸（PS）、BMP等；鞘脂，如SM、Cer、GluCer、GalCer、LacCer、磷酸神经酰胺（CerP）、鞘氨醇碱（SPB）、鞘氨醇磷酸酯（SPBP），以及各种FFA和游离固醇。在细胞水平上，应包括酰基辅酶A和酰基肉碱物种，它们是脂肪酰基代谢命运的有用指标。虽然高分辨率MS和MS / MS可以将观察到的分子离子更准确地分配给精确的脂质特征，但区分脂质异构体仍然具有挑战性。例如磷脂酰肌醇，尽管技术上可描述结构细节，例如酯化脂肪酰的双键位置/几何结构等，但大多数报道的脂质组学数据仍然缺乏与磷脂酰肌醇磷酸酯（PIPs）和磷脂酰肌醇双磷酸盐（PIP2s）的各种异构体有关的精确结构信息。近来，已开发出一种来自有机物离子的电子碰撞激发（EIEIO）质谱仪，以表征完整复合脂质混合物中的顺式和反式双键异构体。同样，基于衍生化的策略还可以解决酯化脂肪酰基的碳-碳双键（C = C）位置。然而，多不饱和脂肪酰基（PUFAs）中C = C位置的广泛表征仍然具有挑战性。总体而言，这些方法在大规模生物医学研究中表征C = C位置的应用仍然很少，部分原因是由于各种技术问题，例如难以确保衍生化效率和跨大型样本组的一致性，这阻碍了自动化/高通量样本处理程序。
3. 脂质组学从表型验证到假设生成的过渡作用
由于脂质组学在分子水平上提供了无数种脂质的鉴定和（相对）定量，因此长期以来，它被广泛和传统地应用于各种生物学和生物医学研究中的表型证据和改变（如生物标志物）。脂质组学中定量（绝对还是相对）的问题先前已有研究人员进行了详细讨论。就表型特征而言，例如，心磷脂（CLs）的脂质组学分析显示，从Barth综合征（BTHS）患者中分离出的血小板中（C18：2）（4）-CLs的水平发生了特定变化，这是鉴定BTHS患者的有前途的生物标志物。磷脂组学研究表明，细胞和动物模型中细胞磷脂酸（PA）含量的增加均有助于“超大”脂滴的形成。Cidea缺乏症会导致小鼠幼仔过早死亡，这归因于乳脂（包括TAG，DAG和PS）的乳腺分泌减少。
随着分析范围的不断扩大，脂质组学的作用现在已从仅提供有用的信息以支持生物学假设转变为一种假设生成方法，该方法揭示了以脂质为中心的新颖分子线索，以进一步加深我们对复杂生物系统潜在的代谢稳态的理解。例如，喂食人参提取物（GE）的db/db小鼠的血清脂质组学显示，肉豆蔻油酸（FFA 14:1）的急剧和特异性增加，通过随后的机理验证，证明是肠道微生物群肠球菌产生的，肠球菌介导了GE的减肥作用。Mfsd2a是主要促进子超家族的成员，仅在血脑屏障（BBB）微血管的内皮中表达。Mfsd2a敲除小鼠脑组织的脂质组学分析发现脑DHA明显减少，这表明Mfsd2a是DHA跨BBB吸收进入大脑的主要转运体。脑膜瘤表达抗原6（Mea6）的肝细胞特异性缺失导致小鼠严重脂肪肝。对血浆和肝组织的全面脂质组学分析表明，Mea6缺失会损害肝脏的脂质分泌。进一步的机理研究表明，Mea6通过COPII的协调调控来控制极低密度脂蛋白（VLDL）的运输。最近，对暴露于PM2.5的小鼠进行的肝脂质组学分析表明，雌性小鼠比雄性小鼠更易受周围PM2.5暴露引起的肝脂质蓄积的影响，这可能归因于下丘脑-垂体-肾上腺（HPA）轴，导致暴露于PM2.5的雌性小鼠体内糖皮质激素减少。基于线虫不同幼虫发育阶段获得的广泛膜磷脂的聚类法揭示了一个独特的簇群，其中包含幼虫特有的含有磷脂的多不饱和脂肪酸，并伴有较低水平的二十碳酸，表明卵膜磷脂在幼虫期的生物合成可延长幼虫的存活期。
4. 用于多维通路分析的高覆盖脂质组学
尽管通路分析已成为典型脂质组学工作流程中必不可少的部分，但要在各种生物和生物医学环境中广泛应用，仍然面临着巨大挑战。在大多数通路分析中，关键的初始步骤是将标识符（ID）转换成参考数据库ID或同义词。许多公共参考数据库中都有这样的脂质分子的记录。有些数据库储存的是一般的化学物质，如CAS和PubChem；或专门针对生物相关的代谢物，包括KEGG、HMDB、ChEBI。有些数据库是专门为脂质开发的，包括LIPID MAPS，LipidHome，Swiss Lipids和LipidBank等。在这些数据库中，LIPID MAPS基于明确定义的化学和生化特性为脂质建立了全面的分类系统。它已在许多其他脂质数据库中被广泛采用和交叉引用。它的分类系统将脂类按结构分辨率从低到高分为类 category、主类 main class、亚类 subclass和物种 species（几何异构体水平，比如定义了每种脂肪酸的双键位置和立体几何结构）。
然而，普通质谱方法检测出的脂质物种在立体结构的解析方面通常不太精确，包括化学键的类型（酯，1-O-烷基醚或1-O-alk-1'-乙烯基乙烯基醚/ 缩醛磷脂），单个脂肪酰基/烷基的鉴定，甘油主链上的脂肪酰基/烷基位置，双键位置/几何形状和立体化学。大多数情况下，单一的脂质组学方法无法提供全面的结构信息，得到类似于公共数据库中脂质的全部结构细节，从而导致收集到的脂质数据与现有数据库中的参考记录之间存在差异。这些困难妨碍了使用数据库参考ID快速准确地注释所测脂质。为了在生物学背景下促进自动化的、数据驱动的通路分析，研究人员在试验中使用的脂质命名必须与数据库采用的分类和注释相一致。为了克服这些问题，LipidHOME提出了一个扩展的，多层次的ID命名体系，在现有的LIPID MAPS层次结构中补充了不同的结构分辨率，在ID匹配方面提供了更大的灵活性，其中包括物种、脂肪酸扫描物种、亚物种和异构体。这种方法支持在结构分辨率的所有级别上以稳定的ID对脂质数据进行精确注释。尽管如此，LipidHOME分类目前仅涵盖甘油磷脂和甘油脂质的类别，这不足以系统地满足研究需要，以阐明全部脂质稳态中的变化通路，在实际应用之前，还需要进一步发展包括其它脂质类别。此外，许多其它脂质注释和缩写名称，在命名语法和脂质类别的覆盖范围上有所不同，被各种软件用于质谱数据的脂质识别。迫切需要从质谱数据中获取脂质的标准注释，这将为开发专门用于脂质组学通路分析的生物信息学工具奠定基础。Liebisch等人建立了一种基于LIPID MAPS的命名，适应质谱测量的脂质的标准缩写命名方式，该缩略名被LipidHome和SwissLipids所采用。这些缩略名根据质谱实验中获得的脂质结构分辨率添加有明确定义的结构信息，包括键类型水平、脂肪酰基水平、脂肪酰基位置水平、立体化学和双键几何结构水平，并涵盖主要脂质类别，包括脂肪酰基、甘油脂、甘油磷脂、鞘脂和固醇。基于这种简写，Goslin 和LipidLynx 被开发出来，以提供一个统一的脂质注释系统。这些发展有助于解析和转换各种软件和数据库报告的脂质种类的缩写。Goslin目前支持LIPID MAPS，HMDB和13种其他流行的脂质识别软件中的脂质缩写，根据LIPID MAPS定义，该分类涵盖了五个主要类别（包括修饰/氧化脂质）中的25种脂质。脂类缩写可以在三种结构分辨率级别上以各种样式导出，其中包括整体级别，例如，TG（46：3），分子种类水平例如 TG（12：0_16：1_18：2）以及质谱数据结构分辨率能达到的最高级别，例如 TG（12：0/16：1/18：2）。
除了匹配脂质缩写名以外，还需要考虑脂质ID转换。可以通过在参考数据库中使用外链或通过使用标识符转换工具（例如BridgeDb）来执行ID转换，该工具可提供对基因、蛋白质和代谢物标识符转换服务的标准化访问。LMSD包含指向KEGG、HMDB、ChEBI、PubChem等参考数据库的交叉链接，这有助于链接到KEGG、SMPDB、Reactome、Wikipathways和其他通路数据库（图2）。这些努力努力使脂质分类系统与通过质谱实验测量的脂质标注法之间更好地对齐，从而为更有效和准确的脂质通路分析铺平了道路。
图2. 示意图显示了主要参考数据库和用于脂质通路分析的通路数据库之间的关系
一旦正确分配了脂类标识符，许多应用于代谢组学的通路分析方法就可以很容易地应用到脂类组学中，当然它们是否完全适用于脂质组学数据还是需要谨慎考量。富集分析（ORA）是代谢组学中一种非常灵活且广泛使用的方法，包括代谢物组富集分析（MSEA）和代谢通路分析（MetPA），这两种方法均在MetaboAnalyst（4.0版）都有实现，网址为http://metaboanalyst.ca。脂质通路富集分析（LIPEA）专为脂质通路富集分析而开发，它利用KEGG通路（仅包括脂质）接受KEGG、Swiss Lipids、LIPIDMAPS、ChEBI和HMDB的脂质ID，以及缩写形式的脂质名称。作为源数据库（请注意：其他ID使用其内部映射算法转换为KEGG ID），虽然通路分析通常基于单个通路数据库（补充表1），但IMPaLA（http://impala.molgen.mpg.de）和ConsensusPathDB（http://ConsensusPathDB.org）集成了许多源数据库，涵盖了广泛的基因、蛋白质以及代谢、信号传导、基因调控和药物-靶标相互作用以及生化通路。除此以外，还可以基于各种数据资源（例如，其他通路数据库或文献中的专家精选列表）来用户自定义更多这些集合库。LipidMedia是一个综合性的脂质知识库，将脂质注释数据与全文挖掘的140000多篇出版物结合起来。它涵盖了大量与脂质相关的疾病、基因、通路、脂质功能以及大约4,000种脂质的位置注释。这些注释可用于开发用于富集分析的脂质集文库。这种计算机生成的知识库可能是人类专家手动整理的一种替代方法，因为人工方法有时既费时又昂贵。表1和表2说明，通过整合多个通路数据库，可以极大地改善脂质种类和通路的覆盖率。基于集成数据库（可下载ConsensusPathDB，仅IMPaLA提供分析服务），可使用两种基于Web的代谢通路分析：通路富集分析（ORA）（类似于MSEA）和Wilcoxon富集分析（补充图2）。与ORA相比，Wilcoxon富集分析的输入是两组中每种代谢物的汇总测量值，并使用Wilcoxon配对符号秩检验计算每个路径的Z-得分。基于未受影响通路中代谢物增加或减少的可能性相同的假设，该分析有助于识别具有共同低表达或高表达趋势的代谢物的通路。此外，富集分析并未考虑生物合成关系（即反应），只是将代谢通路中的脂质或代谢物看作一个集合。
补充表1. 主要公共通路数据库摘要，可用于脂质组学数据的通路分析。
表1. 表中显示了每个类脂图谱类别中不同脂质的数量（N1/N2中的N1）和每个通路数据库中不同通路的数量（N1/N2中的N2），并用通路数据库的主ID和LMSD中相应的外部ID连接起来。
表2. 该表显示了每个LIPID MAPS类别中不同脂质的数量（按N1 / N2中的N1）和ConsensusPathDB中每个源数据库中不同通路的数量（按N1 / N2中的N2），并由KEGG，ChEBI连接或ConsensusPathDB使用的PubChem ID和LMSD中的相应外部ID。
补充图2. 代谢组学中通路分析的常用策略
另一种通路分析工具BioPAN专为脂质通路分析而开发，该工具可从Reactome数据库中研究所有可能的脂质合成通路。它接受csv格式的脂质测量值输入文件，脂质标识符包括脂质类别、总碳和组成酰基的双键数，例如FA14：0，PA 30：0和TG 52：2。BioPAN认为脂质之间的三种一般反应关系取决于脂质类别和酰基：（1）脂肪酸的延长和去饱和，例如 FA（18：0）→FA（18：1）→FA（20：1）; （2）生物合成甘油磷脂和鞘脂等，其中官能团而不是酰基发生变化，例如DAG（38：3）→PA（38：3）→PG（38：3）; （3）添加或除去脂肪酰基，例如MAG（20：4）→DAG（38：6）→TAG（56：9）。此外，在鉴定出的通路旁边还提供了参与该通路的酶的基因符号。该方法检查通路活性，并通过基于反应权重得出通路的Z分数（以产物与反应物的比例计算）得出通路的Z值，从而确定一组样品中的通路反应活性是否被抑制。可在LIPID MAPS网站上免费使用BioPAN的Web界面，而且BioPAN提供了全面的文档。但是，BioPAN有其局限性。当前输入文件不支持具有更高结构分辨率的脂质注释，例如PC 18：0_18：2。此外，BioPAN后端算法不是开源的，因此社区无法建立新功能并将其扩展为用户定义的反应以及来自其他脂质通路数据库（如KEGG、Wikipathways、SMPDB、和MetaCyc）的更多通路。更重要的是，从生物学的角度来看，脂质动态平衡不仅比BioPAN中考虑的三个假设变异更为复杂，而且脂质相互作用可以采取更多形式。在主要脂质类别之间的主要连接通路的全景说明中（图3），显然，持续的脂质重塑（即酰基交换）涉及酰基辅酶As（acyl-CoAs），这是一类位于主要脂质代谢通路枢纽的关键中间脂质，可以改变几乎所有主要类别的甘油脂和甘油磷脂的精确组成。此外，在生物膜脂反应中，由于脂肪酰基或碳骨架的剧烈变化甚至断裂而产生的氧化脂质具有独特的生物学和生理功能，这类氧化脂质目前在BioPAN脂质反应中还没有被考虑。
图3. 关键代谢通路的多维概述，这些代谢通路将甘油脂，甘油脂，磷酸肌醇和鞘脂等主要脂质类别与中间酰基辅酶A用作代谢枢纽。
5. 高覆盖率脂质组学，揭示功能性脂质模块111
在前面的脂质通路分析中，已知和报道的相互作用脂质之间的关系或反应是先决条件。在某种程度上，这一要求禁止了在给定的生物学背景下发现脂类之间新的、先前未知的功能相互作用。共调控基因通常表现出相似的基因表达模式，这就转化为它们的基因表达水平之间存在着强烈的相关性。出于同样的考虑，预期共调节的脂质表现出强相关性，并且在不同的生物学状态例如不同的生物状态下脂质相关性也在变化。疾病与健康状态的关系可能暗示脂质共调节的病理相关变化。可以以各种方式显示差分相关性，例如使用构建全面的全局相关性网络的MEGENA R包（图4）。我们已经用来自中国汉族人群的高覆盖率血清脂质组学数据验证了这一方法，并验证了差分相关网络分析能够很好地揭示既往糖尿病患者脂代谢通路紊乱的细微变化。特别的是，我们在先前糖尿病相对于健康对照的差异相关性分析中观察到了包含多不饱和缩醛磷脂磷脂酰乙醇胺（PUFA-PEps）和TAGs的功能模块，表明这些脂质在入射糖尿病中被负调控。与该观察结果一致，小鼠中磷脂酰乙醇胺N-甲基转移酶（PEMT）的缺失优先催化PUFA-PEs生产PUFA-PCs，导致VLDL分泌适度降低。换句话说，增强的PEMT活性和由此导致的PUFA-PEps减少可能与VLDL分泌增加有关，从而导致糖尿病的传播中TAG升高。在来自两个人群的血浆的高覆盖率脂质组学分析中，Beyene等人发现了年龄和BMI的性别特异性脂质组学指纹，这对健康和疾病中年龄和性别相关的脂质代谢具有影响。
图4. 一个使用MEGENA R软件包绘制的差分相关网络分析示例，说明了两个生物群之间的差异相关性。
在最近的定量鸟枪法脂质组学分析中，Hsieh等人发现，在炎性刺激激活后，Toll样受体通过提高单不饱和脂肪酸的从头生物合成来重编程巨噬细胞脂质组。并且改变巨噬细胞中的脂质代谢反过来可以增强炎症反应并促进宿主对病原菌的防御。为了应对COVID-19大流行，我们小组最近使用来自不同严重程度和健康对照的一组COVID-19患者的血浆样本的差异相关分析，研究了COVID-19发病机制中的代谢异常。差异相关分析显示血浆单唾液酸二己糖神经节苷脂（GM3）和PS之间可能存在功能相互作用，进一步分析显示，富含GM3的外泌体与疾病严重程度呈正相关，而在COVID-19患者中与CD4 + T细胞计数呈负相关。
6. 结束语
前端分离方法和分析技术的进步，以及与脂质生物学有关的知识库的不断增加，使脂质组学大大增强了其分析范围，并在单个分析平台中涵盖了不断扩展的脂质库。高覆盖率的脂质组学加快了数据驱动的通路和功能模块分析的应用，使科学家能够在系统水平上探究脂质的稳态和代谢扰动。通过这种方式，生物医学领域中的脂质组学正逐渐从其先前的表型验证角色过渡到一种假设生成工具，该工具揭示了新颖的，以脂质为中心的代谢线索和分子靶标，这些分子线索可能会推动未来的机制研究。
