乳酸分泌增加了百分之十九。”
杨平低头看着那些柱状图。他的脑子里飞快地转着这三个代谢指标的变化组合在一起意味着什么。谷氨酰胺消耗上升意味着细胞在加速摄取一种关键的氮源，丝氨酸合成下降意味着一种重要的氨基酸代谢通路被抑制了，乳酸分泌增加意味着糖酵解通路上调。这三者合在一起指向同一个方向。
“warburg效应。”杨平说。
“对！”韦伯的声音很平，“细胞在向有氧糖酵解转变。即使在氧气充足的情况下，它们也开始依赖糖酵解而不是氧化磷酸化来产生能量。这是癌细胞代谢重编程的典型特征。实验组细胞正在向一个更‘贪婪’的代谢状态偏移。”
杨平的目光在那十七个显着变化的代谢物之间来回游移，像是在拼凑一块不完整的拼图。谷氨酰胺消耗上升，丝氨酸合成下降，乳酸分泌增加，这些变化单独看都很小，但组合在一起，它们构成了一幅清晰的画面：细胞正在偏离正常的能量代谢轨道。
“tca循环的中间产物呢？”他问。
“没有显着变化。这意味着线粒体本身还在运转，但细胞对它的依赖程度在下降。它们正在把自己改造成一个更‘灵活’的系统，可以从更多来源获取能量，对氧气的需求更低。换句话说，它们变得更难被杀死。”
杨平沉默了一会儿，他抬起头，看着韦伯。
“我们之前做5和10的时候，代谢组没有任何变化。到了125，开始有了。形态学的变化出现在125，表观遗传的变化出现在15。这意味着临界点就在10到125之间。而且不同的系统，代谢、表观、形态，对这个临界点的响应是分层的。代谢最早，形态次之，表观最晚出现但幅度最大。”
“梯度加密之后，我们需要把10到125之间的区间再细分。”韦伯说，“也许11，115，12。把临界点定位到小数点后一位。”
“做！”杨平说，“但我现在在想另一个问题。”
韦伯问道：“如果我们找到了那个精密的临界点，比如117，然后我们把整个图谱公布出去。你觉得外面那些人会怎么用这个数据？”
杨平没有立刻回答，他看着韦伯的脸，像是从那个问题里读出了某种超出技术范畴的忧虑。“他们会把117当成一个操作指南。他们会说‘只要不超过117就是安全的’，然后所有人都会试图逼近那个数字，然后有人会想‘比117多一点点会不会效果更好’，然后试探性地上调到118