由加州大学圣地亚哥分校(University of California San Diego)的研究人员领导的一个国际科学家团队报告了一种名为“非靶向代谢组学”(untargeted metabolomics)的新方法，该方法可以识别大量来自食物的分子，这些分子此前未被识别，但出现在我们的血液和粪便中。

2022年7月7日出版的《自然-生物技术》杂志描述了这种方法，它将一个样本中代谢的所有产物与可获得化学物质库存的大型样本数据库相匹配，提供了一个前所未有的分子目录，这些分子是通过消费食物或在我们的肠道中处理食物而产生的。

作者说，如果广泛应用，这种新方法可以极大地扩大人们对人类、动物和环境样本中化学物质来源的了解。

“非靶向质谱法是一种非常敏感的技术，可以检测数百到数千个分子，现在可以用来创建个人的饮食档案，”共同通讯作者、加州大学圣地亚哥分校斯卡格斯质谱法创新中心主任Pieter Dorrestein博士说。

“了解我们所吃的食物如何转化为代谢产物和副产品的扩展能力对人类健康有直接影响。我们现在可以使用这种方法来获得经验的饮食信息，并了解与临床结果的关系。现在有可能将饮食中的分子与健康结果联系起来，而不是一次一个，而是一次全部联系起来，这在以前是不可能的。”

代谢组学是对生物标本中所有代谢物的综合测量。代谢物是生物体分解食物、药物、化学物质或自身组织时产生或使用的物质，通常是小分子。它们是新陈代谢的产物。这项研究还使用了一种相关的技术，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。

目前的代谢组学研究只注释或识别了样本中10%的分子特征，留下了90%的物质未知。新方法使用参考数据驱动(RDD)分析，将来自串联质谱或MS/MS(一种使用两个而不是一个分析仪测量分子量的分析工具)的代谢组学数据与元数据注释的数据进行匹配，即伪MS/MS参考库。

本质上，每个分子都被剥夺了电子以使其带电。用一个非常敏感的天平称带电离子的重量，然后将其粉碎，称重，为每个分子创造一个独特的指纹。

这些碎片集合或“碎片谱”可以在被分析的样本和参考数据库之间进行匹配。然而，到目前为止，这个过程非常具有挑战性。

在这项新工作中，研究人员调查了七年前在加州大学圣地亚哥分校发起的全球食物数据倡议中来自世界各地的人们贡献的数千种食物，这是建立在公民科学的美国肠道计划/ Microsetta计划的成功基础上的。科学家们的数据输出比传统技术增加了5倍多。最重要的是，这种新方法允许使用非靶向代谢组学来根据粪便或血液样本确定饮食。

作者说，RDD分析允许他们分析饮食模式(例如，纯素食和杂食)和特定食物的消费，更普遍的是，将数据与任何现有的参考数据库进行匹配。

“这项进步至关重要，因为传统的饮食测量方法，如食物日记或食物频率问卷，填写起来很痛苦，很难准确”。

“从样本中直接读出饮食的潜力，对阿尔茨海默病等人群的研究有着巨大的影响，这些人可能无法记住或解释他们吃了什么。以及在野生动物保护方面的应用。在我们研究的数百种物种中，如果能找到猎豹或大猩猩来填写食物日记，那就祝你好运了。”

Dorrestein和Knight说，特别有趣的是，当食物与人口相匹配时，血液或粪便中可以解释的分子数量有了很大的改善，比如将意大利的食物与加州大学圣地亚哥分校的科学家合作研究百岁老人的塞伦托半岛的人相匹配。

Knight说:“这确实表明，从世界各地的人们那里获得食物样本和临床样本是多么重要，以便了解我们的分子和微生物如何合作，从而根据我们的饮食改善或降低我们的健康。”

“这项研究还指出了使用RDD来解释我们代谢组中的暗物质的方法，”Dorrestein补充说，“不仅在饮食方面，而且在我们所穿的衣服、所服用的药物、所使用的美容产品和所接触的环境中暴露出的化学物质。它将真正让我们探索我们自己和我们居住的世界之间的化学联系。”

原文标题：

Enhancing untargeted metabolomics using metadata-based source annotation