Cell Metabolism：脂质代谢流量可视化，解读疾病失衡真相

利用稳定同位素追踪和通量分析建模脂质稳态

2026年2月，美国索尔克生物研究所等单位的相关研究人员在《Cell Metabolism》（IF：30.9）上发表了题为“Modeling lipid homeostasis using stable isotope tracing and flux analysis”的研究论文，建立的脂质代谢通量分析（Lipid-MFA）技术通过整合稳定同位素示踪与质谱分析，实现了对非小细胞肺癌（NSCLC）模型中脂质代谢通量的精准量化，为解析脂质稳态的分子机制及其在疾病状态下的失调提供了有力工具。

  亮点概述：

• Lipid-MFA可测定维持脂质稳态的合成与回收通量。
• 精密切割肺组织切片培养技术实现肿瘤微环境中的脂质代谢通量分析。
• p53或LKB1抑癌基因缺失显著影响NSCLC中的鞘脂代谢通量。
• 长链与极长链神经酰胺（Cer）在复杂鞘脂中的转运途径存在差异。

  研究背景：

脂质是细胞和组织中含量最丰富、种类最繁多的代谢物。它们参与众多生物过程，包括膜分隔、生物能量学、信号转导、蛋白质功能及细胞间相互作用。膜磷脂和鞘脂（SLs）分别在Lands循环和胞内溶酶体系统中经历高度代谢与加工。它们通常由头部基团和酰基链合成，随后在多个细胞器中经多种酶进一步修饰和分解代谢。因此，每种脂质的物理特性和功能取决于其主链、头部基团化学性质以及酰基链结构（链长、不饱和度、羟基化程度）。

¹³C MFA是量化生物体内生化通量最先进最可靠的方法。稳定同位素标记营养物质的代谢会产生复杂标记模式或“质量同位素分布”（MIDs），可通过质谱法等方法检测。这些数据经分子网络与热力学约束分析后，可估算网络中的代谢通量。¹³C MFA应用主要聚焦于核心碳代谢与生物聚合物合成领域，而针对脂质代谢的研究则采用更精准的方法，通过检测特定质量同位素体进行分析。随着脂质代谢在生物学中的重要性日益凸显，需要开发新工具将MFA应用拓展至这些领域之外。

研究结果：

为了初步测试和实施Lipid-MFA，研究人员开发了一条可涵盖甘油脂质与SL代谢的代谢网络的分析流程。为此，研究人员在无示踪剂条件下培养A549 NSCLC细胞系，测定目标脂质物种的定量数据。通过超高效液相色谱联用高分辨质谱技术筛选出适合建模的脂质物种，重点关注高丰度的种类，如磷脂酰胆碱（PCs）、磷脂酰乙醇胺（PEs）、磷脂酰丝氨酸（PSs）、醚脂（pPEs）、甘油三酯（TGs）和SLs，并确认其二级质谱（MS2）片段可用于建模。随后采用[U-¹³C₆]葡萄糖进行示踪24小时，在A549细胞中解析了PC和Cer的MID，明确了关键反应位点。复杂糖脂如神经节苷脂GM2 18:1;O2/24:0需经多步反应合成，因此呈现更复杂的分布模式。尽管某些脂质（如PCs和Cer）的质量同位素异构体模式具有视觉辨识度，但随着构建模块数量增加，数据复杂度显著提升。值得注意的是，在使用[U-¹³C₆]葡萄糖培养时观察到高丰度脂质中有强烈的标记，但在整个细胞裂解物中，游离鞘氨醇（SPB 18：1；O2，或SO）和二氢鞘氨醇（SPB 18：0；O2，或SA）中观察到的富集程度有限。因此，为准确测定丝氨酸棕榈酰转移酶（SPT）介导的长链碱基（LCB）合成通量，研究人员采用含[U-¹³C₃]丝氨酸的培养基培养A549细胞。该示踪剂可轻松标记细胞裂解液中的二氢神经酰胺（DHCer）、Cer和鞘磷脂（SM），而对PS和PE以外的脂肪酸和脂质的标记则微乎其微。

接下来，研究人员利用INCA将这些数据整合到基于机制的¹³C MFA模型中。该工具允许用户输入反应网络、原子转移、示踪剂及数据，从而为特定实验估算代谢流及其置信区间。通过敏感性分析确定置信区间，将标记数据（和/或池大小）转化为通量测量值。在Lipid-MFA中，前体池（如甘油-3-磷酸（G3P）、乙酰辅酶A、丝氨酸）的同位素标记被确认或假定处于伪稳态。尽管生物量中脂质的富集未达同位素稳态，但通过前体标记及各脂质随时间变化的合成速率g(t)进行计算。这些假设与解决方案常用于体内外通量测量，如同位素谱分析（ISA）或质谱同位素分布分析（MIDA）。总体而言，通过整合来自不同脂质类别的质量同位素数据，能够解析膜脂质生物合成、回收以及脂质类别间相互转化的关键通量。

设计实现与假设

接下来，为探究Lipid-MFA在更复杂且具生理相关性的微环境中解析通量变化的能力，研究人员在携带NSCLC肿瘤的小鼠模型中应用了精密肺切片（PCLS）培养技术。通过气管插管注射慢病毒Cre，在Krasᴸˢᴸ-ᴳ¹²ᴰ/⁺；Stk11ᶠˡᵒˣ/ᶠˡᵒˣ（KL）和Krasᴸˢᴸ-ᴳ¹²ᴰ/⁺；Trp53ᶠˡᵒˣ/ᶠˡᵒˣ（KP）小鼠中诱导肺部肿瘤。肿瘤诱导后约16周，经琼脂糖灌注使肺组织膨胀后制备切片并进行培养。在新鲜培养基中过夜恢复后，将切片置于含[U-¹³C₆]葡萄糖或[U-¹³C₃]丝氨酸的培养基中培养24小时。结果显示，KP肿瘤小鼠的肺切片中，葡萄糖向乙酰辅酶A池的通量略有下降，但对脂肪酸合成和SL补救途径的影响更为显著。KP肿瘤中，CERS2催化的反应高度依赖补救途径提供底物，同时新合成的棕榈酸和二十四烷酸对SM 42:1;O2合成的贡献减少。相比之下，KL肿瘤切片则显示出更高的脂肪酸合酶（FASN）和SPT的生物合成通量、较低的LCB再循环率，以及与KP肿瘤相比整体更低的SM周转率。这些数据表明，KP肿瘤的膜脂质周转显著高于KL肿瘤，后者无法有效调控AMPK信号通路和溶酶体生物发生。此外，在KL肿瘤中观察到SM 42:1:O2合成轴中维持更高水平的SL池，表现为SA、DHCer及SM池显著增加，[U-¹³C₃]丝氨酸对头部基团的标记增强，以及[U-¹³C₆]葡萄糖对酰基链的富集增加。这些数据支持Lipid-MFA在KL肿瘤携带PCLS培养物中解析出的升高的SPT通量和降低的补救途径通量。

Lipid-MFA在肺片培养中的应用

参与脂质稳态调节的酶是极具药物开发潜力的临床靶点，但这些通路的底物混杂性和冗余性使其分析复杂化。伏马菌素B1（FuB1）是CERS同工酶常用的“泛抑制剂”，但其使用浓度往往远高于其报道的IC₅₀值0.7μM。为探究中等剂量FuB1对脂质代谢的整体影响，研究人员构建了A549细胞脂质代谢的扩展反应网络模型，该模型整合了中间体的质量同位素数据以及SM、GM2、PC、PE、PS和pPE类脂质的池大小数据，从而估算多类脂质间的代谢通量。细胞在含20%胎牛血清的培养基中培养，并加入[U-¹³C₆]葡萄糖或[U-¹³C₃]丝氨酸，随后用2μM FuB1处理细胞（该浓度不抑制细胞生长）。研究人员量化了由CERS5/6和CERS2催化的两个CERS反应中的通量变化，这两种酶分别负责棕榈酸或极长链脂肪酸（VLCFA）对SA和SO的N-酰化作用。

尽管流向脂质合成途径的乙酰辅酶A及长链脂肪酸（LCFA）合成的葡萄糖通量未发生改变，但Lipid-MFA解析出二十四烷酸和神经酸的合成显著增加。研究人员还观察到CERS5/6与CERS2催化的反应呈现相反效应。FuB1抑制CERS5/6途径通量，表现为Cer 18:0;O2/16:0、Cer 18:1;O2/16:0及SM 34:1;O2合成速率下降，相关SL池减少，同时SPB 18:0;O2和SPB 18:1;O2丰度增加。另一方面，CERS2途径的通量显著增加，同时含二十四烷酸和神经酸的SLs水平升高。在GM2神经节苷脂的池大小和合成通量中也观察到了类似的变化。为深入解析FuB1的中等剂量效应，研究人员采用含[U-¹³C₃]丝氨酸和[U-¹³C₂]甘氨酸的培养基，加入2、5或10μM FuB1处理A549细胞，观察到SPB 18:0;O2池和SPT通量呈剂量依赖性增加，标记池在2μM FuB1处理下增加9倍，在10μM处理下增加超过180倍。在最高测试浓度下，所有测定的Cer种类均出现减少。然而SM池未呈现相同趋势，含LCFA的SM（如SM 34:0;O2和SM 34:1;O2）减少，而含VLCFA的SM显著增加。这种长链与极长链Cer通量行为的“分歧”在中度FuB1剂量下就已显现，观察到VLCFA-SM的总池和标记池均有所增加。

Lipid-MFA解析药物的同工酶特异性

基于上述观察到的FuB1特异性作用，研究人员进一步揭示了CERS同工酶的功能差异。Lipid-MFA揭示了长链Cer（Cer 18:1;O2/16:0）与极长链Cer（Cer 18:1;O2/24:0）在下游SM和糖鞘脂合成中的独特分配模式。与这种调控模式一致，研究人员观察到长链Cer优先转化为SM而非糖鞘脂（如GM2）。另一方面，极长链Cer在SM与GM2合成之间均匀分配。最后观察到，[U-¹³C₃]丝氨酸的同位素标记在Cer 18:1;O2/24:0中的掺入量高于Cer 18:1;O2/16:0，下游SM和GM2池中也呈现类似结果。值得注意的是，CERS2对SA的酰化具有显著偏好性，而CERS5/6对SO和SA的酰化则更为均衡。这些定量发现揭示了鞘脂合成途径结构的关键特征，并为整个通路中酶的治疗相关功能提供了机制性见解。

Lipid-MFA揭示了基于n-酰基链长度的神经酰胺命运偏好性改变

综上所述，该研究展示了Lipid-MFA解开复杂的脂类代谢途径的能力，为研究脂肪酸生物合成以外的脂类动态平衡提供了一个定量的、基于系统的方法，在NSCLC模型中实现了全脂质组层面的通量精准量化，并揭示了不同基因型肿瘤的脂代谢重编程特征及Cer的独特运输机制。