O que é a Metabolómica?

Qual é a Metabolómica?

o campo metabolómico em rápido desenvolvimento combina estratégias para identificar e quantificar os metabolitos celulares utilizando tecnologias analíticas sofisticadas com a aplicação de métodos estatísticos e multi-variantes para a extracção de informação e interpretação de dados. Nas últimas duas décadas, fizeram-se enormes progressos na sequenciação de uma série de organismos diferentes. Simultaneamente, grandes investimentos foram feitos para desenvolver abordagens analíticas para analisar os diferentes produtos celulares, tais como os da expressão genética (transcritos), proteínas e metabolitos. Todas essas abordagens ditas ‘omics’, incluindo genômica, transcriptômica, proteômica e metabolômica, são consideradas ferramentas importantes a serem aplicadas e utilizadas para entender a biologia de um organismo e sua resposta a estímulos ambientais ou perturbação genética.Os metabolitos são considerados “como uma linguagem falada, transmitindo sinais da arquitetura genética e do ambiente” (1) e, portanto, a Metabolómica é considerada como fornecendo uma “leitura funcional do estado fisiológico” de um organismo (2). Foi utilizada uma gama de tecnologias analíticas para analisar metabolitos em diferentes organismos, tecidos ou fluidos (para revisão ver referência 3). Espectrometria de massa acoplada a diferentes técnicas de separação cromatográfica, tais como a cromatografia líquida ou gasosa ou NMR, são as principais ferramentas para analisar um grande número de metabolitos simultaneamente. Embora a tecnologia seja altamente sofisticada e sensível, ainda há alguns pontos de estrangulamento na metabolômica. Devido à enorme diversidade de estruturas químicas e às grandes diferenças de Abundância, não há tecnologia única disponível para analisar todo o metaboloma. Por conseguinte, é necessário estabelecer uma série de abordagens complementares para a extracção, detecção, quantificação e identificação do maior número possível de metabolitos (3,4).

outro desafio na metabolômica é extrair a informação e interpretá-la em um contexto biológico a partir da grande quantidade de dados produzidos por analisadores de alto rendimento. A aplicação de estatísticas sofisticadas e multi-variante de ferramentas de análise de dados, incluindo análise de cluster, via mapeamento comparativo sobreposições, e os mapas, não tem sido apenas uma emocionante e íngreme processo de aprendizagem para os bioquímicos, mas também demonstrou que o pensamento atual precisa mudar para lidar com grandes conjuntos de dados e distinguir entre o ruído e a amostra real-informações relacionadas. Além disso, e ainda sem consenso na comunidade metabolômica, é a questão: “Como lidamos com dados que não fazem sentido biológico baseados na literatura e no conhecimento comum?”Estamos apenas começando a assumir onde a metabolômica, juntamente com as outras tecnologias de ‘omics’, vai nos levar: vamos encontrar mais respostas para nossas perguntas ou ela vai trazer mais perguntas que requerem mais respostas?

potencial e aplicações dos metabolómicos

existem quatro abordagens conceptuais dos metabolómicos: análise alvo, caracterização de metabolitos, Metabolómica e recolha de impressões digitais metabólicas (5). A análise do alvo tem sido aplicada há muitas décadas e inclui a determinação e quantificação de um pequeno conjunto de metabolitos (alvos) conhecidos, utilizando uma técnica analítica específica de melhor desempenho para os compostos de interesse. O perfil metabólico, por outro lado, visa a análise de um conjunto maior de compostos, identificados e desconhecidos no que diz respeito à sua natureza química. Esta abordagem tem sido aplicada para muitos sistemas biológicos diferentes usando GC-MS, incluindo plantas (6), micróbios (7), urina (8) e amostras de plasma (9). A Metabolómica emprega metodologias analíticas complementares, por exemplo, CL-MS/MS, GC-MS e/ou RMN, a fim de determinar e quantificar o maior número possível de metabolitos, tanto compostos identificados como compostos desconhecidos. A quarta abordagem conceptual é a impressão metabólica dos dedos (ou pegada para metabolitos externos e/ou segregados). Aqui é gerada uma “assinatura” metabólica ou perfil de massa da amostra de interesse e, em seguida, comparada em uma grande população de amostra para tela para diferenças entre as amostras. Quando são detectados sinais que podem discriminar significativamente entre amostras, os metabolitos são identificados e a relevância biológica desse composto pode ser elucidada, reduzindo significativamente o tempo de análise.

uma vez que os metabolitos estão tão estreitamente ligados ao fenótipo de um organismo, a Metabolómica pode ser utilizada numa vasta gama de aplicações, incluindo fenotipagem de plantas geneticamente modificadas e testes substanciais de equivalência, determinação da função genética e monitorização das respostas ao stress biótico e abiótico. A Metabolómica pode, portanto, ser vista como uma ponte entre o genótipo e o fenótipo (5), proporcionando uma visão mais abrangente de como as células funcionam, bem como a identificação de alterações novas ou marcantes em metabolitos específicos. Análise e extração de dados de conjuntos de dados metabolômicos e seus metadados também podem levar a novas hipóteses e novas metas para a biotecnologia.

Metabolomics and evolution

To date, most research in evolution is based on the construction of phylogenetic trees of species using sequences of genomes, genes, mRNA, and/or proteins. No entanto, a correlação entre a expressão genética e a expressão proteica é baixa e a entre a expressão genética e os metabolitos ainda mais baixa. No entanto, os metabolitos, especialmente os metabolitos secundários, são extremamente importantes para a maioria dos organismos se defenderem de ambientes estressantes ou predadores. Embora os metabolitos primários envolvidos no metabolismo central possam ser utilizados para determinar o estado nutricional e de crescimento, os perfis metabólicos secundários podem reflectir melhor a diferenciação das espécies e a sua resposta complexa a factores ambientais e outros organismos. O conjunto de metabolitos secundários em um organismo pode ser surpreendentemente complexo, e enquanto certos compostos podem ser encontrados em diferentes organismos, um grande número de compostos são muito específicos da espécie. Os metabolitos secundários são, portanto, considerados como marcadores potenciais para a taxonomia e a filogenética (10).

provavelmente as melhores e mais excitantes aplicações de ferramentas metabolômicas para distinguir diferentes espécies de fungos foram resumidas por Smedsgaard e Nielsen (11). A electro-pulverização por perfusão directa espectrometria de massa (DiMS) foi utilizada para a rápida classificação química de fungos filamentosos. Extratos de fungos brutos de uma série de diferentes subespécies foram diretamente injetados em um espectrômetro de massa e perfis de massa resultantes em comparação com as ferramentas de análise quimiométrica (4). Mais de 80% das espécies analisadas poderiam ser classificadas com base em seu perfil de massa comparado com uma identificação fenotípica convencional.No nosso laboratório, estamos a utilizar a Metabolómica para determinar novos mecanismos de adaptação e tolerância das plantas ao stress abiótico, tais como seca, salinidade, frio, geada e deficiências minerais ou toxicidades (www.acpfg.com.au). Nossas principais plantas de interesse são os cereais, como a cevada e o trigo, mas nós também olhamos plantas modelo ou plantas que são conhecidas por exibir um maior nível de tolerância a uma determinada condição de estresse. A comparação das respostas das diferentes espécies a diferentes tensões demonstrou que há uma série de respostas que são específicas do stress e/ou da planta e algumas que são comuns entre tensões e/ou plantas. Portanto, decidimos comparar os níveis de metabolitos nas folhas de quatro espécies diferentes: o musgo Physcomitrella patenas, a planta modelo Arabidopsis thaliana, e a colheita de plantas Hordeum vulgare L. e Triticum aestivum L. comparamos o metabólito níveis de átono plantas, a fim de investigar se existe uma correlação entre os níveis de tolerância e o metabolito perfis. Usámos GC-MS para traçar o perfil ∼140 metabolitos conhecidos (12) e normalizámos os dados para comparação entre as espécies. A análise multivariada do conjunto de dados resultante utilizando a análise dos principais componentes ou clusters hierárquicos demonstrou que os perfis metabólicos das quatro espécies são muito distintos, sendo os perfis da cevada e das folhas de trigo os mais semelhantes (figura 1A). A primeira componente principal separou o trigo e a cevada das outras duas espécies, representando 58% da variabilidade de todo o conjunto de dados. A figura 1B mostra uma representação do mapa térmico do mesmo conjunto de dados, comparando os níveis de metabolitos das diferentes espécies. A maioria dos metabolitos está a um nível muito mais baixo no musgo e Arabidopsis em comparação com a cevada e o trigo (dados brutos Não apresentados). Existem algumas exceções, incluindo ureia, glicerol, tiramina, Alantoína, tocoferol, xilitol, fucose e inositol, que são.encontrado em níveis muito mais elevados no musgo do que em todas as outras espécies. Isto levanta a questão de saber se esses metabolitos podem ser responsáveis pela elevada tolerância do musgo ao stress abiótico (13).

Figura 1. Análise multivariante dos perfis metabólicos resultantes utilizando GC-em do tecido das folhas de 4 espécies diferentes.

os dados foram produzidos e analisados conforme descrito na Referência 12. A) análise das principais componentes. (B) análise Heatmap combinada com análise hierárquica de cluster do mesmo conjunto de dados usando o programa R, chamado made4, como descrito na referência 14. Imagem cortesia de Tim Erwin, Australian Centre for Plant Functional Genomics, School of Botany, University of Melbourne, Victoria, Austrália.

este exemplo demonstra o potencial de metabolômica a ser usado para a identificação e classificação de organismos. Os exemplos acima mencionados podem ser apenas o início. Acreditamos que vale a pena prosseguir um estudo mais sistemático para comparar perfis metabólicos entre um maior número de organismos usando abordagens analíticas complementares para cobrir o maior número possível de metabolitos, e para investigar se os perfis metabólicos estão relacionados com as relações filogenéticas e evolucionárias entre organismos. Este tipo de estudo pode resultar em novos insights na evolução das vias, mecanismos de Sobrevivência e vida em geral.

metabolômica em um contexto de biologia de sistemas

como temos descrito neste artigo, a metabolômica tem como objetivo idealmente a análise de todas as moléculas pequenas em uma célula. Esta é apenas uma parte dos produtos celulares dentro de uma célula. Para uma abordagem de biologia de sistemas, a metabolômica apenas fornece a medição de uma porção de todos os elementos em um sistema biológico. Ainda, biologia de sistemas compreende não só a capacidade de medir todos os elementos de um sistema, tais como o DNA, o mRNA, proteínas, metabólitos, e elementos estruturais, como paredes celulares e membranas, mas também para determinar a relação dos elementos entre si, como parte da resposta do sistema ambiental ou genético perturbação. Depois de integrar todos os diferentes níveis de informação, a intenção é modelar o comportamento do sistema usando métodos computacionais que podem permitir a descrição do comportamento do sistema em qualquer tipo de perturbação. Uma abordagem de biologia de sistemas requer biólogos, físicos, cientistas da computação, engenheiros, químicos e matemáticos para aprender uma linguagem comum que lhes permita se comunicar uns com os outros. Outro requisito importante para uma abordagem bem sucedida de biologia de sistemas é a criação de um ambiente que proporcione acesso a todas as plataformas de alto rendimento necessárias para obter e medir as propriedades e elementos do sistema de interesse. Além disso, uma abordagem eficaz de biologia de Sistemas deve oferecer a oportunidade e escala para o rápido desenvolvimento e emprego de novas tecnologias globais e ferramentas computacionais poderosas que permitem a coleta, classificação, análise, integração e, em última análise, modelagem de informações biológicas.A abordagem dos sistemas às doenças humanas, tais como o cancro, as doenças cardiovasculares e a obesidade, dará a oportunidade de facilitar grandemente o sucesso da selecção de uma nova meta para os tratamentos e o desenvolvimento de medicamentos. No futuro, a biologia dos sistemas pode nos permitir desenvolver novas abordagens na medicina que serão preditivas, preventivas e personalizadas. O objetivo seria conseguir a capacidade de determinar um histórico probabilístico de saúde para cada indivíduo, e dentro desse quadro, a biologia dos sistemas será uma estratégia para a descoberta e desenvolvimento de novos medicamentos terapêuticos, bem como medicamentos preventivos.

em resumo, estudar a resposta de vários organismos a diferentes tensões e ambientes nos níveis genético, transcrição, proteína e metabólitos usando métodos diferentes e comparar estes resultados com os de outros organismos reforçará a sua integração em um quadro de biologia de sistemas. À medida que o quadro se desenvolve, a maior sinergia entre organismos proporcionará uma imagem muito mais clara da função das células, órgãos e organismos, aproximando-nos da compreensão dos seus papéis na natureza.

agradecimentos

os autores agradecem ao Centro Australiano para a genómica funcional das plantas pelo financiamento. Gostaríamos de agradecer especialmente a Tim Erwin, que desenvolveu o mapa de calor apresentado na figura 1B.

os autores não declaram interesses concorrentes.

  • 1. Jewett, M. C., G. Hofmann, and J. Nielsen. 2006. Análise de metabolitos fúngicos em genómica e fenómica. Moeda. Opin. Biotechnol. 17:191–197.Crossref, Medline, CAS, Google Scholar
  • 2. Gieger, C., L. Geistlinger, E. Altmaier, M. Hrabé De Angelis, F. Kronenberg, T. Meitinger, H.-W. Mewes, H.-E. Wichmann, et al.. 2008. Genetics meets metabolomics: a genome-wide association study of metabolites profiles in human serum. PLoS Genet. 4: e1000282.Crossref, Medline, Google Scholar
  • 3. Roessner, U. E D. M. Beckles. 2009. Medições dos metabolitos. In J. Schwender (Ed.), Plant Metabolic Networks. Springer, NY. (In press.) Crossref, Google Scholar
  • 4. Villas-Bôas, S. G., U. Roessner, M. Hansen, J. Smedsgaard, e J. Nielsen. 2007. Metabolome Analysis: An Introduction. John Wiley & Sons, Inc., Hoboken, NJ.Crossref, Google Scholar
  • 5. Fiehn, O. 2002. Metabolómica-a ligação entre genótipos e fenótipos. Planta Mol. Biol. 48:155–171.Crossref, Medline, CAS, Google Scholar
  • 6. Kim, J. K., T. Bamba, K. Harada, E. Fukusaki, and A. Kobayashi. 2007. Perfil metabólico no curso de tempo em culturas de células de Arabidopsis thaliana após tratamento de estresse de sal. J. Exp. ROBO. 58:415–424.Crossref, Medline, CAS, Google Scholar
  • 7. Börner, J., S. Buchinger, and D. Schomburg. 2007. Um método de alto rendimento para a análise do metabolismo microbiano utilizando cromatografia gasosa/espectrometria de massa. Anal. Bioquímica. 367:143–151.Crossref, Medline, Google Scholar
  • 8. Kind, T., V. V. Tolstikov, O. Fiehn, and R. H. Weiss. 2007. Uma abordagem Metabolómica urinária abrangente para identificar o cancro dos rins. Anal. Bioquímica. 363:185–195.Crossref, Medline, CAS, Google Scholar
  • 9. Parveen, I., J. M. Moorby, M. D. Fraser, G. G. Allison, e J. Kopka. 2007. Aplicação de técnicas de caracterização do metabolito espectrometria de massa da cromatografia gasosa na análise das dietas das plantas de heathland dos ovinos. J. Agric. Comida Química. 55:1129–1138.Crossref, Medline, CAS, Google Scholar
  • 10. Pietra, F. 2002. Evolução do metabolito secundário versus evolução da espécie. Pura Aplicação. Chem. 74:2207–2211.Crossref, CAS, Google Scholar
  • 11. Smedsgaard, J. and J. Nielsen. 2005. Caracterização metabólica de fungos e leveduras: do fenótipo ao metaboloma por em e Informática. J. Exp. ROBO. 56:273–286.Crossref, Medline, CAS, Google Scholar
  • 12. Jacobs, A., C. Lunde, A. Bacic, M. Tester, and U. Roessner. 2007. The impact of constitutive expression of a moss na+ transporter on the metabolomes of rice and barley. Metabolómica 3: 307-317.Crossref, CAS, Google Scholar
  • 13. Kroemer, K., R. Reski, and W. Frank. 2004. Resposta ao stress abiótico no moss Physcomitrella patens: evidence for an evolutionary alteration in signaling pathways in land plants. Plant Cell Rep. 22: 864-870.Crossref, Medline, CAS, Google Scholar
  • 14. Culhane, A. C., J. Thioulouse, G. Perriere, and D. G. Higgins. 2005. MADE4: an R package for multivariate analysis of gene expression data. Bioinformatics 21: 2789-2790. 3. Fiehn, O. 2002. Metabolómica-a ligação entre genótipos e fenótipos. Planta Mol. Biol. 48:155–171.Google Scholar

Deixe uma resposta

O seu endereço de email não será publicado.