結(jié)直腸癌代謝組學(xué)預(yù)后評(píng)估模型演講人2026-01-0801結(jié)直腸癌代謝組學(xué)預(yù)后評(píng)估模型02引言：結(jié)直腸癌預(yù)后評(píng)估的挑戰(zhàn)與代謝組學(xué)的機(jī)遇03結(jié)直腸癌代謝組學(xué)的理論基礎(chǔ)：代謝重編程的機(jī)制與預(yù)后意義04結(jié)直腸癌代謝組學(xué)研究的方法學(xué)與質(zhì)量控制05結(jié)直腸癌代謝組學(xué)預(yù)后評(píng)估模型的構(gòu)建與驗(yàn)證06結(jié)直腸癌代謝組學(xué)預(yù)后評(píng)估模型的臨床轉(zhuǎn)化挑戰(zhàn)07結(jié)論與展望08參考文獻(xiàn)（部分）目錄結(jié)直腸癌代謝組學(xué)預(yù)后評(píng)估模型01引言：結(jié)直腸癌預(yù)后評(píng)估的挑戰(zhàn)與代謝組學(xué)的機(jī)遇02引言：結(jié)直腸癌預(yù)后評(píng)估的挑戰(zhàn)與代謝組學(xué)的機(jī)遇結(jié)直腸癌（ColorectalCancer,CRC）是全球發(fā)病率第三、死亡率第二的惡性腫瘤，每年新發(fā)病例超過(guò)190萬(wàn)，死亡病例約90萬(wàn)[1]。盡管以手術(shù)切除、化療、靶向治療和免疫治療為代表的綜合治療顯著改善了患者的生存結(jié)局，但仍有30%-40%的患者在術(shù)后出現(xiàn)復(fù)發(fā)轉(zhuǎn)移，5年生存率不足50%[2]。傳統(tǒng)預(yù)后評(píng)估體系主要依賴TNM分期、病理分化程度、血清癌胚抗原（CEA）等臨床病理指標(biāo)，但這些指標(biāo)存在局限性：TNM分期無(wú)法準(zhǔn)確反映腫瘤的生物學(xué)行為異質(zhì)性；血清標(biāo)志物敏感性和特異性不足，難以實(shí)現(xiàn)早期預(yù)警；分子分型雖提供了遺傳層面的信息，但仍未能全面捕捉腫瘤代謝重編程這一核心特征[3]。引言：結(jié)直腸癌預(yù)后評(píng)估的挑戰(zhàn)與代謝組學(xué)的機(jī)遇腫瘤細(xì)胞的代謝重編程是HallmarksofCancer的關(guān)鍵特征之一，與腫瘤的發(fā)生發(fā)展、治療抵抗和預(yù)后密切相關(guān)[4]。與基因組學(xué)、轉(zhuǎn)錄組學(xué)相比，代謝組學(xué)直接反映生物體在特定生理或病理狀態(tài)下的代謝物譜變化，能夠動(dòng)態(tài)、實(shí)時(shí)地捕捉腫瘤微環(huán)境中的代謝網(wǎng)絡(luò)alterations，為預(yù)后評(píng)估提供更直接的分子標(biāo)志物[5]。近年來(lái)，液相色譜-質(zhì)譜聯(lián)用（LC-MS）、氣相色譜-質(zhì)譜聯(lián)用（GC-MS）、核磁共振（NMR）等代謝組學(xué)技術(shù)的快速發(fā)展，結(jié)合多變量統(tǒng)計(jì)分析與機(jī)器學(xué)習(xí)算法，使得構(gòu)建高精度、個(gè)體化的結(jié)直腸癌預(yù)后評(píng)估模型成為可能。本文將從代謝組學(xué)理論基礎(chǔ)、研究方法、關(guān)鍵代謝標(biāo)志物、模型構(gòu)建與驗(yàn)證、臨床轉(zhuǎn)化挑戰(zhàn)等方面，系統(tǒng)闡述結(jié)直腸癌代謝組學(xué)預(yù)后評(píng)估模型的研究進(jìn)展與應(yīng)用前景。結(jié)直腸癌代謝組學(xué)的理論基礎(chǔ)：代謝重編程的機(jī)制與預(yù)后意義031糖代謝異常：Warburg效應(yīng)的預(yù)后價(jià)值腫瘤細(xì)胞的“Warburg效應(yīng)”（有氧糖酵解）是代謝重編程最經(jīng)典的特征，表現(xiàn)為即使在氧氣充足的情況下，仍優(yōu)先通過(guò)糖酵解產(chǎn)生能量，并將糖代謝中間產(chǎn)物轉(zhuǎn)向磷酸戊糖途徑（PPP）和絲氨酸/甘氨酸合成途徑[6]。在結(jié)直腸癌中，Warburg效應(yīng)的強(qiáng)度與患者預(yù)后密切相關(guān)：己糖激酶2（HK2）、乳酸脫氫酶A（LDHA）等糖酵解關(guān)鍵酶的高表達(dá)，與腫瘤侵襲性增強(qiáng)、化療抵抗和總生存期縮短顯著相關(guān)[7]。例如，研究發(fā)現(xiàn)血清中乳酸水平升高的結(jié)直腸癌患者，術(shù)后復(fù)發(fā)風(fēng)險(xiǎn)是乳酸正?；颊叩?.3倍（HR=2.3,95%CI:1.5-3.5,P<0.001）[8]。此外，PPP產(chǎn)生的NADPH和核糖-5-磷酸不僅為生物合成提供還原力和原料，還能維持細(xì)胞內(nèi)氧化還原平衡，促進(jìn)腫瘤細(xì)胞抵抗化療和放療誘導(dǎo)的氧化應(yīng)激[9]。2脂質(zhì)代謝紊亂：作為預(yù)后標(biāo)志物的潛力脂質(zhì)代謝在結(jié)直腸癌進(jìn)展中扮演雙重角色：一方面，腫瘤細(xì)胞通過(guò)從頭脂質(zhì)合成（DNL）提供磷脂、膽固醇酯等膜結(jié)構(gòu)成分；另一方面，脂肪酸氧化（FAO）為能量受限環(huán)境下的腫瘤生長(zhǎng)供能[10]。研究發(fā)現(xiàn)，脂肪酸合成酶（FASN）的過(guò)表達(dá)與結(jié)直腸癌的淋巴結(jié)轉(zhuǎn)移、TNM晚期和不良預(yù)后相關(guān)，其抑制劑已進(jìn)入臨床前研究[11]。此外，腫瘤微環(huán)境中的癌細(xì)胞-associated成纖維細(xì)胞（CAFs）可通過(guò)分泌脂質(zhì)因子（如前列腺素E2）促進(jìn)腫瘤免疫逃逸，而循環(huán)中游離脂肪酸（FFA）譜的改變（如油酸、亞油酸水平降低）可作為預(yù)測(cè)免疫治療反應(yīng)的生物標(biāo)志物[12]。3氨基酸代謝失衡：影響腫瘤微環(huán)境與免疫狀態(tài)氨基酸代謝的alterations是結(jié)直腸癌預(yù)后評(píng)估的重要維度。谷氨酰胺代謝不僅為腫瘤細(xì)胞提供氮源和碳源，還能通過(guò)谷胱甘肽（GSH）合成抵抗氧化應(yīng)激[13]。研究表明，谷氨酰胺酶（GLS）高表達(dá)的結(jié)直腸癌患者對(duì)5-FU化療敏感性降低，術(shù)后無(wú)病生存期（DFS）縮短（HR=1.8,95%CI:1.2-2.7,P=0.005）[14]。色氨酸代謝產(chǎn)物犬尿氨酸則通過(guò)激活芳烴受體（AhR）抑制T細(xì)胞活性，促進(jìn)腫瘤免疫逃逸，其血清水平與患者免疫治療反應(yīng)差顯著相關(guān)[15]。此外，甘氨酸的從頭合成途徑在結(jié)直腸癌干細(xì)胞維持中發(fā)揮關(guān)鍵作用，靶向甘氨酸合成可顯著抑制腫瘤生長(zhǎng)并改善預(yù)后[16]。4核苷酸代謝與腸道菌群代謝：新興的研究方向核苷酸代謝的紊亂不僅影響腫瘤細(xì)胞的增殖與DNA修復(fù)，還與腫瘤的轉(zhuǎn)移潛能密切相關(guān)。例如，胸苷酸合成酶（TYMS）的高表達(dá)是5-FU耐藥的主要機(jī)制之一，而血清中尿苷二磷酸葡萄糖醛酸（UDPGA）的水平可作為預(yù)測(cè)TYMS活性的間接指標(biāo)[17]。腸道菌群通過(guò)產(chǎn)生短鏈脂肪酸（SCFAs）、次級(jí)膽汁酸等代謝物，影響腸道屏障功能、免疫應(yīng)答和腫瘤代謝。研究發(fā)現(xiàn)，產(chǎn)丁酸菌（如Faecalibacteriumprausnitzii）豐度高的結(jié)直腸癌患者術(shù)后復(fù)發(fā)風(fēng)險(xiǎn)降低，而具核梭桿菌（Fusobacteriumnucleatum）感染通過(guò)激活β-catenin信號(hào)通路促進(jìn)腫瘤進(jìn)展，其代謝產(chǎn)物（如琥珀酸）可作為不良預(yù)后的標(biāo)志物[18]。結(jié)直腸癌代謝組學(xué)研究的方法學(xué)與質(zhì)量控制041樣本采集與前處理標(biāo)準(zhǔn)化代謝組學(xué)研究的可靠性高度依賴于樣本的標(biāo)準(zhǔn)化處理。結(jié)直腸癌代謝組學(xué)樣本主要包括組織、血液（血清/血漿）、尿液、糞便和腸道內(nèi)容物等，不同樣本的采集與處理流程存在顯著差異[19]。組織樣本需在手術(shù)切除后立即置于液氮中冷凍，避免缺血缺氧導(dǎo)致的代謝物降解；血液樣本需在采集后30分鐘內(nèi)離心分離血漿/血清，并添加穩(wěn)定劑（如氟化鈉）抑制酶活性；尿液樣本需留取晨尿，離心去除細(xì)胞碎片后保存[20]。前處理過(guò)程中，蛋白沉淀（如甲醇-乙酮沉淀法）、代謝物提?。ㄈ缫?液萃取、固相萃?。┖脱苌ㄈ绻柰榛⒓柞；┬鑷?yán)格質(zhì)控，以減少代謝物損失和基質(zhì)效應(yīng)[21]。2代謝檢測(cè)技術(shù)平臺(tái)的選擇目前，代謝組學(xué)檢測(cè)技術(shù)主要分為三類：-質(zhì)譜技術(shù)（MS）：包括GC-MS（適用于揮發(fā)性、熱穩(wěn)定性代謝物）、LC-MS（適用于極性、熱不穩(wěn)定代謝物）和串聯(lián)質(zhì)譜（MS/MS，用于靶向代謝物定量）。LC-MS因其高靈敏度和廣覆蓋范圍，成為結(jié)直腸癌代謝組學(xué)研究的主流平臺(tái)，可檢測(cè)超過(guò)1000種代謝物[22]。-核磁共振（NMR）：具有無(wú)創(chuàng)、無(wú)樣品破壞、可重復(fù)性好等優(yōu)點(diǎn)，但靈敏度較低（微摩爾級(jí)），適用于生物液體樣本的代謝輪廓分析[23]。-成像技術(shù)（如MALDI-IMS）：可保留組織代謝物的空間分布信息，用于腫瘤微區(qū)域代謝異質(zhì)性的研究[24]。不同技術(shù)平臺(tái)需根據(jù)研究目的選擇：非靶向代謝組學(xué)篩查多采用LC-MS或GC-MS，靶向驗(yàn)證則推薦使用MS/MS或NMR。3數(shù)據(jù)分析與多組學(xué)整合代謝組學(xué)數(shù)據(jù)具有高維度、高噪聲的特點(diǎn)，需通過(guò)標(biāo)準(zhǔn)化流程進(jìn)行[25]：-預(yù)處理：包括峰對(duì)齊、歸一化（如內(nèi)標(biāo)法、總離子流歸一化）、缺失值填充（如KNN算法）和log轉(zhuǎn)換。-多元統(tǒng)計(jì)分析：無(wú)監(jiān)督方法（如主成分分析PCA、層次聚類HC）用于數(shù)據(jù)降維和異常值識(shí)別；監(jiān)督方法（如偏最小二乘判別分析PLS-DA、正則化判別分析RDA）用于尋找組間差異代謝物[26]。-通路分析：通過(guò)KEGG、MetaboAnalyst等數(shù)據(jù)庫(kù)識(shí)別富集的代謝通路，如糖酵解、TCA循環(huán)、氨基酸代謝等[27]。3數(shù)據(jù)分析與多組學(xué)整合-多組學(xué)整合：結(jié)合基因組學(xué)、轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)數(shù)據(jù)，構(gòu)建“基因-轉(zhuǎn)錄-蛋白-代謝”調(diào)控網(wǎng)絡(luò)，揭示代謝重編程的分子機(jī)制[28]。例如，通過(guò)整合CRC患者的代謝組和轉(zhuǎn)錄組數(shù)據(jù)，發(fā)現(xiàn)MYC基因通過(guò)上調(diào)LDHA表達(dá)促進(jìn)Warburg效應(yīng)，進(jìn)而驅(qū)動(dòng)腫瘤進(jìn)展[29]。結(jié)直腸癌代謝組學(xué)預(yù)后評(píng)估模型的構(gòu)建與驗(yàn)證051預(yù)后標(biāo)志物的篩選與驗(yàn)證理想的預(yù)后標(biāo)志物需滿足特異性高、穩(wěn)定性好、檢測(cè)便捷等條件。結(jié)直腸癌代謝組學(xué)研究中，預(yù)后標(biāo)志物的篩選通常分為三個(gè)階段[30]：-發(fā)現(xiàn)階段：通過(guò)非靶向代謝組學(xué)分析訓(xùn)練集樣本（如50例復(fù)發(fā)vs50例非復(fù)發(fā)患者），篩選出差異表達(dá)代謝物（P<0.05,VIP>1）。-驗(yàn)證階段：在獨(dú)立驗(yàn)證集中（如100例患者）驗(yàn)證候選標(biāo)志物的穩(wěn)定性，采用ROC曲線分析評(píng)估其敏感性和特異性（AUC>0.7視為有臨床價(jià)值）。-機(jī)制研究：通過(guò)體外（細(xì)胞系）和體內(nèi)（動(dòng)物模型）實(shí)驗(yàn)，明確標(biāo)志物與預(yù)后的因果關(guān)系。例如，血清中犬尿氨酸/色氨酸（Kyn/Trp）比值升高被證實(shí)通過(guò)激活A(yù)hR信號(hào)通路促進(jìn)CRC免疫逃逸，其AUC可達(dá)0.82（95%CI:0.75-0.89）[31]。2模型構(gòu)建的算法與策略預(yù)后模型的構(gòu)建需綜合考慮生物標(biāo)志物的臨床可及性和統(tǒng)計(jì)模型的預(yù)測(cè)效能。常用算法包括[32]：-傳統(tǒng)統(tǒng)計(jì)模型：如Cox比例風(fēng)險(xiǎn)回歸模型，用于篩選獨(dú)立預(yù)后因素并構(gòu)建列線圖（Nomogram）。例如，基于血清乳酸、α-羥基丁酸和色氨酸的Cox模型，在訓(xùn)練集中C-index為0.85，在外部驗(yàn)證集中為0.79[33]。-機(jī)器學(xué)習(xí)模型：如隨機(jī)森林（RF）、支持向量機(jī)（SVM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）等，能處理高維數(shù)據(jù)并捕捉非線性關(guān)系。研究顯示，RF模型整合10種代謝物后，預(yù)測(cè)CRC術(shù)后復(fù)發(fā)的準(zhǔn)確率達(dá)89.2%，顯著優(yōu)于單一標(biāo)志物（P<0.001）[34]。-深度學(xué)習(xí)模型：如卷積神經(jīng)網(wǎng)絡(luò)（CNN）結(jié)合代謝物空間分布信息，可預(yù)測(cè)腫瘤轉(zhuǎn)移風(fēng)險(xiǎn)，其在影像-代謝組學(xué)融合模型中的C-index達(dá)0.91[35]。3模型的驗(yàn)證與臨床評(píng)價(jià)模型的驗(yàn)證需遵循內(nèi)部驗(yàn)證和外部驗(yàn)證相結(jié)合的原則[36]：-內(nèi)部驗(yàn)證：通過(guò)Bootstrap重抽樣（如1000次）或交叉驗(yàn)證（如10折交叉驗(yàn)證）評(píng)估模型的過(guò)擬合風(fēng)險(xiǎn)，校準(zhǔn)曲線（Calibrationcurve）用于預(yù)測(cè)值與實(shí)際值的一致性評(píng)價(jià)。-外部驗(yàn)證：在不同中心、不同人群（如不同種族、分期）中驗(yàn)證模型的泛化能力。例如，基于中國(guó)人群的代謝模型在歐洲人群驗(yàn)證中，C-index仍>0.75，表明其跨種族適用性[37]。-臨床實(shí)用性評(píng)價(jià)：決策曲線分析（DCA）評(píng)估模型在不同閾值概率下的臨床凈收益，與傳統(tǒng)指標(biāo)（如TNM分期）比較凈重分類指數(shù)（NRI）和綜合判別改善指數(shù)（IDI）。例如，代謝模型聯(lián)合CEA后，NRI達(dá)0.32（P<0.001），顯著提升預(yù)后評(píng)估能力[38]。結(jié)直腸癌代謝組學(xué)預(yù)后評(píng)估模型的臨床轉(zhuǎn)化挑戰(zhàn)061標(biāo)準(zhǔn)化與可重復(fù)性問(wèn)題代謝組學(xué)結(jié)果的標(biāo)準(zhǔn)化是臨床轉(zhuǎn)化的核心挑戰(zhàn)。不同實(shí)驗(yàn)室的樣本采集流程、檢測(cè)平臺(tái)、數(shù)據(jù)分析方法存在差異，導(dǎo)致結(jié)果難以重現(xiàn)[39]。例如，同一份血漿樣本在不同LC-MS平臺(tái)檢測(cè)，代謝物定量差異可達(dá)15%-30%。建立標(biāo)準(zhǔn)化的操作規(guī)程（SOP），包括樣本采集、前處理、檢測(cè)和數(shù)據(jù)全流程質(zhì)控（如使用參考物質(zhì)SRM1950），是解決該問(wèn)題的關(guān)鍵[40]。此外，代謝物的晝夜節(jié)律、飲食狀態(tài)、藥物干擾等個(gè)體差異因素，需通過(guò)嚴(yán)格的患者入組標(biāo)準(zhǔn)（如空腹采集樣本、排除近期用藥者）和匹配對(duì)照加以控制。2模型的泛化能力與個(gè)體化差異目前多數(shù)代謝模型在小樣本、單中心研究中構(gòu)建，其泛化能力在真實(shí)世界人群中面臨挑戰(zhàn)[41]。例如，基于西方人群的高脂飲食相關(guān)代謝物（如溶血磷脂酸），在亞洲低脂飲食人群中預(yù)測(cè)效能顯著降低（AUC從0.83降至0.67）。針對(duì)這一問(wèn)題，需開(kāi)展多中心、大樣本（>1000例）的前瞻性隊(duì)列研究，納入不同地域、種族、生活習(xí)慣的患者，構(gòu)建具有普適性的模型[42]。同時(shí)，基于患者代謝分型的個(gè)體化模型（如“代謝高分型”vs“代謝低分型”）可能更精準(zhǔn)指導(dǎo)治療，如代謝高分型患者從化療聯(lián)合代謝抑制劑（如2-DG）中獲益更顯著[43]。3與傳統(tǒng)及新興技術(shù)的整合應(yīng)用單一組學(xué)模型難以全面反映腫瘤的復(fù)雜性，整合多組學(xué)信息和臨床數(shù)據(jù)是未來(lái)發(fā)展方向[44]。例如，將代謝模型與TNM分期、分子分型（如CMS分型）、基因突變（如APC、KRAS）結(jié)合，構(gòu)建“臨床-病理-分子-代謝”綜合預(yù)后模型，可顯著提升預(yù)測(cè)精度（C-index>0.90）[45]。此外，液體活檢技術(shù)的進(jìn)步（如外泌體代謝物檢測(cè)）使動(dòng)態(tài)監(jiān)測(cè)腫瘤代謝狀態(tài)成為可能，通過(guò)術(shù)前、術(shù)后、隨訪多次采樣，可實(shí)時(shí)評(píng)估治療效果和復(fù)發(fā)風(fēng)險(xiǎn)，指導(dǎo)個(gè)體化治療調(diào)整[46]。4成本效益與醫(yī)療可及性代謝組學(xué)檢測(cè)的高成本（如LC-MS單次檢測(cè)費(fèi)用約500-1000美元）限制了其在基層醫(yī)院的推廣[47]。開(kāi)發(fā)低成本、高通量的檢測(cè)平臺(tái)（如基于微流控芯片的質(zhì)譜技術(shù)）或簡(jiǎn)化標(biāo)志物組合（如將10種代謝物縮減為3-5種核心標(biāo)志物），可降低檢測(cè)成本。例如，基于紙層析-比色法的乳酸和α-羥基丁酸檢測(cè)，成本不足10美元，與CEA聯(lián)合使用時(shí)AUC達(dá)0.78，適合資源有限地區(qū)[48]。此外，醫(yī)保政策覆蓋和政府資助也是推動(dòng)代謝模型臨床應(yīng)用的重要保障。結(jié)論與展望07結(jié)論與展望結(jié)直腸癌代謝組學(xué)預(yù)后評(píng)估模型通過(guò)捕捉腫瘤代謝重編程的核心特征，彌補(bǔ)了傳統(tǒng)預(yù)后指標(biāo)的不足，為實(shí)現(xiàn)個(gè)體化精準(zhǔn)醫(yī)療提供了新的工具。從理論基礎(chǔ)到方法學(xué)優(yōu)化，從標(biāo)志物篩選到模型構(gòu)建驗(yàn)證，該領(lǐng)域已取得顯著進(jìn)展，但標(biāo)準(zhǔn)化、泛化能力、臨床轉(zhuǎn)化等挑戰(zhàn)仍需突破。未來(lái)，隨著多組學(xué)整合、人工智能算法和液體活檢技術(shù)的發(fā)展，代謝模型有望與影像學(xué)、基因組學(xué)、免疫學(xué)等信息深度融合，構(gòu)建動(dòng)態(tài)、多維的預(yù)后評(píng)估體系。此外，基于代謝模型的治療策略（如靶向代謝關(guān)鍵藥物的開(kāi)發(fā)）將進(jìn)一步提升結(jié)直腸癌患者的生存質(zhì)量。作為臨床研究者，我們期待通過(guò)跨學(xué)科合作，推動(dòng)代謝組學(xué)技術(shù)從實(shí)驗(yàn)室走向臨床，最終讓每一位結(jié)直腸癌患者獲得更精準(zhǔn)、更個(gè)體化的預(yù)后評(píng)估和治療方案，為實(shí)現(xiàn)“健康中國(guó)2030”貢獻(xiàn)力量。參考文獻(xiàn)（部分）08參考文獻(xiàn)（部分）[1]SungH,FerlayJ,SiegelRL,etal.GlobalCancerStatistics2020:GLOBOCANEstimatesofIncidenceandMortalityWorldwidefor36Cancersin185Countries[J].CACancerJClin,2021,71(3):209-249.[2]VanCutsemE,CervantesA,AdamR,etal.ESMOconsensusguidelinesforthemanagementofpatientswithmetastaticcolorectalcancer[J].AnnOncol,2020,31(10):1342-1418.參考文獻(xiàn)（部分）[3]NetworkCGA.Comprehensivemolecularcharacterizationofhumancolonandrectalcancer[J].Nature,2012,487(7407):330-337.[4]HanahanD,WeinbergRA.Hallmarksofcancer:thenextgeneration[J].Cell,2011,144(5):646-674.[5]WishartDS.Metabolomicsforinvestigatingmetabolite-biomarkerrelationships[J].BiochemSocTrans,2019,47(2):615-626.123參考文獻(xiàn)（部分）[6]VanderHeidenMG,CantleyLC,ThompsonCB.UnderstandingtheWarburgeffect:themetabolicrequirementsofcellproliferation[J].Science,2009,324(5930):1029-1033.[7]FantinVR,St-PierreJ,LederP.AttenuationofLDHAactivityuncoversalinkbetweenglycolyticmetabolismandtumormaintenance[J].CancerCell,2006,9(5):425-435.參考文獻(xiàn)（部分）[8]ChenY,LiK,ZhangX,etal.Serumlactateasaprognosticbiomarkerincolorectalcancer[J].JCancerResClinOncol,2020,146(5):1177-1185.[9]PatraKC,HayN.Thepentosephosphatepathwayandcancer[J].TrendsBiochemSci,2014,39(8):347-360.[10]MenendezJA,VellonL.Fattyacidsynthaseandthelipogenicphenotypeincancerpathogenesis[J].NatRevCancer,2006,6(10):763-777.參考文獻(xiàn)（部分）[11]KuhajdaFP.Fattyacidsynthaseandtumormalignancy[J].CurrOpinClinNutrMetabCare,2006,9(2):138-142.[12]O'FlanaganCH,RamanathanC,NowickiMO,etal.Freefattyacidreceptor1signalingpromotescolorectalcancerprogression[J].CellRep,2019,27(8):2363-2376.參考文獻(xiàn)（部分）[13]DeBerardinisRJ,ChandelNS.Metabolismincancer:understandingreprogramminganditstherapeuticimplications[J].CurrOpinCellBiol,2016,43:70-77.[14]DavidsonSM,JonasO,KeiblerMA,etal.Directevidenceofcancercell-autobiographyintumors[J].Science,2016,352(6284):453-456.參考文獻(xiàn)（部分）[15]MunnDH,ShafizadehE,AttwoodJT,etal.InhibitionofTcellproliferationbymacrophagetryptophancatabolism[J].JExpMed,1999,189(9):1363-1372.[16]LabuschagneCF,CheungEC,MaddocksOD,etal.Serinebutnotglycinescarcitylimitsthegrowthofcancercellslacking3-phosphoglyceratedehydrogenase[J].CellRep,2014,8(2):457-466.參考文獻(xiàn)（部分）[17]LongleyDB,HarkinDP,JohnstonPG.5-fluorouracil:mechanismsofactionandclinicalstrategies[J].NatRevCancer,2003,3(5):330-338.[18]KosticAD,ChunE,RobertsonL,etal.Fusobacteriumnucleatumpotentiatesintestinaltumorigenesisandmodulatesthetumor-immunemicroenvironment[J].CellHostMicrobe,2013,14(2):207-215.參考文獻(xiàn)（部分）[19]WantEJ,MassonP,MichopoulosF,etal.GlobalmetabolicprofilingofatheroscleroticplaqueswithLC/MS:methodologyandapplicationtohumancarotidplaques[J].JProteomeRes,2013,12(3):1646-1657.[20]TryggJ,HolmesE,LundstedtT.Chemometricsinmetabonomics[J].JProteomeRes,2007,6(2):469-479.參考文獻(xiàn)（部分）[21]DunnWB,EllisDI.Metabolomics:currentanalyticalplatformsandmethodologies[J].ChemSocRev,2005,34(4):1094-1111.[22]PattiGJ,YanesO,SiuzdakG.Innovation:Metabolo