综 述

代谢组学在高血压研究中的进展

近年来，随着人们饮食、营养结构和生活方式的改变，心脑血管疾病已经成为危害人类健康的头号杀手。而高血压是心脑血管疾病的罪魁祸首，是我国最常见的心脑血管疾病，同时也是世界各国和地区主要的慢性流行病之一[1]。高血压可导致心脏、脑、血管、肾脏等器官的功能性或器质性病变，也是致残及死亡的重要诱因[2]。研究表明，高血压的发病受基因、生活方式和环境因素的影响，但基本的病理生理和代谢驱动程序尚未充分阐明[1]。代谢组学代表多种生理和病理代谢过程的结果，是基因和环境暴露之间相互作用的最终下游表达[3,4]。所以，代谢组学可为高血压的发病机制或者病理生理提供高分辨、多因素的表型识别特征[5]，也给发展新型疗法和改进诊断方法带来了机遇。代谢组学已被越来越多地用于评价与高血压有关的代谢紊乱[6,7]。

1 代谢组学概述

1.1 代谢组学含义 代谢组学是系统生物学中的核心部分，它借助高通量、高灵敏度和高精确度的现代分析技术，分析体液、细胞、组织和其他生物样本中内源性代谢物的整体组成，通过研究代谢物的动态变化来辨识和解析被研究对象的生理病理状态[8,9]。

1.2 代谢组学的分析方法 目前，代谢组学常用的分析平台有磁共振波谱（nuclear magnetic resonance，NMR）、气相色谱质谱联用技术（gas chromatography mass spectrometry，GC-MS）、液相色谱质谱联用技术（liquid chromatography mass spectrometry，LC-MS）及高效液相色谱质谱联用技术（high performance liquid chromatography MS，HPLC-MS）等。由于代谢组学的复杂性和大小差异，以及代谢物的化学和物理特性的多样性，目前尚没有单一的分析方法可以检测或量化人类样本中存在的所有代谢物，因此常采用多种分析技术平台联合的方法，从而增加一系列代谢产物的覆盖范围[10]。

色质谱产生的数据具有高维、小样本、高噪声等特征，为了有效地对这种多维复杂数据进行降维和信息挖掘，需要经过滤噪、基线校正、标准化和保留时间对齐等一系列后续的数据处理过程[11]。经过处理后的数据，通常采用主成分分析（principal component analysis，PCA）和偏最小二乘判别分析（partial least squares discriminant analysis，PLS-DA）等，筛选出最主要的最能反映代谢物变化的成分[12]，再通过模式识别将其与标准的代谢物谱进行比对，或是根据代谢物谱在时程上的变化来寻找生物标记物，研究相关代谢物变化涉及的代谢途径和变化规律，以阐述生物体对相应刺激的响应机制。

2 高血压与代谢组学

2.1 动物研究 在与高血压相关的代谢组学研究中，自发性高血压大鼠（SHRs）由于其病理生理过程被认为类似于人类原发性高血压（EH）而成为目前最广泛研究的动物模型。Akira等[13]采用基于NMR的代谢组学技术研究了8周龄的SHR和WKY大鼠的尿液代谢轮廓差异，通过质谱和PCA分析得出最有特征性的代谢物改变是柠檬酸、α-酮戊二酸及马尿酸水平的减少和肌酸、肌酸酐水平的升高，且SHR的柠檬酸、α-酮戊二酸及马尿酸水平均低于WKY。实验结果显示，可以通过尿液代谢物轮廓的差异将SHR和WKY区分开。但是这项实验只分析了8周龄的SHR和WKY，而8周龄的SHR仍处于高血压早期发展阶段，提示在高血压发展早期就可能出现了代谢异常。SHR和WKY的血压随年龄的增长而升高，5～6周龄后SHR的血压显著高于WKY，且高血压的形成几乎都是在10周左右[14]。为了进一步了解高血压形成的特异性生物标志物及机制，Akira等[15]继续运用NMR研究了4～20周龄SHR和WKY的尿液代谢轮廓特征，结果显示，PCA可将两组不同年龄大鼠的尿液样本区分开，且除了6周龄SHR外，其余SHR尿液中柠檬酸、α-酮戊二酸水平减少，说明在高血压早期和发展阶段有三羧酸循环代谢紊乱，且伴有代谢性酸中毒，导致肾小管重吸收增加；马尿酸、甲酚葡萄糖醛酸和苯乙尿酸的改变说明SHR肠道微生物菌群有改变，这并非与饮食有关，而与基因和代谢因素有关，这也间接表示高血压的形成与基因和代谢异常有关；牛磺酸的减少在高血压早期和发展阶段都可观察到，但其减少是否是由于生成减少或肾小管重吸收增加还有待进一步探讨。这两项实验通过NMR得出的关于与高血压形成有关的特征性代谢产物基本一致，但在SHR高血压发生和发展阶段所观察到的其他代谢物改变的病理生理意义还需要进一步的研究来阐明。

卒中易感性自发性高血压大鼠（SHRSP）来源于SHR，通常造成更严重的高血压，因此也被应用于高血压代谢组学研究。Akira等[16]使用NMR发现SHRSP体内牛磺酸和肌酸水平升高，这与先前关于牛磺酸水平降低与原发性高血压发病有关的研究相矛盾。也有研究发现，口服牛磺酸可降低高血压患者[17]及SHR、SHRSP[18]的血压。人和动物之间牛磺酸代谢的差异，以及在高血压大鼠模型中受损肾脏对牛磺酸（和肌酸）的处理过程可能潜在地解释了这些矛盾的结果。此外，Akira等[19]使用LC-NMR发现了一种新型的尿代谢物——琥珀酰牛磺酸，这种代谢物只在WKY大鼠尿液中检测到，它与具有降压作用的牛磺酸有相似的结构。然而，琥珀酰牛磺酸的病理生理意义仍有待观察。

高血压和非高血压大鼠模型血液样本的代谢差异也非常显著。一项基于GC-TOF-MS代谢组学的研究发现，与WKY大鼠相比，随着血压水平增加，SHR血液中油酸、亚油酸和硬脂酸等游离脂肪酸（FFAs）也增加[20]，这表明FFAs的代谢波动在血压调节中发挥作用。此外研究者还发现，标准降压治疗可明显降低SHR的血压，但对游离脂肪酸水平增加的影响很小[21]。因此，FFAs可能在血压调节方面有作用，但这仍有待全面检测。

2.2 人群研究 Brindle等[22]运用NMR探讨是否有可能根据代谢轮廓差异来区分不同类型的高血压。研究者发现，可根据脂质水平的不同［尤其是与极低密度脂蛋白（VLDL）和低密度脂蛋白（LDL）相关的脂蛋白］来区分不同级别的高血压。Bernini等[23]使用1HNMR发现，血清代谢组学轮廓差异与血压有关系，部分原因是脂蛋白组成颗粒的差异造成。Liu等[24]使用GC/TOF-MS发现，与正常对照组相比，高血压患者血清中FFAs水平显著升高。Dietrich等[25]在另一项大型的前瞻性队列研究中运用靶向代谢组学研究方法探讨了127种血清代谢产物与原发性高血压之间的可能关联，在长达10年的随访后，他们发现有6种代谢产物在高血压发展中最有预测能力，分别是丝氨酸、甘氨酸、4-磷脂酰胆碱代谢物（酰基磷脂酰胆碱C42:4和C44:3、二酰基磷脂酰胆碱 C38∶4 和 C38∶3）。Kulkarni等[26]对1431位墨西哥人进行的一项脂质组学研究表明，二酰基磷脂酰胆碱与舒张压的增加显著相关，与高血压的发生无关联；而1-磷脂酰乙醇胺代谢物和甘油二酯代谢物与高血压的发生有显著联系。这些试验结果暗示高血压的形成和发展伴随有脂质代谢的改变。关于FFAs与高血压发病之间的因果关系，有研究者已提出了一些解释。FFAs可能通过增加α1受体和交感神经的敏感度而对血管张力产生不利影响，或对内皮细胞一氧化氮合酶有抑制作用。而且通过改变Na+K+ATP酶、细胞膜磷脂的结构及增加细胞内Na+Ca2+的水平（导致血管张力增加、血压升高的机制）等方式，FFAs水平增加可能潜在地改变了细胞膜流动性，最终导致血压升高[27]。FFAs已被证明是高血压的独立危险因素。

Yang等[28]采用多反应监测-质谱联用技术，选取了113例EH患者和15位健康人，检测了已被报道或作为高血压研究潜在靶分子的47种低分子量血浆代谢产物。单因素分析显示，47种代谢产物中，瓜氨酸、D-（+）-半乳糖、甘氨酸、果糖、L-酪氨酸、油酸（OA）、肌醇（MI）和尿素在EH患者发生了显著的变化。相应的载荷曲线显示，OA和MI明显偏离原点，表明OA和MI是两个关键的代谢产物，有助于EH患者和健康对照者的区分。Pearson相关分析表明，OA与24 h收缩压呈正相关，MI与24 h收缩压和舒张压呈负相关。此外，24 h收缩压与蔗糖或纤维二糖呈显著的正相关；24 h舒张压与尿素浓度呈显著负相关，而与草酰乙酸和半乳糖呈显著正相关。

Deventer等[29]采用 LC-MS、GC-MS 对南非男性高血压患者和健康对照者的尿液样本进行了研究。GC-MS数据显示，高血压组的乳酸、富马酸、4-苯基异戊酸和2-羟基异戊酸水平比对照组高，曾有研究发现这四种有机酸会增加小儿患者线粒体功能障碍[30]。因此，Deventer等认为，高血压组这些代谢产物增加可能表明线粒体代谢的改变参与了高血压的发生发展。LC-MS数据显示，高血压组尿酸水平降低。由于在甲基黄嘌呤形成尿酸的过程中有NAD＋向NADH转化，若NADH/NAD＋比率增加则会造成尿酸的降低，因此，研究者认为，相对于对照组，高血压组发生代谢紊乱，很有可能是NADH/NAD＋比率改变造成的。

Zhong等[31]采用1H-NMR、PCA分析了256位维吾尔族人（高血压组157人、对照组99人）的血清标本，OPLS-DA结果表明，两组的代谢组分有显著差异，且鉴定出了12种不同的代谢标志物。与对照组相比，高血压组的缬氨酸、丙氨酸、丙酮酸、肌醇、酪氨酸、甲基组氨酸等水平有很大降低，而VLDL、LDL、丙酮、乳酸水平显著增加。高血压患者血浆中氨基酸含量与健康人有显著性差异，提示氨基酸代谢异常。Wang等[32]采用GC–MS研究了20例年轻高血压患者和20位健康对照者的血浆标本，结果显示有20种代谢产物发生显著改变，包括有机酸、氨基酸、碳水化合物、脂类，在高血压组观察到异亮氨酸、苏氨酸、甲硫氨酸、缬氨酸、赖氨酸和色氨酸等13种氨基酸水平显著降低。这两项试验结果表明，氨基酸代谢紊乱在高血压的发生发展中发挥重要作用。

先兆子痫是常见的妊娠高血压疾病，是一种与怀孕有关的高血压。一项基于UPLC-MS的代谢组学研究表明，体内有代谢波动的60位孕妇最终发展为先兆子痫[5]，其血浆中45种代谢产物（包括氨基酸、肉碱、脂肪酸、脂类、磷脂和碳水化合物）有显著的差异。另一项基于LC-MS的代谢组学研究发现，与健康对照组相比，患有先兆子痫的41位妇女体内肉毒碱和氨基酸（丙氨酸、苯丙氨酸和谷氨酸）水平升高[33]。Bahado-Singh等[34]选取了30例先兆子痫患者和60位相匹配的健康妇女的血浆，采用NMR鉴定出了20种有差异性的代谢产物，其中柠檬酸、甘油、羟基异戊酸和蛋氨酸可以预测先兆子痫；而甘油和肉毒碱可鉴别迟发型先兆子痫。这些结果都暗示先兆子痫发病中有脂质、氨基酸代谢的异常[35]。

3 研究展望

随着色质谱分析技术和生物信息学的不断发展，代谢组学技术在高血压研究中的应用将越来越广泛。然而，作为一门新兴学科，代谢组学研究还存在许多挑战。首先，离体条件下，细胞或组织内的代谢物会受到很多因素如饮食、环境因素、机体状态及取样时间等的影响，其质与量亦随之发生变化会影响个体生命状态真实信息的重现。第二，代谢物种类繁多，且相互作用复杂，目前各种分析技术的分辨率、灵敏度及动态范围等难以将生物样本中所含的代谢物一次性完全检测出来。第三，与其他组学相比，代谢组学缺乏相应的标准谱库，这意味着对潜在生物标志物的鉴定有一定的难度。第四，数据处理软件和自动化分析软件等生物信息学技术系统仍处于初级阶段。此外，现阶段对于高血压的代谢组学研究仅局限于原发性高血压，在未来我们还应该注重代谢组学技术在继发性高血压中的应用，从而发挥代谢组学区别原发性和继发性高血压的巨大作用。目前关于高血压代谢组学的研究还相对较少，但随着代谢组学的研究逐渐深入，以及与基因组学、转录组学、蛋白质组学等组学技术的联用，将会更适合描述高血压等复杂疾病的病因机制和发生发展规律、早期诊断与预防及个体化治疗，从而引导“精准医学”，为人类健康做出巨大贡献。

［1］Nikolic SB，Sharman JE，Adams MJ，et al.Metabolomics in hypertension.J Hypertens，2014，32：1159-1169.

［2］Hall JE，Granger JP，Do Carmo JM，et al.Hypertension：Physiology and Pathophysiology.Compr Physiol，2012，2：2393-2442.

［3］Wang TJ，Larson MG，Vasan RS，et al.Metabolite profiles and the risk of developing diabetes.Nat Mede，2011，17：448-453.

［4］Mayr M.Metabolomics：Ready for the Prime Time?Circ Cardiovasc Genet，2008，1：58-65.

［5］Kenny LC，Broadhurst DI，Dunn W，et al.Robust early pregnancy prediction oflater preeclampsia using metabolomic biomarkers.Hypertension，2010，56：741-749.

［6］ RheeEP， Gerszten RE.Metabolomicsand Cardiovascular Biomarker Discovery.Clin Chem，2011，58：139-147.

［7］Mayr M.Recent highlights of metabolomics in cardiovascular research.Circ Cardiovasc Genet，2011，4：463-464.

［8］Waters NJ.The Role of Metabonomics at the Interface Between Drug Metabolism and Safety Assessment.Curr Drug Metab，2010，11：686-692.

［9］ Oksman-Caldentey KM，Saito K.Integrating genomics and metabolomics for engineering plant metabolic pathways.Curr Opin Biotechnol，2005，16：174-179.

［10］Yanes O，Tautenhahn R，Patti GJ，et al.Expanding Coverage of the Metabolome for Global Metabolite Profiling.Anal Chem，2011，83：2152-2161.

［11］Gika HG，Theodoridis GA，Plumb RS，et al.Current practice of liquid chromatography-mass spectrometry in metabolomics and metabonomics.J Pharm Biomed Anal，2014，87：12-25.

［12］O′Gorman A，Gibbons H，Brennan L.Metabolomics in the identification of biomarkers of dietary intake.Comput Struct Biotechnol J，2013，4：201301004.

［13］Akira K，Masu S，Imachi M，et al.1H NMR-based metabonomic analysis of urine from young spontaneously hypertensive rats.J Pharm Biomed Anal，2008，46：550-556.

［14］Want EJ，Wilson ID，Gika H，et al.Global metabolic profiling procedures for urine using UPLC-MS.Nat Protoc，2010，5：1005-1018.

［15］Akira K，Masu S，Imachi M，et al.A metabonomic study of biochemical changes characteristic of genetically hypertensive rats based on （1）H NMR spectroscopic urinalysis.Hypertens Res，2012，35：404-412.

［16］Akira K，Imachi M，Hashimoto T.Investigations into biochemical changes of genetic hypertensive rats using 1H nuclear magnetic resonance-based metabonomics.Hypertens Res，2005，28：425-430.

［17］Sun Q，Wang B，Li Y，et al.Taurine Supplementation Lowers Blood Pressure and Improves Vascular Function in Prehypertension：Randomized，Double-Blind，Placebo-Controlled Study.Hypertension，2016，67：541-549.

［18］Akira K，Hichiya H，Morita M，et al.Metabonomic study on the biochemical response of spontaneously hypertensive rats to chronic taurine supplementation using（1）H NMR spectroscopic urinalysis.J Pharm Biomed Anal，2013，85：155-161.

［19］Akira K，Mitome H，Imachi M，et al.LC-NMR identification of a novel taurine-related metabolite observed in （1）H NMR-based metabonomics of genetically hypertensive rats.J Pharm Biomed Anal，2010，51：1091-1096.

［20］Lu Y，A J，Wang G，et al.Gas chromatography/time-of-flight mass spectrometry based metabonomic approach to differentiating hypertension-and age-related metabolic variation in spontaneouslyhypertensiverats.Rapid Commun MassSpectrom，2008，22：2882-2888.

［21］Aa JY，Wang GJ，Hao HP，et al.Differential regulations of blood pressure and perturbed metabolism by total ginsenosides and conventional antihypertensive agents in spontaneously hypertensive rats.Acta Pharmacol Sin，2010，31：930-937.

［22］Brindle JT，Nicholson JK，Schofield PM，et al.Application of chemometrics to 1H NMR spectroscopic data to investigate a relationship between human serum metabolic profiles and hypertension.Analyst，2003，128：32-36.

［23］Bernini P，Bertini I，Luchinat C，et al.The Cardiovascular Risk of Healthy Individuals Studied by NMR Metabonomics of Plasma Samples.J Proteome Res，2011，10：4983-4992.

［24］Liu Y，Chen T，Qiu Y，et al.An ultrasonication-assisted extraction and derivatization protocolforGC/TOFMS-based metabolite profiling.Anal Bioanal Chem，2011，400：1405-1417.

［25］Dietrich S，Floegel A，Weikert C，et al.Identification of Serum Metabolites Associated With Incident Hypertension in the European Prospective Investigation into Cancer and Nutrition-Potsdam StudyNovelty and Significance.Hypertension，2016，68：471-477.

［26］Kulkarni H，Meikle PJ，Mamtani M，et al.Plasma Lipidomic Profile Signature of Hypertension in Mexican American Families：Specific Role of Diacylglycerols.Hypertension，2013，62：621-626.

［27］ Kajma A.Fatty acid regulation of potassium ion channels.Postepy Biochem，2012，58：155-165.

［28］ Yang M，Yu Z，Deng S，et al.A Targeted Metabolomics MRM-MS Study on Identifying Potential Hypertension Biomarkers in Human Plasma and Evaluating Acupuncture Effects.Sci Rep，2016，6：25871.

［29］Van Deventer CA，Lindeque JZ，van Rensburg PJ，et al.Use of metabolomics to elucidate the metabolic perturbation associated with hypertension in a black South African male cohort：the SABPA study.J Am Soc Hypertens，2015，9：104-114.

［30］Reinecke CJ，Koekemoer G，van der Westhuizen FH，et al.Metabolomics of urinary organic acids in respiratory chain deficiencies in children.Metabolomics，2012，8：264-283.

［31］Zhong L，Zhang JP，Nuermaimaiti AG，et al.Study on plasmatic metabolomics of Uygur patients with essential hypertensionbased on nuclear magnetic resonance technique.Eur Rev Med Pharmacol Sci，2014，18：3673-3680.

［32］Wang L，Hou E，Wang L，et al.Reconstruction and analysis of correlation networks based on GC-MS metabolomics data for young hypertensive men.Anal Chim Acta，2015，854：95-105.

［33］Odibo AO，Goetzinger KR，Odibo L，et al.First-trimester prediction of preeclampsia using metabolomic biomarkers：a discovery phase study.Prenat Diagn，2011，31：990-994.

［34］ Bahado-Singh RO， Akolekar R， MandalR， etal.Metabolomics and first-trimester prediction of early-onset preeclampsia.J Matern Fetal Neonatal Med，2012，25：1840-1847.

［35］Bahado-Singh RO，Akolekar R，Mandal R，et al.Firsttrimester metabolomic detection of late-onset preeclampsia.Am J Obstet Gynecol，2013，208：58.e1-58.e7.（收稿日期：2016-10-25）

Progress of metabolomics in hypertension research

蒋学俊 熊伶俐 杨汉东

高血压； 代谢组学； 研究进展

Hypertension； Metabolomics； Research progress

国家自然科学基金（项目编号：81573244）

430060 湖北省武汉市，武汉大学人民医院心内科（蒋学俊、熊伶俐）；湖北医药学院附属东风总医院心内科（杨汉东）

杨汉东，E-mail：yanghand@139.com

10．3969/j．issn．1672－5301．2017．03．001

R544.1

A

1672-5301（2017）03-0193-05