一、靶向代谢组学概述
目前代谢组学的分析策略主要有两种，非靶向代谢组学与靶向代谢组学。这两种方法各有优缺点。非靶向代谢组学检测所有可测量的代谢物，包括未知的化合物。因为非靶向代谢组学数据的综合性，数据处理需要进行统计分析，例如，多变量分析从而能够从广泛大量的数据中提取出有用的差异数据。这些差异信号需要在实验或者数据库中注释，并且使用分析化学技术进行鉴定。非靶向代谢组学提供发现新的靶点的机会，代谢组覆盖率仅为样品制备方法和分析技术固有灵敏度的限制。非靶代谢组学主要的挑战为原始数据采集需要大量的时间，未知代谢物的识别与表征困难，分析的代谢物的种类依赖于分析平台的分析覆盖率以及分析的代谢物多为高丰度化合物，低丰度代谢物容易被忽略。

相比之下，靶向代谢组学只测定具有特定化学结构或者有生化标记的已知代谢物。通过使用标准品，可以定量或者半定量分子代谢物。这种方法利用了对大量的代谢酶、它们的动力学、最终产物和已知的生化途径的全面了解。在利用靶向代谢组学时，可以优化样品制备，减少高丰度代谢物在分析中的优势。在分析预定的多种已知代谢物时，特定的生理状态下，代谢产物中异常的关联有可能被发现。

1-2 靶向代谢组学实验液相色谱三重串联四极杆质谱多重反应监测的工作流程

Fig. 1-2 Workflow for a Liquid Chromatography Triple Quadrupole Mass Spectrometry Mμltiple Reaction Monitoring targeted metabolomics experiment

而靶向代谢组学直接对代谢产物进行定量分析，省去了代谢产物验证的步骤，极大地缩短了数据后处理的时间，提高了效率，靶向代谢组学数据无需非靶向组学数据费时的数据库搜索和化合物鉴定。得出的数据，可以直接用于统计分析、代谢通路分析等。图 1-3 为常见的基于血清样本的 LC-MS 组学分析流程
 

图 1-3 基于血浆的LC-MS组学分析流程
Fig. 1-3 Plasma-matrix LC-MS Metabolomic Analysis Flow
 

代谢组学样本前处理对于组学的分析结果有关键的影响。对于非靶代谢组学，要求样本预处理必须覆盖尽可能全的代谢物，要具有无偏性和普适性。而靶向代谢组则要求前处理方法要对于分析的代谢物有尽可能高的提取效率和选择性。因此在代谢组学研究中必须选择恰当的样本预处理方法以便真实准确的反应实验样本中的代谢组信息。对于液体样本，血浆、尿液等，目前常用的前处理主要有蛋白沉淀、液液萃取、固相萃取三种方式，该方法可用于不同模型的组学实验，如代谢综合征，肥胖症、糖尿病或心血管疾病等。为了保证组学数据的可靠，分析过程过程中需要穿插质控（QC）样本，一般非靶代谢组学的QC样本有所有实验样本取一点混合而成。靶代谢组学的QC样本常常通过添加已知的标准物充当。

原始数据的采集需要分析平台的准确稳定。采集的原始数据使用与分析平台相对应的数据处理软件提峰，进行数据预处理得到数据集。数据集进行后续的数据处理与统计学分析。数据处理首先检查质控样本。因为穿插的 QC 样本为相同样本。所以得出的结果需要具有一致性。如果 QC 样本数据偏差过大，表明在检测过程中系统稳定性与准确性出现了问题。没有问题的数据可以进行后续的一系列操作，比如确实值评价、去除噪音信号、去除干扰信号等操作，以备统计学分析。