在生命科学研究中，最重要的部分之一是探索特定饮食模式对健康的影响。然而，传统测量饮食的方法（如食物日记或食物频率调查问卷）不仅需要让研究参与者费时费力地填写，更重要的是，数据的准确性难以保障，并可能直接影响了研究结论的可复制性。为此，许多科学家转向了代谢组学。代谢组学是在后基因组学时代兴起的一门跨领域学科，涉及对生物样本中所有代谢物的全面测量。代谢物是生物体分解食物、药物、化学物质或其自身组织产生的物质，通常都是小分子。目前，人类非靶向代谢组学研究仅识别了约10%的分子特征，也就是说，还有90%的分子特征是未知的。2022年7月7日，发表在《Nature Biotechnology》上的一项新研究中，来自加州大学圣地亚哥分校领导的大型国际研究团队描述了一种非靶向代谢组学的新方法，将样本中的所有代谢物与涉及化学物质清单的大型样本数据库相匹配，为食物或在肠道中加工食物而产生的分子特征提供了一个前所未有的目录。非靶向质谱法是一种非常灵敏的技术，可以检测复杂生物样本中成百上千个分子。在这项新研究中，它还可以用来创建个人饮食特征，深入了解我们摄入的食物如何转化为代谢产物和副产物将对人类健康产生直接影响。研究通讯作者、加州大学圣地亚哥分校协作质谱法创新中心主任Pieter Dorrestein博士说：“我们现在可以将饮食中的分子与临床健康结果联系起来，不是一次一个，而是一次全部联系起来，这在以前是不可能的。”该研究还使用了宏基因组学来测量生物样本中的遗传物质并表征存在的微生物。新方法使用参考数据驱动（RDD）分析，将来自串联质谱法（MS/MS）分析的代谢组学数据与元数据注释的数据相匹配。
基本上，每个分子都被剥夺了电子以使其带电。然后用一个非常灵敏的秤来为带电离子称量，然后将它们粉碎成碎片后再称重，从而为每个分子创建一个独特的指纹。这些“碎片谱”的集合可以在被分析的样本和参考数据库之间进行匹配。
为了举例说明RDD代谢组学，并且由于饮食对健康至关重要，该团队创建了一个食物代谢组学参考数据集。然后，利用一项睡眠与昼夜节律研究中受控参与者的饮食信息评估了RDD代谢组学是否能准确回顾已知摄入的食物。
在该研究中，参与者在4天内2次接受控制饮食。因此研究人员可以知道分析结果的准确性。结果显示，在15种食物中，有11种与提供给参与者的食物直接匹配。在这11种食物中，有3种与食用的非发酵食物的发酵版本相匹配，例如：发酵葡萄（非葡萄）、苹果酒（非苹果）、酸奶（非牛奶）。还有4种类别的食物在研究期间没有记录。这表明，RDD可以成功地从非靶向代谢组学数据中获得正确的历史饮食信息。为了评估RDD能否揭示饮食偏好，该团队还分析了一个杂食者和素食者的数据集。主成分分析与参考食物的相对比例揭示了饮食偏好之间的不同模式：杂食者对乳制品、肉类和海鲜的匹配度较高；而素食者对豆类、水果和蔬菜的匹配度较高。对老年人群的RDD分析发现，饮食多样性较低的个体与乳制品、苏打水和咖啡匹配度更高，而且这种饮食类型在阿尔茨海默症组中更为普遍。这表明，RDD分析可以用于根据每个样本的饮食组成的经验数据对临床研究进行回顾性分层。
该研究共同通讯作者、加州大学圣地亚哥分校的微生物组创新中心主任Rob Knight博士说：“新方法对阿尔茨海默症的研究将有着巨大影响，因为患者可能无法记住或解释他们吃了什么东西。此外，这个新方法还能在野生动物保护方面带来新的进展。毕竟，大猩猩和猎豹是不可能填写食物调查问卷的。”该团队表示，特别令人感兴趣的是，当食物与人群相匹配时，血液或粪便中的分子量有了很大改善，例如，可以分析出来自意大利的饮食与加州大学圣地亚哥分校团队正在研究的意大利奇伦托百岁老人相匹配。Knight说：“这确实表明从世界各地获取的食物样本和临床样本是多么的重要，以让我们了解分子和微生物如何相互作用，并根据特定饮食改善或降低我们的健康结果。”总之，这个新方法可以让我们更全面地了解人类、动物和环境样本中的多种化学物质的来源。RDD代谢组学的潜在应用包括了解饮食和营养摄入、接触风险、药物使用、环境过敏原、污染研究、微生物组调查，和个人护理产品追踪等，以告知潜在的接触和健康影响。
论文链接：
https://www.nature.com/articles/s41587-022-01368-1