代謝組學在護理研究中的應用現狀及挑戰

AbstractItviewedtheveriewofmetabolomics，itsalicationstatusiursingrsearch，andeistingchalengesiingto provide new perspectives and methods for nursing research.

Keywordsmetabolomics; nursing research; review; nursing

摘要對代謝組學概述、在護理研究中的應用現狀及存在的挑戰進行綜述，以期為護理研究提供新的視角和方法。

關鍵詞代謝組學；護理研究；綜述；護理

doi：10.12102/j.issn.1009-6493.2025.13.023

在當今快速發展的生物醫學領域，代謝組學作為一種研究生物體代謝物譜變化的新興技術，正在逐漸展現其重要性和應用前景。代謝組學通過分析生物體內的小分子代謝物，揭示生物過程的動態變化，從而為疾病的早期診斷、個體化治療及健康管理提供了全新的視角[1]。在生物學研究中，代謝物通常指的是分子量小于 1000Da 的化合物，通過正常代謝過程維持生物體的生命至關重要，主要包括氨基酸、脂質和糖類等[2]；代謝組學在疾病診斷[3-4]、藥物制劑[5]、中醫研究[1]食品安全、微生物學及毒理學研究中得到了廣泛應用。目前有部分學者使用代謝組學研究方法開展護理研究，且取得了不錯成果。美國加州大學舊金山分校護理學院學者將代謝組學應用于癌因性疲乏的早期診斷和預測[9]。盡管代謝組學在護理研究中已有一定應用，但整體還處于起步階段，其潛力不可忽視。隨著慢性病的高發、人口老齡化進程的加快以及個體化醫療需求的增長，護理研究工作面臨前所未有的挑戰。

傳統的護理研究往往偏向于對宏觀癥狀及現象的探索，這在一定程度上限制了其發展。而代謝組學通過對體液、組織等樣本的系統性分析，提供全面的代謝信息，將宏觀現象與微觀的代謝變化聯系起來，從而為護理實踐提供科學依據，提升護理研究的質量和效率[10];同時目前多數基金項目主要資助基礎研究，這是護理研究的短板所在，而代謝組學技術可將護理研究與基礎研究聯系起來，這在一定程度上拓寬了護理研究的選題方向?，F對代謝組學概述、在護理研究中的應用現狀及存在的挑戰進行綜述，以期為護理研究提供新的視角和方法。

1代謝組學技術概述

代謝組學由Nicholson等[11]于1999年首次提出，是繼基因組學（genomics）轉錄組學（transcriptomics）和蛋白質組學（proteomics）后新興的一種組學方法，是系統生物學（systembiology）的重要組成部分，其英文為“metabonomics\"\"metabolomics”，這兩個詞定義沒有明顯區分，但在檢索文獻時，采用“metabolomics\"作為主題詞檢索到的文獻更多。

1.1 代謝組學的優勢

相對于基因組學講述可能發生了什么、轉錄組學講述即將要發生什么、蛋白組學講述什么致使它發生，只有代謝組學講述已經或正在發生什么。代謝組學作為與疾病表型最相關的組學，是連接宏觀與微觀世界的橋梁，代謝組水平的變化可以引發宏觀表型的改變，這些變化更易于檢測，并且可以與生物體部分表型相關聯[12]。此外，不同物種的代謝物數量相對較少，結構也更加簡單，常見的代謝物在不同的生物體中相似，具有普適性[13]。代謝組學相較于其他組學的優勢見圖1。

1.2 代謝組學的分類

代謝組學根據研究目的的不同，可分為非靶向和靶向代謝組學[13-15]。非靶向代謝組學是醫學研究常用的研究方式，其對有機體內源性代謝物進行全面、系統分析，是一種無偏向的代謝組學分析，可以發現新的生物標記物，同時檢測大量的代謝物信號，但靈敏度和定性定量準確性較差[16-17]。靶向代謝組學是針對特定一類代謝物的研究分析，用于對后續代謝分子標記物進行深人的研究和分析，但對物質的覆蓋率有限[18]。不同代謝組學的優缺點見表1。

1.3技術原理

代謝組學是一種通過系統分析生物體內所有小分子代謝物的技術，旨在揭示代謝網絡和代謝途徑的變化。這些代謝物通常包括氨基酸、脂肪酸、糖類和核苷酸等，反映了生物體在特定生理或病理狀態下的代謝特征。代謝組學技術的核心在于對這些代謝物進行高通量、全面的定性和定量分析，結合化學信息學分析方法確定內源性小分子代謝物成分的變化模式，獲得相應的生物標記物群（biomarkers），以揭示潛在的生物學信息[11.19]。代謝組學分析流程一般包含樣品的采集、預處理、儀器分析與鑒定、數據分析及生物標記物意義解讀等[20]。

1.4代謝組學常用技術

1.4.1 核磁共振波譜（NMR）

NMR是代謝組學中常用的一種分析技術[21]。它基于原子核在磁場中的共振現象，通過測量樣品中的原子核（如氫核或碳核）在特定頻率下吸收和釋放電磁輻射的信息確定代謝物的結構和濃度。NMR技術具有以下優勢：非破壞性（樣品在分析過程中不會被破壞，可以用于后續分析）高重現性（數據重復性好，適合進行大規模樣品分析）樣品要求低（對樣品的純度要求較低，可以直接分析復雜生物樣本，如血清、尿液）。然而，NMR的靈敏度相對較低，對于低濃度代謝物的檢測可能不夠敏感，這限制了其應用。

1.4.2 質譜（MS）技術

1971年，Horning等22首次引入了使用質譜技術進行代謝分析的概念。質譜技術是代謝組學中另一種重要的分析手段，具有高靈敏度和高分辨率的特點[10]。質譜通過電離樣品中的分子使其帶電，并根據質荷比（m/z） 對這些離子進行分離和檢測，從而識別和定量代謝物。質譜技術通常與色譜技術[如氣相色譜（GC）或液相色譜（LC）]聯用，以提高分析的分辨率和準確性，主要有氣相色譜-質譜聯用（gaschromatography-massspectrometry，GC-MS）和液相色譜-質譜聯用（liquidchromatography-mass spectrometry，LC-MS）[7]。近年來，超高壓液相色譜（ultra-high pressure liquid chromatography，UHPLC）逐漸興起[23]。質譜技術的主要優點包括：高靈敏度（能夠檢測到低濃度的代謝物）、高分辨率（能夠區分結構相似的代謝物）廣泛適用性（適用于多種類型的生物樣本，如血液、尿液、組織等）[24]。質譜技術在代謝物的定性和定量分析中表現優異，但其分析過程相對復雜，對樣品處理和數據分析的要求較高。

1.5數據處理與分析

數據的處理及分析是整個代謝組學研究過程中最費時的一個階段。數據處理通常包括預處理、數據去噪、基線校正、歸一化等步驟[20]。代謝組學的主要分析方法包括單變量分析和多變量分析。單變量分析的特點是簡單、直觀和易于理解，通常用于代謝組學研究，以快速檢查代謝物類別之間的差異。由于代謝組學數據通常不滿足參數檢驗假設，因此經常使用非參數方法，如Wilcoxon秩和檢驗、Kruskal-Wallis檢驗。此外，計算組間代謝物濃度的倍數變化和受試者工作特征（ROC）曲線下面積是常見的做法。多變量分析包括各種技術，例如主成分分析（PCA）偏最小二乘判別分析（PLS-DA）潛在結構的正交投影（OPLS）和聚類分析（CA）。PCA利用原始變量之間的關系，將它們轉換為一組基于最大化變異的獨立、綜合指標（主成分）[3]。非靶向代謝組學的常用數據處理工具包括XCMS、MZmine2和MSDial，而靶向代謝組學數據處理通常使用MRMAnalyzer、MRMPROBS、MAVEN、MaxQuant和XCMS-MRM[25]。此外，SIMCA軟件經常用于多變量分析，而HMDB、MetLine和BMRB是常見的代謝物鑒定平臺。MetaboAnalyst和KEGG是流行的生物功能挖掘平臺[26]

2代謝組學在護理研究中的應用

2.1疾病早期診斷與預防

代謝組學在疾病早期診斷與預防中的應用具有顯著潛力。通過分析尿液、血液等生物樣本中的代謝物變化，可以識別疾病的早期代謝標記物，從而實現早期診斷和預防。Wang等2采用高效液相色譜-質譜（UPLC/MS）對惡性腫瘤病人的血清代謝物進行檢測，以確定血液中癌因性疲乏的代謝標記物，研究結果表明，磷脂代謝紊亂和內源性大麻素系統的調整可能是癌因性疲乏的準確診斷識別潛在生物標記物。Chen等[28采用雙平臺代謝組學方法得出一種用于診斷雙相情感障礙（bipolardisorder，BD）的新型復合尿代謝物生物標志物組合，該組合由NMR檢測到的一種代謝物（ α^- 羥基丁酸）和GC-MS檢測到的4種代謝物（2，4-二羥基嘧啶，壬二酸， β -丙氨酸和假尿苷）組成，可以將雙相情感障礙病人與健康對照組區分開來。Liu等[29]發現3種血清代謝物[谷氨酰胺、犬尿氨酸和LysoPC（18：2）]可能為輕度認知障礙（post-stroke cognitiveimpairment，PSCI）的候選診斷生物標記物。

2.2 精準護理

精準護理是現代護理學的重要發展方向[30]，代謝組學在這一領域發揮了關鍵作用[31]。通過分析個體的代謝譜，護理人員可以了解病人的代謝狀態，從而制訂個性化的護理計劃。血液和尿液的代謝變化可能與外源性代謝物有關，不僅來自消化和吸收的食物來源成分，還來自腸道微生物菌群代謝，而腸道菌群代謝受飲食和其他健康因素的影響，因此通過對病人血液、糞便樣本代謝產物的研究，可以幫助醫護人員檢測病人的營養狀況，提供針對性的飲食干預改善病人營養狀況[2]。同時監測病人運動相關代謝物的變化，可以深入了解肌肉適應性反應和每種運動方案對健康標記物的預防/治療效果，可為臨床病人康復運動方案的制訂提供參考[3]。Zafeiridis等[34]采用NMR技術探索3種不同運動干預方案病人血清代謝產物的變化以確定最優的運動方案，研究結果發現，3種運動在運動后對整體代謝譜的影響無統計學意義，但3種運動都上調了糖類和脂質代謝以及三羧酸循環，表明它們都增加了肌肉的氧化代謝能力。精準護理不僅提高了護理效果，還減少了不必要的干預，這對于改善病人生活質量具有重要意義。

2.3 心理護理

一般情況下，焦慮、抑郁等心理障礙的診斷往往依托于評估量表及醫生的主觀識別，缺乏客觀的量性指標，但有越來越多的研究者開始使用代謝組學技術探索客觀的生物標記物，為病人焦慮、抑郁等的診斷、干預及發病機制研究提供了實驗室依據。一項系統評價顯示，抑郁癥病人γ-氨基丁酸、谷胱甘肽、谷氨酸、N-乙酰天冬氨酸、肌酸和磷酸肌酸等水平顯著下降，膽堿、乳酸水平顯著上升，抑郁癥病人的代謝途徑集中在谷氨酸能代謝、能量代謝和神經傳遞方面[35]。Liu等[3]研究發現，肉堿C10：1、PE-O36：5、LPE18：1 sn-2和色氨酸組成的聯合生物標記物在鑒別中度重性抑郁障礙、重度重性抑郁障礙及健康對照上具有良好的敏感性和特異性。Jacka等7研究發現N-3多不飽和脂肪酸攝入量與焦慮之間存在線性關系，較低的二十二碳六烯酸（DHA）攝入量與較高的焦慮可能性有關，食用富含DHA的魚類及堅果可能降低焦慮風險。此外，代謝組學技術在雙向情感障礙[38]、疲勞[39]等心理障礙生物標記物的探索中也發揮了重要作用。

2.4護理干預效果評估

評估護理干預措施的效果是護理研究的重要組成部分。代謝組學通過對干預前后生物樣本中代謝物變化的分析，為干預效果評估提供了客觀的指標[31]。代謝組學技術可以通過分析干預前后代謝物的變化來評估營養干預效果。Garcia-Perez等[4采用尿液代謝組型對不同的營養干預效果進行評價，研究結果顯示，即使在高度受控的環境中，個體對飲食的代謝反應也不同，因此采用尿液代謝組對營養干預效果評價具有可行性。Heaney等[41認為基于非靶向方法進行實驗可以分析全身代謝物變化并將其與特定的生理狀態（運動前/運動后）進行比較。Hood等42采用高強度間歇訓練（HIT）對久坐的成年人進行干預，干預后檸檬酸合酶和細胞色素C氧化酶亞基V的蛋白質含量增加了

35% ，過氧化物酶體增殖物激活受體 γ 共激活因子 1α 增加了 56% ，提示恒負荷低容量HIT可能是一種實用且省時的策略，可誘導代謝適應，從而降低既往久坐不動的中年人患相關疾病的風險。

2.5 老年護理

隨著人口老齡化的加劇，老年護理需求不斷增加。代謝組學在老年護理中的應用主要集中在識別老年人常見疾病的代謝特征、進行疾病管理和實施個性化護理。Trushina等[43]發現血漿代謝物是鑒別輕度認知障礙及阿爾茨海默病病人的重要手段，其主要差異代謝物主要有賴氨酸、三羧酸、腺苷三磷酸（ATP）、神經遞質和氨基酸、脂質等。一項Meta分析結果顯示，使用代謝組學技術鑒定的血液支鏈氨基酸（亮氨酸、異亮氨酸和纈氨酸）芳香族氨基酸（酪氨酸和苯丙氨酸）的改變可能有助于識別2型糖尿病[44]。Seyfried等[45]發現卡路里限制生酮飲食（KD-R）是一種抗血管生成、抗炎和促凋亡代謝療法，可以減少腫瘤微環境中的可發酵燃料，可作為惡性腫瘤代謝治療的新范式。老年人群的代謝狀態與多種慢性病（如心腦血管疾病、神經退行性疾?。┟芮邢嚓P，通過代謝組學分析，可以早期發現這些疾病的風險并采取相應的預防措施，此外，代謝組學還可促進老年人的慢性病管理措施和個性化干預方案制訂。

2.6 新生兒護理

新生兒代謝組學研究為新生兒護理提供了新的視角和方法。通過代謝組學分析，可以為新生兒疾病早期篩查提供參考。Vidarsdottir等4發現，足月出生的低體重新生兒和巨大新生兒與足月正常體重新生兒相比的代謝組學特征存在差異，如谷氨酸、三?；视退皆黾印ang等47采用NMR對21例孤獨癥譜系障礙兒童（autismspectrumdisorders，ASD）和23例神經典型兒童糞便代謝物進行檢測，研究發現一組代謝物（癸酸鹽、煙酸鹽、谷氨酰胺、胸腺嘧啶和天冬氨酸）可能作為一種適度的生物標記物將ASD參與者與神經典型組區分開來（敏感性為 78% 和特異性為 81% ）。此外，代謝組學還可以幫助評估新生兒的營養狀態，指導母乳喂養和配方奶的選擇，確保新生兒獲得最佳的營養支持[48]。Marincola等[49]采用NMR及質譜技術探究奶粉、母乳在新生兒體內的代謝變化，研究結果初步表明，代謝組學可能為研究早產兒的營養和健康相關方面提供了一種有前途的工具。

3代謝組學在護理研究中的挑戰和限制

3.1技術運用挑戰

3.1.1 樣本處理的復雜性

代謝組學分析通常需要處理復雜的生物樣本，如血液、尿液、組織等[50]。這些樣本中代謝物的種類和濃度范圍廣泛，如何有效地提取、保存和分析這些代謝物是一個重大挑戰。例如，樣本保存不當可能導致代謝物降解，影響分析結果的準確性[51]。此外，樣本前處理步驟（如去蛋白、衍生化處理等）煩瑣且易受人為因素影響，需要嚴格的標準操作流程[52]。

3.1.2 數據復雜性

代謝組學研究產生的數據量龐大且復雜，如何高效地處理和分析這些數據是另一個重要挑戰。代謝組學數據通常具有高維度、非線性和噪聲等特征，傳統的數據分析方法難以有效處理這些數據[53-54]。盡管多變量統計分析方法和機器學習技術在一定程度上緩解了這一問題，但如何進一步提高數據分析的準確性和可靠性，仍需不斷探索和優化。

3.1.3 標準化問題

代謝組學研究的標準化程度相對較低，不同實驗室之間的研究結果往往難以直接比較，這主要是由于樣本處理、數據采集和分析方法缺乏統一的標準[55]例如，不同實驗室可能使用不同的質譜儀器、色譜柱和數據處理軟件，導致分析結果的可重復性和可比性差[13]。為解決這一問題，需建立和推廣代謝組學研究的標準化流程和指南，確保數據的一致性和可靠性[20]。

3.2 臨床應用挑戰

3.2.1 倫理和法律問題

代謝組學研究涉及大量個人生物信息，其隱私保護和倫理問題備受關注。在收集和使用病人樣本和數據時，必須嚴格遵守倫理規范，確保獲得病人的知情同意。此外，數據共享和使用過程中需采取有效的隱私保護措施，防止數據泄露和濫用。如何在保障個人隱私的同時，最大限度地利用代謝組學數據進行研究，是一個亟待解決的難題。

3.2.2 成本與資源限制

代謝組學技術的應用需要價格高昂的儀器設備和專業技術支持，這對許多護理機構來說是一個重大挑戰。質譜儀、核磁共振光譜儀等高端設備的購置和維護成本高昂，這些成本和資源限制了代謝組學在護理實踐中的廣泛應用，尤其是在資源相對匱乏的基層醫療機構。對此，提出以下建議：一方面，可以與擁有實驗設備的單位合作完成項目，收集樣品并制備提供給實驗方進行檢測，然后共同進行統計分析；另一方面，可參與到大型的代謝組學研究課題當中，完善子課題項目設計，最后借助課題項目數據進行分析；此外，還可與專業的代謝組學實驗公司簽署合同，委托完成樣本檢測工作。

3.2.3 護理人員的培訓和教育需求

代謝組學技術的有效應用離不開護理人員的理解和掌握。然而，目前多數護理人員在代謝組學方面的知識相對薄弱，需要系統的培訓和教育。如何設計和實施針對護理人員的培訓計劃，使其能夠熟練掌握代謝組學技術，并將其應用于實際護理研究工作，也是當前的一個重要課題。此外，還需加強多學科團隊的合作，將護理人員、臨床醫生、代謝組學專家和數據分析人員緊密結合，共同推動代謝組學技術在護理中的應用。

4 小結與展望

綜上所述，代謝組學在護理研究中的應用展現出巨大的潛力和廣闊的前景。通過代謝組學技術，研究者可以對人體血清、血漿、尿液、唾液、腦積液等樣本的代謝物變化進行分析，識別出與疾病、心理狀態和生理功能相關的代謝標記物，為護理實踐提供科學依據。在疾病的早期診斷與預防、精準護理、護理干預效果評價、心理護理、老年護理及新生兒護理等研究中，代謝組學能發揮重要作用。未來，隨著技術的不斷進步和研究的深入，代謝組學在護理研究中的應用將更加廣泛和深入，為提升護理質量和病人生活質量提供更強有力的支持。

參考文獻：

[1] WANGTY，LIUJJ，LUOXL，etal.Functionalmetabolomics innovates therapeutic discovery of traditional Chinese medicine derived functional compounds[J].Pharmacology amp;.Therapeutics， 2021，224：107824.

[2] GROTEWOLD E.Plant metabolic diversity：a regulatory perspective [J].Trends in Plant Science，2005，10（2）：57-62.

[3] WEILZ，CHENSQ，DENGXP，etal.Metabolomicdiscoveries forearly diagnosis and traditional Chinese medicine eficacyin ischemic stroke[J].BiomarkerResearch，2O24，12（1）：63.

[4]尚嘉婷，白佳利，王慧，等.代謝組學在肺炎支原體肺炎中的生物標 志物研究進展[J].齊齊哈爾醫學院學報，2024，45（10）：964-967.

[5] GARCIADA，PRESSETECG，MIRANDAR，etal.Biological andmetabolomics-guided isolation of tetrahydrofurofuran lignan from Croton spp.with antiproliferative activity against human melanoma cell line[J].Fitoterapia，2024，177：106070.

[6]FENGY，SONI A，BRIGHTWELL G，et al.The potential new microbial hazard monitoring tool in food safety：Integration of metabolomics and artificial intelligence[J].Trends in Food Scienceamp; Technology，2024，149：104555.

[7]IZQUIERDO-SANDOVALD，DUANX，FRYGANASC，et al. Untargeted metabolomics unravels distinct gut microbial metabolites derivea irom piant-basea and aninal-origin proteins using in vitro modeling[J].Food Chemistry，2024，457：140161.

[8]ANNUNZIATO M，BASHIROVA N，EEZA M N H，et al.An integrated metabolomics-based model，and identification of potential biomarkers，of perfluorooctane sulfonic acid toxicity in zebrafish embryos[J].Environmental Toxicology and Chemistry，2O24，43（4）： 896-914.

[9] CHOU Y J，KOBER K M，YEH K H，et al.A pilot study of metabolomic pathways associated with fatigue in patients with colorectal cancer receiving chemotherapy[J].European Journal of Oncology Nursing，2022，56：102096.

[10]BLANKSBY S J，MITCHELL T W.Advances in mass spectrometry for lipidomics[J].Annual Review ofAnalytical Chemistry，2010，3：433-465.

[11]NICHOLSON JK，LINDON JC，HOLMES E.'Metabonomics'： understanding the metabolic responses of living systems to pathophysiological stimuli via multivariate statistical analysis of biological NMR spectroscopic data[J].Xenobiotica，1999，29（11）： 1181-1189.

[12]KIM S J，SONG H E，LEE H Y，et al.Mass spectrometry-based metabolomicsintranslationalresearch[J].Advances in Experimental Medicine and Biology，2021，1310：509-531.

[13]KOHLERI，VERHOEVENA，DERKSRJ，et al.Analytical pitfallsand challenges in clinical metabolomics[J].Bioanalysis， 2016，8（14）：1509-1532.

[14] YU L，LI K， ZHANG X.Next-generation metabolomics in lung cancer diagnosis，treatment and precision medicine：mini review[J]. Oncotarget，2017，8：70.

[15] PATTI G J，YANES O，SIUZDAK G.Metabolomics：the apogee of the omics trilogy[J].Nature Reviews Molecular Cell Biology， 2012，13（4）：263-269.

[16] ALSEEKH S，AHARONI A，BROTMAN Y，et al. Mass spectrometry-basedmetabolomics：aguide forannotation， quantification and best reporting practices[J]. Nature Methods， 2021，18（7）：747-756.

[17] NAZ S，VALLEJO M，GARCiA A，et al.Method validation strategies involved in non-targeted metabolomics[J].Journal of Chromatography A，2014，1353：99-105.

[18]CAJKA T，FIEHN O.Toward merging untargeted and targeted methods in mass spectrometry-based metabolomicsand lipidomics [J].Analytical Chemistry，2016，88（1）：524-545.

[19] NICHOLSON J K，CONNELLY J，LINDON JC，et al. Metabonomics：a platform for studying drug toxicity and gene function[J].Nature Reviews Drug Discovery，2OO2，1（2）：153-161.

[20]KLUPCZYNSKA A，DEREZINSKI P，KOKOT ZJ. Metabolomicsin medical sciences--trends，challengesand perspectives[J].Acta Poloniae Pharmaceutica，2Ol5，72（4）：629-641.

[21]LENZ E M，WILSON I D.Analytical strategies in metabonomics [J].Journal of Proteome Research，2007，6（2）：443-458.

[22]HORNING M G，High-performance liquid chromatographic separation of carbamazepine metabolites excreted in rat urine[J].J Chromatogr，1980，181（1）：59-65.

[Z3]EUGSIEKPJ，GUILLAKMED，KUDA∠S，et al.UIra nign pressure liquid chromatography forcrude plant extractprofiling[J]. Journal of AOAC International，2011，94（1）：51-70.

[24]WOLFENDERJL，MARTIG，THOMASA，et al.Current approaches and challenges for the metaboliteprofiling of complex natural extracts[J]. Journal of Chromatography A，2Ol5，1382： 136-164.

[25]KUTUZOVA S，COLAIANNI P，ROST H，et al.SmartPeak automates targeted and quantitative metabolomics data processing [J].Analytical Chemistry，2020，92（24）：15968-15974.

[26]GAO X，WANGJJ，CHEN XL，et al.Reduning injection prevents carrageenan-induced inflammation in rats by serum and urinemetabolomicsanalysis[J].ChineseHerbalMedicines，2O22，14 （4）：583-591.

[27]WANG H M，ZHAO T，LV C，et al.Serum metabonomics as a diagnostic approach for cancer-related fatigue[J].Experimental and TherapeuticMedicine，2022，23（4）：256.

[28]CHENJJ，LIU Z，FAN SH，et al.Combined application of NMR- and GC-MS-based metabonomics yields a superior urinary biomarker panel for bipolar disorder[J].Scientific Reports，2014，4： 5855.

[29]LIU M，ZHOU K G，LIHL，et al.Potential of serum metabolites for diagnosing post-stroke cognitive impairment[J].Molecular BioSystems，2015，11（12）：3287-3296.

[30]FUMEIR，田亞麗，馮先瓊，等.精準護理的應用領域及發展方向 [J].中華護理雜志，2017，52（10）：1273-1275.

[31]BEGER RD，DUNN W，SCHMIDT M A，et al.Metabolomics enables precision medicine：\"a white paper，community perspective\" [J].Metabolomics，2016，12（9）：149.

[32]SHIBUTAMIE，TAKEBAYASHI T.A scoping review of the application of metabolomics in nutrition research：the literature survey 2000-2019[J].Nutrients，2021，13（11）：3760.

[33]BAAR K.The signaling underlying FITnessJ].Physiologie Appliquee，Nutrition et Metabolisme，20O9，34（3）：411-419.

[34]ZAFEIRIDIS A，CHATZIIOANNOU AC，SARIVASILIOU H，et al. Global metabolic stress of isoeffort continuous and high intensity interval aerobic exercise：a comparative ¹H NMR metabonomic study[J].Journal of Proteome Research，2Ol6，15（12）：4452-4463.

[35] MACDONALD K，KRISHNAN A，CERVENKA E，et al. Biomarkers for major depressive and bipolar disorders using metabolomics：a systematic review[J].American Journal of Medical Genetics Part B，Neuropsychiatric Genetics，20l9，180（2）：122-137.

[36]LIUXY，ZHENGP，ZHAOXJ，etal.Discoveryandvalidationof plasma biomarkers for major depressive disorder classification based on liquid chromatography-mass spectrometry[J]. Journal of ProteomeResearch，2015，14（5）：2322-2330.

[37]JACKAFN，PASCO JA，WILLIAMSLJ，et al.Dietary intake of fish and PUFA，and clinical depressive and anxiety disorders in women[J].British Journal of Nutrition，2013，09（11）：2059-2066.

[38]GUEST P C.Reviews on biomarker studies in psychiatric and neurodegenerativedisorders[M]. Cham Switzerland： Springe， 2019：1.

[39]SAITO S，SHAHBAZ S，LUO X，et al.Metabolomic and immune alterationsin longCOVID patientswith chronic fatigue syndrome [J].Frontiers in Immunology，2024，15：1341843.

[40]GARCIA-PEREZ I，POSMA J M，CHAMBERS E S，et al. Retraction note：dietary metabotype modelling predicts individual responses to dietary interventions[J].NatureFood，2O23，4（3）：269.

[41]HEANEY L M，DEIGHTON K，SUZUKI T.Non-targeted metabolomics in sport and exercise science[J].Journal of Sports Sciences，2019，37（9）：959-967.

[42] HOOD M S，LITTLE JP，TARNOPOLSKY M A，et al.LoWvolume interval training improves muscle oxidative capacity in sedentary adults[J].Medicine and Science in Sports and Exercise， 2011，43（10）：1849-1856.

[43]TRUSHINA E，DUTTA T，PERSSONX T，et al.Identification ofalteredmetabolicpathwaysin plasmaand CSFin mildcognitive impairment and Alzheimer's disease using metabolomics[J].PLoS One，2013，8（5）：e63644.

[44]GUASCH-FERRE M，HRUBY A，TOLEDO E，et al. Metabolomicsin prediabetesand diabetes：a systematic review and meta-analysis[J].DiabetesCare，2016，39（5）：833-846.

[45] SEYFRIEDT N，FLORESR，POFF A M，etal.Metabolic therapy：a new paradigm for managing malignantbrain cancer[J]. CancerLetters，2015，356（2）：289-300.

[46]VIDARSDOTTIRH，THORKELSSONT，HALLDORSSON TI，et al. Doesmetabolomic profile differwith regard to birth weight？[J]. Pediatric Research，2021，89（5）：1144-1151.

[47]KANGDW，ILHANZE，ISERNNG，et al.Differences infecal microbial metabolites and microbiota of children with autism spectrum disorders[J].Anaerobe，2018，49：121-131.

[48]FANOSV，VANDENANKERJ，NOTOA，et al.Metabolomics inneonatology：fact or fiction？[J].Seminarsin Fetal and Neonatal Medicine，2013，18（1）：3-12.

[49]MARINCOLAFC，NOTO A，CABONIP，et al.A metabolomic study of preterm humanand formulamilkbyhighresolution NMR andGC/MS analysis：preliminary results[J].Journal of MaternalFetalamp; Neonatal Medicine，20l2，25（Suppl5）：62-67.

[50]BANDOK，KAWAHARAR，KUNIMATSUT，et al.Influences of biofluid sample collection and handling procedures on GC-MS basedmetabolomicstudies[J]. Journal ofBioscienceand Bioengineering，2010，110（4）：491-499.

[51]VAN DE MERBEL N C，DE VRIES R.Aging of biological matrices and its effect on bioanalytical method performance[J]. Bioanalysis，2013，5（19）：2393-2407.

[52]BEISKEN S，EIDEN M，SALEK R M.Geting the right answers： understanding metabolomics challenges[J].Expert Reviewof MolecularDiagnostics，2015，15（1）：97-109.

[53]SMITHR，VENTURAD，PRINCEJT.LC-MSalignment in theoryand practice：a comprehensive algorithmic review[J]. Briefings in Bioinformatics，2015，16（1）：104-117.

[54] WARRACK B M，HNATYSHYN S，OTT K H，et al. Normalization strategies for metabonomic analysis ofurine samples [J].Journal of ChromatographyB，2009，877（5/6）：547-552.

[55]李霜.基于代謝組學的數據標準化方法的綜合評價[D].重慶：重 慶大學，2018. （收稿日期：2024-08-02；修回日期：2025-05-23） （本文編輯 崔曉芳）