脂质能够参与细胞膜构建、能量储存以及细胞信号转导，而脂质组学能够高通量地分析和量化生物样本中的脂质。近些年随着质谱的灵敏度和分辨率的提升，脂质组学的数据质量和数量有着惊人的爆发，但是组学数据本身的复杂度给研究人员分析和解读数据带来了挑战。

现阶段，针对脂质组学的分析工具少之又少，领域内迫切需要一个针对脂质组学数据进行数据清洗、数据挖掘、通路分析等的易用工具。现阶段针对脂质的通路分析工具普遍基于公共脂质数据库，但由于现阶段公共数据库与脂质组学数据映射存在一定问题，且对于脂质通路的理解仍不够全面，所以这些工具常常不能给出较为准确的通路变化信息。而近些年来系统生物学的理念给分析脂质组学数据提供了一个新的思路，从关联多个组学数据集的相关性网络进行一定的数据挖掘工作。

基于以上的研究现状和思路，2021年7月31日，复旦大学代谢与整合生物学研究院的黄河课题组与李蓬院士课题组以及厦门大学杨朝勇课题组合作在Small Methods发表了题为LINT-web: a web-based lipidomic data mining tool using intra-omic integrative correlation strategy的文章。作者在文章中介绍了一套自主开发的、易用性强的脂质组学分析工具LINT-web（http://www.lintwebomics.info/）。该网站能够提供针对脂质组学的统计分析方法（如脂质类别丰度情况、脂肪酸链长度和脂质不饱和度信息等），并且设计了一个多组学整合的intra-omic策略以挖掘出脂质和基因集共享的生物过程，从系统生物学的角度提供了更为广阔的信息。

为了验证这个工具的可行性，作者使用了两组脂质组和转录组的数据进行测试。在肌肉组织损伤的组学数据中，LINT-web能够准确且直观地统计出脂类和脂肪酸链的变化情况，并且能对脂质组学数据和转录组学数据正确降维和聚类；使用工具的intra-omic分析后，作者发现RvD2 可能参与细胞防御反应以及细胞因子和病毒的免疫刺激，并且LXB4、AT-LXB4和RvE1也可能与 RvD2有相似的调节炎症消退及修复受损组织的功能，这与已知的结论相符。

在SVF分化细胞的组学数据中，作者发现了在SVF细胞10天的分化过程中，甘油三酯和甘油二酯不断增加，而大多数磷脂则在前四天增加，之后则维持在一个稳定的水平，一些相关的转录调控因子也有不同的变化模式；使用工具的intra-omic分析后，作者发现了甘油酯类与转录调控因子的强相关性。上述结果表明，LINT-web可以准确地将脂质组数据对应到其相关的生物过程和通路。

LINT-web所包含的功能涵盖脂质ID转换、脂质分类与统计、脂质通路分析等重要方面，这些方面是现在大多数主流脂质组学分析工具所难以全部涉及的。此外，对于同一个测试数据，与其他主流脂质组学分析工具相比，LINT-web在脂质ID识别准确率、潜在相关脂质通路数量等多个方面都体现出了优势。这些结果都体现了LINT-web是一款功能完备可靠的脂质组学分析工具。

复旦大学代谢与整合生物学研究院黄河青年研究员、李蓬院士和厦门大学杨朝勇教授为论文共同通讯作者，论文第一作者为复旦大学代谢与整合生物学研究院2019级硕士生李冯晟、同济大学宋佳助理研究员和厦门大学2020级硕士生张莹琨。论文同时获得复旦大学代谢与整合生物学研究院代谢组学和脂质组学质谱平台的大力支持。

论文链接：

https://doi.org/10.1002/smtd.202100206