当摄影师对准北美长叶松沼泽，全景、群落、单株的逐级变焦，呈现了细节丰富与宏观信息丢失的取舍——这恰是代谢组学研究的核心隐喻。

这一类比源自2023年发表于Analytical Science Advances的评述文章（美国圣地亚哥植物园本杰明·纳曼等著）。作者团队基于植物园野外样本研究经验，直指代谢组学科研痛点。

该文以摄影变焦为类比，揭示代谢组学的核心局限：全流程实验存在不可逆信息损耗，受样本取材、检测技术、数据库注释等环节限制，绝对完整的代谢组全覆盖在当前技术下无法实现。科研人员需正视信息缺失，客观解读数据，避免脱离生物背景的片面结论。

自上世纪70年代组学技术发展以来，代谢组学因直接反映生命生理表型而成为研究热点。但与基因组学、转录组学不同，代谢组学检测的小分子代谢物受实验条件影响显著，其“完整刻画生物系统”的愿景面临现实挑战。

图1 沼泽景观逐级变焦信息得失示意图。镜头聚焦时微观细节与宏观信息的取舍，完美复刻代谢组学研究规律。

图2 摄影流程与代谢组学实验全流程对照示意图。(A)确定拍摄主体=目标生物量样本采集；(B)相机曝光与滤镜调节=样本代谢淬灭与代谢物提取；(C)画面取景构图=代谢样本前处理分离；(D)胶片数码化成像=仪器代谢图谱采集；(E)图片后期解析=代谢组数据注释与分析。

1 样本选择：代谢组研究的第一道门槛

样本选取是代谢组研究的起点，也是信息过滤的首道关卡。研究根系代谢不会采集叶片，同理，样本类型直接决定可检测的代谢物范围。

低丰度功能代谢物（如植物防御物质、信息素）生理效应强但浓度极低，野外珍稀植物样本量有限时难以检测，导致天然偏差。尽管高灵敏度仪器有所缓解，但样本取材限制仍是领域短板。

2 代谢淬灭与提取：人为筛选代谢物

摄影通过曝光和滤镜筛选光线，代谢组实验则通过代谢淬灭与代谢物提取筛选代谢物。

生物代谢反应动态发生，样本离体后需低温瞬时淬灭以锁定真实状态，时机偏差会导致代谢物组成失真，直接影响数据可靠性。

淬灭后的溶剂提取是第二层筛选。无论采用何种溶剂方案，均存在选择性：部分极性极端或不稳定的代谢物无法充分溶出，相对丰度被人为改变，这是代谢组无法全覆盖的核心环节之一。

3 样品前处理：裁剪代谢混合物

摄影师通过取景框裁切画面，代谢组前处理（浓缩、脱盐、萃取等）则是对代谢混合物的“人工构图”，筛选目标代谢物。

浓缩过程中的温度、氧化等因素会引发代谢物降解；脱盐、萃取会定向富集某类代谢物，同时排除其他分子。若论文未明确前处理对代谢物的富集/剔除范围，将导致数据解读存在盲区。

4 仪器检测：性能决定检测范围

核磁共振波谱（NMR）、液相色谱-质谱联用（LC-MS）、气相色谱-质谱联用（GC-MS）是代谢组检测的主流设备，它们将提取液转化为数字化代谢图谱。

与摄影可实时预览不同，代谢组研究者无法预判上机结果，样本制备失误或仪器故障需数据产出后才能发现，且生物样品通常不可重复获取。

不同仪器有天然检测偏好：GC-MS适配挥发性小分子，LC-MS覆盖特定分子量和极性代谢物，NMR普适性强但灵敏度低。即便联用多平台，也会增加成本和数据整合难度，仪器选型是代谢信息最剧烈的“减损环节”。

5 代谢物注释：数据库局限与识别盲区

代谢组数据依赖数据库匹配完成代谢物注释，这一步同样存在信息丢失与识别偏差。

《代谢组学标准倡议》（MSI）划定四级代谢物鉴定可信度，但多数研究未严格遵循最低报告规范，导致鉴定结果可信度存疑，实验可重复性降低。

数据解析存在两大现实阻碍：

色谱质谱峰重叠：大量代谢物无法被色谱完全分离，重叠信号需算法拆解，算法精度直接决定小分子能否被识别；

代谢物数据库碎片化：全球超120套天然产物数据库收录范围互不重叠，且缺少中心化开放库，大量未知、同分异构、新型天然产物因无参考图谱无法注释。

6 结语：接受 “不完整”，才是代谢组研究的科学自觉

评述最终破除科研误区：不存在能完整捕获全部代谢物的实验方案。从样本采集到数据注释，每一步人为选择都会主动或被动丢失生物化学信息。

高质量代谢组研究的核心，在于正视信息取舍：完整记录实验细节，区分“检测到的分子”与“丢失的分子”，基于有限数据审慎推导结论。

脱离丢失信息解读结果，如同只看镜头里的蜘蛛而无视整片沼泽，结论将脱离真实生命系统。尤其对野生植物研究，样本不可复刻使信息损耗误差放大。承认“看见伴随失去”，才能让代谢组学客观解读生命化学语言，支撑植物保护与天然产物挖掘。

扩展阅读

Naman, C. B., Thavarool Puthiyedathu, S., Poulin, C. Y. C., & Poulin, R. X. (2023). Hidden in the photograph: The myth of complete metabolic coverage in metabolomics. Analytical Science Advances, 4, 319–323. https://doi.org/10.1002/ansa.202200055

支持单位：