代謝組學
捕捉表型變化的直接訊號，精確量化代謝產物，直觀反映生物體的生理狀態響應。
脂質組學分析
脂質作為生物體內除蛋白、核酸外的關鍵生物大分子，廣泛參與能量儲存、細胞膜建構、訊號傳導、發炎反應調控等多種核心生理過程，其代謝紊亂與腫瘤、心血管疾病、神經退行性疾病、代謝症候群等諸多疾病發生發展密切相關。脂質組學（Lipidomics）為代謝組學重要分支，是系統研究生物體內脂質分子的組成、結構、豐度變化及與其他生物分子相互作用的新興學科。它藉高靈敏度、高解析度質譜分析技術，結合生物資訊工具，實現複雜生物樣本中脂質組的全面定性與定量分析。相較傳統脂質研究的單一性與局限性，脂質組學具全景式、高通量、精準化優勢，能同時捕捉數千種脂質分子動態變化，揭示脂質代謝網絡調控機制。目前該技術已廣泛應用於疾病標誌物篩選、藥物作用標靶發現、食品營養評估、植物抗逆機制研究、環境毒理分析等多領域，成為連接基礎研究與臨床應用的重要橋樑。
原理介紹
脂質組學分析核心原理基於脂質分子物理化學性質（如極性、分子量、疏水性等）差異，經樣品前處理、分離純化、質譜檢測及資料分析的完整流程，實現脂質組系統解析。基於質譜的脂質組學主要分兩類：非靶向脂質組學——無偏倚地檢測樣本中盡可能多的脂質分子，旨在發現新脂質物種或差異表達譜，常用於生物標誌物初步篩選與機制探索；靶向脂質組學——針對已知、特定類別或路徑的脂質分子進行絕對定量分析，具更高靈敏度、精準度與重現性，常用於驗證與精準定量。脂質分子於電灑遊離（ESI）等離子源作用下發生電離，生成帶電荷離子（如 [M+H]+、[M-H]-），進入質量分析器（如 Q-TOF、Q-Trap）。經測量離子質荷比（m/z）推斷其分子式；結合串聯質譜（MS/MS）產生的碎片離子資訊，進一步解析脂質精細結構，如脂肪酸鏈長度、雙鍵位置等。最終經與脂質資料庫（如 LIPID MAPS）比對與生物資訊分析，建構樣本脂質分子譜圖，揭示其於生理病理過程中的動態變化規律。
文獻案例
《Cell Metabolism》所刊 “Hepatic adaptation to chronic metabolic stress primes tumorigenesis” 經脂質組學分析深入解析肝臟於慢性代謝壓力下的脂質重塑機制及其對腫瘤發生的「預啟動」作用。研究人員建構慢性代謝壓力（高脂飲食聯合胰島素阻抗誘導）小鼠模型，同時收集代謝相關肝癌患者肝組織樣本，採「UHPLC-MS/MS 靶向脂質組學」技術對肝組織脂質譜系統解析。經近千種脂質分子定性定量檢測，發現慢性代謝壓力狀態下，肝組織中磷脂醯膽鹼（PC）、磷脂醯乙醇胺（PE）等膜脂組分發生顯著重構，其中含長鏈多元不飽和脂肪酸（PUFA）的 PC 分子（如 PC 38:4、PC 40:6）含量持續下調，而飽和脂肪酸鏈修飾的 PC 分子含量升高。進一步機制驗證表明，肝實質細胞於代謝壓力下經激活 SREBP-1c 介導的脂質合成路徑，導致膜脂流動性降低、細胞膜訊號傳導功能紊亂，進而促進 STAT3 路徑異常激活，增強肝細胞增殖能力與致瘤潛能。動物實驗證實，經外源性補充長鏈 PUFA 或調控 PC 合成酶活性，可逆轉肝臟脂質重塑，顯著抑制代謝壓力誘導的肝癌發生。
送樣標準
新鮮組織樣本重量 ≥0.5g，液氮速凍後 -80°C 保存，乾冰運輸；避免反覆凍融，須註明組織部位、處理條件及動物品種、性別、年齡等資訊
新鮮葉片、根、果實等組織重量 ≥1g，液氮速凍後 -80°C 保存，乾冰運輸；須明確植物品種、生長階段、處理方式（如逆境脅迫、藥物干預等）
細胞沉澱數量 ≥1×10⁷ 個，離心收集後以 PBS 洗滌 2 次，液氮速凍後 -80°C 保存，乾冰運輸；須提供細胞系名稱、培養條件及處理方案
血清 / 血漿 ≥200μL，尿液 ≥500μL，腦脊髓液 / 膽汁等 ≥100μL；血清須無溶血，血漿須註明抗凝劑類型（EDTA / 肝素）；-80°C 保存，乾冰運輸，避免劇烈震盪
細菌 / 真菌培養物 ≥1mL（OD600 值 ≥1.0），離心收集菌體後液氮速凍 -80°C 保存，乾冰運輸；須提供微生物菌株名稱、培養條件
如細胞培養液、食品萃取物等，須提前溝通確認，確保樣本脂質含量滿足檢測需求，保存及運輸方式參照上述對應類型樣本要求
交付內容
脂質組學原始資料
提供質譜原始圖譜檔（如 .raw 格式）、脂質定性定量資料表（含脂質名稱、分子式、質荷比、峰面積、相對含量 / 絕對含量等資訊）；
差異脂質分析報告
涵蓋多元統計分析圖表（PCA 圖、OPLS-DA 圖、火山圖等）、差異脂質篩選結果（Fold Change、P 值、VIP 值）、差異脂質分類及豐度熱圖；
生物資訊學分析結果
包括差異脂質代謝路徑富集分析（如 KEGG 路徑分析）、脂質–疾病 / 生理過程關聯分析、潛在生物標誌物篩選建議；
常見問題
①優化層析分離條件：調整流動相梯度、柱溫或層析柱類型，提高脂質分子分離度，減少峰重疊；②優化質譜參數：調整離子源溫度、噴霧電壓、碰撞能量等，增強目標脂質離子響應強度，降低背景雜訊；③加強樣品前處理：增加固相萃取或凝膠過濾步驟，進一步去除雜質；④空白對照校正：設溶劑空白、萃取空白等對照樣本，扣除背景雜峰影響。
①統一實驗流程：嚴格依相同樣品採集、保存、前處理步驟操作，避免人為誤差；②加入內標物：於樣本萃取過程中加入已知濃度穩定同位素標記內標（如 ISTD），用於校正萃取效率與儀器漂移；③儀器品質管控：實驗前對質譜儀校準，實驗中每隔 10–15 個樣本插入品質管控樣本（QC）監控儀器穩定性；④資料正規化處理：採總峰面積正規化、內標正規化等方法，減少批次間差異對定量結果影響。
①擴展脂質資料庫：結合多個權威脂質資料庫（如 LIPID Maps、SwissLipids、HMDB）交叉檢索，確保脂質結構鑑定準確性；②調整差異篩選閾值：適當放寬 P 值或 VIP 值閾值，擴大差異脂質篩選範圍後再進行路徑富集分析；③結合其他組學資料：整合轉錄組、蛋白質組資料，分析差異脂質對應合成 / 代謝酶基因表達變化，建構「基因–蛋白–脂質」調控網絡；④查閱相關文獻：經關鍵詞檢索（如脂質名稱＋疾病 / 生理過程）挖掘差異脂質潛在功能及路徑關聯，必要時進行體外實驗驗證。
