氣相色譜-質譜聯(lián)用技術及其在代謝組學中的應用

李娟，任路靜，孫冠男，黃和

南京工業(yè)大學生物與制藥工程學院，江蘇 南京 210009

氣相色譜-質譜聯(lián)用技術及其在代謝組學中的應用

李娟，任路靜，孫冠男，黃和

南京工業(yè)大學生物與制藥工程學院，江蘇 南京 210009

李娟, 任路靜, 孫冠男, 等. 氣相色譜-質譜聯(lián)用技術及其在代謝組學中的應用. 生物工程學報, 2013, 29(4): 434?446.

Li J, Ren LJ, Sun GN, et al. Gas chromatography-mass spectrometry (GC-MS) and its application in metabonomics. Chin J Biotech, 2013, 29(4): 434?446.

代謝組學是以高通量、高靈敏度、高分辨率的現(xiàn)代儀器分析方法為手段，對細胞、體液、組織中所有代謝物進行無偏向的定性與定量分析的一門學科。氣相色譜-質譜聯(lián)用技術具有較高的檢測靈敏度和鑒定準確度，通過標準譜圖庫的比對可對代謝物進行快速的鑒定，因此被廣泛應用于生物樣品的代謝產物的檢測中。文中對近年來氣相色譜-質譜聯(lián)用技術的發(fā)展以及在代謝組學研究中取得的成果進行了綜述。首先介紹了氣相色譜-質譜聯(lián)用技術的分類和常用的樣品衍生化方法；繼而從樣品預處理、定性與定量分析、數(shù)據分析三方面介紹了氣相色譜-質譜聯(lián)用技術分析代謝物的方法，并系統(tǒng)地對該技術在微生物、植物、疾病診斷領域的應用實例進行了評述；最后提出了當前氣相色譜-質譜聯(lián)用技術在代謝組學研究中存在的問題并對后續(xù)的研究進行了展望。

氣相色譜-質譜聯(lián)用，代謝組學，微生物，衍生化

代謝組學是繼基因組學、轉錄組學和蛋白質組學之后迅速發(fā)展起來的一門新興學科，它以高通量、高靈敏度、高分辨率的現(xiàn)代儀器分析方法為手段，結合模式識別等化學計量學方法，考察生物體系 (細胞、組織或生物體) 受刺激或擾動后 (如將某個特定的基因變異或環(huán)境變化后)，其代謝產物的變化或其隨時間的變化規(guī)律[1]。所謂代謝組是基因組的下游產物也是最終產物，是一些參與生物體新陳代謝、維持生物體正常功能和生長發(fā)育的小分子化合物的集合。

通常，代謝組學研究的對象并非某些特定的物質，而是要盡可能多地獲取所有代謝產物的信息。而分析對象的大小、數(shù)量、官能團、揮發(fā)性、帶電性、電遷移率等物理化學參數(shù)的差異對分析結果影響極大[2]?，F(xiàn)有的主要檢測手段包括：核磁共振技術 (NMR)、液相色譜質譜聯(lián)用技術(LC-MS)、毛細管電泳質譜聯(lián)用技術 (CE-MS)以及氣相色譜質譜聯(lián)用技術 (GC-MS)。其中與CE-MS、LC-MS或LC-NMR等分析儀器相比，GC-MS儀器中經氣相色譜柱分離后的樣品呈氣態(tài)，流動相也是氣體，與質譜的進樣要求相匹配，最容易將這兩種儀器聯(lián)用；它具有靈敏度高、分離效率高、易用、耐用、成本低、可選擇性地分離和檢測大量痕量代謝物質和同質異構體等優(yōu)點。由于其高標準化地應用了電子電離，能產生廣泛的和高重復性的破裂片段，即使得到的質譜數(shù)據在數(shù)據庫中不存在，其破碎模式亦可用于獲得更多關于代謝產物定性或化合物種類的信息[3]。故 GC-MS已成為代謝組學中廣泛應用的重要分析方法，目前發(fā)展也較為成熟，是復雜混合物分析的主要定性和定量手段之一。

1 GC-MS聯(lián)用技術介紹

1.1 GC-MS聯(lián)用技術分類

按照質譜技術，GC-MS聯(lián)用技術通常有氣相色譜-四級桿質譜或磁質譜 (GC-MS)、氣相色譜-離子阱質譜 (GC-ITMS)、氣相色譜-飛行時間質譜 (GC-TOFMS)。四級桿質譜儀掃描方式又有全掃描和選擇離子掃描 (SIM) 之分，全掃描是對指定質量范圍內的離子全部掃描并記錄，得到的質譜圖可以提供未知物的分子質量和結構信息。而SIM方式僅對選定的離子進行檢測，可消除樣品中其他組分造成的干擾，檢測靈敏度、選擇性極強，主要用于對具有某種特性的代謝物進行定量分析[4]。TOFMS提供了更快的掃描率和額外的敏感性，采集到的每一個數(shù)據點都對應一個完整的質譜圖，檢測揮發(fā)性化合物的能力比四級桿質譜強，在目前代謝組學的研究中應用最為普遍[5]。ITMS結構小巧，能在極低壓強下長時間儲存離子，因此對真空泵的要求降低，從而減輕質譜儀重量和電源消耗，更加便于小型化設計，故其應用也越來越廣泛[6-7]。

1.2 GC-MS中的衍生化方法

GC-MS一般用于測定包括氨基酸、胺、脂肪酸、有機酸、糖、糖胺、糖磷酸、嘌呤、嘧啶和芳香族化合物在內的代謝物，其檢測限一般為信噪比 (S/N)=3∶1時的濃度。但這些代謝物的極性強、揮發(fā)性低，往往不能直接進樣分析，需要將這些物質進行適當?shù)幕瘜W處理轉化成相應的揮發(fā)性衍生物，才能適用氣相色譜的測定范圍，衍生化的過程同時能改善結構及其近似化合物分離的選擇性，克服載體、柱壁對高極性、低揮發(fā)性樣品的吸附，從而有效改善樣品的峰形，此外選擇特殊的衍生化方法還可用來拆分某些較難分離的手性化合物[8]。

在GC-MS檢測中選用衍生化試劑需注意衍生化產物的質譜特性，即質量碎片的特征性強，同時分子量要適中，既適合質量型檢測器檢測，也有利于與基質干擾物分離。常用的衍生化試劑分為硅烷化、酰化和烷基化三類，其反應原理及優(yōu)缺點見表1，其中應用最廣泛的是硅烷化試劑和?；噭?。

2 GC-MS分析代謝物的研究方法

自1957年實現(xiàn)GC-MS聯(lián)用以來，該技術得到了迅速發(fā)展。由于其能夠提供較高的分辨率和檢測靈敏度，并且有可供參考、比較的標準譜圖庫，可方便地得到待分析代謝物的定性結果。它在生命科學中的應用，使我們能在基因組學、轉錄組學和蛋白質組學的基礎上更好地描述和評估生命系統(tǒng)。

表1 GC-MS的衍生化方法的比較Table 1 Comparison on different derivative methods of GC-MS

由于GC-MS分析的變異性取決于以下三個方面：1) 分析方法(色譜、檢測和衍生化樣品的穩(wěn)定性)；2) 樣品制備(淬滅、提取和濃縮)；3) 樣品的變異性。因此，為保證分析方法的線性、準確性、靈敏度及穩(wěn)定性，應根據研究對象、目的和分析化合物的不同，對預處理過程及分析方法進行全面的評估與優(yōu)化，以確定利用GC-MS進行代謝物分析的最佳方法。Zhang等在利用GC-TOFMS對高血脂老鼠的尿液進行代謝組學分析時，從分離鑒定出的代謝物中，選取有機酸、氨基酸、碳水化合物等代表性物質進行方法驗證，以保證定量分析的準確性[15-16]。

2.1 樣品預處理技術

利用GC-MS分析生物體內的代謝物，需要對樣品進行預處理及衍生化，預處理過程主要包括代謝淬滅、細胞濃縮、代謝物提取等。為獲取微生物具有代表性的樣品，分析時樣品的代謝組成分必須保證與取樣時一致，才能反映樣品當時的代謝活動，因此這一反映特定生理狀態(tài)的代謝狀態(tài)必須要被“固定”住，直到分析完成，該過程稱為淬滅。由于不同微生物細胞壁的結構不同，對滲透壓的耐受程度以及膜通透性也存在差異，因此代謝淬滅所選擇的方法也無法統(tǒng)一。目前報道的淬滅方法中，冷甲醇淬滅方法溫和，且可通過離心富集細胞，在多種微生物代謝物檢測中廣泛應用，但不同的菌株所采用的甲醇濃度差異較大 (表2)。

離心后的沉淀物中不但包含菌體和細胞內液，還混有細胞間液。這些細胞間液包含了培養(yǎng)基成分及細胞外代謝產物，若沉淀物經過提取后細胞內/外液無法區(qū)別，將影響對胞內代謝物的準確檢測。故提取前仔細洗滌菌體沉淀將有助于排除混有細胞間液所產生的干擾，但是缺點是容易使一些自由出入細胞膜的組分 (如小分子有機酸) 濃度降低并容易導致細胞破碎。因此，在細胞濃縮過程中既要做到除去細胞間液也要減少胞內代謝物的損失。

表2 微生物代謝組學分析中淬火及細胞破碎方法Table 2 Quenching and cell crushing methods in microbial metabolomics analysis

代謝物提取以盡可能多地獲得所需物質，避免物理或化學改性，減少稀釋效應為原則[24]。Maharjan等采用酸堿破壞、冷甲醇破壁、甲醇或乙醇高溫提取、氯仿-甲醇溶菌提取等 6種不同的方式提取大腸桿菌中的代謝物，以同位素標記的葡萄糖作為檢驗指標比較提取效果，發(fā)現(xiàn)低溫下(?40 )℃以甲醇作為提取溶劑時效果最佳[25]。然而，衡量一個提取方法的好壞不能只關注最終代謝產物的量，還要確保提取過程中代謝物的穩(wěn)定，因此在提取時往往要加入緩沖溶液來減少提取過程對細胞的破壞，從而增強代謝物分析的穩(wěn)定性，如乙醇胺、磷酸鹽、羥乙基哌嗪乙磺酸(HEPES)、哌嗪乙磺酸 (PIPES) 等。除了液液萃取之外，微波輔助萃取、超臨界流體萃取等方法可縮短提取時間、提高提取效率、降低溶劑消耗，在微生物代謝物分析領域也被廣泛使用[26-27]。

2.2 代謝物的定性與定量

GC-MS檢測中物質的定性需要利用其質譜進行數(shù)據檢索，故其分析過程離不開各種代謝途徑和生物化學的數(shù)據庫。基因組學和蛋白質組學已有較完善的書庫供搜索、使用，而代謝組學尚未有類似功能完備的數(shù)據庫，但一些生化數(shù)據庫[28-29]可用于已知代謝物的生物功能解釋和未知代謝物的結構鑒定，如京都基因與基因組百科全書KEGG (http://www.genome.jp/kegg/)、NIST(http://webbook.nist.gov/chemistry/)、METLIN(http://metlin.scripps.edu/)、HMDB (http://www.hmdb.ca/)、MMCD (http://mmcd.nmrfam.wisc.edu/)、Fiehn database (http://fiehnlab.ucdavis.edu/db/)、GMD (http://gmd.mpimp-golm.mpg.de/)、SDBS(http://www.aist.go.jp/RIODB/SDBS/menu-e.html)及ExPASy (http://www.expasy.org/)。此外還有一些針對特定生物體的完整數(shù)據庫，如 IRIS (水稻)、AraCyc (擬南芥)。

在代謝組學研究中，為確保分析數(shù)據的有效性與可靠性，需要進行定量分析以減少樣品處理及檢測中產生的差異。一般的定量分析方法有外標法、內標法。外標法適用于檢測/修正檢測器偏差，控制分析系統(tǒng)的惰性。而內標法通常以同位素標記的代謝物或非內源性物質 (與某種代謝物特性相似的物質) 作為內標，將樣品中每種代謝物都進行定量檢測，在提取、衍生化或分析前加入內標，可有效控制樣品處理中不同步驟產生的誤差。此外，以同位素標記的微生物代謝物作為內標的方法目前也應用廣泛，即微生物生長的培養(yǎng)基中，碳源物質均用同位素標記，則提取出的所有代謝物可作為內標使用[30]。

2.3 GC-MS數(shù)據分析

基于GC-MS技術的代謝組學研究產生的大量復雜數(shù)據需要借助成熟的統(tǒng)計學工具才能夠得到合理的解釋，進而深入研究微生物代謝物的隱含意義。目前用于代謝組學數(shù)據分析的主要手段為模式識別技術，包括非監(jiān)督學習方法和有監(jiān)督學習方法。非監(jiān)督學習方法的算法不給出訓練集，輸入的數(shù)據以“無人監(jiān)督”方式被分類，主要有主成分分析、非線性映射、簇類分析等；有監(jiān)督學習方法會給出一些輸入數(shù)據和答案作為分類系統(tǒng)的“訓練集”，用來構建模型并評估必需的參數(shù)，分析應用的判別式包括偏最小二乘法-判別分析、正交算法、人工神經網絡及基于進化的計算算法。

其中，主成分分析和偏最小二乘法-判別分析是代謝組學研究中最常用的模式識別方法。這兩種方法通常以得分圖 (Score plot) 表示對樣品分類的信息，載荷圖 (Loading plot) 表示對分類有貢獻的變量及其貢獻大小，從而發(fā)現(xiàn)可作為生物標志物的變量。Matlab、SIMCA-P、SAS是代謝組學數(shù)據分析中的常用軟件，而近年來一些具有特殊功能的分析方法/軟件發(fā)展迅速，多維數(shù)據的表現(xiàn)形式逐漸實現(xiàn)多元化 (表3)。

表3 多維數(shù)據分析軟件的應用Table 3 Application of multidimensional data analysis softwares

3 GC-MS聯(lián)用技術在代謝組學中的應用

3.1 微生物

微生物的代謝物是基因表達的最終產物，基因和蛋白表達的微小變化可以在代謝物上得到放大，因此對微生物細胞提取物進行分析有助于了解細胞的能量吸收和生長過程。

在基于GC-MS的微生物代謝組學研究中，首要的任務是對代謝物分離鑒定方法的建立與優(yōu)化。谷氨酸棒桿菌作為應用廣泛的模式生物之一，其代謝組分析方面的工作已較為成熟。Strelkov以基于 GC-MS首次建立了一種可快速鑒定谷氨酸棒桿菌代謝物的方法，可檢測1 000多種化合物，且測量重現(xiàn)性的誤差僅在 6%以內[36]。Borner等通過樣品預處理的平行化和部分自動化，也建立了該菌代謝組的高通量分析方法，不僅將 GC-MS分析時間由 60 min縮短至18 min，還實現(xiàn)了650種代謝物的定量化[37]。

代謝組學分析可通過代謝物差異有效鑒定微生物在不同環(huán)境下細胞的代謝差異，從而更深入地了解外界環(huán)境所造成的微觀物質變化。Miura利用 GC-MS比較白腐真菌黃孢原毛平革菌在空氣和100%氧氣條件下發(fā)酵的生長差異，獲取對氧氣壓力敏感的代謝產物[38]，為其工業(yè)化進程及生產模式提供全新的視角。元英進課題組利用 GC-TOFMS對不同條件下釀酒酵母發(fā)酵生產酒精過程中的代謝物作了一系列的研究。首先鑒定了釀酒酵母在工業(yè)連續(xù)發(fā)酵與批次發(fā)酵時中心碳代謝流物質、氨基酸等胞內代謝產物，并采用主成分分析獲得兩種模式的標志性物質[39]，這有效反映了工業(yè)發(fā)酵的真實過程。隨后考察了釀酒酵母對真空發(fā)酵的適應進化過程及接種密度對高密度發(fā)酵的影響，通過對碳代謝物質、氨基酸及脂肪酸的鑒定，結合多維數(shù)據分析方法——PCA、HCA，得到特征性物質的變化趨勢，驗證出在接種量為40 g/L條件下酵母細胞中的甘油與脯氨酸能在高細胞濃度的壓力下有效維護酵母細胞正常的生理代謝活動[40,19]，將這些代謝組信息與轉錄組、脂質組相結合，可對酵母發(fā)酵過程形成系統(tǒng)性的認識。在考察不同菌種對環(huán)境壓力的應激反應時，發(fā)現(xiàn)原始酵母在抑制劑作用下會強化蛋白分解，導致氧化應激、產生大量活性氧自由基，而耐抑制型酵母中高含量的嘧啶可對細胞起保護作用；酵母的單倍體與雙倍體細胞，在乙醇壓力下的代謝差異明顯減弱，且單倍體的代謝更易受乙醇壓力的影響[41-42]，而這種目標代謝物檢測可作為篩選高產量菌株的有效途徑。

此外，基因改造對某些微生物表型特征的影響并不明顯，而代謝組學能有效地探測基因改造引起的改變，并實現(xiàn)突變株間的表現(xiàn)型分化。Tian等在篩選高產琥珀酸的大腸桿菌菌株時，敲除基因sdhAB或ackA-pta后，琥珀酸產量的提高并不明顯，但利用GC-FID、GC-MS對突變株及野生型菌株進行代謝輪廓分析后，發(fā)現(xiàn)兩種突變株中琥珀酸、天冬氨酸、脯氨酸的代謝卻存在顯著的差異[43]。Buchinger等也利用GC-MS技術分析敲除氮源調節(jié)因子——AmtR基因對谷氨酸棒桿菌代謝組和轉錄組的影響，發(fā)現(xiàn)突變株中含有糖酵解途徑、磷酸戊糖途徑及檸檬酸循環(huán)中代謝物的不同形式，其中谷氨酸鹽在突變株中明顯減少且排泄受損[44]。

GC-MS對多種化合物具有較強、較靈敏的分析能力，故對于鑒定比較微生物不同菌株之間的代謝物差異、同一菌株在不同生長環(huán)境下的代謝變化具有特殊的意義。結合統(tǒng)計學方法，將分析中存在極大差異的代謝物，作為此微生物的生物標記物，為其更深入的研究提供必要的基礎。

3.2 植物

GC-MS聯(lián)用技術也是目前在植物代謝分析中應用最廣泛的分離檢測手段之一。早期對土豆提取物的代謝輪廓分析已證實GC-MS平臺是分離鑒定復雜的植物基體中大量代謝物的有效工具，并能實現(xiàn)特定物質的定量分析[45]。Schwarzinger等利用熱分解-GC-MS分析五味子不同部位 (種子、果實、種殼、樹葉等) 的特性，通過熱裂解蒸發(fā)出熱穩(wěn)定的木酚素類物質等，鑒定出的各部位組分均與 CO2超臨界流體提取的分析結果相吻合[46]。Noctor等采用 GC-TOFMS建立了樹葉粗提取物中氨基酸產生信息的數(shù)量本質，考察擬南芥葉子的甲醇/水提取物分析結果的標準偏差，并結合高效液相色譜 (HPLC) 更精確地檢測氨基酸[47]。

在利用GC-MS分析過程中，通常需要不同的提取方法獲得更完整的代謝物信息，以便較全面地了解植物中的代謝輪廓相關信息。Jin等在對紅景天揮發(fā)性組分的初步研究中，分別通過水蒸餾和頂空液相的方法提取并檢測出75和68種代謝物，在比較兩相中的組分及含量后發(fā)現(xiàn)紅景天中主要含有的芳香油類物質均為單萜醇[48]。Nappo等在采用GC-MS考察底棲硅藻Cocconeis scutellum的代謝輪廓時，分別在電子轟擊電離源與化學電離源下，檢測了不同有機溶劑——乙醚和丁醇提取出的代謝物，初步闡明了Cocconeis scutellum的代謝型及其在海洋底棲生物中的生態(tài)作用[49]。

通過GC-MS技術對植物不同組成的提取物進行檢測，可有效地分析出其代謝輪廓的差異，可應用于植物的種植、品種的質量評估等方面。Tianniam等利用熱分解-GC-MS檢測手段和PLS-DA數(shù)據分析，有效鑒別多種白芷并建立了可用于精確、可靠預測白芷質量的模型[50]。

3.3 疾病診斷與藥物分析

利用GC-MS技術對人或動物體內的代謝物進行較全面的測定，可用于疾病的診斷、疾病發(fā)病過程的監(jiān)測、以及藥理學中對藥品療效和代謝狀況的考察。

在疾病診斷中，通過對患者與正常人的血清、血漿或尿液等進行檢測比較，分析代謝物間的差異從而獲得鑒定某種疾病的標記物。Wang和Mao通過GC-MS分別檢測了阿爾茨海默爾癥患者和腎移植手術中出現(xiàn)急性排斥反應病人的血清，由代謝輪廓分析得出二十二碳六烯酸(DHA) 為阿爾茨海默爾癥中最具潛力的脂肪酸生物標記物[51]，而通過監(jiān)督聚簇分析代謝物水平的差異，有效地鑒定了腎移植手術中的病人狀況[52]。血漿中代謝物的分析可對2型糖尿病患者及治療前后的代謝輪廓有清楚的認識[53]，還可對冠狀動脈心臟病進行臨床實踐分類識別[54]。Wu等在對肝細胞癌的研究中，通過分析尿液和食道癌患者的粘膜組織，獲得了病人與正常人的代謝差異及臨床病理學的特性，為建立診斷模式提供了基礎[55]。Lin等利用 GC-MS考察了細胞系A549和AGS感染甲型流感病毒后的代謝輪廓，由兩者代謝物的差異及模式識別不同細胞系對病毒的敏感度[56]。Song等抽樣調查了中國神經管缺失的原因及先天性代謝紊亂，發(fā)現(xiàn)孕婦患者由于維生素B12缺失等會引起新生兒肝內膽汁淤積，并誘發(fā)神經管缺失癥[57]。

在藥理學中，GC-MS對藥品成分較強的分析鑒別能力使其廣泛應用于體內藥物分析和藥物代謝動力學等方面的研究中。Song等利用GC×GC-TOFMS分析了78種藥品標準混合物樣品，發(fā)現(xiàn)能夠檢測出多數(shù)藥物組分，其中曲馬朵、地西泮、奧氮平和地昔帕明在分析中表現(xiàn)出典型的線性關系和精確度，除撲熱息痛和苯妥英形成不規(guī)則的峰外，其他藥物形成色譜峰均可識別分析[58]，有效地證明GC-MS可用于觀察藥物在人體內的吸收效果。Bando等發(fā)現(xiàn)樣品采集過程會對藥理學分析結果產生重要的影響，且在尿液與血漿代謝組學分析中，發(fā)現(xiàn)儲存時間會明顯改變尿液的代謝輪廓；而血漿代謝輪廓的分析受采樣點、抗凝血劑影響較大，與麻醉效果無關[59]。Aa等利用了 GC-TOF-MS對注入不同劑量雷公藤內酯的老鼠進行血清代謝組分析，發(fā)現(xiàn)雷公藤內酯會引起代謝型的偏差，并促使?；撬帷⒅舅岙a生干擾，最終表現(xiàn)出其對肝臟的毒性[60]。

3.4 其他

GC-MS在動物、食品生產等領域也有較為成熟的應用，通過對代謝物的檢測分析，有效地了解代謝物的變化趨勢，為宏觀的表型提供微觀的解釋[61]。針對紅尾肉蠅因光周期誘導的蛹期滯育和溫度誘導的快速冷硬化現(xiàn)象，Michaud等利用GC-MS分析比較出該過程中代謝物變化存在極大的差異，并討論了發(fā)生改變的代謝物在生物體抗寒中發(fā)揮的作用，提出GC-MS檢測結果對昆蟲生理學系統(tǒng)分析的價值[62]。Ralston-Hooper也利用 GC×GC-TOFMS分析不同生長環(huán)境及化學應激 (阿特拉嗪) 下的粘杜父魚的代謝輪廓，建立了可行的色譜峰歸一化方法，觀察不同環(huán)境條件下樣品的差異[63]。Park等采用GC-MS分析出了豆豉發(fā)酵過程中的定向代謝物，包括 20種氨基酸、12種有機酸和9種脂肪酸，并比較了發(fā)酵不同時期各物質的變化[64]，為豆豉生產過程控制提供了獨特的視角。

4 GC-MS聯(lián)用技術在代謝組學分析中存在的問題及展望

GC-MS最主要的缺點是分析物必須為具揮發(fā)性的物質。由于大部分代謝產物是不能揮發(fā)的，因此，繁復的衍生化步驟是必需的[3]。而在樣品的預處理、衍生化過程中，極易產生分析結果的多變性，并使樣品的色譜圖復雜化，其中多重峰、多底物現(xiàn)象最為常見。多重峰現(xiàn)象是一種化合物由于自身分解、副產物的形成或雜質的引入而產生多個產物[65]，多重底物現(xiàn)象是 GC-MS色譜圖中的單個峰對應多種底物[66]。Xu等提出導致多重峰現(xiàn)象的原因在于副產物的形成和化學鍵的衍生化不完全。而幾何異構體的結構轉換也會造成多重峰及多重底物現(xiàn)象，例如 D-葡萄糖在溶液中至少存在5種異構體，且均處于動力平衡，經衍生化后極易形成5個峰。此外，提取、衍生化及GC-MS分析過程中會使部分熱不穩(wěn)定的物質發(fā)生分解反應，這也會導致多重峰、多重底物的發(fā)生[67]。這些現(xiàn)象直接影響分析結果的重現(xiàn)性，在數(shù)據收集中會導致代謝途徑中結構相似的代謝物之間的信號重復，從而影響代謝途徑的進一步研究。

此外，代謝組學中的樣品通常為復雜的混合物，利用GC-MS分析時GC會出現(xiàn)無法完全分離各種物質的現(xiàn)象，致使某些同系物間會產生重疊信號，針對這一問題，Wang等提出采用獨立成分分析方法，分解相互獨立的信號分量，有助于多種代謝物的鑒定[68]。

與代謝組學的其他分析手段如 LC-MS、CE-MS相比，GC-MS雖然較為成熟，但由于GC-MS分析樣本中代謝物普遍需要衍生化預處理，造成多重峰、多重底物等現(xiàn)象，需要對其進一步深入研究。1) 開發(fā)新型的衍生化試劑，使其與多個官能團發(fā)生衍生化反應，可獲得重復性好的方法。2) 此外，研發(fā)在線的衍生化方法，保證代謝物的硅烷化反應程度的完全，還可利用與代謝物結構/生理相似的標準品，模擬出相關代謝物潛在的影響，以提高分析的準確性。3) 如何獲得可參照的內標物實現(xiàn)所有代謝物的絕對定量分析，也將成為GC-MS應用于代謝組學中的研究重點。

[1]Alvarez-Sanchez B, Priego-Capote F, Luque de Castro MD. Metabolomics analysis I. Selection of biological samples and practical aspects preceding sample preparation. Trends Anal Chem, 2010,29(2): 111?119.

[2]Xu GW. Metabonomics—Method and Application.Beijing: Science Press, 2008: 10?11 (in Chinese).

許國旺. 代謝組學——方法與應用. 北京: 科學出版社, 2008: 10?11.

[3]Zhu LK. Recent development of microbial metabolomics and its applocations. Chin J Conserv Dent, 2010, 20(1): 51?54 (in Chinese).

朱來寬. 微生物代謝組學及其應用的研究進展.牙體牙髓牙周病學雜志, 2010, 20(1): 51?54.

[4]Wong JW, Zhang K, Brown D, et al. Multiresidue pesticide analysis of ginseng powders using acetonitrile- or acetone-based extraction,solid-phase extraction cleanup, and gas chromatography-mass spectrometry/selective ion monitoring (GC-MS/SIM) or -tandem mass spectrometry (GC-MS/MS). J Agric Food Chem,2010, 58(10): 5884?5896.

[5]Coles J, Guilhaus M. Orthogonal acceleration-a new direction for time-of-flight mass spectrometry:fast, sensitive mass analysis for continuous ion sources. Trends Anal Chem, 1993, 12(5): 203?213.

[6]Losadaa S, Santos FJ, Galceran MT, et al. Gas chromatography-ion trap tandem mass spectrometry method for the analysis of methoxylated polybrominated diphenyl ethers in fi sh. J Chromatogr A, 2010, 1217: 5253?5260.

[7]Wang DL, Miao XS, Li QX. Analysis of organochlorine pesticides in coral (Porites evermanni) samples using accelerated solvent extraction and gas chromatography/ion trap mass spectrometry. Arch Environ Contam Toxicol, 2008,54(2): 211?218.

[8]Danielsson APH, Moritz T, Mulder H, et al.Development of a gas chromatography/mass spectrometry based metabolomics protocol by means of statistical experimental design.Metabolomics, 2012, 8(1): 50?63.

[9]Jonsson P, Gullberg J, Moritz T, et al. A strategy for identifying differences in large series of metabolomic samples analyzed by GC/MS. Anal Chem, 2004, 76(6): 1738?1745.

[10]Koubaa M, Mghaieth S, Roscher A, et al. GC-MS analysis of C-labeling in sugars for metabolic flux analysis. Anal Biochem, 2012, 425(2): 183?188.

[11]Pietrogrande MC, Basaglia G. Enantiomeric resolution of biomarkers in space analysis:chemical derivatization and signal processing for gas chromatography-mass spectrometry analysis of chiral amino acids. J Chromatogr A, 2010, 1217(7):1126?1133.

[12]Rodríguez-Sánchez S, Hernández-Hernández O,Sanz ML, et al. A derivatization procedure for the simultaneous analysis of iminosugars and other low molecular weight carbohydrates by GC-MS in mulberry (Morussp.). Food Chem, 2011, 126(1):353?359.

[13]Hong JE, Pyo H, Park SJ, et al. Determination of hydroxy-PCBs in urine by gas chromatography/mass spectrometry with solid-phase extraction and derivatization. Anal Chim Acta, 2005, 531(2): 249?256.

[14]Zhao HX, Wang LP, Li X, et al. Multiwalled carbon nanotubes as a solid-phase extraction adsorbent for the determination of three barbiturates in pork by ion trap gas chromatography-tandem mass spectrometry(GC/MS/MS) following microwave assisted derivatization. Anal Chim Acta, 2007, 586:399?406.

[15]Zhang Q, Wang GJ, A JL, et al. GC/MS analysis of the rat urine for metabonomic research. J Chromatogr B, 2007, 854: 20?25.

[16]Zhang Q, Wang G J, Du Y, et al. Application of GC/MS-based metabonomic profiling in studying the lipid-regulating effects ofGinkgo bilobaextract on diet-induced hyperlipidemia in rats. Acta Pharmacol Sin, 2009, 30: 1674?1687.

[17]Hiller J, Franco-Lara E, Weuster-Botz D.Metabolic profiling ofEscherichia colicultivations: evaluation of extraction and metabolite analysis procedures. Biotechnol Lett,2007, 29(8): 1169?1178.

[18]Bolten CJ, Kiefer P, Letisse F, et al. Sampling for metabolome analysis of microorganisms. Anal Chem, 2007, 79(10): 3843?3849.

[19]Ding MZ, Yuan YJ, Tian HC, et al. Inoculum size-dependent interactive regulation of metabolism and stress response ofSaccharomyces cerevisiaerevealed by comparative metabolomics. J Biotechnol, 2009, 144(4): 279?286.

[20]Canelas AB, Pierick A, Ras C, et al. Quantitative evaluation of intracellular metabolite extraction techniques for yeast metabolomics. Anal Chem,2009, 81(17): 7379?7389.

[21]Sch?del F, David F, Franco-Lara E. Evaluation of cell damage caused by cold sampling and quenching for metabolome analysis. Appl Microbiol Biot, 2011, 92(6): 1261?1274.

[22]Duportet X, Aggio RBM, Carneiro S, et al. The biological interpretation of metabolomic data can be misled by the extraction method used.Metabolomics, 2012, 8(3): 410?421.

[23]Singh AK, Ulanov AV, Li Z, et al. Metabolomes of the psychrotolerant bacteriumListeria monocytogenes10403S grown at 37 °C and 8 °C.Int J Food Microbiol, 2011, 148(2): 107?114.

[24]Zhou DW, Zhu ZY. Sample preparation for microbial metabolome analysis. Chemistry, 2008,6: 404?407 (in Chinese).

周大煒, 朱之燕. 微生物代謝組學的樣品前處理.化學通報, 2008, 6: 404?407.

[25]Maharjan RP, Ferenci T. Global metabolite analysis: the influence of extraction methodology on metabolome profiles ofEscherichia coli. Anal Biochem, 2003, 313 (1): 145?154.

[26]Edwards JL, Chisolm CN, Shackman JG, et al.Negative mode sheathless capillary electrophoresis electrospray ionization-mass spectrometry for metabolite analysis of prokaryotes. J Chromatogr A, 2006, 1106: 80?88.

[27]Lim GB, Lee SY, Lee EK, et al. Separation of astaxanthin from red yeastPhaffia rhodozymaby supercritical carbon dioxide extraction. Biochem Eng J, 2002, 11: 181?1871.

[28]Go EP. Database resources in metabolomics:anoverview. J Neuroimmune Pharm, 2010, 5(1):18?30.

[29]Carroll AJ, Badger MR, Harvey Millar A. The metabolome express project: enabling web-based processing, analysis and transparent dissemination of GC/MS metabolomics datasets. BMC Bioinformatics, 2010, 11: 376.

[30]Birkemeyer C, Luedemann A, Kopka J, et al.Metabolome analysis: the potential ofin vivolabeling with stable isotopes for metabolite profiling. Trends Biotechnol, 2005, 23(1): 28?33.

[31]Moon JY, Jung HJ, Moon MH, et al. Heat-map visualization of gas chromatography-mass spectrometry based quantitative signatures on steroid metabolism. J Am Soc Mass Spectr, 2009,20(9): 1626?1637.

[32]Aggio R, Ruggiero K, Villas-Boas SG. Pathway Activity Profiling (PAPi): from the metabolite profile to the metabolic pathway activity.Bioinformatics, 2010, 26(23): 2969?2976.

[33]Xu Y, Goodacre R. Multiblock principal component analysis: an efficient tool for analyzing metabolomics data which contain two influential factors. Metabolomics, 2012, 8(1): 37?51.

[34]Droste P, Miebach S, Niedenführ S, et al.Visualizing multiomics data in metabolic networks with the software Omix—A case study.Biosystems, 2011, 105(2): 154?161.

[35]Aggio R, Villas SG, Ruggiero K. Metab: an R package for high-throughput analysis of metabolomics data generated by GC-MS.Bioinformatics, 2011, 27(16): 2316?2318.

[36]Strelkov S, Elstermann M, Schomburg D.Comprehensive analysis of metabolites inCorynebacterium glutamicumby gas chromatography/mass spectrometry. Biol Chem,2004, 385(9): 853?861.

[37]Borner J, Buchinger S, Schomburg D. A high-throughput method for microbial metabolome analysis using gas chromatography/mass spectrometry. Anal Biochem, 2007, 367(2):143?151.

[38]Miura D, TanakaH, Wariishi H. Metabolomic dif f erential display analysis of the white-rot basidiomycetePhanerochaete chrysosporiumgrown under air and 100% oxygen. FEMS Microbiol Lett, 2004, 234(1): 111?116.

[39]Ding MZ, Yuan YJ, Cheng JS, et al. Comparative metabolomic analysis on industrial continuous and batch ethanol fermentation processes by GC-TOF-MS. Metabolomics, 2009, 5(2): 229?238.

[40]Ding MZ, Yuan YJ, Zhou X. Metabolome prof i ling reveals adaptive evolution ofSaccharomycescerevisiaeduring repeated vacuum fermentations.Metabolomics, 2010, 6(1): 42?55.

[41]Ding MZ, Yuan YJ, Wang X, et al. Comparative metabolic profiling of parental and inhibitors-tolerant yeasts during lignocellulosic ethanol fermentation. Metabolomics, 2012, 8(2):232?243.

[42]Ding MZ, Yuan YJ, Li BZ, et al. Metabolome analysis of differential responses of diploid and haploid yeast to ethanol stress. OMICS, 2010,14(5): 553?561.

[43]Tian J, Xu GW, Shi CY, et al. Phenotype differentiation of threeE. colistrains by GC-FID and GC?MS based metabolomics. J Chromatogr B,2008, 871(2): 220?226.

[44]Buchinger S, Burkovski A, Str?sser J, et al. A combination of metabolome and transcriptome analyses reveals new targets of theCorynebacterium glutamicumnitrogen regulator AmtR. J Biotechnol, 2009, 140: 68?74.

[45]Roessner U, Willmitzer L, Wagner C, et al.Simultaneous analysis of metabolites in potato tuber by gas chromatography-mass spectrometry.Plant J, 2000, 23(1): 131?142.

[46]Schwarzinger C, Kranawetter H. Analysis of the active compounds in different parts of theSchisandra chinensisplant by means of pyrolysis-GC/MS. Monatsh Chem, 2004, 135(9):1201?1208.

[47]Noctor G, Prioul JL, Bergot G, et al. A comparative study of amino acid measurement in leaf extracts by gas chromatography-time of fl ight-mass spectrometry and high performance liquid chromatography with fl uorescence detection.Metabolomics, 2007, 3(2): 161?174.

[48]Jin YZ, Row KH, Park DW, et al. Primary study of volatiles composition ofRhodiola sachalinensisby using gas chromatography and mass spectrometry(GC/MS). Korean J Chem Eng, 2010, 27(4),1262?1268.

[49]Nappo M, Bastida J, Berkov S, et al. Metabolite profiling of the benthic diatomCocconeis scutellumby GC-MS. J Appl Phycol, 2009, 21(3): 295?306.

[50]Tianniam S, Bamba T, Fukusaki E. Pyrolysis GC-MS-based metabolite fingerprinting for quality evaluation of commercialAngelica acutilobaroots.J Biosci Bioeng, 2010, 109 (1), 89?93.

[51]Wang DC, Wan XL, Sun CH, et al. Serum fatty acid prof i les using GC-MS and multivariate statistical analysis: potential biomarkers of Alzheimer’s disease. Neurobiol Aging, 2012, 33(6):1057?1066.

[52]Mao YY, Cheng YY, Bai JQ, et al. A pilot study of GC/MS-based serum metabolic profiling of acute rejection in renal transplantation. Transpl Immunol,2008, 19(1): 74?80.

[53]Zeng MM, Zhou ZG, Che ZH, et al. GC?MS Based plasma metabolic prof i ling of type 2 diabetes mellitus. Chromatographia, 2009, 69: 941?948.

[54]Zheng XT, Qu HB, Shen J, et al. Plasma fatty acids metabolic prof i ling analysis of coronary heart disease based on GC-MS and pattern recognition. J Pharmaceut Biomed, 2009, 49(2): 481?486.

[55]Wu H, Shen XZ, Xue RY, et al. Metabolomic prof i ling of human urine in hepatocellular carcinoma patients using gas chromatography/mass spectrometry. Anal Chim Acta, 2009, 648(1):98?104.

[56]Lin SH, Cai ZW, Liu N, et al. GC/MS-based metabolomics reveals fatty acid biosynthesis and cholesterol metabolism in cell lines infected with inf l uenza A virus. Talanta, 2010, 83(1): 262?268.

[57]Song YZ, Zheng XY, Li BX, et al. Selective screening for inborn errors of metabolism and secondary methylmalonic aciduria in pregnancy at high risk district of neural tube defects: a human metabolome study by GC-MS in China. Clin Biochem, 2008, 41: 616?620.

[58]Song SM, Wynne P, Marriott P, et al.Comprehensive two-dimensional gas chromatography with time-of-f l ight mass spectrometry (GC×GC-TOFMS) for drug screening and conf i rmation. Forensic Sci Int, 2004, 143:87?101.

[59]Bando K, Fukusaki E, Kawahara R, et al.Influences of biofluid sample collection and handling procedures on GC?MS based metabolomic studies. J Biosci Bioeng, 2010, 110(4): 491?499.

[60]Aa JY, Wu ZM, Shao F, et al. Gas chromatography time-of-f l ight mass spectrometry based metabolomic approach to evaluating toxicity of triptolide. Metabolomics, 2011, 7(2): 217?225.

[61]Dervilly-Pine G, Courant F, Chéreau S, et al.Metabolomics in food analysis: application to the control of forbidden substances. Drug Test Anal,2012, 4: 59?69.

[62]Michaud MR, Denlinger DL. Shifts in the carbohydrate, polyol, and amino acid pools during rapid cold-hardening and diapause-associated cold-hardening in Xesh Xies (Sarcophaga crassipalpis): a metabolomic comparison. J Comp Physiol B, 2007, 177(7): 753?763.

[63]Ralston-Hooper K, Sepulveda MS, Adamec J.Development of GCxGC/TOF-MS metabolomics for use in ecotoxicological studies with invertebrates. Aquat Toxicol, 2009, 88(1): 48?52.

[64]Park MK, Kim YS, Cho IH. Metabolite prof i ling ofCheonggukjang, a fermented soybean paste, during fermentation by gas chromatography-mass spectrometry and principal component analysis.Food Chem, 2010, 122(4): 1313?1319.

[65]Chan ECW, Koh PK, Mal M, et al. Metabolic profiling of human colorectal cancer using high-resolution magic angle spinning nuclear magnetic resonance (HR-MAS NMR) spectroscopy and gas chromatography mass spectrometry(GC/MS). J Proteome Res, 2009, 8(1): 352?361.

[66]Xu F, Zou L, Nam Ong C. Multiorigination of chromatographic peaks in derivatized GC/MS metabolomics: a confounder that influences metabolic pathway interpretation. J Proteome Res,2009, 8(12): 5657?5665.

[67]Xu F, Zou L, Nam Ong C. Experiment-originated variations, and multi-peak and multi-origination phenomena in derivatization-based GC-MS metabolomics. Trends Anal Chem, 2010, 29(3):269?280.

[68]Wang GJ, Cai WS, Shao XG. A primary study on resolution of overlapping GC-MS signal using mean-field approach independent component analysis. Chemometr Intell Lab, 2006, 82:137?144.

September 1, 2012; Accepted: January 16, 2013

He Huang. Tel/Fax: +86-25-83172094; E-mail: biotech@njut.edu.cn

國家重點基礎研究發(fā)展計劃 (973計劃) (Nos. 2009CB724700，2011CBA00802)，江蘇省自然科學基金 (No. BK2012424)，國家科技支撐計劃 (No. 2011BAD23B03)，國家高技術研究發(fā)展計劃 (863計劃) (No. 2012AA021704) 資助。

Gas chromatography-mass spectrometry (GC-MS) and its application in metabonomics

Juan Li, Lujing Ren, Guannan Sun, and He Huang

College of Biotechnology and Pharmaceutical Engineering,Nanjing University of Technology,Nanjing210009,Jiangsu,China

Metabonomics involves the unbiased quantitative and qualitative analysis of the complete set of metabolites present in cells, body fluids and tissues (the metabolome) based on modern analytic technique with high throughput, high sensitivity, and high resolution. Gas chromatography-mass spectrometry (GC-MS) is used to gain qualitative results of detected metabolites for biological samples as it provides superior distinguishability, detection sensitivity and integrated standard mass spectrometry library. In this article, the historic developments of GC-MS and its application in metabonomics in the past several years were reviewed. Firstly, the classification and the derivative methods of GC-MS were introduced. Subsequently, sample pretreatment process, qualitative and quantitative analysis and data analysis during detecting metabolites by GC-MS were introduced, then its application in microorganism, plant and disease diagnosis was systematically summarized. Finally, the problems in metabonomics study based on GC-MS and the research prospect in the future were discussed.

gas chromatography-mass spectrometry, metabonomics, microorganism, derivation

Supported by: National Basic Research Program of China (973 Program) (Nos. 2009CB724700, 2011CBA00802), Natural Science Foundation of Jiangsu Province (No. BK2012424), National Science and Technology Pillar Program (No. 2011BAD23B03), National High Technology Research and Development Program of China (863 Program) (No. 2012AA021704).

(本文責編 郝麗芳)