生物体被脂类所包裹。脂肪、油类和蜡类覆盖在细胞与细胞器上，介导着大规模的信息流网络，在恶劣的环境中保护着脆弱的组织，并且为各种生物体储存着重要的能量。但遗憾的是，脂类的结构却并不依赖于支配DNA、RNA和蛋白质且有明确定义的基本成分和简单规律。例如，从细胞生物合成基因的DNA全序列中，人们可以准确地预测出可能从这些基因中表达出的RNA转录本和它们所编码的蛋白质序列。然而，这些蛋白质所合成的脂类却大多神秘莫测。
核酸和蛋白有着相对可预测的模式，而脂类世界却大都深不可测，这种差别多年来一直影响着生物化学界的发展进程。基因组测序技术和基因组学造就着转录组学和蛋白质组学的飞速发展。这些领域冲在了前面，在RNA和蛋白生物学中分别积累了百万兆字节的数据，与此同时，脂质生物化学家感觉自己被远远地甩在后面。
但是2003年见证了这一改变，一个主要的事件是美国国立卫生研究院（NIH）资助建立了脂质组学领域。在接下来的十年间，研究人员和设备制造商研发了多种新技术和工具来分析这些充满挑战的分子。
肥沃之地
“在2002年，没有一篇论文使用到‘脂质组学’这一名词。”美国加州大学圣地亚哥分校化学、生物化学与药理学教授 Edward Dennis博士说。这一年，Dennis提出一项申请创立了该领域，NIH的国立综合医学科学研究所（NIGMS）同意给予资助。由此产生了Dennis指导的一项为期10年，耗资7300万美元的“脂类代谢和通路策略计划（Lipid MAPS）”。
Dennis在全国各研究机构招募了其他五名研究者，每个人都是一种特定脂质的专家。这些科学家开始研发技术，从生物样品中分离和定量他们所分配的脂质类别，但是很快就遇到了一个大麻烦。“我们开始意识到在生物信息学时代，对脂类而言没有合适的分类法。”Dennis补充道，“你需要一种分类法对其进行区分……而且能够将我们试图得到的数十亿的信息碎片储存起来。”
为了解决这一需求，该团队发明了一种新的分类策略，将所有的脂质分成八个主要组别，其中六个是在哺乳动物中被发现的。他们也改进了脂质结构的命名法，并开发出一套描述它们的标准系统。Lipid MAPS的项目网站上现在已经拥有一个超过4万种结构的搜索数据库，所有的脂质都使用这个新的系统进行分类和描述，全世界的研究者也都开始采纳这一系统。“可以说，实际上如今世界上每个谈论脂质的人，都在使用这种结构表示法。”Dennis表示。
有了分类法，Lipid MAPS项目的研究人员开始聚焦脂质组学的研究步骤。所有的实验室起初都使用一样的仪器，基于AB Sciex公司的QTRAP 4000液相色谱/质谱分析联用系统（LC/MS），该系统在那时被认为代表最高水准。每个科学家都对分离某种特定类别脂质的分馏方法进行了优化，并且在进行质谱分析前加入了放射性标记的标准成分。分馏方法加上质谱分析的组合用于鉴定样品中的脂质，而内标用于对其进行精确的定量。结合所有六个实验室的数据可以得到一些样本的完整脂质组学信息，从而解答具体的生物问题。Lipid MAPS项目组也发现了一系列全新的脂质，尽管这并不是他们的最初目标。
在这个时代，基因组工具通过鼠标轻轻一点击就能获得，大部分主流高校也都具备专业的蛋白质组学核心实验室，然而配备六种设备的Lipid MAPS方法从规模和强度上来说，可能都不是非专业研究者所能触及的。可能就是这样。“从零开始建立确实造价十分高昂。”Dennis承认。尽管如此，有了Lipid MAPS项目的结论，很多个人参与者继续敞开大门。例如，Dennis的课题组就通过合作基金或者再申请的经费来为其他研究人员提供脂质组服务。
脂质组学的方法和技术在这项十年的研究中都得到了发展。Dennis的实验室目前使用一台AB Sciex公司的QTRAP 6500M（属于4000的升级版），配合来自马萨诸塞州米尔福德Waters公司的Acquity超高性能液相色谱（UPLC）系统。其他的Lipid MAPS项目组成员，以及该项目之外不断增加的其他脂质组研究人员，则依据他们的实验类型采用了另外的策略和工具。
此消彼长
“没有放之四海而皆准的方法。”位于堪萨斯州曼哈顿的堪萨斯州立大学脂质组学核心仪器平台主任Ruth Welti博士说。造成技术多样性的其中一个原因是脂质组学的研究人员分成两个阵营：高精度和高通量。高精度项目主要聚焦于获得特定脂质类型的水平的准确检测。与之相较，高分辨率项目则倾向于处理大量的样品来找到脂质水平的相对改变。“这有点像是一个基因表达分析，绝对量并不那么重要，而样品之间的比较才是关键。”Welti说。
Welti是高通量方法的拥趸。她和她的同事们并不会去提取样品并找到每个提取组分中具体某种脂质，他们会直接把粗制的样品放入Waters的三级四极质谱仪中。这让团队能在一次实验中分析成千上万的样品，这对于Welti的关于重要农业植物表型的大规模研究来说，是一个相当有用的功能。
除了可获得高通量外，直接注入还可以缓解液质偶联的其中一个缺陷。在质谱仪中，样品中的脂质会相互影响其离子化。通过将样品分离为不同的脂质组，液相系统利用不同的脉冲将特定分子的子集送入质谱检测仪中。“如果你用到液相系统，那么在某一时刻，被离子化的特定脂质的比率将可能影响到其他一起通过的脂质。”Welti说。通过将未分馏的样品整个送入机器，所有脂质的含量将在相互之间保持恒定的关联。
当然，直接注入也有其自身的缺陷，使用这种方法的研究者必须采取措施来解决它们。例如，大部分的高通量实验需要对来自所有被分析样品混合物的样品进行质量控制。混合样品中包含在任何实验样品中都可能出现的所有脂质。“总体而言质谱检测存在的一个很大的问题，是要对来自同一质谱仪的不同时间、不同设备、不同实验室的数据进行均一化，因此拥有你的样品中所有组分的参考标准确实非常有帮助，而且能够大大提高数据的精确性。”Welti说。
总体上来说，脂质组学，特别是直接注入法，也是一件不省心的工作。“如果你是通过直接注入法研究脂质，那么就不存在不需要进行大量清洗的仪器。”Welti说。
除了使用不同的方法，Welti和Dennis都认为他们需要专业的脂质组学研究仪器。技术复杂性和经常性的高额仪器维护成本，使得很多核心设备都避开脂质组学。结果是，Welti估计，她的课题组在过去十年间已经与大约400个实验室开展了合作。“这的确是一个巨大的需求，而且并没有这种仪器供人们使用。”她说。
除了像Welti这样的学术平台外，至少有一家公司——阿拉巴马州阿拉巴斯特的Avanti Polar Lipids公司在为科研群体提供脂质组学服务。Avanti公司也参与到Lipid MAPS计划当中，并且现在提供付费服务。
前路莫惧
更多的研究者开始发现脂质组学的潜力，然而，一些人开始自主研究，而非与专业的脂质设施合作。“如今，全球不只是Ed Dennises在从事脂质组研究了。”位于马萨诸塞州弗雷明汉的AB Sciex公司脂质组、代谢组和成像部高级全球市场经理 Fadi Abdi博士说。他接着说，“现在的市场已经开始由蛋白质组转向了脂质组和代谢组的方向。”
的确，所有的主流质谱制造商现在都提供专用于脂质组学的产品。在AB Sciex公司，这意味着要提供不同的质谱系统来同时满足高通量和高分辨率的需求。对于高通量实验调查而言，该公司出售三级飞行时间质谱仪，能够非常快速地提供质谱信息。“这让我们能够在脂质领域做出发现类的工作。同时，我们也有另一套产品，即QTRAP平台，能够满足更多靶向类的工作。”Abdi说。
仅仅在数公里远外的马萨诸塞州沃尔萨姆，赛默飞世尔科技公司如今基于该公司的Orbitrap质谱技术，可以提供多种脂质组系统。同时，该州比尔利卡的Bruker公司为脂质组市场提供一种质谱仪、薄层色谱仪和核磁共振仪（NMR）的独特组合。
市场技术的多样化反映了脂质组学面临的不同寻常的挑战。不同于蛋白质和核酸，细胞中的脂类经常具有不同的同分异构形式，有着相同的组分和分子量但结构却不同。即使是最完美的精确质谱检测也不能够区分这种同分异构体，因此高精度的脂质组研究常常不得不依赖额外的分析技术。在进入质谱仪前通过采用UPLC分离样品，或者在事后使用核磁共振等分析方法，可能会帮助填补数据的鸿沟。
除了需要了解许多仪器配置的优势和缺陷外，考虑从事脂质组学的研究人员还应要求公司提供培训和用户友好性。大多数公司都愿意指导新手。“即使你不是脂类分析方面的专家，脂类的片段化以及你进行测定和检测的方式都是很明确的。”AB Sciex公司代谢组学与脂质组应用部门研究员Baljit Ubhi博士补充道，“我们有预定义的方法（和）应用工程师，他们作为该领域的专家能帮助用户快速上手。”
质谱仪也不可避免地要用到软件。除了运行仪器的应用外，多数制造商的数据分析软件包也具备了不同程度的复杂程度和灵活性。针对蛋白质组或者代谢组学的优化软件可能对脂质组完全无效，因此要想得到一套完整的系统，科学家应该寻求脂质组特异性的数据处理选择。先进的系统要么包含他们自带的脂类数据库，要么嵌入到Lipid MAPS项目的数据库中，鉴定样品中的具体脂质物。
脂类App
许多脂质组学研究者使用质谱自带的软件只进行初始的数据收集，他们更愿意将数据导入到其他程序进行分析。对于一些实验人员，这意味着将数据导入一种常用的电子表格程序，例如微软的Excel软件。而专业的脂质组专家则选择开发他们自己的软件。
位于丹麦欧登塞的南丹麦大学生物化学与分子生物学系副教授Christer Ejsing博士就是其中之一，他选择自己写数据分析程序。“如果你在自己的仪器上有成百上千次的注射，想要规整这些数据，你是不会用Excel去做的。”Ejsing说。
因此，Ejsing和他的同事开发了脂质实验分析（ALEX）软件包，专为Ejsing实验室开展的高精度类实验所设计。Ejsing首先使用一段小脚本将数据从他的质谱仪软件中导入到一种数据库格式，随后使用Tableau（一种最初为银行系统开发的数据可视化语言）创建图表。与学术研究者的很多软件一样，ALEX也是开源的，免费向其他科学家提供下载、使用和修改。
对于那些从事高通量脂质组学的人来说，Welti的软件项目LipidomeDB可能更实用。LipidomeDB是基于网页开发的系统，以同一格式将质谱数据的微软Excel文件作为输入和导出数据。这一免费获取的系统在Welti的合作者中甚是流行。“许多人都在使用，如果我们为这些人跑样品，（他们）可以选择自己处理或者让我们帮他们处理数据。”她说。
其他一些脂质组学实验室也研发出他们自己的分析软件。每个程序都为开发它的实验室进行了优化，但是大部分也都对其他研究者免费开放。至少一家公司——位于加州帕罗奥图的Premier Biosoft公司也发布了一款商业化单机版脂质组数据分析应用。
数据分析工具的选择繁多也令人喜忧参半。虽然研究者很可能会找到一种能够满足他们自身需求的现成的软件，但整个体系并没有真正标准化，以确保数据处理的一致性。因此，从事脂质组研究的科学家经常喜欢把他们的质谱原始数据导给第三方，例如欧洲分子生物学实验室的MetaboLights数据库或者爱荷华州立大学的植物/真核和微生物系统资源。这可以让其他科学家使用他们自身的软件对数据进行重新分析，从而实现跨系统的比较。
分析脂类可能永远都没有研究核酸或蛋白那么容易，但是脂质组学显然已经具备强劲的增长势头。近期对PubMed数据库的搜索表明，近1000篇的文章都使用了这一术语，这对于一个12年前尚不存在的领域来说已经很不错了。■
（译者之一高大海系中国科学院海洋研究所助理研究员）
Alan Dove 是马萨诸塞州的科学作家及编辑。
DOI: 10.1126/science.opms.p1500091
鸣谢：“原文由美国科学促进会（www.aaas.org）发布在2015 年2 月13 日《科学》杂志”。官方英文版请见http://www.sciencemag.org/site/products/lst_20150213.xhtml。