肝髒病學中的系統生物學：方法和應用

科學集市

代謝改變在肝髒脂肪變性中作用

上圖來自論文中的第二幅插圖，詳盡描述了糖脂代謝在肝細胞中生理機制，我就不一一給大家翻譯了，有興趣的可以去原網址康康。（肝髒脂肪變性是由以下一種或多種原因引起的：脂肪酸(FAs)向肝髒的轉運增加；內源性FA合成增加；線粒體FA氧化減少；甘油三酯作為極低密度脂蛋白(VLDL)膽固醇的結合或輸出不足。通過針對這些途徑中的一個或多個，可以開發新的創新方法來有效治療肝髒脂肪變性。丙酮酸激酶(PKLR)、三磷酸腺苷檸檬酸合成酶(ACLY)、乙酰輔酶A羧化酶1(ACC1)、脂肪酸合成酶(FASN)和硬脂酰輔酶A脫飽和酶(HSCD1)等與從頭脂肪形成有關的蛋白被認為是抑制內源性FA合成的靶點。

考慮到NAD+和谷胱甘肽代謝改變(對NAD+和谷胱甘肽的需求增加)是NAFLD的主要特征，補充可能增加NAD+和谷胱甘肽水平的天然物質可以提供潛在的治療策略。例如，可以補充天然物質，包括絲氨酸、甘氨酸和N-乙酰半胱氨酸(NAC)，以提高谷胱甘肽的水平；可以補充NAD+的前體，包括煙酰胺核苷(NR)和煙酰胺單核苷酸(NMN)，以提高NAD+的水平；可以補充L-肉堿，以促進FAs向線粒體的轉移。補充這些天然物質(如黃色方框所示)可能最終會促進肝髒線粒體FA的氧化，從而降低肝髒中累積的脂肪水平。GSSG，谷胱甘肽(氧化)；OAA，草酰乙酸酯；PEP，磷酸烯醇式丙酮酸；ROS，活性氧；TAG，三酰甘油；TCA，三元酸；SAM，S-腺苷-L-蛋氨酸。）

例如，肝髒DNL（de novo lipogenesis，脂質從頭合成）通常是肝髒脂質合成的次要因素，但在NAFLD和其他胰島素抵抗狀態下，DNL升高已成為肝髒脂肪變性的重要因素，在這些狀態中，DNL占肝髒脂質合成的25%。一個重要的解釋是，甾醇調節元件結合蛋白1(SREBP1)和碳水化合物反應元件結合蛋白(ChREBP)是調節脫氧核糖核酸的兩個主要轉錄因子，它們分別受胰島素和葡萄糖的控制。因此，高胰島素血症和高血糖協同作用刺激DNL。此外，肝髒DNL產生丙二酰輔酶A，通過抑制肉堿棕櫚酰基轉移酶系統減少長鏈脂肪酸的β-氧化。因此，DNL既能促進肝髒脂肪酸的合成，又能抑制其氧化。

葡萄糖、遊離脂肪酸和其他脂質的異常濃度可能是由於這些代謝物在肝髒中的流入、產生、轉化或清除的變化造成的。因此，靜態測量並不能揭示調節受損的潛在機制。

不幸的是，由於物種的特異性，沒有有效的動物模型可以有效地取代在人類中探索肝髒代謝紊亂的通量組學研究。因此，以人體肝髒、脂肪和肌肉組織等代謝活性組織為研究對象的動力學研究已成為臨床研究定量了解這些代謝過程動力學的重要工具。在這樣的研究中，穩定的同位素示蹤劑被結合到體內的所有蛋白質和/或脂質中。

利用質譜技術，可以在樣品中測量同位素相對於未標記同位素的質量，以提供在代謝活躍的組織中蛋白質或脂質隨時間的富集程度。利用數學模型，富集時間進程數據可以提供對碳水化合物和脂類通量的估計。這些類型的研究闡明了肥胖或NAFLD患者致動脈粥樣硬化性血脂異常的機制(下文進一步討論)。因此，描述脂質、脂蛋白和葡萄糖代謝的部分途徑的數學模型就存在了。然而，目前還缺乏整合這些代謝途徑的綜合模型。

宏基因組

人體腸道內有大量種類繁多的微生物，這些微生物的基因組大小被稱為微生物群，比人類基因組的大小高出兩個數量級。

腸道微生物區系包括所有生活在胃腸道的微生物，它與肥胖和相關疾病的發病機制有關，包括胰島素抵抗、T2 DM、動脈粥樣硬化和NAFLD。考慮到人體微生物群的組成與人類健康之間的密切聯系，有必要了解腸道微生物區系在NAFLD和其他代謝性疾病發病機制中的作用，以設計有效的治療應用。元基因組學研究已經為代謝性疾病提供了新的見解，並為可能的治療目標提供了線索。然而，有必要進行更多的研究，以進一步闡明致病作用與其他代謝危險因素的相關性，如社會經濟指數和飲食。

組學數據整合網絡分析

生物技術公司正在尋求識別生物標記物，以早期發現NASH等疾病，並尋求藥物靶標，以開發有效的慢性肝病治療策略。經典的科學研究方法側重於將生物系統簡化為特定的基因、代謝物或反應，以及消除混雜效應的實驗。這種簡約主義方法使人們能夠對焦點73的元素做出非常具體的陳述；然而，在許多情況下，由許多相互關聯的元素組成的複雜系統的行為不能用簡約主義數據來描述。

例如，在臨床藥物開發中，由於無法根據簡化論者的數據預測系統行為，導致許多藥物產生嚴重的不良影響，導致人體臨床試驗失敗，大大增加了藥物開發的成本。

對制藥公司公布的數據的分析表明，藥物開發成本的約75%用於識別最終失效的藥物靶點、標記物和化合物，約78%的成本在第一批患者數據可用之前花費，約58%的成本在任何人類數據可用之前花費。失敗的高成本主要發生在早期開發階段，這是因為我們無法從當時有限的數據中充分預測靶點、藥物或標志物的人類結果。

由於疾病的複雜性以及其他組織和環境因素(如飲食和微生物區系)之間的相互作用，簡化論方法使剩下的挑戰(腫瘤學、免疫系統疾病和代謝性疾病)變得更加複雜。部分由於這個原因，研究變得更加困難，早期研究投資的回報變得非常不可能。因此，如果新藥的開發要繼續存在，就需要更好的預測方法，這些方法可以用來改進候選藥物的識別，並在開發過程中更早地做出更好的決定。

一種實現更好預測的可能方法可能是通過使用整體方法來模擬整個人類細胞和組織功能。例如，生物網絡可能被用來整合組學數據，並獲得關於疾病-相關表型的進一步見解。這種方法的一個成功的例子是開發了人類病原體生殖支原體的全細胞模型，該模型已被成功地用於模擬其動態細胞狀態。細胞過程通常涉及大量的新陳代謝途徑，這些代謝途徑受到通過蛋白質-蛋白質相互作用進行的信號通路的嚴格調控。

因此，綜合模型的開發和分析對於研究細胞的單個成分以及確定哪些成分可能相互作用來控制和維持處於健康和疾病狀態的細胞系統是必要的。高質量的組學數據可用於生物網絡的生成，這些生物網絡代表著理解系統級屬性以及進一步洞察細胞或組織功能重新編程的寶貴平台。此外，這種綜合方法也可能有助於為現有藥物尋找新的靶點，並重新調整藥物的用途，從而降低開發成本。最常用的生物網絡包括GSMM、GRN、PPIN和信令網絡。

基因組規模的新陳代謝模型

GSMM是細胞或組織中所有生化反應和運輸過程的化學計量學的數學重建。

基因調控網絡

GRN代表了轉錄因子和基因之間複雜的相互作用，通過這種相互作用可以調控基因的時空表達。

蛋白質-蛋白質相互作用網絡

蛋白質之間的相互作用是所有生物功能的核心，而PPIN提供了關於單個途徑組件的功能組織的更深入的見解。隨著高通量實驗技術的發展和相關文獻的人工評估，PPIN的大小繼續大幅增加。除了基於文獻的數據庫之外，其他數據庫包括通過計算方法預測的交互。PPIN已經被用來識別潛在的藥物靶點，並通過繪制蛋白質表達數據來研究目前已知的靶點的效果。靜態PPIN可作為慢性病和癌症定性分析的有用工具，也可以與其他生物網絡集成，包括GSMM、GRN和信號網絡。

信號網絡（Signalling networks）

細胞信號機制的異常調節在癌症和其他慢性疾病的發病機制中是常見的，而信號網絡為理解信號通路的機制和目的提供了一個有價值的框架。進一步了解反饋環和信號通路之間的串擾可能有助於闡明疾病進展所涉及的機制。

肝病代謝模型Metabolic modelling of liver disease

脂肪肝向肝炎發展

在這一部分中，作者回顧了最近的研究，在這些研究中，GSMM與組學數據一起被用於發現生物標記物和確定肝病相關的藥物靶點。

肝癌代謝模型

GSMM已被用於研究不同癌症的代謝重編程，以及確定可能的肝癌患者-特異性藥物靶點和治療策略。

腸道微生物群的代謝模型

人類腸道微生物區系與宿主建立了共生關系，其組成的變化與各種複雜疾病的發展有關，包括NAFLD、T2DM和各種癌症。研究微生物的新陳代謝對於解釋微生物與微生物、微生物與宿主的相互作用以及宿主飲食等環境因素是必要的。

生物網絡的整合

代謝受內外刺激的調節，酶的表達受轉錄調控。因此，GSMM應與其他生物網絡(包括GRN、PPIN和信令網絡)相結合，以整體方式覆蓋細胞和組織的全部生物功能。聯合信號網絡和代謝網絡的網絡拓撲也被用於分析從肝細胞癌患者獲得的轉錄組數據，這種方法能夠識別與調節肝脂代謝的某些部分相關的信號中樞。

結論

生成高質量的組學數據以及通過使用生物網絡整合這些數據以揭示肝病的潛在分子機制方面正在取得進展。作者預計，通過學術界、生物技術公司和制藥業的密切合作，治療複雜代謝性疾病的安全、有效的精確藥物可能很快就會成為現實。