《Journal of Inherited Metabolic Disease》:Untargeted Metabolomics of Dried Blood Spots for Inherited Metabolic Disorder Classification
编辑推荐:
干血斑(DBS)常用于特定临床场景,其中最突出的是新生儿筛查。其优势包括微创采样、运输与储存简便以及代谢物稳定性良好。尽管DBS在代谢组学中的应用日益增多,但DBS基质对代谢物回收率与诊断解读的影响仍未得到充分表征。研究人员通过将匹配的血液、血清和血浆样品在点
干血斑(DBS)常用于特定临床场景,其中最突出的是新生儿筛查。其优势包括微创采样、运输与储存简便以及代谢物稳定性良好。尽管DBS在代谢组学中的应用日益增多,但DBS基质对代谢物回收率与诊断解读的影响仍未得到充分表征。研究人员通过将匹配的血液、血清和血浆样品在点样至滤纸前后分别采用靶向与非靶向代谢组学比较,评估了DBS特有的分析偏差。研究观察到依赖于提取方案的化合物特异性基质效应,其中二羧酸酰基肉碱(dicarboxylic acylcarnitines)与部分氨基酸的差异最为显著。为评估上述发现的实际意义,研究人员分析了229份DBS样品,分别来自遗传性代谢障碍或肥胖患者、接受生酮饮食的个体以及健康对照。非靶向代谢组学结合随机森林分类,尽管存在前分析变异和滤纸相关保留效应,仍捕获了可区分的代谢特征。亚组分析显示,剔除已确立的诊断标志物、氨基酸或酰基肉碱后,多个组的分类仍然准确,表明判别信息并不仅限于传统生物标志物。然而,对于某些脂肪酸氧化障碍,分类仍强烈依赖酰基肉碱。尽管滤纸保留效应明显,C4DC-酰基肉碱仍位列15个最重要分类变量之中,而N-己糖基苯丙氨酸成为第二重要特征,并可能成为苯丙酮尿症的互补性生物标志物。这些发现支持基于DBS的非靶向代谢组学用于更广泛的代谢表型分析,并需要在更大规模、均衡且独立的队列中验证。
**研究背景与问题提出**
遗传性代谢障碍(inherited metabolic disorders, IMDs)源于酶、转运体或辅因子的遗传缺陷,可扰乱正常代谢通路并对代谢组的特定亚类造成扰动,总体发病率估计约为活产婴儿的1:1000。尽管遗传检测已成为IMD诊断的重要组成部分,但许多疾病个体罕见且常涉及私有或既往未表征的变异,难以仅凭基因组数据确诊。代谢物分析能够直接评估被扰动的生化通路,从而连接遗传变异与临床表型。20世纪60年代,Guthrie等率先将DBS用于苯丙酮尿症(phenylketonuria, PKU)筛查,此后DBS成为人群新生儿筛查的基石,相较血清、血浆或全血具有感染风险低、样品处理简便、运输与储存方便等优势,但也存在样品体积评估易出错、血细胞比容、滤纸内外圈差异、血液铺展、滤纸饱和以及温湿度对代谢物稳定性影响等局限。液相色谱串联质谱(liquid chromatography tandem mass spectrometry, LC–MS/MS)已成为临床代谢物分析的关键技术,非靶向代谢组学具备同时评估IMD所致多种代谢扰动的覆盖广度。然而,在靶向分析中,分析偏差多可由稳定同位素标记内标(internal standards, ISTDs)补偿;而在非靶向分析中,可检测代谢物的身份与化学多样性未预先确定,无法为每个代谢物乃至每个代谢物类别纳入合适内标,DBS相关基质效应与处理偏差可能掩盖潜在的生物学信号。因此,系统评估DBS特有的分析偏差并验证其在真实临床队列中的实用性,成为开展本研究的直接动因。
**研究内容、结论与意义**
研究人员采用靶向与非靶向代谢组学相结合的策略,比较匹配的血清、血浆与全血样品在点样至滤纸前后的代谢物回收率,并在229份DBS回顾性队列中评估代谢分层性能。研究得出:尽管存在前分析变异与滤纸相关保留效应,非靶向代谢组学结合随机机器学习仍可捕获疾病相关代谢特征并实现多临床分组分类,判别信息可超越传统标志物,同时发现N-己糖基苯丙氨酸作为PKU潜在互补生物标志物。该研究为扩展生化分析范围、支持生物标志物发现及将DBS非靶向代谢组学整合入常规诊断流程提供了原理验证。
**关键技术方法(约250字内)**
样品包括ERNDIM人源参考血清(Level 1生理水平与Level 2升高水平)及一名健康供体的全血与血浆;队列来源为199份患者样品与30份健康对照组成的229份DBS,指征涵盖肥胖、生酮饮食、PKU、丙酸血症(propionic aciduria, PA)、中链/长链3-羟基/极长链酰基辅酶A脱氢酶缺乏症(MCADD/LCHADD/VLCADD)及肉碱棕榈酰转移酶1/2型缺乏症(CPT I/II)。技术路线为基于超高效液相色谱-电喷雾电离四极杆飞行时间质谱(UHPLC-ESI-QTOF)的靶向与非靶向分析,正离子模式采集;数据经TASQ与Metaboscape软件处理,采用基于随机森林的系统误差去除法(Systematic Error Removal using Random Forest, SERRF)归一化,以随机森林(random forest, RF)算法分类,MetaboAnalyst可视化。
**研究结果**
**3.1 滤纸诱导的酰基肉碱与氨基酸分析中的基质效应**
研究人员将液态样品直接提取或点样于滤纸后提取并进行靶向定量,发现大多数酰基肉碱经滤纸后仍保留超过75%的原始信号,但二羧酸酰基肉碱的保留峰面积仅介于2.1%至5.1%,信号损失严重;除C
3DC-与C
5DC-酰基肉碱外,内标归一化可基本补偿滤纸引起的信号损失。氨基酸总体回收良好,但半胱氨酸与胱硫醚的回收率明显降低且不被内标校正。在血浆与全血基质中同样观察到DC-酰基肉碱的显著滤纸效应,谷氨酸与天冬氨酸的保留峰面积低于50%,而缺乏化学相同内标的C
16:1-酰基肉碱、2-氨基丁酸(2-ABA)与牛磺酸在归一化后被高估。
**3.2 非靶向代谢组学中的滤纸基质效应**
对相同全血与血浆样品进行宽质量范围非靶向分析,共纳入血浆202个、全血197个代谢物(含内标)。主成分分析(principal component analysis, PCA)显示PC1分别解释47.4%与62.2%的总方差并清晰区分两种制备流程;差异分析分别鉴定出35个与44个在直接液态提取中信号更高(≥1.5倍)的代谢物。大多数代谢物在有无滤纸点样的条件下信号相近(血浆83%、全血78%),提示滤纸对多数代谢物相对定量的影响有限。
**3.3 回顾性DBS队列的非靶向代谢组学代谢分层**
229份DBS样品经非靶向分析共注释到180种代谢物,分属11个RefMet(代谢物命名标准)超类与37个亚类,另有24个注释特征。PCA中PC1仅解释8.9%的总方差,但β-氧化缺陷、PA及生酮饮食相关样本出现部分分离。基于峰强度的已知生物标志物(苯丙氨酸、C
3-酰基肉碱、C
4OH-酰基肉碱、C
8-酰基肉碱、C
14:1-酰基肉碱与C
16OH-酰基肉碱)可分别区分PKU、PA、生酮饮食、MCADD、VLCADD与LCHADD患者;而C
16-酰基肉碱在LCHADD患者中处于队列正常范围,C
16OH-酰基肉碱则显著升高,反映线粒体β-氧化受损时长链羟基酰基肉碱的蓄积。基于非靶向强度的诊断比值(Phe/Tyr、C
3/C
0、C
8/C
12、C
16OH/C
16、C
14:1/C
12:1)可区分相应患者,(C
16+C
18:1)/C
2比值对CPT缺乏症的区分能力最低。随机森林模型的总袋外误差(out-of-bag error, OOB)为7%,多数组分类误差较小,但VLCADD与CPT(I+II)的OOB误差较高(40%与78%);加入15种诊断比值后总体OOB误差降至6%,VLCADD的准确率由0.60升至0.90。亚组分析显示,剔除已知诊断标志物后肥胖、生酮饮食与PKU的分类仍保持较高准确率,而PA、MCADD与VLCADD的分类更依赖酰基肉碱,CPT(I+II)在所有子集中均未获改善。
**3.4 非靶向代谢组学用于生物标志物发现的潜力**
随机森林重要性排序中,临床公认的C
4OH-酰基肉碱、C
8-酰基肉碱、苯丙氨酸与酪氨酸占据主导,此前呈现显著滤纸效应的C
4DC-酰基肉碱仍位列最重要特征之一;在比值富集数据集中,多个诊断比值的判别重要性超过单个代谢物本身。未在临床上常规使用的最高命中特征N-己糖基苯丙氨酸成为随机森林分析的第二重要变量,是区分PKU样本的关键特征,与既往血浆报道相符,提示其作为PKU互补生物标志物的潜力。
**讨论与结论**
讨论指出,DBS相关基质效应可能主要反映代谢物与纤维素基滤纸基质之间的相互作用:多孔纤维结构提供大表面积促进吸收,极性相互作用(如与纤维素羟基的氢键)以及二羧酸酰基肉碱的高极性、多可电离基团和两性离子特性并可能与内源性铁离子配位,导致其提取效率降低;效应不依赖分析物浓度与样品类型,提示以物理化学机制为主,但同样受提取方案与滤纸卡类型影响。229份回顾性队列存在非标准化采集、干燥时间与湿度不均等前分析变异,但随机森林建模仍能区分多个临床组,证明DBS非靶向代谢组学可在异质采样条件下捕获疾病相关特征。亚组分析提示判别信息不限于传统标志物:肥胖与生酮饮食在多个子集中均可区分,PKU在排除氨基酸、酰基肉碱或两者后分类仍得以维持,可能部分归因于N-己糖基苯丙氨酸的保留;PA、MCADD与VLCADD更依赖酰基肉碱,说明更广代谢覆盖的贡献具有疾病依赖性。LCHADD中保留于磷脂与鞘脂的判别信息提示脂质谱并非仅为基质背景,而可能携带生物学相关信息,但其细胞来源与机制未在本队列中直接研究。研究结论为:总体而言,研究人员的发现表明,基于DBS的非靶向代谢组学能够在基质效应、前分析变异与方法学限制条件下,揭示超越既定标志物的疾病相关特征与判别信息,支持将其整合入常规诊断工作流程,以将生化分析扩展至靶向面板之外。