转基因组学分析技术研究进展

王晨光，许文涛，朱鹏宇，付 伟*

转基因组学分析技术研究进展

王晨光1,2，许文涛2,3，朱鹏宇2，付 伟1,*

（1.中国检验检疫科学研究院，北京 100029；2.中国农业大学食品科学与营养工程学院，北京 100083；3.农业部转基因生物食用安全监督检验测试中心，北京 100083）

转基因技术备受世人关注，且转基因作物关乎人体健康和生态环境，因此对转基因作物的安全评价地位极其重要，各种评价方法也在不断前进与发展。组学分析技术成为安全评价工作的新思路。本文主要论述了转基因组学分析技术的必要性，组学分析技术的发展，世界主要转基因作物组学评价发展情况及未来转基因组学分析技术的发展趋势，以期对转基因安全评价工作提供新的思路和方向。

转基因作物；组学分析；组学策略；多组学分析技术

自1983年世界上第一例转基因作物耐草甘膦品系转基因大豆问世以来[1]，转基因作物已经对农业生产及人类生活做出了极大的贡献。转基因作物不仅在种植面积上呈现逐年增加的趋势，其种类也逐渐丰富起来。目前主要的转基因性状包括抗虫及抗除草剂两大类，除此之外，其他抗逆性状以及品质改良型转基因作物也获得了研究者更多的关注[2]。伴随转基因作物快速发展而来的是人们对其打破原有生物进化规律的深入思考。转基因食品是转基因作物经过加工制成的。作为人体日常摄入的消费品，转基因食品的原料必须是已经过批准商业化的转基因作物。从这一角度来看，无论是考虑打破物种间基因转移规律的转基因作物，还是考虑民众日常消费的转基因食品都需要进行必要的安全评价。需要说明的是，对转基因食品的评价其实是对食品中转基因成分的评价，也就是对转基因作物进行评价。本文对世界主要转基因作物新兴的组学分析技术进行综述，并重点分析了当前转基因组学分析技术的特点及发展方向，为转基因食品安全评价提供新策略与认知。

1 转基因组学技术分析策略

1.1转基因组学分析技术的必要性

安全评价的目标在于识别和规避风险。对于转基因作物而言，分析转基因样品预期及可能存在的非预期变化能够实现转基因作物的安全评价。既然要分析变化，我们就要首先识别这些变化。国际上公认的识别变化的技术都是基于实质等同（substantial equivalence）原则[3]。实质等同通过对转基因作物的农艺性状和食品中各主要营养成分、营养拮抗物质、毒性物质及过敏性物质等成分的种类和数量进行分析，并与相应的传统食品进行比较，若二者之间没有明显差异，则认为该转基因食品与传统食品在食用安全性方面具有实质等同性，不存在安全性问题[4]。实质等同原则不仅提供了评价转基因食品的思路，而且提供了相应的实验方法，包括农艺学性状评价（多地点多时间），成分分析，动物营养及毒理学评价等[5]。然而，这些方法很难把握基因转移可能带来的其他潜在变化，即非期望效应（unintended effects）。非期望效应是指除了目的基因插入产生的效应之外，转基因与亲本在表型、反应和组成上所显示出的统计学的显著差异[6]，因此非期望效应是转基因安全性的关键因素，它在我们预计的产毒及过敏物质的基础上体现出基因转移对受体其他活动的影响，而这些差异恰恰可能是转基因作物安全隐患的来源。同时，传统的分析方法还存在一些普遍的不足之处，比如不够灵敏，耗时较长及可能存在统计错误等。因此，必须开发出新的评价方法来分析转基因食品的非期望效应。

转基因作物可以在不同生物水平（转录RNA、蛋白质、代谢物）与亲本发生变化，这些变化有些是转入基因直接调控的，有些则是因为基因插入导致的其他生物分子的变化，需要一种能在一个生物体中通过分析数据来分析整个生命活动的研究方法，于是学术界产生了将组学技术应用在转基因作物非期望效应分析上来的思想。组学是一类个体的系统集合，它通过获得生物体整体的综合信息来鉴定不同物质（DNA、蛋白质、代谢物），最初的组学研究是用来找出与疾病相关的分子标志物[6]。也正因为这样，组学能够找出传统转基因评价方法存在的“盲点”；当然组学分析也会产生大量的数据，其中一部分数据还是“无关点”。但是，合理地处理盲点与无关点之间的矛盾可以帮助我们找到转基因作物的未知变化。因此，组学分析技术越来越多的应用到非期望效应研究上，已成为转基因作物及食品安全评价的发展方向[6]。

1.2 转基因组学分析方法

组学技术能够鉴定和分析转基因作物产生的核酸或化合物，这些分子可以是转基因的表达产物，也可能是未知的发生变化的表达产物。运用组学技术分析转基因与亲本差异不仅可以找到生物体病原性或其他方面的非期望效应，还能进一步研究非期望效应是否会产生负面影响。其中，按照中心法则规律，生物信息形成了DNA、mRNA、蛋白质、代谢产物、细胞、组织、器官、个体及群体这几个研究层次，对应就有基因组学、转录组学、蛋白组学和代谢组学等多个领域诞生。

转录组学是指在特定发育阶段或生理条件下，细胞中的整套转录本及其数量。转录组包含的mRNAs，非编码RNA和小RNAs对研究插入基因的表达情况十分重要[7]。目前比较常用的技术为DNA微阵列（DNA microarray）技术和大规模平行测序（massively parallel signature sequencing，MPSS）技术，基因表达系列分析技术（serial analysis of gene expression，SAGE）或表达序列标签文库测序技术数字表达谱（digital gene expression profiling，DGE）也是获得转录组表达谱的技术[8-9]。其中，微阵列芯片技术无论从特异性还是经济角度都是较佳选择，而SAGE或DGE数字表达谱所具有的高通量和大数据特点成为获得完整基因表达谱的重要方法，且有取代基因芯片的趋势。蛋白组学是以蛋白质组为研究对象，应用相关研究技术，从整体水平上来认识蛋白质的存在及活动方式（表达、修饰、功能、相互作用等）的学科[10]。应用蛋白组学评价转基因作物主要关注差异蛋白的鉴定，蛋白质表达分析及蛋白质可能存在的活性调节。高通量定量蛋白质组学可分为两种不同的方法：蛋白质的相对和绝对定量。相对定量揭示了蛋白质应答刺激时的丰度变化[11]。绝对定量基于蛋白质染色或稳定同位素质谱分析方法，可以给定某个蛋白质的准确含量。目前研究方法主要有双向电泳（twodimensional electrophoresis，2-DE）、多维液相色谱（multidimensional liquid chromatography，MD-LC）、质谱（mass spectrometry，MS）、同位素亲和标签技术（isotope-coded affinity tag，ICAT）等稳定同位素标记的蛋白质相对定量技术和同位素相对标记（isotopic tagging for relative and absolute quantification，iTRAQ）等通过同位素标记质谱测定的绝对定量技术[12]。代谢组学是对一个生物系统的细胞在给定时间和条件下所有小分子代谢物质的定性定量分析，从而定量描述生物内源性代谢物质的整体及其对内因和外因变化应答规律的组学技术[13]。代谢组学能够研究生物体在外界刺激下所做出的反应，因此可以作为对转录组学和蛋白组学的补充。由于代谢组学的研究对象为各种代谢产物，因此最常见的鉴定化合物的技术，如核磁共振（nuclear magnetic resonance，NMR）[14]、气相色谱-质谱联用技术（gas chromatography-mass spectrometry，GC-MS）[15]、液相色谱-质谱联用技术（liquid chromatography-mass spectrometry，LC-MS）[16]都是常用的方法。这些化合物鉴定技术结合数据分析模型就可以找出主要变化的代谢物并与参照比较，从而在生物代谢的终端对基因插入进行评价。常用的数据分析模型包括主成分分析（principal component analysis，PCA）、聚类分析（cluster analysis，CA）及偏最小二乘判别分析（partial least squares-discriminant analysis，PLS-DA）等[17]。

在选取分析方法的时候，以SAGE技术为代表的、以测序为基础的表达谱分析是转录组学使用最广泛的方法；2-DE技术分离结合质谱技术鉴定体系较为成熟，适合于分析蛋白组差异，成本也较为低廉，是蛋白组学研究使用最广泛的分离技术，而代谢组学则没有普遍使用的技术路线，研究者将不同方法和不同分析模型结合会产生不同的结果[18]。除此之外，另一个选取分析方法需考虑的要素是方法结合问题。任何一种组学技术都能对转基因食品进行评价，这些结论能够用来综合的从某一个生物层次分析基因转移的影响。然而，由于转基因mRNA是基因转录的产物，它与蛋白质的表达水平虽存在着相互关系，但其相关系数通常不高[19]，且某个蛋白酶浓度的变化对代谢物和表现型的影响往往很小。因此忽略代谢物方面的变化对分析基因转移带来的影响是不可取的。反过来说，代谢层面的微小变化背后往往意味着某种蛋白的显著表达，这种相互作用使得单独组学很难满足转基因安全评价的要求。因此，将这些组学综合到一起分析，形成多组学分析技术，可以探明生物体从基因到化合物一整条通路的变化，能够更全面地分析基因转移对亲本作物的安全性。

2 不同转基因作物组学研究情况

2014年，转基因作物在全球的总种植面积已经超过了1.81亿hm2，比2013年增加了3%。这个数据相对于1996年转基因作物种植面积增加了100倍。在全世界范围内获得批准的商业化转基因作物中，玉米是获批事件最多的作物，其次是棉花、马铃薯、油菜和大豆[20]。我国进口的转基因作物主要是大豆、玉米和油菜，主要用途是榨油和饲料[21]。结合世界转基因作物发展趋势及我国饮食习惯，以下就较为常见的转基因作物在组学层面的分析作简要归纳。

2.1玉米

转基因玉米是全世界商业化程度最高的转基因作物，累积有27个国家130个事件获得批复，对其研究也最为成熟。Coll等[22-23]以常见抗除草剂转基因玉米MON810为实验组，分别利用体外实验、田间耕种实验组及非转对照组做了转录组学分析，结果发现两种情况下MON810与亲本的转录组水平都没有较大差异，且这些差异已不能从田间耕种中发现。此后Coll等[24]又设置常规和低氮两种生长环境研究MON810和亲本的转录组差异，结果发现环境（常规育种和低氮育种）对转录组水平的影响比基因插入要大的多。Coll等[25]继续利用2-DE和质谱技术分析MON810的蛋白组信息，发现2-DE中差异的点几乎全部为外源插入基因所表达的蛋白，其余的蛋白图谱几乎没有差异，这样就从转录组和蛋白组两个层面评价了MON810与非转亲本的差异。这一结论也和Albo等[26]得出的实验结果一致。Manetti等[27]开始在代谢组层面分析MON810和非转亲本的差异，发现初级氮代谢中4种化合物的含量差异。而Piccioni等[28]就以同样的方法鉴定了40种水溶性代谢物，发现了5种与Manetti等[27]结论不同的显著变化的化合物。Leon等[29]利用毛细管电泳-质谱联用技术（capillary electrophoresis-time-offlight-mass spectrometry，CE-MS）和傅里叶变换离子回旋共振质谱联用技术（Fourier transform-ion cyclotron resonance-mass spectrometry，FT-ICR-MS）从3株田间种植的转基因玉米MON810中鉴定出包括嘌呤、氨基酸、花生四烯酸等代谢物的升高。

从上面的研究结果可以看到，不同学者对转基因玉米的转录组和蛋白组图谱的研究基本趋于一致，总结来说就是转基因组与非转基因组的转录水平和蛋白水平差异微小，基因转移的影响要小于种间差异。而代谢组学结果较为复杂，造成这一现象的原因主要有两个：一是不同技术带来的影响。代谢组学没有一套通用的数据分析方法，无论是主成分分析还是聚类分析都会存在一些差异。而另一个原因则是实验样品选取的问题。Frank等[30]利用GC-MS分析基因转移和环境影响对转基因玉米MON810和NK603及亲本的作用，结果发现环境因素造成的影响比基因转移本身带来的影响要大的多，因此与转基因玉米做对照的非转样本需要和转基因玉米在同一种植条件下获得才能得到比较客观的数据。Batista等[31]从双向电泳图中找了相同植株之间差异明显的蛋白，这些差异在样品混合时会存在被掩盖的现象，从而对实际评价工作造成困难。因此，在利用组学技术分析非期望效应时必须消除种间差异带来的负面影响。la Paz等[32]等通过分析MON810转录RNA的序列发现MON810插入基因表达CryIAb蛋白的终止子有一部分缺失，导致实际外源基因表达蛋白增加了两个氨基酸。这一结果可能是因为MON810后代进行了多轮自交，因此外源基因插入的环境受到极大改变[33]，这也就解释了Manetti[27]和Piccioni[28]等的结果之所以存在差异的原因。而la Paz等[32]的实验同时表明MON810在后代繁殖的过程中mRNA的数量大小及蛋白层面均没有影响，这也从侧面证明了MON810在转录组及蛋白组层面与非转样本实质等同。

从上面的分析还可以得出，MON810的转录组、蛋白组及代谢组所表现的差异不同。排除一些客观条件，我们还是能看到单一组学对转基因评价的局限性。Coll等[22-25]研究团队前后几年的研究代表了多组学结合的研究思路。Barros等[34]将转录组学，蛋白组学和代谢组学结合起来分析转基因玉米MON810和非转亲本，同样发现了环境因素的影响比基因转移显著。然而，Barros[34]依然没能找到一条代谢通路揭示从基因到代谢物的变化与基因转移的关系，因此还需要进一步研究找出影响转基因玉米非期望效应产生的原因。

2.2水稻

水稻是全球主要粮食作物之一，全球一半人口通过水稻获得所需的碳水化合物和蛋白质[35]。转基因水稻的研发是为了达到抗虫抗病的效果，而水稻又主要作为食物被人体利用，对于转基因水稻的安全评价至关重要。Montero等[36]通过转录组学研究发现抗真菌转基因水稻（转化体Senia-afp R25.12、Senia-afp R25.14、Senia-afp R25.15）与亲本相比只有0.4%转录组差异，而这0.4%差异中35%是由转基因操作方法（体外培养、细胞去分化、植株再生）引起的，只有15%是由于基因插入引起的。Montero等认为大部分产生非期望差异的序列是由于转基因作物在种植过程中应对外界刺激而产生的变化，而不是基因转移引起的。这也与2.1节中玉米组学分析结果一致。Batista等[37]为了比较诱变水稻和转基因水稻（ScFvT84.66）在非期望效应方面的差异，同样利用微阵列分析技术对转基因水稻及其后代和γ射线诱变水稻后代做了转录组学的比较，发现诱变体和转基因样本都会产生转录组层面的变化，且诱变体的变化更为明显。Wang Yan等[38]利用双向电泳和电子喷雾飞行时间质谱技术分析含有Cry1ab/ac蛋白的转基因水稻的信息。Gong Chunyan等[39]利用双向电泳及质谱技术分析转基因水稻Bar68-1和2036-1a与亲本的蛋白组差异，该研究还选取了自然基因突变的植株作为参照。而结论则指出转基因与亲本在蛋白图谱上的差异不如自然育种及基因突变植株与亲本的差异显著，从而消除了基因转移带来非期望效应的忧虑。

目前对水稻的改良更多的集中于品质提升，因此其初级及次级代谢产物就为这些品质改良型水稻提供了很好的科学评价依据。这些代谢产物的过渡积累会导致植物生理上的非期望效应发生。Wu Jiao等[40]利用GC-MS技术，结合CA和PCA等计算模型找出转基因水稻C418-Xa21和C418-Xa23与不同播种时间和地点的亲本的代谢指纹图谱差异。结果发现转基因水稻除了在琥珀酸表达水平上有显著差异，其余的差异均没有亲本之间的差异明显。Chang Yuwei等[41]利用LC-MS方法结合PCA等模型对不同的转cry1Ac和sck抗虫基因水稻和亲本水稻做了验证得出了类似的结论。Long Xiaohang等[42]通过基因工程技术获得了高赖氨酸的转基因水稻，由于该转基因品系的表达型即为赖氨酸表达量提高，因此该研究团队利用LC-MS技术对赖氨酸代谢通路中11种中间化合物做了代谢图谱，并证明了该转基因水稻的预期表型。Ioset等[43]研究了抗真菌转基因水稻的黄酮化合物图谱，也发现了转基因水稻与非转样本之间的微小差异及非转样本种间的显著性差异。从该分析来看，通过代谢组学技术能够完成预期及某些非预期效应的分析，但是对于催化产物合成的蛋白酶，及调控蛋白表达的基因没有进一步探讨。由于该转基因水稻是通过RNA干扰获得的，其转录组和蛋白组可能发生的变化还是未知的，而代谢物发生的变化仅仅是这些酶发挥的一部分功能，因此有必要通过其他组学技术对其进行补充评价。这也反映了水稻组学分析的一个问题，即单一组学分析会发现遗传信息传递过程中不同层面发生的变化，却无法看到一条受调控的通路。如果想看到基因转移对其代谢通路从基因到代谢产物的变化，还需要多组学合作才能更好的评价转基因水稻的安全问题。

此外，动物实验既是了解食用转基因作物后体内代谢情况的良好途径，也是国家转基因食用安全评价的标准方法之一。利用动物实验的数据做组学分析也能够对转基因作物进行安全评价，而又由于动物实验为经口喂养实验，其更加贴近人体进食转基因作物后的反应，因此合理的动物实验结合组学分析技术能够很好的模拟体内代谢的变化。Cao Sishuo等[44-45]按照这样的思路分别对抗虫转基因水稻T1c-19和T2A-1做了大鼠90 d喂养实验并进行代谢组学分析，发现大鼠个体差异比转基因的影响要大，这一数据分析结果与90 d喂养实验常规检测指标得到的结论一致。

2.3大豆

Cheng等[46]将耐草甘膦大豆与与非转基因大豆进行转录组学分析也发现了普通大豆的种间差异比转基因与非转基因之间的差异大的规律，且非转基因的参照寿命越长，种间差异越明显，因而这一现象对阴性对照的选取有着重要意义。García-Villalba等[47]通过代谢组学从45种耐草甘膦大豆目标代谢物中分析出8种显著变化的代谢物，而其中绝大部分都可以从外源插入基因的代谢通路中找到。Inaba等[48]对耐草甘膦大豆不同组织进行代谢组学分析，发现了酪氨酸和苯丙氨酸含量的提高，并推测出其可能是由插入基因引起的原因。Clarke等[49]将49种非转基因大豆与转基因大豆SYHT06W共同分析，通过代谢图谱确定基因插入带来的非期望效应，并从图谱中得出代谢物之间除了预计改变的通路以外无显著差异的结论。Kusano等[50]利用CE-MS、GC-MS、LC-MS、ICR-MS等多种分析方法对连续育种多年的传统大豆品系与耐草甘膦大豆进行代谢组分析，不仅能够根据代谢物的不同鉴定样品，还能推理出基因转移对代谢物的影响不如育种时长的影响明显，进而可以看出基因转移并不是代谢差异的主要原因。目前，对于大豆的研究以代谢组学为主[35]，对于其基因表达情况并没有深入的研究，而相关报道也反映了仅仅从代谢组学数据的差异不能判断出基因转移对生物体影响的问题，意味着多组学分析的必要性。

2.4小麦

Gregersen等[51]从转录组角度比较分析了植酸酶高表达转基因小麦在籽粒发育过程中的基因转录情况，结果显示，转基因小麦差异表达的基因数目很少，不足以产生预期效应。Baudo等[52]选取的材料为品质改良型转基因小麦，其胚乳与叶片的转录组数据和其亲本的相应位置相比只有6个基因差异，但是在亲本和另一株非转基因水稻之间却发现了最多有527个基因差异，进一步分析还表明该株非转基因水稻与转基因组的转录组也具有最多154个基因的差异，从而说明基因转移对生物体的影响小于物种之间的差异。Baker等[53]也利用相同的转基因小麦进行代谢组学分析，分析出极性代谢物的一些由环境引起的差异，且亲本之间体现出更大的差异。

小麦虽然是全球主要粮食作物之一，但是由于其重要的食用价值，国内目前还没有关于转基因小麦的安全证书获批，全球也仅有一个转基因小麦的商业化品系[20]。而且，关于转基因小麦的组学评价目前也处于单一组学研究阶段，大多数研究者并没有找出代谢差异与基因转移之间的联系，进一步研究多组学分析对于转基因小麦的安全评价意义重大。

2.5马铃薯

Iwaki等[54]采用靶标代谢组学和非靶标代谢组学分析抗胁迫转基因马铃薯的代谢物，发现乙烯合成途径中的副产物——谷胱甘肽代谢物，γ-氨基丁酸和β-氰的含量显著升高，从而印证了插入基因的功能，自然也可说明该转基因马铃薯未发现非期望效应。但是这个结论没有非转基因马铃薯之间的对比数据。Lehesranta等[55]从转基因马铃薯（W2GBSS、MAL1、SamDC）、非转样本及当地的马铃薯样本的2-DE图中分析出差异蛋白，同样得到了非转样本组之间的蛋白差异比转基因与非转基因之间差异大的结论。Defernez[56]和Shepherd[57]等也分别用代谢组学和成分分析证明了这一现象，即种间差异比基因转移带来的差异大。同时，关于转基因马铃薯的研究还发现一个现象，由于马铃薯的无性变异现象较为明显，在分析组织培养的块茎和转空载质粒的块茎时发现其组学层面存在较大差异，由此推断体细胞无性变异可能也是造成这些差异的原因之一[58]。此外，保存时间也是影响转基因马铃薯代谢物差异的原因之一[59]。

Kondrák等[60]首次在转录组和代谢组两个层面评价转抗旱基因马铃薯，发现了57个受到调控的基因，其中有与抗旱性状和淀粉合成途径密切相关的，而脯氨酸等与抗旱通路有关的代谢物在转基因和非转基因马铃薯中均含量提高。但是，仅仅通过转录RNA和代谢物的水平很难完整找到一条受调控的通路，基因表达和代谢物之间的调控并没有明确的对应关系可能是该评价方法的缺陷之一。

2.6番茄

番茄是全球广泛食用的作物之一，对其的改造主要在于延缓软化，后熟，也有一些抗虫抗病的性状。现阶段番茄的基因修饰主要在于提高番茄的品质，又鉴于番茄主要为人所食用，必须探明番茄的基因修饰对生物体生命活动产生的影响。Noteborn等[61]最早对转cry1Ab5抗虫番茄进行代谢物评价，他利用NMR分析转基因番茄与非转样本的代谢化合物，没有看到显著性差异。Roessner-Tunali等[62]在前者基础上从代谢组层面分析超表达己糖激酶的转基因番茄，通过不同生长阶段的番茄不同组织的代谢组数据能够发现，随着番茄的生长其代谢物的差异逐渐缩小，且转基因番茄较非转基因样品己糖激酶的活性提高。le Gall等[63]利用NMR技术发现超表达转录因子LC和C1转基因番茄除了其预期效应之外还有至少15种化合物含量不同，然而它们都在植物自然生长的变异范围内；Long等[64]尝试通过LC-MS探究类胡萝卜素和黄酮合成通路的调控是否会影响其他次级代谢产物，结果发现其他次级代谢产物并没有明显变化；Nicoletti等[65]也发现了关于转基因番茄类似的结论。

由于代谢组学研究方法没有固定的标准，不同方法会存在一些差异。Kusano等[66]尝试结合CE-MS、GC-MS、LC-MS 3个代谢组学分析平台分析神秘果蛋白超表达转基因番茄7C和56B。3个平台共同鉴定到了超过175种代谢物，已经涵盖了LycoCyc数据库的85%，而如此多的代谢物相互比较的结果也证实了转基因番茄的安全性。

3 转基因食品组学分析技术的评价与思考

3.1组学评价技术实验设计

由世界主要转基因粮食作物的组学评价情况可以看到转基因作物与传统育种的作物相比是实质等同的。在转录组和蛋白组两个层面上转基因组与非转基因组除了插入基因表达之外没有显著差异，而代谢组的数据由于实验方法和样本选取等问题比较复杂，转基因与非转基因组虽有差异，但除了基因插入带来的差异之外其余的变化在合理范围内。从3种组学方法分析结果来看，基因转移对生物体带来的影响不如传统物种之间的差异明显，甚至不如不同生长情况下的相同样本差异显著，且样本选取部位、实验方法都会改变遗传信息传递过程，基因转移的影响就被相应缩小。因此，利用组学评价技术与传统安全评价的方法相结合，在非期望效应方面加以佐证，能够更好的评价转基因食品的安全性[67]。

从现有研究者的组学数据来看，转基因组学评价在一些实验设计方面还存在明显的矛盾点。组学研究所具有的非靶标性决定了组学实验设计之初的无目的性，因此在组学实验中很容易带来偏见，研究者在分析数据时不容易发现想要发现的，这在一定程度上就削弱了组学技术本身的优势[68]；采用非靶标的组学分析方法能够相应减弱偏见带来的影响，但就忽视了组学存在之初的优越性；通过增大数据量可以减少样本带来的影响，但也会更容易产生偏差性结论，从而没有找到生物体在代谢过程中发生变化的前因后果。因此在设计组学评价实验时合理的处理这三方面矛盾是数据真实可靠的关键。除此之外，在实验设计时还存在一个统计学误区：大量的测量数据能够弥补少量样本带来的误差。然而从实验结果看，同一物种的组学数据也可能存在很大差异[69]，少量样本的大量数据虽然可以使显著性检验P值足够小，但其造成假阳性的概率（false-positive-report probability，FPRP）同样很大，这是因为FPRP同样受到先验概率的影响[70-71]。先验概率指的是根据正式的推理和观测值所得的概率，在转基因组学分析上，提高检测样本的数量是保证先验概率高的前提，所以在组学实验设计之初就需要对转基因及非转基因样品的数量有所要求。

3.2样本选取

不但样本的数量会影响组学分析结果，样本的生长情况同样影响实验结果。同一种植物在不同时间不同地点种植的情况会有不同，而研究者发现这些情况造成的差异比基因插入带来的差异要大[72]。因此进行实验的转基因和非转基因样本一定要严格挑选。最理想的情况就是选择转基因作物的亲本作为阴性对照，且两者的生长状况要保持一致。如果亲本样品不好获取，就应该选择近等基因系的对应作物[18]。而像MON810转基因玉米的情况则更为复杂一些，多代育种造成的自交与回交问题使得找寻合适的阴性对照较为困难，因此研究者在开展组学分析时也要自己分析下所选样本的性质。

传统的育种方法一直以来都被认为是安全的方法，然而环境变化对这些植物造成的影响同样尚未知晓，将这些影响和基因插入带来的影响混在一起就会对组学分析结果带来影响。因此必须寻找相同生长状况下的转基因样品和阴性对照[73]。此外，采用组织培养和田间耕种，采用叶片和块茎得到的组学数据可能会有差异，甚至基因工程上游工程可能带来的问题都会影响转基因安全评价工作，这也是样本选择时需要注意的一个问题。

3.3 分析方法

目前我国关于转基因食品的安全评价主要是依照经济合作与发展组织（Organization for Economic Co-operation and Development，OECD）和国际食品法典委员会（Codex Alimentarius Commission，CAC）提供的指南，对转基因食品进行营养成分分析，对毒理性和过敏性等方面进行评价，主要针对的是50～150 种化合物[74]。代谢组学技术能够分析大约几百种化合物的成分，其中某些物质是极其微量且在不同物种或不同生长环境的同一物种之间差异较大。然而这并不是说组学技术将代替原有的评价方法。目前常用的评价方法包括成分分析、动物营养及毒理学评价等，它们的一个突出特点就是靶标，评价体系的建立就是根据基因插入预期的变化才进行的；而组学分析是一种非靶标技术，它追求的是生物体某一层面物质的总和，从这些变化的物质中找出对应的通路进行研究，因此二者是有区别的。当然，利用常规的成分分析方法增加分析的范围也可以完成组学分析能够做的工作[75-76]。但是，正如3.1节中所述的一样，关于如何使用组学技术是一个矛盾的问题，组学技术也可以针对预期可能的变化设计思路进行转基因食品的安全评价，同时它也可以进行大数据分析发掘非期望效应。因此，如何正确的利用组学分析技术为转基因食品的评价服务是研究者需要考虑的一个重要问题。

此外，同样的材料利用不同代谢组学方法得到的结果出现显著差别也意味着分析方法选择的复杂性[29]。同时如第2节中分析的一样，单一组学对研究生物体代谢规律方面也存在局限性，对于转基因作物评价的理想结果是找出一条从基因表达到代谢物均受到调控的代谢通路，如果从单一组学的数据分析会造成差异不统一的问题，从代谢物能够明显看到化合物对生物体的影响，但也很难看清遗传信息在受体内的变化情况，因此从多组学角度分析转录因子，蛋白质和代谢物的差异能够全面的分析差异，找出规律，这也使得多组学分析显得更有意义。

4 结 语

转基因安全评价是当今社会的一个热门话题，其是否安全，如何判断安全也是一个争议话题。传统分析方法在非期望效应方面的缺陷让组学技术逐渐应用到安全评价中。虽然将这一体系应用到标准评价方法中还存在一些难度，但从科学研究角度来说，组学技术能够很好的完成安全评价的工作。根据实际分析的需求，未来的转基因食品组学分析需要多组学结合分析，找出影响显著的代谢通路，形成从基因表达到代谢物方面的整体变化，才能真正了解基因转移对生物带来的影响，进而，转基因食品的安全问题也能得到很好的印证。转基因技术已经发展了近30a，基因转入也由原来的抗虫、抗除草剂、抗逆性状发展到品质改良型，民众更加关心新产品的食用问题，如人们熟知的“黄金大米”。组学的应用自始至终都是一个矛盾问题，合理选择设计分析方法会更加客观全面的确定基因转移对生物体造成的影响，转基因食品的安全性也会得到更为确切的证明。

[1] HINCHEE A W, CONNOR-WARD D V, NEWELL C A, et al. Production of transgenic soybean plants using agrobacterium-mediated DNA transfer[J]. Nature Biotechnology, 1988, 6(8)∶ 915-922.

[2] 祁潇哲, 黄昆仑. 转基因食品安全评价研究进展[J]. 中国农业科技导报, 2013, 15(4)∶ 14-19.

[3] FAO. The state of the world’s land and water resources for food and agriculture (SOLAW) managing systems at risk[R]. Rome∶FAO, 2011.

[4] OECD. An introduction to the food/feed safety consensus documents of the task force. Series on the safety of novel foods and feeds, No 14[R]. Paris∶ OECD, 2006.

[5] 范云六, 黄大昉, 彭于发. 我国转基因生物安全战略研究[J]. 中国农业科技导报, 2012, 14(2)∶ 1-6.

[6] 李欣, 黄昆仑, 朱本忠, 等. 利用“组学”技术检测转基因作物非期望效应的潜在性[J]. 农业生物技术学报, 2005, 13(6)∶ 802-807.

[7] 付畅, 黄宇. 转录组学平台技术及其在植物抗逆分子生物学中的应用[J]. 生物技术通报, 2011(6)∶ 40-46.

[8] MARTIN J A, WANG Z. Next-generation transcriptome assembly[J]. Nature Reviews Genetics, 2011, 12(10)∶ 671-682.

[9] GRABHERR M G, HAAS B J, YASSOUR M, et al. Full-length transcriptome assembly from RNA-Seq data without a reference genome[J]. Nature Biotechnology, 2011, 29(7)∶ 644-652.

[10] 李学鹏, 励建荣, 于平, 等. 蛋白组学及其在食品科学研究中的应用[J].中国粮油学报, 2010, 25(2)∶ 141-149.

[11] BRUNNER A M, LI J, DIFAZIO S P, et al. Genetic containment of forest plantations[J]. Tree Genetics & Genomes, 2007, 3(2)∶ 75-100.

[12] 张磊, 尹红锐, 张莹, 等. 基于生物质谱的定量蛋白质组学研究进展[J].分析测试技术与仪器, 2014(3)∶ 4-13.

[13] 王斯婷, 李晓娜, 王皎, 等. 代谢组学及其分析技术[J]. 药物分析杂志, 2010, 30(9)∶ 1792-1799.

[14] MANETTI C, BIANCHETTI C, BIZZARRI M, et al. NMR-based metabonomic study of transgenic maize[J]. Phytochemistry, 2004, 65(24)∶ 3187-3198.

[15] OKAZAKI Y, SAITO K. Recent advances of metabolomics in plant biotechnology[J]. Plant Biotechnology Reports, 2012, 6(1)∶ 1-15.

[16] OIKAWA A, MATSUDA F, KUSANO M, et al. Rice metabolomics[J]. Rice, 2008, 1(1)∶ 63-71.

[17] 周国艳, 胡望雄, 徐建红, 等. 整合多个组学(omics)分析植物代谢产物及其功能[J]. 浙江大学学报∶ 农业与生命科学版, 2013, 39(3)∶237-245.

[18] RICROCH A E, BERG☒ J B, KUNTZ M. Evaluation of genetically engineered crops using transcriptomic, proteomic, and metabolomic profiling techniques[J]. Plant Physiology, 2011, 155(4)∶ 1752-1761.

[19] HEINEMANM J A, KURENBACH B, QUIST D. Molecular profiling∶a tool for addressing emerging gaps in the comparative risk assessment of GMOs[J]. Environment International, 2011, 37(7)∶ 1285-1293.

[20] CLIVE J. 2013年全球生物技术/转基因作物商业化发展态势[J]. 中国生物工程杂志, 2014, 34(1)∶ 1-8.

[21] 罗云波, 贺晓云. 中国转基因作物产业发展概述[J]. 中国食品学报, 2014, 14(8)∶ 10-15.

[22] COLL A, NADAL A, COLLADO R, et al. Gene expression profiles of MON810 and comparable non-GM maize varieties cultured in the field are more similar than are those of conventional lines[J]. Transgenic Research, 2009, 18(5)∶ 801-808.

[23] COLL A, NADAL A, PALAUDELM☒S M, et al. Lack of repeatable differential expression patterns between MON810 and comparable commercial varieties of maize[J]. Plant Molecular Biology, 2008, 68(1/2)∶ 105-117.

[24] COLL A, NADAL A, COLLADO R, et al. Natural variation explains most transcriptomic changes among maize plants of MON810 and comparable non-GM varieties subjected to two N-fertilization farming practices[J]. Plant Molecular Biology, 2010, 73(3)∶ 349-362.

[25] COLL A, NADAL A, ROSSIGNOL M, et al. Proteomic analysis of MON810 and comparable non-GM maize varieties grown in agricultural fields[J]. Transgenic Research, 2011, 20(4)∶ 939-949.

[26] ALBO A G, MILA S, DIGILIO G, et al. Proteomic analysis of a genetically modified maize flour carrying Cry1Ab gene and comparison to the corresponding wild-type[J]. Maydica, 2007, 52(4)∶443-455.

[27] MANETTI C, BIANCHETTI C, CASCIANI L, et al. A metabonomic study of transgenic maize (Zea mays) seeds revealed variations in osmolytes and branched amino acids[J]. Journal of Experimental Botany, 2006, 57(11)∶ 2613-2625.

[28] PICCIONI F, CAPITANI D, ZOLLA L, et al. NMR metabolic profiling of transgenic maize with the Cry1A (b) gene[J]. Journal of Agricultural and Food Chemistry, 2009, 57(14)∶ 6041-6049.

[29] LEON C, RODRIGUEZ-MEIZOSO I, LUCIO M, et al. Metabolomics of transgenic maize combining Fourier transform-ion cyclotron resonance-mass spectrometry, capillary electrophoresis-mass spectrometry and pressurized liquid extraction[J]. Journal of Chromatography A, 2009, 1216(43)∶ 7314-7323.

[30] FRANK T, RO☒HLIG R M, DAVIES H V, et al. Metabolite profiling of maize kernels∶ genetic modification versus environmental influence[J]. Journal of Agricultural and Food Chemistry, 2012, 60(12)∶ 3005-3012.

[31] BATISTA R, OLIVEIRA M. Plant natural variability may affect safety assessment data[J]. Regulatory Toxicology and Pharmacology, 2010, 58(Suppl 3)∶ 8-12.

[32] la PAZ J L, VICIENT C, PUIGDOM☒NECH P, et al. Characterization of polyadenylated crylA (b) transcripts in maize MON810 commercial varieties[J]. Analytical and Bioanalytical Chemistry, 2010, 396(6)∶2125-2133.

[33] ROSATI A, BOGANI P, SANTARLASCI A, et al. Characterisation of 3′ transgene insertion site and derived mRNAs in MON810 YieldGard☒maize[J]. Plant Molecular Biology, 2008, 67(3)∶ 271-281.

[34] BARROS E, LEZAR S, ANTTONEN M J, et al. Comparison of two GM maize varieties with a near-isogenic non-GM variety using transcriptomics, proteomics and metabolomics[J]. Plant Biotechnology Journal, 2010, 8(4)∶ 436-451.

[35] SIM☒ C, IB☒EZ C, VALD☒S A, et al. Metabolomics of genetically modified crops[J]. International Journal of Molecular Sciences, 2014, 15(10)∶ 18941-18966.

[36] MONTERO M, COLL A, NADAL A, et al. Only half the transcriptomic differences between resistant genetically modified and conventional rice are associated with the transgene[J]. Plant Biotechnology Journal, 2011, 9(6)∶ 693-702.

[37] BATISTA R, SAIBO N, LOUREN☒O T, et al. Microarray analyses reveal that plant mutagenesis may induce more transcriptomic changes than transgene insertion[J]. Proceedings of the National Academy of Sciences, 2008, 105(9)∶ 3640-3645.

[38] WANG Yan, XU Wentao, ZHAO Weiwei, et al. Comparative analysis of the proteomic and nutritional composition of transgenic rice seeds with Cry1ab/ac genes and their non-transgenic counterparts[J]. Journal of Cereal Science, 2012, 55(2)∶ 226-233.

[39] GONG Chunyan, LI Qi, YU Huatao, et al. Proteomics insight into the biological safety of transgenic modification of rice as compared with conventional genetic breeding and spontaneous genotypic variation[J]. Journal of Proteome Research, 2012, 11(5)∶ 3019-3029.

[40] WU Jiao, YU Haichuan, DAI Haofu, et al. Metabolite profiles of rice cultivars containing bacterial blight-resistant genes are distinctive from susceptible rice[J]. Acta Biochimica et Biophysica Sinica, 2012, 44(8)∶650-659.

[41] CHANG Yuwei, ZHAO Chunxia, ZHU Zhen, et al. Metabolic profiling based on LC/MS to evaluate unintended effects of transgenic rice with cry1Ac and sck genes[J]. Plant Molecular Biology, 2012, 78(4/5)∶ 477-487.

[42] LONG Xiaohang, LIU Qiaoquan, CHAN Manling, et al. Metabolic engineering and profiling of rice with increased lysine[J]. Plant Biotechnology Journal, 2013, 11(4)∶ 490-501.

[43] IOSET J R, URBANIAK B, NDJOKO-IOSET K, et al. Flavonoid profiling among wild type and related GM wheat varieties[J]. Plant Molecular Biology, 2007, 65(5)∶ 645-654.

[44] CAO Sishuo, HE Xiaoyun, XU Wentao, et al. Safety assessment of transgenic Bacillus thuringiensis rice T1c-19 in Sprague-Dawley rats from metabonomics and bacterial profile perspectives[J]. IUBMB Life, 2012, 64(3)∶ 242-250.

[45] CAO Sishuo, XU Wentao, LUO Yunbo, et al. Metabonomics study of transgenic Bacillus thuringiensis rice (T2A-1) meal in a 90-day dietary toxicity study in rats[J]. Molecular BioSystems, 2011, 7(7)∶2304-2310.

[46] CHENG K C, BEAULIEU J, IQUIRA E, et al. Effect of transgenes on global gene expression in soybean is within the natural range of variation of conventional cultivars[J]. Journal of Agricultural and Food Chemistry, 2008, 56(9)∶ 3057-3067.

[47] GARC☒A-VILLALBA R, LE☒N C, DINELLI G, et al. Comparative metabolomic study of transgenic versus conventional soybean using capillary electrophoresis-time-of-flight mass spectrometry[J]. Journal of Chromatography A, 2008, 1195(1)∶ 164-173.

[48] INABA Y, BROTHERTON J E, ULANOV A, et al. Expression of a feedback insensitive anthranilate synthase gene from tobacco increases free tryptophan in soybean plants[J]. Plant Cell Reports, 2007, 26(10)∶1763-1771.

[49] CLARKE J D, ALEXANDER D C, WARD D P, et al. Assessment of genetically modified soybean in relation to natural variation in the soybean seed metabolome[J]. Scientific Reports, 2013, 3∶ doi∶10.1038/ srep03082.

[50] KUSANO M, BAXTER I, FUKUSHIMA A, et al. Assessing metabolomic and chemical diversity of a soybean lineage representing 35 years of breeding[J]. Metabolomics, 2014, 11(2)∶ 1-10.

[51] GREGERSEN P L, BRINCH-PEDERSEN H, HOLM P B. A microarray-based comparative analysis of gene expression profiles during grain development in transgenic and wild type wheat[J]. Transgenic Research, 2005, 14(6)∶ 887-905.

[52] BAUDO M M, POWERS S J, MITCHELL R A C, et al. Establishing substantial equivalence∶ transcriptomics[M]. Transgenic Wheat, Barley and Oats. Humana Press, 2009∶ 247-272.

[53] BAKER J M, HAWKINS N D, WARD J L, et al. A metabolomic study of substantial equivalence of field: grown genetically modified wheat[J]. Plant Biotechnology Journal, 2006, 4(4)∶ 381-392.

[54] IWAKI T, GUO L, RYALS J A, et al. Metabolic profiling of transgenic potato tubers expressing Arabidopsis dehydration response element-binding protein 1A (DREB1A)[J]. Journal of Agricultural and Food Chemistry, 2013, 61(4)∶ 893-900.

[55] LEHESRANTA S J, DAVIES H V, SHEPHERD L V T, et al. Comparison of tuber proteomes of potato varieties, landraces, and genetically modified lines[J]. Plant Physiology, 2005, 138(3)∶1690-1699.

[56] DEFERNEZ M, GUNNING Y M, PARR A J, et al. NMR and HPLC-UV profiling of potatoes with genetic modifications to metabolic pathways[J]. Journal of Agricultural and Food Chemistry, 2004, 52(20)∶ 6075-6085.

[57] SHEPHERD L V T, MCNICOL J W, RAZZO R, et al. Assessing the potential for unintended effects in genetically modified potatoes perturbed in metabolic and developmental processes. Targeted analysis of key nutrients and anti-nutrients[J]. Transgenic Research, 2006, 15(4)∶ 409-425.

[58] CATCHPOLE G S, BECKMANN M, ENOT D P, et al. Hierarchical metabolomics demonstrates substantial compositional similarity between genetically modified and conventional potato crops[J]. Proceedings of the National Academy of Sciences of the United States of America, 2005, 102(40)∶ 14458-14462.

[59] KIM H S, KIM S W, PARK Y S, et al. Metabolic profiles of genetically modified potatoes using a combination of metabolite fingerprinting and multivariate analysis[J]. Biotechnology and Bioprocess Engineering, 2009, 14(6)∶ 738-747.

[60] KONDR☒K M, MARINCS F, ANTAL F, et al. Effects of yeast trehalose-6-phosphate synthase 1 on gene expression and carbohydrate contents of potato leaves under drought stress conditions[J]. BMC Plant Biology, 2012, 12(1)∶ 74. doi∶ 10.1186/1471-2229-12-74.

[61] NOTEBORN H P J M, LOMMEN A, van DER JAGT R C, et al. Chemical fingerprinting for the evaluation of unintended secondary metabolic changes in transgenic food crops[J]. Journal of Biotechnology, 2000, 77(1)∶ 103-114.

[62] ROESSNER-TUNALI U, HEGEMANN B, LYTOVCHENKO A, et al. Metabolic profiling of transgenic tomato plants overexpressing hexokinase reveals that the influence of hexose phosphorylation diminishes during fruit development[J]. Plant Physiology, 2003, 133(1)∶ 84-99.

[63] le GALL G, COLQUHOUN I J, DAVIS A L, et al. Metabolite profiling of tomato (Lycopersicon esculentum) using1H NMR spectroscopy as a tool to detect potential unintended effects following a genetic modification[J]. Journal of Agricultural and Food Chemistry, 2004, 52(10)∶ 3210-3216.

[64] LONG M, MILLAR D J, KIMURA Y, et al. Metabolite profiling of carotenoid and phenolic pathways in mutant and transgenic lines of tomato∶ identification of a high antioxidant fruit line[J]. Phytochemistry, 2006, 67(16)∶ 1750-1757.

[65] NICOLETTI I, de ROSSI A, GIOVINAZZO G, et al. Identification and quantification of stilbenes in fruits of transgenic tomato plants (Lycopersicon esculentum Mill.) by reversed phase HPLC with photodiode array and mass spectrometry detection[J]. Journal of Agricultural and Food Chemistry, 2007, 55(9)∶ 3304-3311.

[66] KUSANO M, REDESTIG H, HIRAI T, et al. Covering chemical diversity of genetically-modified tomatoes using metabolomics for objective substantial equivalence assessment[J]. PLoS ONE, 2011, 6(2)∶ e16989. doi∶ 10.1371/journal.pone.0016989.

[67] HEINEMANN J A, KURENBACH B, QUIST D. Molecular profiling∶a tool for addressing emerging gaps in the comparative risk assessment of GMOs[J]. Environment International, 2011, 37(7)∶ 1285-1293. [68] LAY J O, Jr, LIYANAGE R, BORGMANN S, et al. Problems with the “omics”[J]. TrAC Trends in Analytical Chemistry, 2006, 25(11)∶1046-1056.

[69] COLHOUN H M, MCKEIGUE P M, SMITH G D. Problems of reporting genetic associations with complex outcomes[J]. The Lancet, 2003, 361∶ 865-872.

[70] WACHOLDER S, CHANOCK S, GARCIA-CLOSAS M, et al. Assessing the probability that a positive report is false∶ an approach for molecular epidemiology studies[J]. Journal of the National Cancer Institute, 2004, 96(6)∶ 434-442.

[71] STERNE J A C, EGGER M, SMITH G D. Systematic reviews in health care∶ Investigating and dealing with publication and other biases in meta-analysis[J]. BMJ∶ British Medical Journal, 2001, 323∶ 101-105.

[72] CHASSY B M. Can-omics inform a food safety assessment?[J]. Regulatory Toxicology and Pharmacology, 2010, 58(Suppl 3)∶ 62-70.

[73] PARROTT W, CHASSY B, LIGON J, et al. Application of food and feed safety assessment principles to evaluate transgenic approaches to gene modulation in crops[J]. Food and Chemical Toxicology, 2010, 48(7)∶ 1773-1790.

[74] 宋欢, 王坤立, 许文涛, 等. 转基因食品安全性评价研究进展[J].食品科学, 2014, 35(15)∶ 295-303. doi∶ 10.7506/spkx1002-6630-201415059.

[75] 王晨光, 许文涛, 黄昆仑, 等. 转基因食品分析检测技术研究进展[J].食品科学, 2014, 35(21)∶ 297-305. doi∶10.7506/spkx1002-6630-201421058.

[76] HARRIGAN G G, LUNDRY D, DRURY S, et al. Natural variation in crop composition and the impact of transgenesis[J]. Nature Biotechnology, 2010, 28(5)∶ 402-404.

Recent Progress in “Omics” Technologies for Safety Assessment of Genetically Modified Crops

WANG Chenguang1,2, XU Wentao2,3, ZHU Pengyu2, FU Wei1,*
(1. Chinese Academy of Inspection and Quarantine, Beijing 100029, China; 2. College of Food Science and Nutritional Engineering, China Agricultural University, Beijing 100083, China; 3. The Supervision, Inspection and Testing Center of Genetically Modified Organisms Food Safety, Ministry of Agriculture, Beijing 100083, China)

Transgenic technology has attracted worldwide attention, and genetically modified (GM) crops are related to human health and ecological environment. Therefore, the safety assessment of GM crops is of vital importance, and various evaluation methods have been developed and constantly improved. It is particularly noted that “omics” technologies have provided new ideas for the safety assessment of GM crops. This paper discusses the necessity and history of the development of “omics” technologies and reviews the current status and future trends of the leading “omics” technologies for the safety assessment of GM crops in order to provide new directions for GM crop safety assessment.

genetically modified crops;“omics” analysis; “omics”strategy; multi-omics analysis technology

TS201.6

1002-6630（2015）17-0288-08

10.7506/spkx1002-6630-201517053

2014-12-03

科技部转基因生物新品种培育科技重大专项（2014ZX08012-001）

王晨光（1991—），男，硕士研究生，研究方向为转基因食品分析与检测技术。E-mail：italy10.wang@gmail.com

*通信作者：付伟（1983—），女，副研究员，博士，研究方向为转基因产品安全评价。E-mail： fuwei0212@163.com