藥用植物代謝組學研究

段禮新　代云桃　孫超　陳士林

[摘要] 代謝組學是全局性研究小分子代謝物的一門科學，是系統生物學的重要組成部分，廣泛應用于中醫藥復雜體系。代謝物是藥用植物代謝合成的產物，是中藥發揮療效的物質基礎。隨著本草基因組計劃的實施和中藥合成生物學的發展，藥用植物代謝組學研究將會迎來蓬勃發展。該文介紹代謝組學技術近幾年的研究進展，以及藥用植物代謝組學研究的主要內容，包括藥用植物鑒別和質量評價，品種選育和抗逆研究，代謝途徑解析，代謝網絡、代謝工程研究及合成生物學研究。通過整合本草基因組，轉錄組和代謝組學等研究，最終為藥用植物品種選育、創新藥物研發和質量安全性評價奠定基礎。

[關鍵詞] 代謝組學； 藥用植物； 分析技術； 次生代謝； 代謝途徑

Metabolomics research of medicinal plants

DUAN Lixin1， DAI Yuntao2， SUN Chao3， CHEN Shilin2*

（1.Institute of Botany， Chinese Academy of Sciences， Beijing 100093， China；

2.Institute of Chinese Materia Medica， China Academy of Chinese Medical Sciences， Beijing 100700， China；

3.Institute of Medicinal Plant Development， Chinese Academy of Medical Sciences and Peking Union

Medical College， Beijing 100193， China）

[Abstract] Metabolomics is the comprehensively study of chemical processes involving small molecule metabolites. It is an important part of systems biology， and is widely applied in complex traditional Chinese medicine（TCM）system. Metabolites biosynthesized by medicinal plants are the effective basis for TCM. Metabolomics studies of medicinal plants will usher in a new period of vigorous development with the implementation of Herb Genome Program and the development of TCM synthetic biology. This manuscript introduces the recent research progresses of metabolomics technology and the main research contents of metabolomics studies for medicinal plants， including identification and quality evaluation for medicinal plants， cultivars breeding， stress resistance， metabolic pathways， metabolic network， metabolic engineering and synthetic biology researches. The integration of genomics， transcriptomics and metabolomics approaches will finally lay foundation for breeding of medicinal plants， R&D， quality and safety evaluation of innovative drug.

[Key words] metabolomics； medicinal plants； analytic technology； secondary metabolism； metabolic pathway

doi：10.4268/cjcmm20162202

植物在長期的進化過程中，產生了數量龐大、結構迥異的小分子代謝物。這些物質在植物生長發育和適應環境方面發揮著重要的作用，同時也是人類營養成分和藥物的重要來源。藥用植物是人類數千年來篩選出來的用于防病、治病的植物，我國藥用植物有1萬多種，約占中藥資源總數的87%[1]。藥用植物生物合成結構多變、活性多樣的次生代謝產物，它們通常是中藥材的藥效物質基礎，是新藥、新化學實體的重要來源。同時，合成這些重要天然產物的基因，調控因子以及代謝網絡更是一個尚未有效開發的巨大資源寶庫。隨著本草基因組計劃（herb genome program，HerbGP）的實施[1]，無疑將吸引更多、更新的生命科學技術的跟進，給藥用植物次生代謝研究注入強勁動力。

代謝組學（metabolomics或metabonomics）旨在研究生物體或組織甚至單個細胞的全部小分子代謝物成分及其動態變化，進而在全局水平上解析代謝網絡與調控[24] 。代謝組學是系統生物學重要組成部分，是從整體的層面上研究代謝變化。代謝組學從2000年左右提出概念，到現在（特別是最近幾年）保持快速的發展勢頭（圖1）。代謝物是中藥發揮作用的載體，代謝組學在中醫藥復雜體系有著非常廣闊的應用。截至寫稿前，代謝組學在中醫藥領域發表526篇相關中文文獻（CNKI檢索結果），在中藥材基原鑒別[5]，藥材道地性[6]，藥材的質量控制[7]，中藥炮制[8]，中藥有效成分研究[9]，中藥復方配伍[10]，中藥藥效、藥理評價[11]，中藥代謝及毒理評價[12]，中藥方證[13]等領域有著廣泛的應用（圖2）。

數據以“metabolomics” 或 “metabonomics”為關鍵詞檢索ISI Web of Science數據庫所獲得。

圖1 代謝組學相關論文年發表數量統計

Fig.1 The annual number of metabolomics or metabonomics paper

數據以“代謝組學”為關鍵詞檢索CNKI數據庫，限定“中藥”和“藥學”領域所獲得。

圖2 代謝組學在中藥學和藥學領域中文文獻統計分析

Fig.2 Statistic analysis of the applications of metabolomics/metabonomics in traditional Chinese medicine

藥用植物代謝組學是以藥用植物為研究對象，采用各種分析化學手段，全局性分析藥用植物小分子代謝產物，從整體上定性、定量測定基因或環境對代謝物的影響，從而解析代謝物的代謝合成途徑、代謝物網絡及調控機制。研究通常結合基因組信息，各種分子生物學和組學手段，如轉錄組學、蛋白組學、分析化學、化學計量學等手段。研究內容主要包括藥用植物的鑒別和質量評價，藥用植物品種選育及抗逆研究，初生、次生代謝途徑解析，代謝網絡、代謝工程研究及合成生物學研究等幾個方面，最終為藥用植物品種選育、創新藥物研發和質量安全性評價奠定基礎。本文主要介紹代謝組學技術的最新進展，及在藥用植物代謝途徑、代謝工程和合成生物學研究（圖3）。

圖3 藥用植物代謝組學研究

Fig.3 The metabolomics research of medicinal plants

1 代謝組學分析技術進展

代謝組學研究的基本步驟包括：實驗設計，植物栽培，取樣，樣本制備，衍生化，檢測分析，數據分析，代謝途徑或代謝網絡分析。代謝物的種類和含量除受到遺傳和環境兩方面的影響，也與樣本提取和制備關系極大。好的代謝組學分析，要保持各種實驗條件一致。例如在分析突變體和野生型材料時，突變體要回交數代，保持遺傳背景與野生型相同。還要在相同的條件下栽培，選取同一生理時期、相同組織部位的材料，代謝物提取方法要保持一致，這樣的代謝組學數據才具有可比性。代謝組學技術在不斷發展，研究熱點多集中在各種新的分析檢測技術的開發，海量數據處理軟件的研發以及代謝途徑、代謝網絡、代謝數據庫的構建等。下面重點介紹代謝組學技術近幾年的研究進展。

多平臺整合代謝組學分析，代謝組學技術主要包括核磁共振譜（nuclear magnetic resonance，NMR）平臺和質譜（mass spectrometry，MS）平臺。NMR具有簡單的樣品預處理、較高的重現性和良好的檢測客觀性等優勢，但是質譜擁有較高的分辨率和靈敏度，對于植物這樣復雜的樣本尤其適合。由于植物代謝物種類十分龐大，據估計總數目在20～100萬多種[14]。此外，代謝物極性相差巨大，有的初生代謝物與次生代謝物之間豐度相差超過105數量級。目前還沒有一種代謝組學分析方法能完全覆蓋所有的代謝物，單一的分析方法往往對不同的代謝物形成歧視效應。多個分析平臺整合技術是目前單一分析技術的一種補充，達到對不同極性代謝物廣譜分析。Dai等利用NMR和LCDADMS 分析3種不同栽培品種丹參Salvia miltiorrhiza Bunge cv. Sativa （SA）， cv. Foliolum （SF） 和 cv. Silcestris （SI）的代謝譜，既能檢測到丹參中的28個初生代謝產物，包括碳水化合物、氨基酸、膽堿、TCA循環和，又能發現丹參中的次生代謝產物，如莽草酸途徑的丹參酚酸和重要的萜類成分[15] 。

擬靶向代謝組學分析，根據研究目的的不同，代謝組學研究策略分為非靶向代謝組學（nontargeted metabolomics）和靶向代謝組學（targeted metabolomics）。非靶向代謝組學也稱為發現代謝組學，預先不知道哪些代謝物會發生變化，通過比較2組樣本找出差異物質，尤其適合代謝標識物發現相關研究。其特點是分析通量高、覆蓋代謝物廣，但是數據穩定性、重復性及定量線性范圍不如靶向代謝組學分析。靶向代謝組學特定針對一定數量的目的代謝物進行分析，方法精度高、測量準確，但是測定的代謝物范圍有限，依賴對照品。擬靶向的代謝組學分析方法是最近開發出來的一種方法，它結合非靶向代謝組學和靶向代謝組學的優點。方法首先篩選非靶向代謝組學所能檢測到的所有峰信號，然后不依賴對照品建立這些峰的靶向分析方法。擬靶向代謝組學方法兼顧方法的精度和廣度。此外，擬靶向代謝組學分析可以克服非靶向代謝組學中多樣本質譜峰提取、對齊等難點。目前建立了多種擬靶向代謝組學方法如擬靶向代謝組學（pseudotargeted metabolomics）分析方法[16]、廣泛靶向代謝組學（widely targeted metabolomics）方法[1718]，這些方法在篩選靶向物質時，篩選方法雖然有所不同，但目的是一致的。

消除質譜假陽性研究策略。隨著高靈敏度、高分辨率色譜質譜分析儀器的迅速發展，代謝組學分析可輕松地檢測數千種信號。與此同時也會不可避免地產生大量假陽性信號。這些信號包括生物來源和非生物來源兩類。此外，即使對于生物來源的質譜信號，它們的峰面積是否與代謝物濃度之間存在較好的定量關系？在缺少有效的數據評價方法下，往往不容易篩選出真實的代謝標識物，或者篩選到假陽性代謝標識物。筆者采用混合所有生物樣本的質控樣本（quality control， QC）作為代謝物混合池，對QC進行逐級稀釋，結合溶劑空白，提出5步峰過濾規則，區分假陽性質譜信號和評價每一個峰的定量能力（quantitative performance）。同時引入相對濃度指數（relative concentration index， RCI），結合QC梯度稀釋曲線，建立所有質譜峰的定量校正模型。該模型不僅可以用于定量校正，而且可以將質譜峰面積歸一化到RCI。該方法可以消除對照品組成的人工樣本中92.4%的假陽性，消除生物樣本中71.4%的假陽性質譜峰信號[19]。

質譜成像代謝組學分析技術，采用成像方式的離子掃描技術，原位分析代謝物在不同時間和空間的變化?？赏瑫r對多種分子進行原位可視化分析，從而將代謝物與組織形態學高度關聯[20]。傳統的代謝組學分析通常只能在均一化的樣品或提取物中進行，但是，植物的各種細胞分化后具有不同的功能，特定的細胞和組織具有不同的代謝物特征。如丹參酮二萜合成基因CPS1和KSL1在丹參根木栓層中特異表達，木栓層中特異積累紅色丹參酮類物質[21]。Kotaro Yamamoto等[22]通過整合質譜成像技術和單細胞質譜代謝組學技術，研究長春花莖的縱切面的質譜成像圖，解析萜類生物堿合成的細胞特異性。單萜成分如馬錢子苷和次番木鱉苷定位在表皮細胞中，該結果和前人報道的一致。以前報道RNA原位雜交顯示大多數萜類生物堿在表皮細胞中合成，然而質譜成像結果顯示多種萜類生物堿，如ajmalicine和serpentine，并沒有在表皮細胞中積累，而是在異型細胞和乳管細胞中積累。質譜成像還發現了一個離子m/z 337.19也同萜類生物堿共定位在表皮細胞、異型細胞和乳管細胞中，推測它可能為長春堿類化合物或中間代謝物。作者還采用代謝組學數據手段，比較4種組織細胞中的代謝物譜的差異，在主成分分析（PCA）模型中可以區分這4種不同類型的組織細胞，而且可以發現不同組織細胞中的差異代謝物。作者還通過單細胞質譜分析，定量比較了4種組織細胞中萜類生物堿的含量和分布，PCA分析結果與質譜成像結果相似，異型細胞和乳管細胞積累相似的化合物，而與表皮細胞和薄壁細胞中積累的代謝物有所不同。

2 藥用植物鑒別和質量控制的代謝組學研究

我國藥材種類繁多，資源豐富，然而來源復雜，品種混淆厲害。僅《中國藥典》2000 年版收載的534種中藥材，即有143 種中藥為多基原（二基原以上）。中藥材基原品種的真偽、正宗與否，關系到該味中藥的確切療效和療效的重現性，進而直接影響到中藥制劑的質量。即使是同種藥材，由于自然條件的不同，藥材產量和質量也不相同，臨床療效也有相當大的差異，由此產生了“道地藥材”。同時，野生與栽培藥材以及不同生長年限的藥材也都表現出了質和量上的差異。DNA分子標記技術，如RAPD，RFLP，很好地用于遺傳多樣性研究以及正品與偽品等種以上分類單元的鑒定。同時，由于DNA分子標記不受生物體發育階段的影響，無法鑒別不同生長年限的藥材，對同基原（基因型）的野生與栽培藥材的鑒別也存在一定困難。植物代謝組學主要是對特定條件下代謝表型（metabolic phenotypes 或 metabotypes）以及這些表型與基因型之間聯系的研究。植物次生代謝過程及代謝物的積累受到自身和環境中各種生物和非生物因素的調控，通過代謝組學研究不僅能夠深入理解植物與環境的相互作用，了解植物自身基因的功能，植物代謝網絡與代謝調控，還能揭示植物表型與植物生長、發育及生物多樣性之間的關系。筆者將DNA分子標記技術及代謝組學技術相結合，用來鑒別中藥材蒙古黃芪和膜莢黃芪。這2種黃芪植物形態非常相似，僅存在莢果有毛無毛的細微差別，它們的分類學地位仍然存在一些爭議。DNA分子標記AFLP技術顯示蒙古黃芪和甘肅的膜莢黃芪聚在一起，說明蒙古黃芪與甘肅的膜莢黃芪親緣關系較近，結果支持蒙古黃芪是膜莢黃芪變種這一分類結果。而GCTOFMS代謝組學分析可以區分這2種黃芪，顯示2種黃芪的代謝組存在一定的差別。通過主成分分析，找到2個品種，不同生長年限和地域差別的差異代謝物，這些代謝物可能與黃芪的生境相關[23] 。劉悅等[24]將代謝組學技術與DNA barcoding技術相結合，區分3種不同的沙棘，江孜沙棘Hippopahe gyantsensis Rousi、肋果沙棘H. neurocarpa S. W. Liu & T. N. He和西藏沙棘H. tibetana Schlechtendal。甘草為常用大宗藥材，藥食兼用品種，年需要量約6萬噸左右。美國NIH中心的Slmmler等[25]采用基于DNA barcoding和代謝組學的方式，對甘草中3個種及其他種的變種共51個商業獲得的樣本進行了分析。代謝組學分析采用1HNMR和LCMS結合的手段進行，所得數據采用非監督方式主成分分析（PCA）和監督性分析典型判別分析（CDA）。結果顯示，結合DNA barcoding和代謝組學技術，除了能明顯區分出甘草、脹果甘草、光果甘草3個種，還能區分出不同的雜種及不同種的混合物?！吨袊幍洹芬幎ú窈?個來源：柴胡Bupleurum chinense DC. 或狹葉柴胡B. scorzonerifolium Willd.的干燥根。按性狀不同，分別習稱“北柴胡”和“南柴胡”，其中“南柴胡”又稱紅柴胡。無數學者采用色譜含量測定或者色譜指紋的方法區分二者，但均未能明顯區分。秦雪梅教授和荷蘭萊頓大學Verpoorte教授小組[26]，采用基于核磁的代謝組學方法將2個種明顯分開，找到了區分2個種的化學標志物?！氨辈窈焙懈吆康牟窈碥誥及其類似物，而“南柴胡”含有高含量的揮發油、柴胡皂苷b1及其相同骨架的皂苷。該結果體現了核磁技術在化合物結構辨識方面和中藥品種鑒定方面的獨特優勢。

3 代謝組學與藥用植物代謝途徑研究

生物合成途徑是藥用植物次生代謝研究的核心內容，相對初生代謝，次生代謝在植物進化過程中呈現出代謝多樣性的特點，在植物類群中特異性分布。植物次生代謝一般通過關鍵的環化酶或合酶形成基本骨架，如萜類環化酶形成二萜、三萜的基本骨架，然后通過各種修飾酶，如P450氧化還原酶、UGT糖基轉移酶、OMT甲基轉移酶、鹵化酶等，增加基本骨架結構的極性，引入雜原子等活性基團，使得終端產物呈現出結構多樣性的特點。由于極性的增加，使得終端產物可以積累在植物細胞中[27]。丹參酮是丹參中具有活血化瘀的重要藥效物質，丹參酮屬于不飽和的二萜類天然產物。高偉等首次克隆并功能鑒定了丹參酮生物合成途徑中2個丹參酮特有的二萜關鍵環化酶SmCPS和SmKSL，通過RNA干擾的方法抑制了SmCPS的表達，導致丹參酮類成分在丹參毛狀根中明顯下降。不同于裸子植物，被子植物丹參酮二萜合酶為單功能酶，需要SmCPS和SmKSL協作催化GGPP到丹參酮二烯[28]。崔光紅等對丹參基因組序列中的7個二萜合酶基因進行系統的功能鑒定，綜合利用基因表達譜、RNAi干擾，闡明SmCPS1控制著根部丹參酮類化合物的生物合成。通過代謝組學技術（LCMS和GCMS）對比轉基因RNAi干擾植株與野生型植株的代謝譜，通過主成分分析能夠非常清楚地區分這2組植株。LCMS代謝組學分析發現40個差異代謝物，通過比對自建的丹參次生代謝物數據庫、精確相對分子質量匹配、MS/MS分析、對照品比較，鑒定其中20個差異代謝物。從GCMS得到28個差異化合物，在NIST數據庫檢索，相似度在800 以上的有12個，對照品比對鑒定其中8個。結果顯示SmCPS1受到抑制后積累的大量二萜化合物底物，鑒定的20個代謝物均為典型的松香烷型丹參酮類結構，另外3個為重排的松香烷型結構，分別為przewalskin和salvisyrianone，以及二聚體neoprzewaquinone。通過代謝組學和RNAi干擾技術，發現丹參酮類化合物的生物合成途徑并非簡單的直線型模式，而是形成復雜的網絡結構；通過RNAi干擾還發現大量未知的二萜類化合物[21，29]。

隨著首個藥用植物——丹參基因組框架圖的完成[30]，將進一步推動丹參成為模式藥用植物，也為系統揭示丹參次生代謝奠定堅實基礎。目前，在多數植物無法進行全基因組序列測定的情況下，轉錄組研究已經成為分離和克隆新基因及基因功能研究的重要手段之一[31]。Gao Wei 等使用UPLCDADQTOFMS非靶向代謝組學技術分析銀離子誘導的丹參毛狀根，鑒定了5個明顯差異的丹參酮類代謝物。轉錄組分析鑒定了6 358個差異基因，通過分析明顯上調的富集基因，預測了70個候選的轉錄因子和8個P450氧化還原酶，它們可能與銀離子誘導的丹參酮類物質合成相關[32]。

傳統分子生物學手段克隆、驗證代謝功能基因，是一份具有挑戰的工作?；诼撴i關聯分析的代謝組學分析成為大規模、高效定位代謝物合成基因的新手段。在植物學研究領域，全基因組關聯分析（genomewide association studies， GWAS）是在全基因組范圍內篩選不同遺傳差異個體分子標記的基礎上，分析表型相關聯的分子標記位點。GWAS廣泛用于人類疾病與植物復雜農藝性質遺傳基礎的解析。GWAS結合代謝組學技術（metabolic GWAS， mGWAS）則用以解析代謝物合成的遺傳機制，即代謝合成及調控的基因位點。Chen 等對524份自然栽培水稻品種資源（含有642.877萬的SNPs分子標記）進行LCMS代謝組學分析，得到840多種代謝物，并檢測到2 947個主效SNPs，共634個遺傳位點。通過遺傳和生化分析鑒定了其中5個黃酮合成的候選基因[3334]。黃瓜中的苦味物質是一類稱為葫蘆素，高度氧化的三萜衍生物，葫蘆素類三萜普遍存在葫蘆科植物中，作為抗癌藥物使用。尚軼等通過GWAS分析115份黃瓜種子資源，發現了與黃瓜葉片苦味緊密連鎖的SNP位點，通過體外酵母表達鑒定了黃瓜中苦味物質葫蘆素C合成的關鍵三萜環化酶。通過共表達分析，鑒定了一個存在黃瓜基因組中的基因簇（gene cluster）。組合表達三萜環化酶和下游的P450氧化還原酶，通過靶向代謝組學分析，最終鑒定了2個P450和1個?；D移酶的生化功能。此外，還解析了2個分別在葉和瓜里面特異調控葫蘆素C合成的轉錄因子[35]。

4 代謝組學與藥用植物代謝工程和合成生物學研究

目前藥用植物鑒定的代謝途徑還不是很多，代謝網絡的研究鮮有報道。同位素標記方法結合代謝組學分析，可以較好地研究次生代謝網絡。如添加穩定同位素13C標記的甲羥戊酸（萜類合成前提）到植物，通過非靶向代謝組學手段比較同位素標記的植株與野生型植株，可以研究植物萜類的代謝途徑和網絡。藥用植物代謝工程主要通過基因工程的手段將代謝途徑中的關限速酶、代謝途徑轉移到工程化的酵母或植物細胞系，調節代謝的流向，針對性地提高目標代謝物的含量?？拱┧幬镒仙即嫉拇x工程研究較多，Ajikumar等首先優化大腸桿菌上游途徑IPP的生物合成，提高大腸桿菌IPP合成的8個步驟中的4個限速酶的表達量，使得大腸桿菌大量生成IPP。之后將植物中紫杉醇合成途徑中的GGPP合成酶和紫衫二烯（taxadiene）合酶導入到前面構建的工程菌中，優化催化酶的密碼子和表達水平，使得大腸桿菌中產生1 g·L-1的紫衫二烯，產量是沒有經過優化菌株的1 500多倍[36]。藥用植物合成生物學研究跨越了物種各自進化的代謝途徑，通過挖掘代謝物合成的各種生物元件，通過人工組合、設計，產生非天然的產物或新的代謝途徑，再導入底盤細胞規?；a目的產物[37]。無論是代謝途徑解析、代謝工程研究或者合成生物的研究，代謝物分析，代謝組學分析都是必不可少的研究工具。

5 藥用植物分子育種與抗逆代謝組學研究

我國野生藥用植物種質資源豐富，但是由于常年栽種和消耗使得許多藥用植物品質出現下降，好的資源瀕于枯竭。傳統育種一般通過植物種內的有性雜交進行農藝性狀或品質的轉移與改良，如提高藥用植物的抗性，提高藥用植物有效成分的含量，提高產量等，這類方式存在育種周期長、遺傳改良實踐效率偏低的缺陷。分子育種技術通過利用控制目標性狀的功能基因和調控元件，可以有效提高目標性狀改良的效率和準確性，實現了由表型選擇到基因型選擇的過渡[38]。作物分子育種研究較為深入，Wen Weiwei通過mGWAS方法，分析了種植在多個區域702個玉米品種的983個代謝物，定位了1 459個代謝物遺傳控制位點。通過突變和轉基因分析進一步驗證了其中的2個代謝基因，為分子育種提供了目標[39]。代謝組學還廣泛應用于植物抗逆、抗病的代謝機制研究[40]。唐惠儒小組[41]采用代謝組學研究了水分流失導致的逆境脅迫對丹參根中代謝產物的影響，以冷凍干燥為參照，比較了曬干和陰干2種干燥方法的影響。結果顯示水脅迫導致了丹參中代謝物輪廓發生顯著的變化，曬干和陰干均顯著提高了丹參酮含量，陰干提高了莽草酸途徑中酚酸類成分的含量，而曬干降低了該類成分的含量。CarmoSilva等[42]采用1HNMR和GCMS代謝組學方法，比較了干旱脅迫和正常水分條件下生長的狗牙根Cynodon dactylon L.Pers.的化學物質群，驗證了氨基酸在干旱脅迫下發生累積外，還新發現了一種特殊的非蛋白質氨基酸在干旱脅迫條件下特異地累積?？傊?，代謝組學作為一種手段可以廣泛地應用于藥用植物研究的方方面面。

6 問題與展望

代謝組學是從整體上分析所有小分子化合物的一門技術，在中醫藥各個領域有著廣泛的應用。藥用植物蘊含著結構豐富，有應用價值的天然產物，同時也意味著藥用植物擁有許多獨特的代謝基因，從基因資源和代謝多樣性角度上講，要比模式植物擬南芥和水稻更有研究價值。隨著合成生物學的興起，將會有更多的機會挖掘和利用藥用植物。無論是藥用植物的鑒別，質量控制，代謝途徑解析，代謝工程和合成生物學研究，都離不開代謝物分析和代謝組學分析。然而代謝物的含量受到諸多因素的影響，包括遺傳、環境、存儲、制備、分析等各個環節的影響。同時，中醫、中藥是極其復雜的體系，很難單獨通過某一種技術，一個實驗來說清楚，猶如盲人摸象，未來需要從更多層面上系統地解析中醫藥中的各種問題。比較模式生物，中醫藥代謝組學研究還缺乏基因組信息，缺少合適的遺傳材料、人工群體、自然群體等。隨著技術的發展和進步，代謝組學必將朝著更加精細化的方向發展，代謝物的定量、定性分析將更加準確，各種原位分析，單細胞分析技術將更加成熟。

[參考文獻]

[1] 陳士林，孫永珍， 徐江，等.本草基因組計劃研究策略 [J]. 藥學學報， 2010， 45（7）：807.

[2] Oliver S G，Winson M K， Kell D B， et al. Systematic functional analysis of the yeast genome [J]. Trends Biotechnol， 1998， 16 （9）：373.

[3] Nicholson J K， Lindon J C. Metabonomics [J]. Nature， 2008， 455 （23）：1053.

[4] Fiehn O. Metabolomics——the link between genotypes and phenotypes [J]. Plant Mol Biol， 2002， 48 （1/2）：155.

[5] 陳士林， 姚輝， 宋經元， 等. 基于DNA barcoding（條形碼）技術的中藥材鑒定 [J]. 世界科學技術——中醫藥現代化， 2007， 19（3）：7.

[6] 肖小河， 陳士林， 黃璐琦， 等. 中國道地藥材研究20年概論 [J]. 中國中藥雜志， 2009， 34（5）：519.

[7] 肖小河， 金城， 趙中振， 等. 論中藥質量控制與評價模式的創新與發展 [J]. 中國中藥雜志， 2007， 32（14）：1377.

[8] 蔡寶昌， 秦昆明， 吳皓， 等. 中藥炮制過程化學機理研究 [J]. 化學進展， 2012， 24（4）：637.

[9] 楊秀偉. 基于體內過程的中藥有效成分和有效效應物質的發現策略 [J]. 中國中藥雜志， 2007， 32（5）：365.

[10] 高會麗， 于成瑤， 李連達， 等. 中藥復方配伍規律研究概況 [J]. 中國實驗方劑學雜志， 2006， 12（9）：60.

[11] 寇俊萍， 柴程芝， 余伯陽. 中藥藥理研究進展 [J]. 藥學進展， 2013， 37（9）：428.

[12] 喬雪， 果德安， 葉敏. 中藥體內代謝研究的思路與方法 [J]. 世界科學技術——中醫藥現代化， 2014， 16（3）：532.

[13] 王喜軍. 中藥藥效物質基礎研究的系統方法學——中醫方證代謝組學 [J]. 中國中藥雜志， 2015， 40（1）：13.

[14] Dixon R A， Strack D. Phytochemistry meets genome analysis， and beyond [J]. Phytochemistry， 2003， 62 （6）：815.

[15] Yao W， He M， Jiang Y， et al. Integrated LC/MS and GC/MS metabolomics data for the evaluation of protection function of Fructus Ligustri Lucidi on mouse liver [J]. Chromatographia， 2013， 76 （17）：1171.

[16] Luo P， Dai W D， Yin P Y， et al. Multiple reaction monitoringion pair finder：a systematic approach to transform nontargeted mode to pseudotargeted mode for metabolomics study based on liquid chromatographymass spectrometry [J]. Anal Chem， 2015， 87 （10）：5050.

[17] Sawada Y， Akiyama K， Sakata A， et al. Widely targeted metabolomics based on largescale MS/MS data for elucidating metabolite accumulation patterns in plants [J]. Plant Cell Physiol， 2009， 50（1）：37.

[18] Chen W， Gong L， Guo Z， et al. A novel integrated method for large scale detection， identification， and quantification of widely targeted metabolites：application in the study of rice metabolomics [J]. Mol Plant， 2013， 6（6）：1769.

[19] Duan L X， Molnár I， Snyder J H， et al. Discrimination and quantification of true biological signals in LCMSbased metabolomics analysis[J]. Mol Plant， 2016， doi：10.1016/j.molp.2016.05.009.

[20] 羅志剛， 賀玖明， 劉月英， 等. 質譜成像分析技術、方法與應用進展 [J]. 中國科學：化學， 2014， 44（5）：795.

[21] Cui G H， Duan L X， Jin B L， et al. Functional divergence of diterpene syntheses in the medicinal plant Salvia miltiorrhiza bunge [J]. Plant Physiol， 2015，169：1607.

[22] Amamoto K， Takahashi K， Mizuno H， et al. Cellspecific localization of alkaloids in Catharanthus roseus stem tissue measured with imaging MS and singlecell MS[J]. Proc Natl Acad Sci USA，2016，11（14）：3891.

[23] Duan L X， Chen T L， Chen M， et al. Use of the metabolomics approach to characterize Chinese medicinal material Huangqi [J]. Mol Plant， 2012， 5（2）：376.

[24] 劉悅， 劉川， 譚爾， 等. 基于DNA條形碼和1HNMR代謝組學二維方法的多基原藏藥沙棘鑒定[J]. 中國中藥雜志， 2016， 41（4） ：578.

[25] Simmler C， Anderson J R， Gauthier L， et al. Metabolite profiling and classification of DNAauthenticated licorice botanicals[J]. J Nat Prod， 2015， 78（8）：2007.

[26] Qin X， Dai Y， Liu N Q， et al. Metabolic fingerprinting by 1HNMR for discrimination of the two species used as Radix Bupleuri[J]. Planta Med， 2012， 78（9）：926.

[27] 陳曉亞. 植物次生代謝研究 [J]. 世界科技研究與發展， 2006， 28（5）：1.

[28] 高偉， 胡添源， 郭娟， 等. 丹參酮合成生物學研究進展 [J]. 中國中藥雜志， 2015， 40（13）：2486.

[29] 崔光紅. 正向選擇和結構變異導致二萜合酶基因家族的功能分化——丹參二萜合酶基因的系統研究[R]. 中國科學院植物研究所博士后出站工作報告， 2014.

[30] Xu H B， Song J Y， Luo H M， et al. Analysis of the genome sequence of the medicinal plant Salvia miltiorrhiza [J]. Mol Plant， 2016， 9（6）：949.

[31] 吳瓊， 孫超， 陳士林， 等. 轉錄組學在藥用植物研究中的應用 [J]. 世界科學技術——中藥現代化， 2010， 12（3）：457.

[32] Gao W， Sun H X， Xiao H B， et al. Combining metabolomics and transcriptomics to characterize tanshione biosynthesis in Salvia miltiorrhiza [J]. BMC Genom， 2014， 15：73.

[33] Chen W， Gao Y， Xie W，et al. Genomewide association analyses provide genetic and biochemical insights into natural variation in rice metabolism [J]. Nat Genet， 2014， 46（7）：714.

[34] 劉賢青， 董學奎， 羅杰. 基于連鎖與關聯分析的植物代謝組學研究進展 [J]. 生命科學， 2015， 27（8）：986.

[35] Shang Y， Ma Y S， Zhang H M， et al. Biosynthesis， regulation， and domestication of bitterness in cucumber [J]. Science， 2014， 346（6213）：1084.

[36] Ajikumar P K， Xiao W H， Tyo K E J， et al. Isoprenoid pathway optimization for taxol precursor overproduction in Escherichia coli [J]. Science，2010， doi：10.1126/science.1191652.

[37] 陳士林， 朱孝軒， 李春芳， 等.中藥基因組學與合成生物學 [J]. 藥學學報， 2012， 47（8）：1070.

[38] 薛永彪， 段子淵， 種康， 等. 面向未來的新一代生物育種技術——分子模塊設計育種 [J]. 中國科學院院刊， 2013， 28（3）：308.

[39] Wen W W， Li D， Li X， et al. Metabolomebased genomewide association study of maize kernel leads to novel biochemical insights [J]. Nat Commun， 2014， 5（2）：487.

[40] 漆小泉， 王玉蘭， 陳曉亞. 植物代謝組學——方法與應用 [M]. 北京：化學工業出版社， 2011.

[41] Dai H， Xiao C， Liu H， et al. Combined NMR and LCMS analysis reveals the metabonomic changes in Salvia miltiorrhiza Bunge induced by water depletion[J]. J Proteome Res， 2010， 9（3）：1460.

[42] CarmoSilva A E， Keys A J， Beale M H， et al. Drought stress increases the production of 5hydroxynorvaline in two C4 grasses[J]. Phytochemistry， 2009， 70（5）：664.

[責任編輯 孔晶晶]