目的随着代谢组学的发展,如何利用代谢组学方法更好地为医学研究和医学实践服务成为该领域的研究热点。本研究利用基于高效液相色谱-质谱联用技术(HPLC/MS)的代谢组学平台对急性脑梗塞患者血清代谢轮廓进行了分析,寻找出差异代谢标志物,同时对在临床病例研究中如何利用代谢组学方法研究疾病发生发展的内在机制、寻找可用于监测和评估疾病病程的特征代谢物,以及如何利用模式识别方法和机器学习方法建立基于特征代谢物的判别模型进行了初步探讨,以求找到更加有效、准确的方法和代谢物用于急性脑梗塞的预防、早期诊断、病程监测和疗效观察。方法利用高效液相色谱-质谱联用平台分析26份急性脑梗塞病人和25份正常人血清标本,随机挑选出各组病例的20%组成验证组用于对模型的检测,不参与后期的数据分析,余下的样本作为模型组用于数据分析。首先利用主成分分析法(PCA)和正交偏最小二乘分析法(OPLS)对代谢轮廓数据的变异性进行分析,然后构建“急性脑梗塞组-健康对照组”的二分类OPLS-DA模型,并利用验证组样本对这些模型进行检测。根据该模型的VIP值筛选出相对应的变量,提取出VIP值大于1的变量并弃除其中在VIP图和系数图上置信区间包含零的所有变量,并根据相应的S图进行进一步确证,以表示模型预测能力的参数Q2=50%和表示模型区分能力的参数R2Y=50%,作为区分模型优劣的标准,低于50%为不合格模型。代谢物的鉴定通过利用精确质量数(m/z)搜索Mass Frontier6.0自带数据库、Medlin(www.medlin.scripps.edu)数据库KEGG(http://www.genome.jp/kegg/ligand.html)数据库以及HMDB(http://hmdb.ca/)数据库,分析二级质谱(MS/MS)及标准品确证等步骤完成。并利用交叉验证法和独立样本检测法对本研究中的模型进行评估。结果成功的构建了“急性脑梗塞组-健康对照组”的主成分分析(R2X=60.0%,Q2=34.1%)及正交偏最小二乘代谢轮廓分析模型(R2X=50.6%,R2Y=97.6%,Q2=94.2%),验证结果模型的预测准确度达到100%,筛选了60个急性脑梗塞患者与健康对照组间具有显著差异的特征离子,经过数据库搜索和结构推导,37个得到了鉴别。在37个被鉴定出来的内源性代谢物中,急性脑梗塞组与健康对照组比较有26个代谢物明显升高,剩余的11个代谢物在急性脑梗塞组水平呈下降趋势。鉴定结果表明在两组之间许多有明显统计学差异的特征代谢物都是与脂代谢有关的。在急性脑梗塞病人血清中一些磷脂类物质(包括甘油磷脂和鞘磷脂)水平的变化是特别应该被关注的。SVM支持向量机分类器灵敏度、特异度以及对实验组样本的区分正确率均能达到100%。结论通过对急性脑梗塞患者血清代谢轮廓的分析,找到了与急性脑梗塞高度相关的的特征代谢物,研究这些代谢物的代谢途径和生物作用可以有益于我们对急性脑梗塞患者进行病理学调查、潜在标志物的发现和异常药物靶点的探究。从内源性代谢物及代谢途径层面对急性脑梗塞进行研究,有助于了解该疾病的分子机制,并为临床预防、诊断和治疗提供了新的方向。