非靶向代谢组学伯远非靶向代谢组学

武汉伯远生物
非靶向代谢组学是在不预设目标分子的前提下，尽可能全面地检测样本中的代谢物变化，常用于发现差异代谢物、筛选生物标志物和解析代谢通路 。
我公司是国家级专精特新小巨人企业，拥有国家级重点实验室，科研技术人员500+，各类仪器设备投资超1个亿，牵头多项省部级重大专项。
核心特点
它强调“先发现、后解释”，适合对照组与处理组之间做系统比较，而不是只盯着少数已知代谢物 。
通常会结合 LC-MS、GC-MS 或高分辨质谱平台进行广覆盖检测，再通过数据库匹配和生物信息学分析进行代谢物注释 。
一般流程
常见流程包括样本采集与前处理、上机检测、峰提取与对齐、差异分析、代谢物鉴定和通路富集分析 。
不少平台会同时采集正负离子模式数据，以提高覆盖度和鉴定效率 。
下游分析常见 PCA、PLS-DA、OPLS-DA，以及差异代谢物筛选和通路分析 。
适合的研究场景
非靶向代谢组学特别适合机制研究、疾病模型、药物干预、环境胁迫和植物响应等场景，因为它能先捕捉到“哪里变了”，再进一步追问“为什么变了” 。
如果你研究植物激素，它也常作为前期筛查工具，用来发现哪些代谢网络受扰动，再转入靶向验证 。
和靶向的区别
非靶向更偏向覆盖广、发现新线索，但定量准确性和绝对定量能力通常不如靶向 。
靶向适合精确定量已知分子，非靶向适合做探索和假设生成，两者经常组合使用 。
一句话理解
如果把代谢组学比作“查地图”，非靶向是先把整张地图尽量铺开，看哪里有变化；靶向则是拿着坐标去精确测某几个点 。
1. 先把研究设计定清楚
先明确研究问题：是做分组差异、机制探索，还是筛查潜在标志物。
分组、时间点、处理条件、随机化顺序、重复数都要在上机前定好，不然后面很容易出现“数据很多，但解释不清” 。
如果样本是植物、细胞还是体液，前处理和质控思路也会完全不同 。
2. 样本采集要标准化
非靶向代谢组对采样一致性非常敏感，采样时间、温度、光照、禁食状态、组织部位都会影响代谢谱 。
采样后尽快淬灭代谢并低温保存，减少采后变化。
同一批样本尽量采用同一套采集和保存流程，避免批间人为差异盖过生物学差异 。
3. 前处理要统一
样本提取的关键是一致性，不是“哪一种溶剂最强” 。
常见做法是蛋白沉淀、溶剂提取、离心、上清转移，必要时进行浓缩或复溶。
如果是植物样本，还要特别注意组织研磨是否充分、内源酶是否被及时抑制，以及不同组织含水量差异带来的提取偏差 。
4. 质控样本必须放进去
QC 样本建议由所有样本等量混合而成，用来监控仪器稳定性、保留时间漂移和峰强波动 。
上机顺序最好随机化，避免同组样本集中在前半段或后半段造成系统偏差 。
如果 QC 在 PCA 图里明显漂移，通常说明仪器状态、批次效应或前处理一致性出了问题 。
5. 检测平台要匹配课题
非靶向代谢组学最常用的是 LC-MS/MS，也有研究会加入 GC-MS 以覆盖挥发性或小分子有机酸等代谢物 。
正负离子模式最好都采，覆盖面更广，尤其适合复杂样本 。
如果是植物激素相关课题，非靶向往往更适合作为前期发现工具，再转入靶向验证 。
6. 数据处理要按标准流程走
通常包括峰提取、峰对齐、去噪、缺失值处理、归一化和代谢物注释 。
常见第一步是 PCA 看整体聚类、离群点和 QC 表现，再做 PLS-DA 或 OPLS-DA 进行组间分离分析 。
差异代谢物筛选一般会结合 VIP、Fold Change 和统计检验结果，而不是只看单一指标 。
7. 差异结果要做生物学解释
筛到差异代谢物后，下一步是做聚类热图、相关性分析和通路富集，判断这些变化是否集中在某些代谢通路上 。
这一步的关键不是“图好不好看”，而是要回到实验问题，解释代谢变化和表型、处理或疾病之间的关系。
如果没有明确的通路背景，非靶向结果容易停留在“差异名单”层面 。
8. 最常见的避坑点
样本收集不统一，导致代谢差异被技术差异淹没。
QC 不稳定，但仍直接进入差异分析。
只做一次批次检测，没有考虑漂移校正。
统计阈值设得过松，假阳性太多。
只重视峰图和火山图，忽略了代谢物注释可信度 。
9. 课题启动建议
如果你是第一次做，建议先做小规模预实验，确认采样、提取、上机和分析流程都稳定后，再扩展到正式样本。
对于植物课题，尤其要提前考虑组织差异、昼夜节律、发育阶段和逆境处理时间点，因为这些因素会显著改变代谢谱 。
一个稳妥的思路是：先用非靶向找候选，再用靶向做验证，这样更容易把课题做完整 。