近日，我组在非靶向代谢组学数据中关键代谢途径的富集和深度解析的研究方面取得新进展。以玉米花丝中与昆虫胁迫相关的关键代谢途径解析作为典型案例，利用非靶向代谢组全局注释结果，结合化学分类驱动的网络分析法（CCMN）对未知代谢物进行深度的结构或类别注释，并基于比较代谢组学对胁迫相关的关键代谢途径进行了探究。

代谢途径富集分析是代谢组学广泛使用的研究策略。目前，各种分析工具如MetaboAnalyst，Mummichog等，将已鉴定的代谢物与特定代谢途径联系起来，促进关键代谢途径的探索和解释。由于现有通路数据库中收录的代谢物有限，非靶向代谢组学数据中代谢物注释率不足，传统富集分析方法不可避免地产生假阳性和假阴性结果。

研究团队开发了一种揭示关键代谢途径的新方法，以玉米花丝中与昆虫胁迫相关的关键代谢途径解析为例，首先，基于HPLC-HRMS平台进行非靶向代谢组学分析，利用丰富的二级质谱数据对代谢特征进行全局注释和化学类别归属，通过构建CCMN对未知特征进行结构或类别推导，同时基于比较代谢组学分析筛选与胁迫相关的差异代谢物，通过预富集和基于CCMN的两步富集法，结合蕴含于非靶向代谢组学中丰富的结构/类别信息，揭示了玉米花丝中8个与昆虫胁迫相关的关键代谢途径，包括苯丙烷（C6-C3）、黄酮类、十八烷类、二萜类、木脂素等，优于传统MetaboAnalyst和Mummichog的富集结果。评估结果表明，CCMN整体类别注释准确率为95.7%。本研究通过有效挖掘非靶向代谢组学中隐藏的代谢物结构信息，大大提高了组学数据利用率，为关键途径的限定提供了新方法。

相关研究成果以“Leveraging Unidentified Metabolic Features for Key Pathway Discovery: Chemical Classification-driven Network Analysis in Untargeted Metabolomics”为题，发表在Analytical Chemistry上。该工作的第一作者是我组博士研究生张秀琼，通讯作者为路鑫研究员和许国旺研究员。上述工作得到国家重点研发计划、国家自然科学基金等项目的资助。

文章链接：https://pubs.acs.org/doi/10.1021/acs.analchem.3c04591（文/图 张秀琼）