代谢重编程是癌症的重要标志之一，表现为肿瘤微环境中细胞代谢的广泛改变，以支持癌细胞快速增殖、存活和侵袭。这些代谢变化不仅涉及癌细胞自身，也受微环境中氧气、营养供应、信号分子及多种非癌细胞（如免疫细胞、基质细胞）的影响，导致代谢高度异质。基于色谱质谱联用技术（LC-MS）的非靶向代谢组学可全面定量分析癌症与正常组织间的代谢物差异，筛选潜在生物标志物。由于样本为组织块级混合分析，无法精确定位代谢变化的空间来源，难以区分癌细胞与周围细胞的贡献，也无法捕捉局部微环境中的代谢动态。为了更清晰地描绘肿瘤中的代谢异质性，“代谢区域”（MER）被定义为一种局部细胞微环境，其特征在于空间上存在与肿瘤代谢或肿瘤发生中的关键代谢或生物学过程机制相关的代谢物。然而，当前非靶向代谢组学的无靶向数据分析方法仍存在诸多局限性，限制了MER检测应用。
最近，复旦大学人类表型组研究院王玉兰教授、新加坡科技研究局Lit-Hsin Loo教授和新加坡国家癌症中心Pierce Kah-Hoe Chow教授合作，发展了利用多模态策略分析癌细胞的代谢特征，即空间引导的代谢图谱分析方法（SgME）。利用该方法研究了人肝癌组织的代谢图谱和RNA标志物，发现有超过50%通过组织匀浆方法获得的癌症代谢标志物实际上来自于非癌症组织，从而难以作为癌症的标志物，不具有重现性和预警价值。通过SgME方法，发现了癌组织特有的潜在代谢标志物，这些标志物在低级别癌组织中显示增加，但在组织坏死区域大大降低。该研究表明SgME方法较传统的组织匀浆方法获得的癌症代谢图谱具有空间分辨的特征，可以用于发现癌症特异的标志物。该成果日前已在国际知名期刊Molecule System Biology上正式发表（Mol Syst Biol, 2026.）。
图1、空间引导代谢组学分析流程的关键步骤示意图
论文链接： https://link.springer.com/article/10.1038/s44320-026-00205-w
