代谢组学技术在糖尿病和糖尿病肾病研究中的应用

５８·　医学继续教育·　代谢组学技术在糖尿病和糖尿病肾病研究中的应用　葛永纯摘要综述刘志红审校　２型糖尿病和糖尿病－肾病在我国的发病率逐年升高，已经成为影响国人健康的重要疾病之一。代谢　组学是系统生物学的重要组成部分，能够实时反映生物机体内已经发生的化学反应过程。代谢组学已逐渐成为糖　尿病及其并发症研究的强有力的工具之一，被用于寻找２型糖尿病及糖尿病肾病早期诊断、风险预测、疗效及预后　判断的生物标志物。本文将就代谢组学技术及其在糖尿病和糖尿病肾病研究中的应用作一综述。　关键词代谢组学糖尿病糖尿病肾病生物标志物　Ｍｅｔａｂｏｎｏｍｉｃｓ　ｓｔｕｄｉｅｓ　ｉｎ　ｄｉａｂｅｔｅｓ　ｍｅｌｌｉｔｕｓ　ａｎｄ　ｄｉａｂｅｔｉｃ　ｎｅｐｈｒｏｐａｔｈｙ　ＧＥ　Ｙｏｎｇｃｈｕｎ，ＬＩＵ　Ｚｈｉｈｏｎｇ　Ｎａｔｉｏｎａｌ　Ｃｌｉｎｉｃａｌ　Ｒｅｓｅａｒｃｈ　Ｃｅｎｔｅｒ　ｏｆ　ｄｎ　Ｄｉｓｅａｓｅｓ，ｆｉｎｌｉｎｇ　Ｈｏｓｐｉｔａｌ，Ｎａｎｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　Ｓｃｈｏｏｌ　ｏｆ　Ｍｅｄｉｃｉｎｅ，Ｎａｎｉｆｎｇ　２１００１６，Ｃｈｉｎａ　ＡＢＳＴＲＡＣＴ　Ｔｈｅ　ｐｒｅｖａｌｅｎｃｅ　ｏｆ　ｄｉａｂｅｔｅｓ　ｍｅｌｌｉｔｕｓ　ａｎｄ　ｄｉａｂｅｔｉｃ　ｎｅｐｈｒｏｐａｔｈｙ　ｗａｓ　ｉｎｃｒｅａｓｉｎｇ　ｉｎ　Ｃｈｉｎａ，ｗｈｉｃｈ　ｈａｓ　ｂｅｃｏｍｅ　ａｎ　ｉｍｐｏｒｔａｎｔ　ｔｈｒｅａｔｅｎ　ｔｏ　ｔｈｅ　ｈｅａｌｔｈ　ｏｆ　ｔｈｅ　ｐｏｐｕｌａｔｉｏｎ．Ｍｅｔａｂｏｎｏｍｉｃｓ　ｉｓ　ａ　ｐａｒｔ　ｏｆ　ｓｙｓｔｅｍｓ　ｂｉｏｌｏｇｙ，ａｎｄ　ｉｓ　ｔｈｅ　ｎｏｎｔａｒｇｅｔｅｄ　ｍｅａｓｕｒｅｍｅｎｔ　ｏｆ　ａｌｌ　ｌｏｗ—ｍｏｌｅｃｕｌａｒ－ｗｅｉｇｈｔ　ｃｏｍｐｏｕｎｄｓ，ｔｈａｔ　ａｐｐｅａｒ　ｉｎ　ａ　ｐａｒｔｉｃｕｌｒ　ｓｏｌｉａｄ　ｔｉｓｓｕｅ　ｏｒ　ｂｉｏｆｌｕｉｄ　ｉｎ　ａ　ｌｉｖｉｎｇ　ｏｒｇａｎｉｓｍ．Ｍｅｔａｂｏｎｏｍｉｃｓ　ｈａｓ　ｂｅｃｏｍｅ　ｏｎｅ　ｏｆ　ｔｈｅ　ｍｏｓｔ　ｐｏｗｅｒｆｕｌ　ｔｏｏｌｓ　ｆｏｒ　ｔｈｅ　ｓｔｕｄｙ　ｏｆ　ｄｉａｂｅｔｅｓ　ａｎｄ　ｉｔｓ　ｃｏｍｐｌｉｃａｔｉｏｎｓ，ａｎｄ　ｉｔ　ｗａｓ　ｕｓｅｄ　ｔｏ　ｆｉｎｄ　ｔｈｅ　ｂｉｏｍａｒｋｅｒｓ　ｏｆ　ｒｉｓｋ　ｐｒｅｄｉｃｔｉｏｎ，ｅａｒｌｙ　ｄｉａｇｎｏｓｉｓ，ｔｈｅｒａｐｅｕｔｉｃ　ｅｆｆｅｃｔ　ａｎｄ　ｐｒｏｇｎｏｓｉｓ　ｉｎ　ｄｉｂｅｔｅｓａ　ｍｅｌｌｉｔｕｓ　ａｎｄ　ｄｉｂｅｔｉｃ　ｎｅｐｈｒｏｐａｔｈｙ．Ｉｎ　ｔａｈｉｓ　ａｒｔｉｃｌｅ，ｗｅ　ｒｅｖｉｅｗｅｄ　ｔｈｅ　ｍｅｔａｂｏｎｏｍｉｃｓ　ｓｔｕｄｉｅｓ　ｉｎ　ｔｈｅｓｅ　ｆｉｅｌｄｓ．　Ｋｅｙ　ｗｏｒｄｓ　ｍｅｔａｂｏｎｏｍｉｃｓ　ｄｉｂｅｔａｅｓ　ｍｅｌｌｉｔｕｓ　ｄｉｂｅｔｉａｃ　ｎｅｐｈｒｏｐａｔｈｙ　ｂｉｏｍａｒｋｅｒ　随着“后基因组”时代的到来，系统生物学研究　已成为发现用于疾病诊断、判断预后、指导药物研发　和疗效分析的重要方法＿１　Ｊ。近年来，高通量检测技　术的进步，使得与临床医学相关的“组学”研究领域　迅速发展。如果能够谨慎运用“组学”手段，全面认　反映生物机体内已经发生的化学反应过程。　代谢组学检测能够在生物体液（如血液、尿液　等）中轻易进行，因此在发现疾病相关生物标志物　方面具有巨大潜能　一　。近年来，我国人群２型糖　尿病及糖尿病肾病（ＤＮ）的患病率持续增长，已经　成为严重威胁人口健康的流行性疾病　’　。而２型　糖尿病的本质在于胰岛素抵抗及随之发生的各种营　养物质代谢紊乱，代谢组学无疑可以成为糖尿病及　其并发症研究的强有力的工具之一　。因此，本文　识并克服其固有缺陷，将有可能从根本上改变我们　对疾病的诊断和治疗。　１９９９年，Ｎｉｃｈｏｌｓｏｎ等　提出代谢组学的概念，　是“组学”领域最新的进展之一，它是一种通过高通　量检测技术，定性或定量分析组织或生物体液中全　部代谢产物的方法。与基因组学、转录组学和蛋白　质组学相比，代谢组学具有一定优势，作为基因和蛋　白表达的下游代谢产物变化更易被检测，且代谢产　物的种类和数量远小于基因和蛋白，所需要分析的　数据量相对较少。此外，代谢产物的变化可真实地　将就代谢组学技术及其在糖尿病和ＤＮ研究中的应　用进行综述。　代谢组学定义　所谓代谢组学，从广义上讲就是用定性和定量　的高通量检测方法，非靶向性、全面、动态分析生物　系统中所有的代谢产物（包括内源性和外源性），反　映复杂生物个体在生理和病理生理状态下，机体发　生的代谢反应变化情况＿８　Ｊ。代谢组学这一名词在　［作者单位］南京军区南京总医院国家肾脏疾病临床医学研究中心　全军肾脏病研究所（南京，２１００１６）　竖壁病与透析肾移植杂志第２３卷第ｉ期２０１４年０２月　５９·　后基因组时代逐渐出现。转录组学和基因组学描绘　生物体新陈代谢的“蓝图”，蛋白质组学反映新陈代　谢发生的具体方式，而代谢组学则实时反映生物体　分析工具是核磁共振（ＮＭＲ）色谱技术和质谱分析　（ＭＳ）技术。后者通常需要采用液相色谱（Ｌｃ）或气　相色谱（ＧＣ）方法对生物标本内待分析化合物先行　正在发生的新陈代谢反应（表１）。　表１各种“组学”的特点概括　基因组学　研究基因组的全部基因（～２５　０００），寻找疾病遗　传易感性　转录组学　研究全部转录子（一８５　ｏｏｏ）的表达模式，反映可　能发生的事件　蛋白质组学　研究全部蛋白质分子（＞１千万），发现导致“事　件”发生的蛋白质分子　代谢组学　研究全部代谢产物（＞８　５００），提供生物体正在发　生的新陈代谢反应的信息，反映基因组、转录组　和蛋白质组的下游变化　生物体的新陈代谢包括一系列维持生命的复杂　化学反应，涉及食物和营养物质（包括糖、氨基酸、　有机酸、核苷酸和脂类）转换为能量、信号及分解清　除有毒物质等。这些化学反应通过高度保守的跨物　种和细胞类型的酶来实现，代谢产物的动态变化可　以反映潜在的疾病状态。因此，狭义“代谢组”反映　生物细胞、组织、器官或生物体内全部的小分子（＜１　ｋＤ）代谢产物，是特定环境条件下细胞内酶促反应　的终末产物。这一过程受到宿主基因的严格调控　（初级代谢组），也可能受与宿主共生的微生物群的　影响（次级代谢组）。　在过去十年中，代谢组学作为系统生物学的重　要组成部分，其在医学领域研究中的应用越来越广　泛，已经成为研究疾病状态下机体代谢产物改变的　有效方法。代谢组学研究的快速发展很大程度上依　赖分析化学技术的进步，使之能及时精确地描绘代　谢产物矩阵；也依赖于数据分析技术的长足进步，运　用计算和生物信息学工具整合代谢组学研究所产生　的海量数据。　人类代谢组工程（ＨＭＰ）的建立，是为了鉴别、　定量分析和存储已经从人体组织或体液中发现的浓　度＞１／ｘｍｏｌ／Ｌ的代谢产物，迄今为止，人类代谢组学　数据库已鉴定出＞８　５００个代谢产物¨ｏ１”ｊ。因为代　谢组学研究并未受限于已知的病理生理通路或单一　生物标志物检测，所以，它已经成为发现疾病生物标　志物最有价值的方法之一＿ｌ　。　代谢组学研究方法　在生物医学研究领域，应用最广泛的代谢组学　分离，即液相色谱一质谱（ＬＣ—ＭＳ）和气相色谱．质谱　（ＧＣ　ＭＳ）。　ＮＭＲ色谱技术依靠原子核的磁性自旋（顺磁）　确定分子化学结构。最常用于分析的顺磁元素为　Ｈ１、Ｃ１３和Ｐ３１。ＮＭＲ的优点在于样品前期处理不　需要分离技术，不破坏化合物的结构，能够提供代谢　产物的确切分子结构信息。尽管如此，ＮＭＲ受检测　化学移位的磁场强度限制，灵敏度、分辨率不高，常　常导致高丰度的化合物掩盖低丰度化合物。尽管延　长数据采集时间能够增强敏感性，实际应用中为了　快速分析，ＮＭＲ所检测的浓度为１００　ｎｍｏｌ／Ｌ一　１　Ｉｘｍｏｌ／Ｌ，甚至更高¨　。　与此不同，ＭＳ技术使用质荷比（ｒｎ／ｚ）区分不同　的代谢产物　。与化合物分离方法联合使用，该技　术能够高敏感性地分析庞大的代谢产物矩阵。具有　代表性的化合物分离方法主要包括ＧＣ和Ｌｃ，前者　适用于挥发性、非极性代谢产物的分离，后者适用于　溶液中非挥发性代谢产物的分离。除此以外，质谱　色谱联用技术还包括毛细管电泳一质谱（ＣＥ—ＭＳ）、高　效液相色谱　质谱（ＨＰＬＣ．ＭＳ）、超高液相色谱一质谱　（ＵＰＬＣ．ＭＳ）等。ＭＳ技术适用于定量分析不同的代　谢产物，主要基于这些化合物的疏水性和分子量，并　且可根据质谱分析的类型选择不同的离子化方法。　ＭＳ技术与ＮＭＲ色谱技术相比，具有更强的敏感　性，能够定量分析大量代谢产物。因此，ＬＣ－ＭＳ和　ＧＣ．ＭＳ能够用于分析含量非常低（ｐｍｏｌ／Ｌ范围）的　代谢产物。　代谢组学研究数据分析　对于代谢组学研究所产生的庞大数据，如何处　理分析尤为重要。本文以发现疾病诊断生物标志物　为例，简述数据分析过程及方法　。（１）数据预处　理：在数据分析之前，适当的数据预处理将有助于调　整测量强度和组间比较。标准化可消除实验因素对　数据的影响，是数据处理的第一步。（２）单变量分　析：鉴别组间差异表达的每个化合物，适用于多重假　说的验证，常用分析方法包括ＡＮＯＶＡ、ｔｔｅｓｔ，Ｌｏｇｉｓｔｉｃ　回归等。（３）多变量数据分析：多采用模式识别分　析，分析数据的模式或聚类现象，常用的分析方法包　６Ｏ·　Ｊ　Ｎｅｐｌａｒｏ｜Ｄｉａｌｙ　Ｔｒａｎｓｐｌａｎｔ　．垫　：！　：垫　括主成分分析（ＰＣＡ）、聚类分析、线性判别式分析　（ＬＤＡ）、偏最小二乘法判别式分析（ＰＬＳ—ＤＡ）等，其　中ＰＣＡ是一种非监督方法，反应数据的原始情况，　可有效发现并剔除异常样本，当组间差异较小而组　代谢组学技术在糖尿病研究领域中的应用　随着代谢组学技术应用的发展成熟，该技术已　经能够运用到各种疾病的研究中，包括糖尿病、肥胖　和代谢综合征等。　２型糖尿病以肝糖原输出异常、胰岛素抵抗和　胰岛素产生受损为特点。目前，２型糖尿病是一种　内差异较大时则难以得出正确结论。而ＰＬＳ—ＤＡ为　可监督方法，人为加入分组变量，可弥补ＰＣＡ分析　法的不足，强化组间差异。（４）数据验证：从统计学　的角度鉴别代谢产物作为潜在生物标志物的可重复　性，并在一个完全独立的样本中进行验证，常用方法　复杂因素所致的疾病　，与肥胖、心血管疾病等其　他多因素疾病密切相关。因此，寻找与代谢紊乱和　为交叉．验证（Ｃｒｏｓｓ—Ｖａｌｉｄａｔｉｏｎ）。　代谢组学分析方法　经典的代谢组学试验流程包括准备样本、利用　ＨＰＬＣ．ＭＳ、ＮＭＲ或ＧＣ．ＭＳ分析生物体液或组织中　的代谢产物、数据处理和鉴别组间有差异性的主要　代谢产物。　代谢组学分析方法主要包括非靶向分析和靶向　分析¨引。非靶向性分析指对所有代谢产物的原始　数据进行整体分析，了解疾病相关代谢产物的分布　模式，但不能分析具体化合物。该分析方法有助于　发现疾病尚未被认识的新机制或提出新观点，开启　诊断新思路。尽管如此，其在可重复性方面具有潜　在缺点，因为代谢产物谱可能受到特定条件的影响，　对分析结果带来干扰（依赖于标本的处理条件、待　分析化合物的稳定性和可重复性等）。获取的数据　有可能仅为“噪音”，而非真正的“信号”，不利于理　解疾病的确切机制。此外，模式识别适用于疾病状　态或疾病过程的认识，但可能忽视疾病的确切病因。　与此不同，靶向分析是一种目的性更强的分析　方法，对预先设定的代谢产物数据进行分析，常被用　于验证已经被发现的潜在生物标志物。如果已经发　现某一代谢产物，并能够测定，此方法有助于了解疾　病的确切发病机制，并且更具可重复性Ｌｌ　。　除定量分析，代谢组学研究中产生的大量检测　数据面临的主要挑战是建立可靠数据库的能力，这　个数据库应该能够与疾病的表型相关联，并对组问　数据分析采用合适的方法，以鉴别潜在的生物标志　物。由于这些化合物中大部分并不是某一疾病过程　所特有，这需要生物信息学专业的支持，并需要具有　分析鉴别能力以发现已知（或未知）的代谢通路，并　进一步阐明其与疾病的关联。　糖尿病相关的敏感而特异的早期诊断标志物，对于　确诊糖尿病的类型、选择治疗方案和疗效评价至关　重要。患者血清和尿液代谢产物谱的早期改变能够　作为生物标志物的潜在来源。利用传统检测方法，　为了认识与糖代谢异常有关的病理生理学反应，需　要利用靶向性检测方法检测单个代谢产物或几类小　分子化合物，多种代谢产物和多条通路间的相互作　用容易被忽视。因此，以整合的视角评估复杂疾病，　对了解病因和改进疾病诊断非常重要。高通量代谢　组学技术能够同时检测大量小分子代谢产物，将有　助于发现和验证疾病相关的生物标志物。　代谢组学研究目的是检测、分析、鉴别尽可能多　的代谢产物，以确定疾病相关的候选生物标志物。　更为重要的是，这些被鉴定的代谢产物应该能够在　疾病进展早期被检测到。上述三种技术（ＮＭＲ、　ＧＣ－ＭＳ、ＬＣ—ＭＳ）已经被用于该研究领域，已有研究　通过观察２型糖尿病患者和动物模型，发现并验证　疾病早期诊断和评价药物治疗作用的候选生物标　志物　。　Ｓａｌｅｋ等　利用ＮＭＲ和多变量数据分析非靶　向性的检测糖尿病模型小鼠、模型大鼠和患者的尿　液代谢产物谱变化，发现三个物种尿液中代谢产物　谱相似。除了能量代谢的改变外，核苷酸代谢变化　明显，烟酸甲酯含量降低，Ｎ一甲基烟酰胺（ＮＭＮ）和　Ｎ一甲基一２羟基吡啶一５一咪唑羧酰胺（２ＰＹ）含量增加。　ＮＭＮ和２ＰＹ有可能成为判断２型糖尿病进展的新　型生物标志物。Ｍａｈｅｒ等　采用ＮＭＲ谱技术研究　发现糖尿病患者血糖和血清丙酮酸较对照组升高，　肌酐和醋酸盐下降。Ｚｈａｎｇ等　通过ＮＭＲ在１型　糖尿病动物模型尿液中鉴定了１７种代谢产物，其中　葡萄糖、丙氨酸、乳酸、醋酸盐和延胡索酸明显升高，　提示糖代谢和三羧酸循环紊乱。也有研究利用　ＮＭＲ谱的改变预测高脂饮食小鼠的饮食诱导胰岛　肾脏病与透析肾移植杂志第２３卷第１期２０１４年Ｏ２月　素抵抗　。与对照组相比，高脂饮食组小鼠血清中　赖氨酸、甘氨酸、柠檬酸、亮氨酸辛二酸和醋酸的表　达存在差异，但该研究尚未确定胰岛素抵抗的严重　程度与代谢产物谱变化的关系。　近年来，ＧＣ—ＭＳ和ＬＣ—ＭＳ在糖尿病研究领域的　应用越来越广泛。有研究利用ＧＣ．ＭＳ代谢组学方　法分析糖尿病患者血浆中代谢产物谱与健康对照组　的差异发现，葡萄糖、２．羟基异丁酸、亚油酸、棕榈酸　和磷酸盐五种代谢产物表达存在统计学差异，提示　可能作为潜在的生物标志物　Ｊ。　Ｗａｎｇ等　利用ＬＣ．ＭＳ代谢组方法评价进展　至糖尿病的风险，寻找预测疾病的生物标志物。该　研究观察了２　４２２例血糖正常的受试者，随访１２　年，其中２０１例进展至糖尿病。对基线标本进行代　谢组学分析，检测氨基酸、胺类和其他极性代谢产　物。异亮氨酸、亮氨酸、缬氨酸、酪氨酸和苯丙氨酸　五种支链氨基酸和芳香族氨基酸与糖尿病的发生具　有非常显著的相关性。三种氨基酸（异亮氨酸、酪　氨酸和苯丙氨酸）的组合能够预测未来发生糖尿病　的风险（四分位高值人群的发病风险是低值人群的　５倍以上）。实验结果经过独立的、前瞻性队列研究　进行验证。这些研究强调了氨基酸代谢在糖尿病发　病早期的重要作用，并且提示氨基酸代谢谱能够评　价糖尿病的发生风险。　Ｙｊ等　采用ＧＣ．ＭＳ靶向性分析患者血浆饱和　脂肪酸（ＥＦＡｓ）和不饱和脂肪酸（ＮＥＦＡｓ），ＨＰＬＣ—ＭＳ　分析患者血清磷脂，ＧＣ—ＭＳ分析患者尿液中的有机　酸，２型糖尿病和健康对照组相比，血清中ＮＥＦＡｓ　和ＥＦＡｓ的性质几乎一致，但浓度不同。患者体内　总ＮＥＦＡ升高，并且１６：０、１８：ｉｎ－９和１８：２ｎ一６可能作　为区分２型糖尿病和健康人群的候选标志物。血浆　中某些磷脂能够作为区分糖尿病患者与健康对照的　潜在生物标志物。这些磷脂包括两种磷脂酰乙醇胺　（１６：０／２２：６和１８：０／２０：４）和两种溶血磷脂酰胆碱　（１６：０和１８：０）　。尿液中马来酸、氧基乙酸、４－氨　基苯甲酸和２，５．二氧苯乙酸被确定为２型糖尿病的　潜在生物标志物　。　代谢组学技术在ＤＮ研究领域中的应用　关于ＤＮ的发病机制目前知之甚少，除高血糖　外，诸多遗传因素和环境因素参与ＤＮ的发生与发　展。部分ＤＮ患者短期内进展至终末期肾病　６１·　（ＥＳＲＤ），而部分患者病程较为隐匿，因此，ＤＮ被认　为是一种异质性疾病。目前尚缺乏能够预测ＤＮ疾　病进展的生物标志物。正因ＤＮ发病机制的复杂　性，使代谢组学研究成为发现疾病进展新机制，并筛　选和鉴定潜在生物标志物的理想手段。Ｚｈａｎｇ　等　利用ＬＣ．ＴＯＦ—ＭＳ技术观察了经过罗格列酮治　疗１０周的ＳＴＺ糖尿病模型大鼠和ＤＢＡ／２Ｊ大鼠的　尿液。与对照组相比，糖尿病模型大鼠尿液中共有　５６个化合物出现大于２倍上调或下调，其中３２个　化合物被有效鉴定，９个化合物经罗格列酮治疗后　恢复至基线水平。这些化合物可能是ＤＮ诊断、判　断疗效和ＤＮ表型恢复的潜在生物标志物。利用　ＭＥＴＬＩＮ数据库和ＨＭＤＢ数据库对上述化合物进行　鉴别，发现其中包括辅酶Ｑ和吲哚酚硫酸酯。这些　分子可能参与引起ＤＮ的代谢通路，也可能在罗格　列酮的保护效应中发挥作用。　近期Ａｋｉｙｏｓｈｉ等　利用毛细管电泳．飞行时间．　质谱（ＣＥ．ＴＯＦ—ＭＳ）检测方法，在７８例糖尿病患者　中寻找ＤＮ诊断的高敏感性和特异性的血清标志　物。经ＰＬＳ—ＤＡ分析，从２８９个化合物中，在微量白　蛋白尿的ＤＮ患者和糖尿病无白蛋白尿的患者中，　鉴别出１９个差异表达的代谢产物，其中包括肌酐、　天门冬氨酸、　一丁酰甜菜碱、瓜氨酸、对称二甲基精　氨酸、犬尿氨酸、壬二酸、半乳糖二酸。上述化合物　与尿白蛋白／肌酐具有明显相关性（Ｐ＜０．００９）。选　取其中５个化合物（包括　一丁酰甜菜碱、对称二甲　基精氨酸、壬二酸和两种未知化合物）进行多元回　归分析，整体数据中对于诊断ＤＮ的ＡＵＣ值为　０．９２７，在交叉验证分析中为０．８８０。　由于血清脂肪酸直接影响糖尿病的发生与发　展，也有学者利用代谢组学技术靶向分析ＤＮ患者　血浆脂肪酸的代谢特点。Ｈａｎ等　。。利用ＧＣ－ＭＳ方　法，定量检测血浆饱和脂肪酸和不饱和脂肪酸的浓　度。结果显示，血浆ＥＦＡ和ＮＥＦＡ的浓度随着不同　ＤＮ分期而波动，这一发现提示在ＤＮ病程进展过程　中，机体动态调整脂肪酸的代谢平衡，最终失衡，进　展至ＥＳＲＤ。　近年来，在糖尿病代谢组学研究方面，我们利用　ＧＣ．ＴＯＦ．ＭＳ平台，观察了不同周龄ｄｂ／ｄｂ小鼠与　ｄｂ／ｍ小鼠的血清和尿液代谢产物的变化特点发现，　与ｄｂ／ｍ组相比，ｄｂ／ｄｂ小鼠在６—８周的时间内，机　体功能出现明显紊乱，糖酵解受阻导致ＴＣＡ中间产　６２·　物含量降低；支链氨基酸水平在１Ｏ周明显提高，　ｄｂ／ｄｂｄ￣鼠赖氨酸水平在６周时显著升高，８周后出　现显著下降，并持续维持在低水平，赖氨酸有可能作　为ＤＮ早期诊断的潜在标志物　。与此同时，王旭　方等　利用ＧＣ—ＴＯＦ—ＭＳ和ＬＣ．ＴＯＦ—ＭＳ方法，观察　了ＤＮ患者血清和尿液代谢组学特点及临床意义发　现，不同组别ＤＮ患者血清和尿液代谢产物水平呈　现完全不同的分布，由此发现了早期诊断的候选生　物标志物，包括血清棕榈酸、尿磷脂酰胆碱和十八烷　二酸；ＤＮ进展的生物标志物有血清左旋肉碱、鞘磷　脂、磷脂酰胆碱、二酰基甘油、尿嘧啶二磷酸和溶血　磷脂酰胆碱，上述生物标志物还需要进一步通过独　立样本验证　前景展望　随着系统生物学的快速发展，整合系统生物学　将成为该领域的发展趋势　。，。　。将代谢组学与转　录组学、基因组学及蛋白质组学进行整合，将更利于　揭示糖尿病及ＤＮ的发病机制，并从中获得更加准　确的早期诊断、风险评估和判断预后的生物标志物。　参　考　文　献　１刘志红，黎磊石．系统生物学一推动肾脏病临床研究的新动力．　肾脏病与透析肾移植杂志，２００５，１４（１）：１．３．　２　Ｎｉｃｈｏｌｓｏｎ　ＪＫ，Ｌｉｎｄｏｎ　ＪＣ，Ｈｏｌｍｅｓ　Ｅ．　Ｍｅｔａｂｏｎｏｍｉｃｓ’：ｕｎｄｅ￣ｔａｎｄｉｎｇ　ｔｈｅ　ｍｅｔａｂｏｌｉｃ　ｒｅｓｐｏｎｓｅｓ　ｏｆ　ｌｉｖｉｎｇ　ｓｙｓｔｅｍｓ　ｔｏ　ｐａｔｈｏｐｈｙｓｉ０ｌ０ｇｉｃａｌ　ｓｔｉｍｕｌｉ　ｖｉａ　ｍｕｌｔｉｖａｒｉａｔｅ　ｓｔａｔｉｓｔｉｃａｌ　ａｎａｌｙｓｉｓ　ｏｆ　ｂｉｏｌｏｇｉｃａｌ　ＮＭＲ　ｓｐｅｃｔｒｏｓｃｏｐｉｃ　ｄａｔａ．Ｘｅｎｏｂｉｏｔｉｃａ，１９９９，２９（１　１）：１　１８１·１１８９．　３　Ｇｅｒｍａｎ　ＪＢ，Ｈａｍｍｏｃｋ　ＢＤ，Ｗａｔｋｉｎｓ　ＳＭ．Ｍｅｔａｂｏｌｏｍｉｃｓ：ｂｕｉｌｄｉｎｇ　ｏｆｆ　ａ　ｃｅｎｔｕｒｙ　ｏｆ　ｂｉｏｃｈｅｍｉｓｔｒｙ　ｔｏ　ｇｕｉｄｅ　ｈｕｍａｎ　ｈｅａｌｔｈ．Ｍｅｔａｂｏｌｏｍｉｃｓ，２００５，１　（１）：３－９．　４　Ｈｕａｎｇ　ＣＦ，Ｃｈｅｎｇ　ＭＬ，Ｆａｎ　ＣＭ，ｅｔ　ａ１．Ｎｉｃｏｔｉｎｕｒｉｃ　ａｃｉｄ：ａ　ｐｏｔｅｎｔｉａｌ　ｍａｒｋｅｒ　ｏｆ　ｍｅｔａｂｏｌｉｃ　ｓｙｎｄｒｏｍｅ　ｔｈｒｏｕｇｈ　ａ　ｍｅｔａｂｏｌｏｍｉｃｓ．ｂａｓｅｄ　ａｐｐｉ＇ｏａｃｈ．Ｄｉａｂｅｔｅｓ　Ｃａｒｅ，２０１３，３６（６）：１７２９－１７３１．　５　Ｙａｎｇ　Ｗ，Ｌｕ　Ｊ，Ｗｅｎｇ　Ｊ，ｅｔ　ａ１．Ｃｈｉｎａ　Ｎａｔｉｏｎａｌ　Ｄｉａｂｅｔｅｓ　ａｎｄ　Ｍｅｔａｂｏｌｉｃ　Ｄｉｓｏｒｄｅｒｓ　Ｓｔｕｄｙ　Ｇｒｏｕｐ．Ｐｒｅｖａｌｅｎｃｅ　ｏｆ　Ｄｉａｂｅｔｅｓ　ａｍｏｎｇ　Ｍｅｎ　ａｎｄ　Ｗｏｍｅｎ　ｉｎ　Ｃｈｉｎａ．Ｎ　Ｅｎｇｌ　Ｊ　Ｍｅｄ，２０１０，３６２（１２）：１０９０—１１０１．　６金波，刘志红，葛永纯，等．肾活检患者中糖尿病肾病流行病学特　点的变迁．肾脏病与透析肾移植杂志，２００９，１８（２）：１３３—１３９．　７　Ｍｉｌｂｕｒｎ　ＭＶ，Ｌａｗｔｏｎ　ＫＡ．Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｍｅｔａｂｏｌｏｍｉｃｓ　ｔｏ　ｄｉａｇｎｏｓｉｓ　ｏｆ　ｉｎｓｕｌｉｎ　ｒｅｓｉｓｔａｎｃｅ．Ａｎｎｕ　Ｒｅｖ　Ｍｅｄ，２０１３，６４：２９１．３０５．　８　Ｎｉｃｈｏｌｓｏｎ　ＪＫ，Ｌｉｎｄｏｎ　ＪＣ．Ｓｙｓｔｅｍｓ　ｂｉｏｌｏｇｙ：Ｍｅｔａｂｏｎｏｍｉｃｓ．Ｎａｔｕｒｅ，　２００８，４５５（７２１６）：１０５４—１０５６．　９　Ｗｅｉｓｓ　ＲＨ，Ｋｉｍ　Ｋ．Ｍｅｔａｂｏｌｏｍｉｃｓ　ｉｎ　ｔｈｅ　ｓｔｕｄｙ　ｏｆ　ｋｉｄｎｅｙ　ｄｉｓｅａｓｅｓ．Ｎａｔ　Ｒｅｖ　Ｎｅｐｈｒｏｌ，２０１１，８（１）：２２－３３．　１０　Ｗｉｓｈａｒｔ　ＤＳ，Ｔｚｕｒ　Ｄ，Ｋｎｏｘ　Ｃ，ｅｔ　ａ１．ＨＭＤＢ：ｔｈｅ　Ｈｕｍａｎ　Ｍｅｔａｂｏｌｏｍｅ　Ｊ　Ｎｅｐｈｒｏｌ　Ｄｉａｌｙ　Ｔｒａｎｓｐｌａｎｔ　Ｖｏ１．２３　Ｎｏ．１　Ｆｅ　－２０１４　Ｄａｔａｂａｓｅ．Ｎｕｃｌｅｉｃ　Ａｃｉｄｓ　Ｒｅｓ，２００７，３５　（Ｄａｔａｂａｓｅ　ｉｓｓｕｅ）：　Ｄ５２１一Ｄ５２６．　１　１　Ｆｏｒｓｙｔｈｅ　ＩＪ，Ｗｉｓｈａｒｔ　ＤＳ．Ｅｘｐｌｏｒｉｎｇ　ｈｕｍａｎ　ｍｅｔａｂｏｌｉｔｅｓ　ｕｓｉｎｇ　ｔｈｅ　ｈｕｍａｎ　ｍｅｔａｂｏｌｏｍｅ　ｄａｔａｂａｓｅ．Ｃｕｒｒ　Ｐｒｏｔｏｃ　Ｂｉｏｉｎｆｏｒｍａｔｉｅｓ，２００９，　Ｃｈａｐｔｅｒ　１４：Ｕｎｉｔｌ４．８　１２　Ｇｒｉｍｎ　ＪＬ，Ａｔｈｅｒｔｏｎ　Ｈ，Ｓｈｏｃｋｃｏｒ　Ｊ，ｅｔ　ａ１．Ｍｅｔａｂｏｌｏｍｉｃｓ　ａｓ　ａ　ｔｏｏｌ　ｆｏｒ　ｃａｒｄｉａｃ　ｒｅｓｅａｒｃｈ．Ｎａｔ　Ｒｅｖ　Ｃａｒｄｉｏｌ，２０１　１，８（１　１）：６３０－６４３．　１　３　Ｒａａｍｓｄｏｎｋ　ＬＭ，Ｔｅｕｓｉｎｋ　Ｂ，Ｂｒｏａｄｈｕｒｓｔ　Ｄ，ｅｔ　ａ１．Ａ　ｆｕｎｃｔｉｏｎａｌ　ｇｅｎｏｍｉｃｓ　ｓｔｒａｔｅｇｙ　ｔｈａｔ　ｕｓｅｓ　ｍｅｔｂａｏｌｏｍｅ　ｄａｔａ　ｔｏ　ｒｅｖｅａｌ　ｔｈｅ　ｐｈｅｎｏｔｙｐｅ　ｏｆ　ｓｉｌｅｎｔ　ｍｕｔａｔｉｏｎｓ．Ｎａｔ　Ｂｉｏｔｅｃｈｎｏｌ，２００１，１９（１）：４５·５０．　１４　Ｄｅｔｔｍｅｒ　Ｋ，Ａｒｏｎｏｖ　ＰＡ，Ｈａｍｍｏｃｋ　ＢＤ．Ｍａｓｓ　ｓｐｅｃｔｒｏｍｅｔｙｒ－ｂａｓｅｄ　ｍｅｔａｂｏｌｏｍｉｃｓ．Ｍａｓｓ　Ｓｐｅｃｔｒｏｍ　Ｒｅｖ，２００７，２６（１）：５１－７８．　１５　Ｓｅｎｎ　Ｔ，Ｈａｚｅｎ　ＳＬ，Ｔａｎｇ　ＷＨ．Ｔｒａｎｓｌａｔｉｎｇ　ｍｅｔａｂｏｌｏｍｉｃｓ　ｔｏ　ｃａｒｄｉｏｖａｓｃｕｌａｒ　ｂｉｏｍａｒｋｅｒｓ．Ｐｒｏｇ　Ｃａｒｄｉｏｖａｓｅ　Ｄｉｓ，２０１２，５５（１）：７０—７６．　１６　Ｌｅｗｉｓ　ＧＤ，Ａｓｎａｎｉ　Ａ，Ｇｅｒｓｚｔｅｎ　ＲＥ：Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｍｅｔａｂｏｌｏｍｉｃｓ　ｔｏ　ｃａｒｄｉｏｖａｓｃｕｌａｒ　ｂｉｏｍａｒｋｅｒ　ａｎｄ　ｐａｔｈｗａｙ　ｄｉｓｃｏｖｅｒｙ．Ｊ　Ａｍ　Ｃｏｌｌ　Ｃａｒｄｉｏｌ，　２００８，５２（２）：１１７－１２３．　１７　Ｌｅａｈｙ　ＪＬ．Ｐａｔｈｏｇｅｎｅｓｉｓ　ｏｆ　ｔｙｐｅ　２　ｄｉａｂｅｔｅｓ　ｍｅｌｌｉｔｕｓ．Ａｒｃｈ　Ｍｅｄ　Ｒｅｓ，　２００５，３６（３）：１９７—２０９．　１　８　Ｗａｎｇ　ＴＪ，Ｌａｒｓｏｎ　ＭＧ，Ｖａｓａｎ　ＲＳ，ｅｔ　ａ１．Ｍｅｔａｂｏｌｉｔｅ　ｐｒｏｆｉｌｅｓ　ａｎｄ　ｔｈｅ　ｒｉｓｋ　ｏｆ　ｄｅｖｅｌｏｐｉｎｇ　ｄｉａｂｅｔｅｓ．ＮａｔＭｅｄ，２０１１，ｌ７（４）：４４８—４５３．　１　９　Ｆｌｏｅｇｅｌ　Ａ，Ｓｔｅｆａｎ　Ｎ，Ｙｕ　Ｚ，ｅｔ　ａ１．Ｉｄｅｎｆｉｆｃａｔｉｏｎ　ｏｆ　ｓｅＦｕｍ　ｍｅｔａｂｏｌｉｔｅｓ　ａｓｓｏｃｉａｔｅｄ　ｗｉｔｈ　ｒｉｓｋ　ｏｆ　ｔｙｐｅ　２　ｄｉａｂｅｔｅｓ　ｕｓｉｎｇ　ａ　ｔａｒｇｅｔｅｄ　ｍｅｔａｂｏｌｎｍｉｃ　ａｐｐｒｏａｃｈ．Ｄｉａｂｅｔｅｓ，２０１３，６２（２）：６３９—６４８．　２０　Ｓａｌｅｋ　ＲＭ，Ｍａｇｕｉｒｅ　ＭＬ，Ｂｅｎｔｌｅｙ　Ｅ，ｅｔ　ａ１．Ａ　ｍｅｔａｂｏｌｏｍｉｅ　ｃｏｍｐａｒｉｓｏｎ　ｏｆ　ｕｒｉｎａｒｙ　ｃｈａｎｇｅｓ　ｉｎ　ｔｙｐｅ　２　ｄｉａｂｅｔｅｓ　ｉｎ　ｍｏｕｓｅ，ｒａｔ，ａｎｄ　ｈｕｍａｎ．Ｐｈｙｓｉｏｌ　Ｇｅｎｏｍｉｃｓ，２ｏｏ７，２９（２）：９９—１０８．　２１　Ｍａｈｅｒ　ＡＤ，Ｃｒｏｃｋｆｏｒｄ　Ｄ，Ｔｏｆｔ　Ｈ，ｅｔ　ａ１．Ｏｐｔｉｍｉｚａｔｉｏｎ　ｏｆ　ｈｕｍａｎ　ｐｌａｓｍａ　１　Ｈ　ＮＭＲ　ｓｐｅｃｔｒｏｓｃｏｐｉｃ　ｄａｔａ　ｐｒｏｃｅｓｓｉｎｇ　ｆｏｒ　ｈｉｇｈ·ｔｈｒｏｕｇｈｐｕｔ　ｍｅｔａｂｏｌｉｃ　ｐｈｅｎｏｔｙｐｉｎｇ　ｓｔｕｄｉｅｓ　ａｎｄ　ｄｅｔｅｃｔｉｏｎ　ｏｆ　ｉｎｓｕｌｉｎ　ｒｅｓｉｓｔａｎｃｅ　ｒｅｌａｔｅｄ　ｔｏ　ｔｙｐｅ　２　ｄｉａｂｅｔｅｓ．Ａｎａｌ　Ｃｈｅｍ，２００８，８０（１９）：７３５４—７３６２．　２２　Ｚｈａｎｇ　Ｈ，Ｓａｈａ　Ｊ，Ｂｙｕｎ　Ｊ，ｅｔ　１ａ　Ｒｏｓｉｇｌｉｔａｚｏｎｅ　ｒｅｄｕｃｅｓ　ｒｅｎａｌ　ａｎｄ　ｐｌａｓｍａ　ｍａｒｋｅｒｓ　ｏｆ　ｏｘｉｄａｔｉｖｅ　ｉｎｊｕｒｙ　ａｎｄ　ｒｅｖｅｒｓｅｓ　ｕｒｉｎａｒｙ　ｍｅｔａｂｏｌｉｔｅ　ａｂｎｏｒｍａｌｉｔｉｅｓ　ｉｎ　ｔｈｅ　ａｍｅｌｉｏｒａｔｉｏｎ　ｏｆ　ｄｉａｂｅｔｉｃ　ｎｅｐｈｒｏｐａｔｈｙ．Ａｍ　Ｊ　Ｐｈｙｓｉｏｌ　Ｒｅｎａｌ　Ｐｈｙｓｉｏｌ，２００８，２９５（４）：Ｆ１０７１一Ｆ１０８１．　２３　Ｓｈｅａｒｅｒ　Ｊ，Ｄｕｇｇａｎ　Ｇ，Ｗｅｌｊｉｅ　Ａ，ｅｔ　ａ１．Ｍｅｔａｂｏｌｏｍｉｃ　ｐｒｏｆｉｌｉｎｇ　ｏｆ　ｄｉｅｔａｒｙ－　ｉｎｄｕｃｅｄ　ｉｎｓｕｌｉｎ　ｒｅｓｉｓｔａｎｃｅ　ｉｎ　ｔｈｅ　ｈｉ　ｇｈ　ｆａｔ—ｆｅｄ　Ｃ５７ＢＬ／６Ｊ　ｉｌｌｏａｓｅ．Ｄｉａｂｅｔｅｓ　Ｏｂｅｓ　Ｍｅｔａｂ，２００８，ｌＯ（１Ｏ）：９５０　９５８．　２４“Ｘ，Ｘｕ　Ｚ，Ｌｕ　Ｘ，ｅｔ　ａ１．Ｃｏｍｐｒｅｈｅｎｓｉｖｅ　ｔｗｏ－ｄｉｍｅｎｓｉｏｎａｌ　ｇａｓ　ｃｈｒｏｍａｔｏｇｒａｐｈｙ／ｔｉｍｅ·ｏｆ－ｆｌｉｇｈｔ　ｍａｓｓ　ｓｐｅｃｔｒｏｍｅｔｙｒ　ｆｏｒ　ｍｅｔａｂｏｎｏｍｉｃｓ：　ｂｉｏｍａｒｋｅｒ　ｄｉｓｃｏｖｅｒｙ　ｆｏｒ　ｄｉａｂｅｔｅｓ　ｍｅｌｌｉｔｕｓ．Ａｎａｌ　Ｃｈｉｍ　Ａｃｔａ２００９，６３３　（２）：２５７—２６２．　２５　Ｙｉ　Ｌ，Ｈｅ　Ｊ，Ｌｉａｎｇ　Ｙ，ｅｔ　ａ１．Ｓｉｎｍｈａｎｅｏｕｓｌｙ　ｑｕａｎｔｉｔａｔｉｖｅ　ｍｅａｓｕｒｅｍｅｎｔ　ｏｆ　ｃｏｍｐｒｅｈｅｎｓｉｖｅ　ｐｒｏｆｉｌｅｓ　ｏｆ　ｅｓｔｅｒｉｉｆｅｄ　ａｎｄ　ｎｏｎｅｓｔｅｒｉｉｆｅｄ　ｆａｔｔｙ　ａｃｉｄ　ｉｎ　ｐｌａｓｍａ　ｏｆｔｙｐｅ　２　ｄｉａｂｅｔｉｃ　ｐａｔｉｅｎｔｓ．Ｃｈｅｍ　Ｐｈｙｓ　Ｌｉｐｉｄｓ，２００７，１５０（２）：　２０４—２１６．　２６　Ｋｉｎｄ　Ｔ，Ｆｉｅｈｎ　Ｏ．Ｍｅｔａｂｏｌｏｍｉｃ　ｄａｔａｂａｓｅ　ａｎｎｏｔａｔｉｏｎｓ　ｖｉａ　ｑｕｅｒｙ　ｏｆ　ｅｌｅｍｅｎｔａｌ　ｃｏｍｐｏｓｉｔｉｏｎｓ：ｍａｓｓ　ａｃｃｕｒａｃｙ　ｉｓ　ｉｎｓｕｆｆｉｃｉｅｎｔ　ｅｖｅｎ　ａｔ　ｌｅｓｓ　ｔｈａｎ　１　ｐｐｍ．ＢＭＣ　Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ，２００６，７：２３４．　（下转第８８页）　８８·　Ｊ　ＮｅｏｈｒｏＩ　Ｄｉｌｖ　Ｔｒａｎｓｐｌａａｎｔ　Ｖｏ１．２３　Ｎｏ．１　Ｆｅｂ．２０１４　ｌ０９９－１１Ｏ２．　ｍｙｃｏｐｈｅｎｏｌａｔｅ　ｍｏｆｅｔｉｌ　ｔｏ　ｍｉｚｏｒｉｂｉｎｅ　ｆｏｒ　ｐａｔｉｅｎｔｓ　ｗｉｔｈ　ｐｏｓｉｔｉｖｅ　２１　Ｇｕｏ　Ｈ　Ｂ．Ａｃｕｔｅ　ａｌｌｏｇｒａｆｔ　ｒｅｎａｌ　ｆａｉｌｕｒｅ　ｗｉｔｈ　ｍａｒｋｅｄ　ｈｙｐｅｒｕｒｉｃｅｍｉａ　ｄｅｖｅｌｏｐｉｎｇ　ｄｕｒｉｎｇ　ｍｉｚｏｒｉｂｉｎｅ　ａｄｍｉｎｉｓｔｒａｔｉｏｎ：ａ　ｃａｓｅ　ｒｅｐｏｒｔ　ｗｉｔｈ　ｒｅｖｉｅｗ　ｐｏｌｙｏｍａｖｉｒｕｓ　ｔｙｐｅ　ＢＫ　ｉｎ　ｕｒｉｎｅ．Ｔｒａｎｓｐｌｎｔａ　Ｐｒｏｃ，２００８，４０（７）：　２２６８．２２７０．　ｏｆ　ｔｈｅ　ｌｉｔｅｒａｔｕｒｅ．Ｔｒａｎｓｐｌａｎｔ　Ｐｒｃ，２０１０，ｏ４２（７）：２８０４—２８０７．　２８陈莉萍，刘磊，钱叶勇，等．肾移植后早期应用咪唑立宾的有效性　及安全性．中华器官移植杂志，２０１２，３３（１）：１８—２１．　２９文吉秋，陈劲松，程东瑞，等．肾移植感染高危受者术后序贯切换　为咪唑立宾的临床观察．肾脏病与透析肾移植杂志，２０１３，２２　（６）：５２０—５２５．　２２韩澍，郑鳕洋，王立明，等．肾移植后因免疫抑制剂的不良反应转　换应用咪唑立宾的效果．中华器官移植杂志，２０１１，３２（４）：　２Ｏ９．２１２．　２３　Ｓａｇｅｄａｌ　Ｓ，Ｈａｒｔｍａｎｎ　Ａ，Ｎｏｒｄａｌ　ＫＰ，ｅｔ　ａ１．Ｉｍｐａｃｔ　ｏｆ　ｅａｒｌｙ　ｃｙｔｏｍｅｇａｌｏｖｉｒｕｓ　ｉｎｆｅｃｔｉｏｎ　ａｎｄ　ｄｉｓｅａｓｅ　ｏｎ　ｌｏｎｇ－ｔｅｒｍ　ｒｅｃｉｐｉｅｎｔ　ａｎｄ　３０蓝荣培，范昱，谭建明，等．咪唑立宾在白细胞减少同种肾脏移植　患者中的替代免疫抑制治疗．现代泌尿外科杂志，２００４，９（３）：　１４２．１４３．　ｋｉｄｎｅｙ　ｇｒａｆｔ　ｓｕｒｖｉｖａ１．Ｋｉｄｎｅｙ　Ｉｎｔ，２００４，６６（１）：３２９—３３７．　２４　Ｂａｓｓｅ　Ｇ，Ｍｅｎｇｅｌｌｅ　Ｃ，Ｋａｍａｒ　Ｎ，ｅｔ　ａ１．Ｐｒｏｓｐｅｃｔｉｖｅ　ｅｖａｌｕａｔｉｏｎ　ｏｆ　ＢＫ　ｖｉｒｕｓ　ＤＮＡｅｍｉａ　ｉｎ　ｒｅｎａｌ　ｔｒａｎｓｐｌａｎｔ　ｐａｔｉｅｎｔｓ　ａｎｄ　ｔｈｅｉｒ　ｔｒａｎｓｐｌａｎｔ　３１敖建华，肖序仁，章彗玲，等．肾脏移植后转换咪唑立宾治疗骨髓　抑制．临床泌尿外科杂志，２００４，１９（７）：４３５—４３６．　３２　Ｚｈａｏ　ＹＪ，Ｗｅｎ　ＪＱ，Ｃｈｅｎｇ　Ｋ，ｅｔ　ａ１．Ｌａｔｅ，ｓｅｖｅｒｅ，ｎｏｎｉｆｅｃｔｎｉｏｕｓ　ｄｉａｒｒｈｅａ　ａｆｔｅｒ　ｒｅｎａｌ　ｔｒａｎｓｐｌａｎｔａｔｉｏｎ：ｈｉｇｈ—ｒｉｓｋ　ｆａｃｔｏｒｓ，ｔｈｅｒａｐｙ，ａｎｄ　ｏｕｔｃｏｍｅ．Ｔｒａｎｓｐｌａｎｔ　Ｐｒｏｃ，２００７，３９（１）：８４—８７．　２５　Ｓｈｉｒａｋｉ　Ｋ，Ｉｓｈｉｂａｓｈｉ　Ｍ，Ｏｋｕｎｏ　Ｔ，ｅｔ　ａ１．Ｅｆｆｅｃｔｓ　ｏｆ　ｃｙｃｌｏｓｐｏｒｉｎｅ，　ａｚａｔｈｉｏｐｒｉｎｅ，ｍｉｚｏｒｉｂｉｎｅ，ａｎｄ　ｐｒｅｄｎｉｓｏｌｏｎｅ　ｏｎ　ｒｅｐｌｉｃａｔｉｏｎ　ｏｆ　ｈｕｍａｎ　ｃｙｔｏｍｅｇａｌｏｖｉｕｓ．Ｔｒｒａｎｓｐｌｎｔａ　Ｐｒｏｃ，１９９０，２２（４）：１６８２—１６８５．　２６　Ｋｕｒａｍｏｔｏ　Ｔ，Ｄａｉｋｏｋｕ　Ｔ，Ｙｏｓｈｉｄａ　Ｙ，ｅｔ　ａ１．Ｎｏｖｅｌ　ａｎｔｉｃｙｔｏｍｅｇａｌｏｖｉｕｓ　ｒｐｒｏｇｎｏｓｉｓ．Ｔｒａｎｓｐｌａｎｔ　Ｐｒｏｃ，２０１３，４５（６）：２２２６—２２３２．　ａｃｔｉｖｉｔｙ　ｏｆ　ｉｍｍｕｎｏｓｕｐｐｒｅｓｓａｎｔ　ｍｉｚｏｒｉｂｉｎｅ　ａｎｄ　ｉｔｓ　ｓｙｎｅｒｇｉｓｍ　ｗｉｔｈ　［收稿日期］２０１３－１０．２１　（本文编辑明洁）　ｇａｎｃｉｅｌｏｖｉｒ．Ｊ　Ｐｈａｒｍａｅｏｌ　Ｅｘｐ　Ｔｈｅｒ，２０１０，３３３（３）：８１６—８２１．　２７　Ｆｕｎａｈａｓｈｉ　Ｙ，Ｈａｔｔｏｒｉ　Ｒ．Ｋｉｎｕｋａｗａ　Ｔ．ｅｔ　ａ１．Ｃｏｎｖｅｒｓｉｏｎ　ｆｒｏｍ　（上接第６２页）　２７　Ｙｕａｎ　Ｋ，Ｋｏｎｇ　Ｈ，Ｇｕａｎ　Ｙ，ｅｔ　ａ１．Ａ　ＧＣ—ｂａｓｅｄ　ｍｅｔａｂｏｎｏｍｉｃｓ　ｓｅｒｕｍ　ｎｄ　ｕｒａｉｎｅ　ｒｅｖｅａｌｓ　ｍｅｔａｂｏｌｉｃ　ｐｅｒｔｕｒｂａｔｉｏｎ　ｏｆ　ＴＣＡ　ｃｙｃｌｅ　ｉｎ　ｄｂ／ｄｂ　ｉｎｖｅｓｔｉｇａｔｉｏｎ　ｏｆ　ｔｙｐｅ　２　ｄｉａｂｅｔｅｓ　ｂｙ　ｏｒｇａｎｉｃ　ａｃｉｄｓ　ｍｅｔａｂｏｌｉｃ　ｐｒｏｆｉｌｅ．Ｊ　Ｃｈｒｏｍａｔｏｇｒ　Ｂ　Ａｎａｌｙｔ　Ｔｅｃｈｎｏｌ　Ｂｉｏｍｅｄ　Ｌｉｆｅ　Ｓｃｉ２３６—２４０．　ｍｉｃｅ　ｉｎｖｏｌｖｅｄ　ｉｎ　ｄｉａｂｅｔｉｃ　ｎｅｐｈｒｏｐａｔｈｙ．Ａｍ　Ｊ　Ｐｈｙｓｉｏｌ　Ｒｅｎａｌ　Ｐｈｙｓｉｏｌ，　２００７，８５０（１—２）：　２０１３，３０４（１１）：Ｆ１３１７—１３２４．　３２王旭方，李梦婕，葛永纯，等．糖尿病肾病患者血清及尿液代谢组　学特点及临床意义．肾脏病与透析肾移植杂志，２０１２，２１（３）：　２０１．２０９．　２８　Ｚｈａｎｇ　Ｈ，Ｓａｈａ　Ｊ，Ｂｙｕｎ　Ｊ，ｅｔ　ａ１．Ｒｏｓｉｇｌｉｔａｚｏｎｅ　ｒｅｄｕｃｅｓ　ｒｅｎａｌ　ａｎｄ　ｐｌａｓｍａ　ｍａｒｋｅｒｓ　ｏｆ　ｏｘｉｄａｔｉｖｅ　ｉｎｊｕｒｙ　ａｎｄ　ｒｅｖｅｒｓｅｓ　ｕｒｉｎａｒｙ　ｍｅｔａｂｏｌｉｔｅ　ａｂｎｏｒｍａｌｉｔｉｅｓ　ｉｎ　ｔｈｅ　ａｍｅｌｉｏｒａｔｉｏｎ　ｏｆ　ｄｉａｂｅｔｉｃ　ｎｅｐｈｒｏｐａｔｈｙ．Ａｍ　Ｊ　Ｐｈｙｓｉｏｌ　Ｒｅｎａｌ　Ｐｈｙｓｉｏｌ２００８，２９５（４）：Ｆ１０７１－１０８１．　３３　Ａｄａｍｓｋｉ　Ｊ，Ｓｕｈｒｅ　Ｋ．Ｍｅｔａｂｏｌｏｍｉｃｓ　ｐｌａｔｆｏｒｍｓ　ｆｏｒ　ｇｅｎｏｍｅ　ｗｉｄｅ　ａｓｓｏｃｉａｔｉｏｎ　ｓｔｕｄｉｅｓ－一ｌｉｎｋｉｎｇ　ｔｈｅ　ｇｅｎｏｍｅ　ｔｏ　ｔｈｅ　ｍｅｔａｂｏｌｏｍｅ．Ｃｕｒｒ　Ｏｐｉｎ　２９　Ｈｉｒａｙａｍａ　Ａ，Ｎａｋａｓｈｉｍａ　Ｅ，Ｓｕｇｉｍｏｔｏ　Ｍ，ｅｔ　ａ１．Ｍｅｔａｂｏｌｉｃ　ｐｒｏｆｉｌｉｎｇ　ｒｅｖｅａｌｓ　ｎｅｗ　ｓｅｒｕｍ　ｂｉｏｍａｒｋｅｒｓ　ｆｏｒ　ｄｉｆｆｅｒｅｎｔｉａｔｉｎｇ　ｄｉａｂｅｔｉｃ　Ｂｉｏｔｅｃｈｎｏｌ，２０１３，２４（１）：３９．４７．　３４　ＬＶ　Ｈ．Ｍａｓｓ　ｓｐｅｃｔｒｏｍｅｔｒｙ—ｂａｓｅｄ　ｍｅｔａｂｏｌｏｍｉｃｓ　ｔｏｗａｒｄｓ　ｕｎｄｅｒｓｔｎｄｉａｎｇ　ｏｆ　ｇｅｎｅ　ｆｕｎｃｔｉｏｎｓ　ｗｉｔｈ　ａ　ｄｉｖｅｒｓｉｔｙ　ｏｆ　ｂｉｏｌｏｓｄｃａｌ　ｃｏｎｔｅｘ￣．Ｍａｓｓ　Ｓｐｅｅｔｏｍ　ｒｎｅｐｈｒｏｐａｔｈｙ．Ａｎａｌ　Ｂｉｏａｎａｌ　Ｃｈｅｍ，２０１２，４０４（１０）：３１０１—３１０９．　３０　Ｈａｎ　ＬＤ，Ｘｉａ　ＪＦ，Ｌｉａｎｇ　ＱＬ，ｅｔ　ａ１．Ｐｌａｓｍａ　ｅｓｔｅｒｉｆｉｅｄ　ａｎｄ　ｎｏｎ—ｅｓｔｅｒｉｉｆｅｄ　ｆａｔｔｙ　ａｃｉｄｓ　ｍｅｔｂｏｌａｉｃ　ｐｒｏｆｉｌｉｎｇ　ｕｓｉｎｇ　ｇａｓ　ｃｈｒｏｍａｔｏｇｒａｐｈｙ—ｍａｓｓ　ｓｐｅｃｔｒｏｍｅｔｒｙ　ａｎｄ　ｉｔｓ　ａｐｐｌｉｃａｔｉｏｎ　ｉｎ　ｔｈｅ　ｓｔｕｄｙ　ｏｆ　ｄｉａｂｅｔｉｃ　ｍｅｌｌｉｔｕｓ　ａｎｄ　Ｒｅｖ，２０１３，３２（２）：１１８—１２８．　［收稿日期］２０１３．０５．２０　（本文编辑律舟青松）　ｄｉａｂｅｔｉｃ　ｎｅｐｈｒｏｐａｔｈｙ．Ａｎａｌ　Ｃｈｉｍ　Ａｅｔａ，２０１１，６８９（１）：８５．９１．　３１　Ｌｉ　Ｍ，Ｗａｎｇ　Ｘ，Ａａ　Ｊ，ｅｔ　ａ１．ＧＣ／ＴＯＦＭＳ　ａｎａｌｙｓｉｓ　ｏｆ　ｍｅｔａｂｏｌｉｔｅｓ　ｉｎ