综述 | Nat Rev Neurol：用于发现中风生物标志物和治疗靶标的多组学研究
编译：胡亚楠，编辑：Emma、江舜尧。
原创微文，欢迎转发转载。
尽管经过多年的研究，在临床实践中仍然没有可用于中风的生物标志物。高通量技术的进步为了解这种复杂疾病的病理生理学提供了新的机会，同时相关研究提供了大量不同分子水平的数据和信息。多组学数据的整合意味着可以同时研究成千上万的蛋白质（蛋白质组学），基因（基因组学），RNA（转录组学）和代谢物（代谢组学），揭示了分子水平之间的相互作用网络，这种综合分析将为中风发病机制、治疗靶标的识别和生物标志物的发现提供有用的见识。本文详细介绍了当前中风的病理知识以及关于中风生物标志物研究的现状，总结了蛋白质组学、代谢组学、转录组学和基因组学如何共同帮助鉴定可开发的并用于临床卒中管理的新型候选生物标志物。
论文ID
文章结构
内容
1. 缺血性中风的病理生理机制
在急性缺血性中风中，脑血流量的突然下降导致神经元和其他脑细胞的氧气和葡萄糖供应完全或部分减少。因此，多种生理、生化和分子机制被触发，最终导致细胞大量死亡，并改变缺血核心的基本神经功能。在半影区，即围绕脑的核心区域，其脑细胞在代谢上保持活跃状态，结构上保持完整的时间更长，因此可立即进行抢救。
垂死的脑细胞释放危险信号，所谓的损伤相关分子模式（DAMPs），刺激中风后炎症。DAMPs通过驻留免疫细胞促进的炎症细胞因子和粘附分子的表达，帮助循环中白细胞渗入梗塞的大脑。这些炎症调控分子也有助于破坏血脑屏障（BBB），增加其渗透性，从而进一步促进受伤大脑中免疫细胞的累积。BBB的破坏打破了大脑的免疫特性，使神经元抗原暴露在外，进一步刺激炎症反应。此外，DAMPs和亲炎细胞因子激活原发性淋巴细胞器官，导致全身炎症反应综合征。因此中风后免疫变化不仅限于大脑，还发生在各种周围器官，包括血液、骨髓、脾脏和肠道。
然而，中风后的炎症反应是自限性的。过量的炎症调控分子也激活交感神经系统和下丘脑-垂体-肾上腺轴，释放应激激素，如糖皮质激素和儿茶酚胺，促进免疫细胞凋亡，增加抗炎细胞因子的产生，如改变（TNF），并抑制促炎介质产生。然而，由于这种免疫抑制，中风发作后感染的风险大大增加；呼吸道或尿路感染引起的并发症发生在30%的缺血性中风患者。
2. 缺血性中风的生物标志物研究现状
对急性中风生物标志物的研究集中在两个目标上。首先是改善或加速中风的诊断。二是改善临床决策，促进个性化治疗。
目前，中风通过临床评估和神经成像诊断。更快、准确的中风诊断技术（如血液测试）对于早期治疗至关重要。在以前的研究中，对单一生物标志物或生物标志物进行了评估，但达到的均值远远低于临床实践的要求。瞬态缺血发作的诊断生物标志物也具有极大的价值，因为许多患者医生接诊时已经无症状，所以诊断主要依靠临床病史。
床旁测试不仅有助于中风的诊断而且有助于区分中风亚型，特别是区分缺血性中风和脑内出血（ICH），并改善管理。院内CT对急性出血100%敏感，但只能在医院进行，而院前血栓溶解治疗对于控制院前脑内出血是可行的。在这种情况下，一个候选生物标志物是胶质纤维酸蛋白（GFAP），一种高度大脑特异性的中间丝蛋白，在ICH后迅速释放到血液中。荟萃分析表明，血液中的GFAP测量可以区分ICH和缺血性中风，因为GFAP的循环水平较高。另一个有希望的生物标志物，以区分中风亚型是视网膜醇结合蛋白4（RBP4）。这两种生物标志物的结合改善了对中风的辨别。
预测治疗反应的生物标志物也越来越重要，因为不同的患者对静脉血栓溶解和机械再灌注的反应不同。具体来说，对预测出血转化或识别血栓溶解血后再扫描机会很低的患者是有价值的。几项研究表明出血转化与循环基质金属蛋白酶9（MMP9）水平增加之间有关联，在微血管和BBB完整性方面起着关键作用。
图1. 多组学用于中风研究的的示意图
单个组学数据可以通过整体学和系统生物学进行组合。这种多学科的方法有助于更好地了解中风所涉及的机制，并促进生物标志物和治疗剂的开发。
3. 多组学研究用于发现中风的生物标志物
上面讨论的中风大多数生物标志物都是根据潜在的病理生理过程（如炎症、免疫系统反应、凋亡、凝血、纤维化、组织重塑和心脏损伤。在这些基于多组学的方法中，蛋白质组学（对一整组蛋白质的研究）仍然是发现新的生物标志物的最常用工具。然而基因组学、转录组学和代谢组学正在越来越多地产生有希望的结果，这些多组学方法可以相互补充，特别是如果多组学方法可以应用于相同的病人。
3.1 蛋白组学
在2009年出版的第一次中风患者脑蛋白质组学研究中，激光微分析用于研究缺血大脑神经元和血管中的MMP表达特征。这项研究证明神经元是中风后MMP10的重要来源，而MMP9的血管产量和金属蛋白酶2（TIMP2）的组织抑制剂产量高。
蛋白质组学技术的迅速发展，使得以2D差异性凝胶萎缩性为基础的方法，能够对缺血性中风后整个大脑蛋白质组进行分析。蛋白质组技术的进一步改进使以前未检测到的肽得以识别，到2013年，51种蛋白质被确定为在梗塞后大脑中差异表达。
3.1.1中风后体液中的蛋白质组学除了对脑蛋白质组学的研究外，还研究了体液中的蛋白质表达模式，以更好地了解缺血性中风的病理生理学。2011年—在首次描述人脑蛋白质组几个月后—中风患者的脑外细胞流蛋白体也首次发表。人脑微透析监测了脑细胞外液成分的变化。对来自缺血核心区、五角区域和相反半球的细胞外流体样本的分析显示，与反边半球中的相应区域进行比较，有53种蛋白质在缺血核心区中高度表达。在这些蛋白质中，谷胱甘肽S-转移酶P1（GSTP1）、过氧化物多辛1（PRDX1）和蛋白质S100B被建议作为中风的血液生物标志物，因为它们的循环水平在中风后高于健康水平。PRDX1和GSTP1相互作用，并牵连到类似的氧化还原保护机制中，因此进一步研究脑血管疾病中的这些蛋白质是必要的。
表1. 与未来的基于生物标志物的中风管理相比，中风预防和治疗的现行管理标准
ADAMTS13，一种具有血小板反应蛋白基序的整合素和金属蛋白酶13；CTA，CT血管造影；CTP，CT灌注；GFAP，神经胶质纤维酸性蛋白；hs-Tn，高敏感性肌钙蛋白；ICH，脑出血；Lp-PLA2，脂蛋白相关的磷脂酶A2；LVO，大血管闭塞；mHLA-DR，单核细胞HLA-DR；MMP9，基质金属蛋白酶9；RBP4，视黄醇结合蛋白4；SAA，血清淀粉样蛋白A；tPA，组织纤溶酶原激活物。
有研究尝试探索脑脊液（CSF）蛋白质组，但CSF收集是侵入性的，并且静脉穿刺是禁忌疗法，因为它可以增加脊柱和硬膜下血肿、疝综合征的风险，及中风后感染。因此，大多数对中风CSF的研究都集中在验尸后CSF样本上，假设验尸状态是"大规模脑损伤"的模型。在一项试验研究中，2D凝胶电泳分离和死后CSF样品的质谱显示，CSF水平脂肪酸结合蛋白（FABP）高后死亡。在另一项研究中，将死后CSF蛋白表达与健康个体进行比较，发现13种蛋白质在死后表达差异，表明这些蛋白质可能是脑损伤的生物标志物。随后，定量蛋白质组学方法确定了与验尸前CSF样本相比，在死后有78种蛋白质在CSF样本中增加。其中一些蛋白质，如蛋白质/核酸脱液盒DJ-1、S100B和GFAP，以前已被确定为脑损伤的生物标志物，从而证实了死后CSF的效用作为大脑损伤的有效模型。
关于中风的蛋白质组学研究有限，例如大脑研究中症状发作和样本采集之间的时间，或CSF研究中样本采集的禁忌症，并且实验中风模型经常需要研究中风特异性蛋白质组学变化。例如，在大鼠中，使用以前获得的基于APTAMER的蛋白质组测定（SOMAscan）的CSF蛋白位图在大鼠中进行了描述。这一分析表明，在大脑中动脉闭塞后不久，脑缺血严重增加了CSF中716种蛋白水平。其中，CMPK，肌酸激酶B型（CKB）和CaMK2A，CaMK2B和CaMK2D显示出作为缺血性中风的生物标志物的希望。
在此基础上，这些蛋白质在缺血性中风患者和对照组的血液样本中进行了研究（症状发作后服用<6小时）。CKB和CMPK显示出作为中风诊断生物标志物的潜力，CaMK2B和CMPK作为功能性中风结果的生物标志物。
表2. 蛋白质组学研究中发现中风的潜在蛋白质生物标志物
CaMK2B，钙调蛋白依赖性蛋白激酶II亚基-β；CKB，肌酸激酶B型；CMPK，胞苷一磷酸激酶；CSF，脑脊液；DRP2，二氢嘧啶酶相关蛋白2；FABP，脂肪酸结合蛋白；GSTP1，谷胱甘肽S-转移酶P1；H-FABP，心脏FABP；MMP，基质金属蛋白酶；PRDX1，过氧化物酶1；SAHH2，腺苷半胱氨酸酶2；TIMP，金属蛋白酶的组织抑制剂。
3.2 中风的基因组学
由于中风的异质性，解开中风基因组学已证明比其他常见的血管和神经系统疾病更为复杂。在基于人口和临床的研究方面，多组学的协作努力取得了重要进展。这项工作为中风的病理生理学开辟了新的道路，为新的治疗方法开辟了新的途径。
3.2.1中风的危险因子在绝大多数情况下，遗传风险变异导致中风的多因素倾向，并且每个基因变异只导致风险适度增加。在过去十年中，高通量基因分型和创建大型国际团体，如国际中风遗传学联合会（ISGC）和基因组流行病学（CHARGE）中心脏和衰老研究的联合体，在发现复杂的中风形式作为基础的基因方面取得了重大进展。在这些研究中必须包括几千人，才能达到足够的统计能力，可靠地检测遗传关联。最新和最大的全基因组中风协会研究（GWAS），源自MEGASTROKE倡议，包括72147名中风患者和823869名健康对症患者。
表3.与中风有关的遗传位点
仅显示达到全基因组重要性的关联（P <5×10–8或log Bayes因子> 6）。对于几种中风类型或亚型，该关联在全基因组范围内是显着的，其中显示了最高的P值，并且在“中风”亚型列中首先列出了相应的中风（亚型）。除非另有说明，否则所有关联均在欧洲血统人口或跨种族人口的荟萃分析中观察到，其中主要包括欧洲血统。AS，所有中风；AIS，所有缺血性中风；CeAD，颈动脉夹层；CES，心脏栓塞性中风；ICH，脑出血；LAS，大动脉中风；SNP，单核苷酸多态性；SVS，小血管搏动；UTR，未翻译区域。alog贝叶斯因子> 6（6.47）。bβ= 0.82表示与AS风险增加相关。c无法在后续研究中复制。d在原始出版物中考虑了全基因组意义，该出版物使用了密度较小的基因分型阵列75。来自TOPMED和GnomAD的电子信息。PPP1R21的fA转表达定量性状基因座。gβ= 0.4，表明改良的Rankin量表评分（反映更差的结果）的增加0.4点（归因于G等位基因的每个副本）。hβ= 0.82，表明与ICH量增加有关；该SNP还与临床严重程度（入院时格拉斯哥昏迷量表评分）和功能预后（3个月时改良的兰金量表评分）显着相关。
迄今为止，GWAS和一些大型候选基因关联研究已经确定了42个与中风（包括所有中风或特定类型或亚型）有紧密关系的基因位点（表3）。在第一次发表的GWAS中被确定为全基因组意义的两个位点在随后的较大研究中无法得到证实（表3）。
确定的位点中有22个与中风相关，21个与缺血性中风相关，2个与ICH相关（表3）。与中风相关的全基因组显著位点与缺血性中风相关的位点之间，可以看到相当大的重叠。有趣的是，一个位点与缺血性中风和深度ICH相关；与这个位点相关的ICH与潜在的脑小血管疾病有关，这是缺血和出血性中风的主要原因。此外，11个位点与缺血性中风亚型有关，7个与大动脉中风有关，4个与心肌中风有关，1个与小血管中风有关。两个确定位点特别的与年轻人缺血性中风和颈动脉夹层有关，是年轻人中风的主要病因之一（表3）。
除了全基因组显著位点已确定，在较低的显著性阈值的关联可以提供进一步洞察遗传对中风的贡献。这些具有较低意义的关联的存在为单源和多因素性中风之间的连续性提供了有趣的证据；与中风的Mendelian形式相同的基因中的常见变异（例如，COL4A1/COL4A2和HTRA1）也与复杂形式的缺血性中风和ICH相关。
中风的基因研究包括大量具有任何类型的中风的参与者或少数具有高度特异性中风亚型的参与者；这两种方法都证明是成功的，并产生了补充性的结果。与中风相关的基因可以代表与中风的特定常见亚型（例如，HDAC9和PITX2位点分别与大动脉中风和心源性中风有紧密关联）有非常强的关联，或者可能表示影响所有或大多数类型中风风险的生物通路的参与。这些途径可能涉及：所有中风类型的血管危险因素，如高血压，容易导致血管脆弱、血栓形成或出血的基因；或调节对脑损伤的耐受性和弹性的基因（图2）。
图2 基因变异影响中风和中风风险的机制
中风前（左），遗传因素影响风险的发展因素（例如糖尿病、肥胖症、高血压和血脂异常），个体的血管脆弱性以及中风发生的机制。中风后（右），遗传因素会影响伤害造成的损害程度以及大脑如何适应和恢复。
确定与中风的遗传关联的主要目标是提高我们对中风及其亚型的分子通路的理解，并确定新的药物靶点。为了实现这一目标，需要辅之以功能研究以确定最具吸引力的候选人。识别中风和其他复杂的表型之间共享的基因变异也可以告诉我们更多关于疾病的机制。长期以来，由于单个变体的效用小，在基因关联的基础上改进风险预测的能力一直被认为是复杂条件（如中风）的不切实际的目标。然而，多基因风险分数的发展已经证明，这些变异可以用来识别与单基因条件等值风险的个体。这种方法表明，8%的普通人有冠状动脉疾病的风险，比平均水平高三倍。此方法仍有待应用于中风。
来自缺血性中风功能结果遗传学（GISCOME）网络和ISGC的两个大型GWAS协作元分析在中风 3个月后在两个不同的位置确定了与功能结果（修改的 Rankin 量度评分）相关的常见和低频基因变异。染色体17p12上的一个基因突变区域，它似乎受到复制的很大影响数量变化，也与血肿体积、临床严重程度和非缺血性ICH的功能结果有关。遗传失衡–蛋白质编码基因受拷贝数影响的结果变异–也与缺血性中风后3个月的不良功能结果有关。
总体而言，中风风险和中风后早期神经变化的遗传结构是截然不同的。然而，一些与中风风险相关的位点，如果调节基础病理学的程度，特别是脑小血管疾病，也可能影响中风的严重程度和结果，也可能影响中风的严重程度。例如，与小血管疾病相关的APOE位点也与 ICH 的均体积相关–APOE*ε2等位基因的载体具有较大的ICH体积。同样，FOXF2位点，它涉及脑血管发育，与任何中风的风险增加有关，也与中风死亡的风险较高有关。
关于不同中风病因的基因关联的研究很少，但一项研究表明，如果结合多基因风险评分，与心房颤动相关的遗传风险变异与心源性中风和未确定病因的中风有关。需要进一步研究，以确定心房颤动的遗传风险变异是否可以作为中风的诊断生物标志物。
与整个生命周期固定的遗传因素相比，表观遗传修饰（最常见的是DNA甲基化）调节基因表达是动态的，具有组织特异性。全表观基因组关联研究能够有力地评估表观遗传因素如何影响复杂疾病。DNA甲基化可以通过调解遗传或环境风险因素影响中风机制和/或可作为中风的生物标志物，如果表观遗传变化是疾病的原因或后果（两个关联方向是可能的）。对中风和相关表型的表观基因组全联研究仍处于起步阶段，但迄今的发现是有希望的。例如，PPM1A中的分型甲基化模式，编码蛋白质磷酸酶1A，与阿司匹林治疗的中风患者的血管复发有关。然而，不同缺血性中风亚型之间未发现甲基化的全局差异。DNA甲基化也可用于估计生物年龄，无论时间年龄，独立的的预测缺血性中风结果。
大多数已发表的复杂的中风遗传学研究都集中在普通或低频单核苷酸多态性上，这些多态性只解释了中风遗传的小部分。其他类型的变异，如罕见（在低于1%的人口）单核苷酸变异或结构变异（例如，拷贝数变异）已被充分探讨。目前正作出若干努力，通过利用下一代测序技术，如"精密医学"（TOPMed）方案和其他举措解决这一不足。
基因研究还应扩大，以包括不是欧洲血统的群体。这一步骤对于加强中风风险位点的发现、识别因果变异和基因以及探索已识别的关联在更广泛的人群中是否具有代表性至关重要。最后，中风的发生及其严重程度是DNA序列以外的因素之间的复杂相互作用的后果，包括表观遗传修饰、RNA转录、蛋白质和代谢物。因此，我们将通过将基因组学信息与表观基因组学、转录组学、代谢组学和蛋白质组学数据相结合，丰富我们对中风和中风结果风险基础的生物学的理解。
3.3 中风转录组学
转录组学研究的重点是外周血细胞的基因表达和血浆中的RNA作为潜在的生物标志物。RNA的一个优点是，所有已知的编码和非编码记录可以通过微阵列或RNA测序进行评估。可以使用第二种方法（如带逆转录的PCR（RT-PCR））确认已识别的RNA。这种方法已导致识别与中风诊断相关的多个成绩单面板，中风病因和中风风险（表4）。然而，对中风RNA表达的研究仍然很少。如下所述的初步研究提供了原则证明，即微RNA（miRNA）和长期非编码RNA（lncRNA）在基因表达和表达方面的差异具有发现中风生物标志物的潜力。它们还为人类中风生物学提供了新颖的见解，并有助于风险分类、中风诊断和中风病因的确定。需要对大型队列研究中已识别的标记进行进一步评估和验证，才能将标记物转化为临床实践。
表4 转录学研究中发现的潜在中风生物标志物
白细胞RNA表达模式已被确定用于区分缺血性中风患者、出血性中风、中风模仿患者和健康对照组。在血细胞中表达的基因转录组（9-97个基因）可以区分缺血性中风患者与出血性中风患者和对照组，并能识别具有敏感性和特异性的缺血性中风80~90%。这些面板中包含的基因记录，包括编码S100B、精氨酸酶、V因子、CD28和活性T细胞（NFAT）的核因子，主要与免疫功能和血栓形成的差异有关。
在急性中风背景下，需要做额外的工作，将RNA开发成诊断工具。在临床实践中，对RNA进行测量的方法已经存在几种疾病（例如HIV、乳腺癌和宫颈癌），但从血液样本采集到结果的周转时间是4~24小时。这一时间需要减少用于中风管理，因为任何延迟再灌注疗法增加脑损伤和残疾。10~20分钟内测量RNA的最佳工具仍有待确定–RT-PCR具有潜力，也包括其他发展策略包括功能化纳米线、电化学方法和抗体-寡核苷酸结合物。
RNA的检测组已经开发，用于识别可能的心肌、大血管或小血管中风原因。一个40基因检测组能够区分心肌中风和大血管中风，灵敏度和特异性为>95%。同样，37基因检测组能够分化心房中风，由于心房颤动从心房中风没有心房颤动与敏感性和特异性>90%。此外，一个41基因检测组对区分腔隙性脑梗和非腔隙性脑梗具有>90%的敏感性和特异性。这些检测组中包含的基因表明中风亚型之间的炎症和血块形成的差异。有趣的是，将这种RNA检测组应用到病因不明的中风患者身上表明，27%的人患有房颤性中风，18%的人患有大血管中风。然而，需要对较大人群的RNA检测组进行进一步评估，以完善它们并确定其临床影响。重要的是要证明那些被RNA检测组鉴定为有心源性或大血管中风的患者受益于针对这些病因的疗法，此类研究仍要进行。
对细胞外血浆miRNA和细胞内miRNA进行了研究，以研究它们作为中风生物标志物的潜力。miRNA在这方面是有意义的，因为它们调节细胞基因表达，因此在中风中可以具有重要的信号作用。多项研究已经确定了中风细胞外miRNA的变化。这些血浆miRNA来自缺血的大脑或来自心脏、肺、肾脏、白细胞和/或其他组织。然而，可能是因为用于分离和测量RNA的方法不同以及血小板污染导致结果不一致。
中风后改变的细胞内miRNA包括miR-122、miR-148a、let-7i、miR-19a、miR-320d、miR-4429、miR-363和miR-487b。迄今为止，许多在中风后被确定为被改变的细胞内miRNA被降低调节，鉴于mRNA的抑制作用，与中风后白细胞mRNA表达的增加一致的观察。据预测，这些miRNA将调节Toll样受体信号、核因子-κB（NF-κB）信号、白细胞外渗信号和凝血酶原激活途径。这表明miRNA调节中风后缺血性脑损伤的免疫反应，这可能有对神经保护的作用。
正如名字所暗示的，lncRNA是RNA分子，其比miRNA（> 200bp）长，不编码蛋白质，但有助于基因表达。因此，lncRNA很可能在中风中扮演重要角色。在一项研究中，在一项研究中，与健康对照细胞相比，中风男性有299个lncRNA和中风女性有97个lncRNA的在血液中差异表达。鉴定的一些lncRNA与中风风险基因有关，包括编码脂蛋白、脂蛋白（a）-2、前列腺素l2合成酶、ADD1和ABO血型（转移酶A，α1-3-N-乙酰藻醇转移酶；转移酶B，α1-3-半甲基转移酶）。另一项研究发现，与健康对症患者相比，有70个上升调节和128个低调节lncRNA。其中三个lncRNA失调（linc-DHFRL1-4、SNHG15 和 linc-FAM98A-3）得到RT-PCR的确认，并优于脑源性神经营养因子（BDNF）和神经元特异性烯醇化酶（NSE）用于识别中风，曲线下的面积为0.84（reF.129）。lncRNA的变化也与Moyamoya病和大血管中风有关。
3.4 中风与代谢组学
脑缺血导致局部和系统性代谢改变，如细胞能量代谢途径的变化和全球应激反应。这些改变用以研究代谢物是否可以作为循环生物标志物，用于估计中风风险，定义中风诊断和确定病因性中风亚型（表5）。目前对中风后功能结果预测代谢物的价值没有进行系统的研究。代谢物是脂质、氨基酸、碳水化合物和核苷酸等小分子（通常为<1.5 kDa），已知循环代谢物的数量为25,000英镑，但低至3,000英镑水平的已被量化。循环代谢物的组成是基因、表达和环境变化的下游功能，如饮食摄入和肠道微生物群变异。因此，对循环代谢物进行分析可以捕获系统级信息。此外，代谢物调节关键的生物过程，如细胞信号，因此，代谢组学可以提供疾病机制的信息。
表5 中风中潜在的代谢性生物标志物
为了说明代谢物的极性、电荷和大小差异很大，代谢组学分析涉及不同的技术，通常基于 NMR光谱和质谱法。NMR光谱学需要最少的样品制备，并且具有高度可重复性，但只能检测样品中最丰富的代谢物。基于质谱的方法更灵敏，可以检测数千代谢物，但更容易变异，更昂贵，需要更复杂的生物信息分析。使用针对感兴趣的代谢物定制的内部标准和方法（一种有针对性的方法），可以确定特定代谢物的绝对水平。相比之下，缺乏内部标准和使用广泛的分析方法，捕获具有不同极性、大小和电荷的代谢物（非目标方法），使样本中尽可能多的代谢物（包括未知化合物）能够相对定量。
中风的既定危险因素，如血脂异常和糖尿病，特征是代谢变化。因此，与基于风险因素的传统分类相比，直接量化代谢物水平可能是估计中风风险更准确的方法。这种对代谢物的研究也可以提供预防策略，如药物或饮食摄入。例如，在2019年发表的一项研究中，从30项前瞻性观察研究（包括68,659名患者）的数据汇集在一起，研究亚油酸（主要膳食ω-6多不饱和脂肪酸）与心血管疾病水平之间的关系。亚油酸的循环水平较高与降低所有心血管疾病和缺血性中风的风险有关，这一发现可为饮食建议提供信息。在早先的研究中，685名参与者对135种脂质进行了分析，研究结果在TwinsUK（1,453人）中得到证实。在已分析的脂质中，高循环水平的三甲基甘油和胆固醇酯具有低碳数和双键含量是复合的心血管疾病终端，包括中风，最强的预测因素。在同一研究中，在基于传统风险因素的预测模型中添加三种相关脂质，改善了风险歧视和10年来对风险的重新分类。这些发现突出了脂质管理以解决脂质成分，重点是胆固醇和总脂质水平的影响。在2019年发表的另一项研究中，以意外缺血性中风为唯一终点，对来自社区动脉硬化风险（ARIC）研究的3,904个人的代谢特征进行了研究。在量化的384种代谢物中，高浓度的长链二钙酸三叶草酸盐和六二丁二酸盐与发生意外缺血性中风的风险较高，特别是与心源性中风有关。两种代谢物都是ω-脂肪酸的氧化，但它们在功能上如何与心源性中风相关目前尚不清楚。
代谢物被认为能够比蛋白质更容易通过BBB，因为他们的体积更小。此外，代谢物中半衰期广泛，这意味着其循环水平可能比其它分子更早地反映急性疾病。在此基础上进行了多项研究以确定代谢物是否可以诊断急性缺血性中风的生物标志物。然而，只有三项研究在临床相关场景中解决了这个问题，即症状发作后的第12小时内对中风、暂时缺血发作或ICH患者进行检测。在最新的这三项研究中，用质谱分析来自缺血性中风或 ICH 患者的血液样本。一组五个变量-天冬酰胺和盐酸丁咯肉碱水平，以及三个代谢物的比率，正确识别了79%的中风患者。这项研究包括200名患者，结果在组内得到验证，但代谢物水平没有根据人口和血管危险因素进行调整，也没有进行组外验证，这限制了这些发现的广泛性。
相比之下，在早先的研究中，人们使用了一种有针对性的方法，以关注大脑中非常丰富的、容易穿过BBB的鞘磷脂。根据实验中风和创伤性脑损伤的啮齿动物模型数据，用于特定分析的是神经酰胺42：1和鞘磷脂36：0。分析这些标记物用于区分缺血性中风患者与中风患者，模拟曲线下面积达0.8712。然而，只包括14名患者在内，从而限制了最终结论的强度。在另外三项研究中，对中风后68种代谢物进行质谱分析显示依赖于梗死大小的支链氨基酸水平下降，这组氨基酸在心源性中风患者与短暂性缺血发作的患者相比也减少。未来的分析将决定此代谢物集如何在到达医院时有中风样症状的患者中识别所有缺血性中风子类型。
一些研究已经进行以检查代谢物是否可以用来区分病因性中风亚型。在其中一项研究中，对669名急性缺血性中风患者的血浆总自由脂肪酸水平进行了量化。在调整各种混杂因素，如在基线和有血管风险下的NIHSS得分，心肌中风患者的自由脂肪酸水平高于其他类型的缺血性中风患者（根据TOAST分类）。这一观察是否足以指导有关二次预防治疗的临床决策，目前尚不清楚。
在另一项研究中，在367例急性缺血性中风患者的样本中对144种循环代谢物利用质谱法进行量化，并评估了单个代谢物区分心源中风和非心源中风的能力（根据中风的因果关系分类）。三羧酸循环调节琥珀酸盐、α-酮戊二酸脱氢酶和苹果酸盐的水平在心脏栓塞中风患者中比非心脏栓塞中风患者高。琥珀酸盐还与左心房增大和亚临床心房功能障碍有关，表明心电位和结构性心脏异常患者的能量代谢发生改变，从而支持心脏栓塞中风的异常心房基底膜模型。
总的来说，一些循环的代谢物与中风风险和诊断有令人信服的关联。然而，相关代谢物之间存在不一致，这可能是研究设计不同的结果。首先，小样本量导致统计效力不足以捕获数百个测量代谢物之间的真正差异。其次，不同研究中不同的纳入标准导致患者群体之间的差异。第三，血液采样的时间在研究之间和组内有所不同。最后，在不同的研究方法不同。在未来的研究中，随着技术进步，代谢组学将更接近临床应用。
3.5 整体学与系统生物学
整合omics数据。由于所有omics技术的进步，必须开发各种工具以便于对多层面的分析和解释正在生成的数据。为了独立分析不同层次的大规模高质量数据，已经开发出许多统计方法，但这种个别的解释忽略了不同分子实体之间的串扰，可能错过生物学相关信息。因此，对用不同的omics方法获得的数据进行综合分析对于在具有生物学意义的基础上深入了解病理过程变得至关重要。
结论
技术进步导致了"经济学时代"，它能够收集和整合不同分子水平的数据和信息。通过 omics 技术获得的信息将有助于更好地了解中风病理生理学，提供新的诊断和预后机会，改善中风患者的管理。讨论的所有新兴omics方法无疑将在不久的将来改变医疗实践。
在将研究结果纳入临床实践之前，必须进行进一步的研究来验证这些发现。这一验证必须包括更多样化的研究人口，因为缺乏种族和地理多样性是目前一个重要的偏见。这一缺陷正在一些中风遗传学研究中得到解决，例如由少数人口基因组协会中风研究联合会（COMPASS）和南伦敦种族和中风研究（SLESS）进行的研究。在中风蛋白质组学中，多样性不是例行公事，研究结果表明，某些蛋白质与中风风险之间的关联因种族而异。虽然需要进行确认性实验和验证，但多组学方法在中风管理中的临床应用有一条清晰的道路。如果解决该领域未满足的需求，这些方法将提供机会，有可能显著改善中风患者的结局。