Identificación automática de metabolitos celulares potenciales para el metabolismo de RMN no dirigido

Área de la Ciencia:

• Metabolomía
• La bioquímica
• La bioinformática

Sus antecedentes:

• Los perfiles metabólicos ofrecen información sobre la fisiología y la patología del organismo.
• La espectroscopia de Resonancia Magnética Nuclear (RMN) monitorea de manera no invasiva los cambios de los metabolitos en las muestras biológicas.
• La superposición espectral de RMN de protones en muestras complejas dificulta la identificación y el monitoreo de los metabolitos.

Objetivo del estudio:

• Introducir ROIAL-NMR, un programa en Python para la identificación sistemática de metabolitos a partir de las regiones espectrales de interés (ROI) de la RMN de protones.
• Utilización de la base de datos del metaboloma humano (HMDB) como referencia para la identificación de metabolitos en muestras biológicas complejas.
• Diferenciar los estados de enfermedad (por ejemplo, cáncer de pulmón, enfermedad de Alzheimer y demencia relacionada) de los controles utilizando variaciones de intensidad espectral.

Principales métodos:

• Desarrollo de un programa Python, ROIAL-NMR, para analizar los espectros de RMN de protones.
• Definición de las regiones espectrales de interés (ROI) en función de los tipos de muestras y las condiciones de la enfermedad.
• Utilización de la base de datos del metaboloma humano (HMDB) para la identificación y comparación de los metabolitos.

Principales resultados:

• El programa ROIAL-NMR identificó con éxito 88 metabolitos potenciales de muestras biológicas complejas.
• El programa distinguió 66 metabolitos que diferenciaban a los pacientes con cáncer de pulmón de los controles.
• Identificó 80 metabolitos que diferenciaban a los pacientes con LC con enfermedad de Alzheimer y demencia relacionada (ADRD) de aquellos sin ADRD.

Conclusiones:

• El ROIAL-NMR proporciona un enfoque sistemático para identificar metabolitos en muestras biológicas complejas utilizando espectroscopia de RMN.
• El programa ayuda efectivamente a diferenciar los estados de enfermedad en función de los perfiles metabólicos.
• Esta herramienta ofrece información valiosa sobre la fisiopatología de enfermedades como el cáncer de pulmón y el TDAH.