El metabolismo es el término general para las reacciones químicas en la vida, y los cambios de los metabolitos contenidos en él pueden reflejar directamente la salud de la vida. La metabolómica no dirigida (metabolómica no dirigida) puede medir los cambios en el contenido de todos los metabolitos en el estado de vida fisiológico o patológico a nivel del sistema, proporcionando una base para estudiar su mecanismo biológico. La tecnología de cromatografía líquida-espectrometría de masas (LC-MS) es una de las principales herramientas de investigación en metabolómica. Para transformar la información de espectrometría de masas recopilada en información biológica efectiva, primero se debe identificar el pico del metabolito por su estructura de metabolitos. Sin embargo, hasta la fecha, en la metabolómica no dirigida basada en LC-MS, la identificación a gran escala de las estructuras de metabolitos sigue siendo una tarea muy difícil y uno de los mayores cuellos de botella en el desarrollo y la aplicación de la metabolómica. .
La estrategia de identificación de estructura de metabolitos más utilizada es hacer coincidir el espectro de masas secundario (espectro MS2) con la biblioteca de espectro estándar de metabolitos para la identificación de metabolitos. Sin embargo, este método está severamente limitado por el número y la cobertura de los espectros secundarios estándar. En la actualidad, es muy difícil expandir la base de datos estándar de espectrometría de masas secundaria, porque el espectro estándar MS2 de metabolitos de moléculas pequeñas debe obtenerse recolectando estándares de metabolitos, pero actualmente no hay grandes cantidades de metabolitos. Además, hasta ahora no existe un procedimiento estándar para establecer una biblioteca espectral, lo que da como resultado diferentes espectros recogidos por diferentes laboratorios e instrumentos diferentes. Recientemente, algunos investigadores han predicho el espectro teórico de MS2, pero su precisión aún necesita ser mejorada. Al mismo tiempo, algunos investigadores comenzaron a utilizar vías metabólicas para identificar metabolitos, como Mummichog y PIUMet. Sin embargo, estos algoritmos se basan en el supuesto de que los metabolitos diferenciales se enriquecen en rutas metabólicas específicas o redes metabólicas, y solo pueden identificar picos característicos metabólicos expresados diferencialmente, y la precisión necesita ser mejorada.
3 de abril de 2019 la internacionalmente conocida revista académica " Nature Communications " revista publicó los últimos resultados de investigación del Instituto de Shanghai de la Química Orgánica y Biológica Centro de Investigación Química de la Academia de Ciencias de China, Zhu Zhengjiang investigador cruz en el grupo de investigación de la basada en la red metabólica Reacción recursiva de metabolitos de anotación para Untargeted Metabolómica ( https://www.nature.com/articles/s41467-019-09550-x). En este artículo, los investigadores desarrollaron un nuevo algoritmo de identificación de estructura de metabolitos MetDNA ( identificación de metabolitos y análisis de red desregulada) basado en la red de reacción metabólica .
En el metabolismo celular, un metabolito puede transformarse en otro metabolito a través de una reacción catalizada por enzimas. Dos metabolitos que están en la misma reacción metabólica y tienen una estructura similar se pueden definir como un par de reacción (RP) y un metabolito vecino emparejado por reacción. El espectro de masas secundario del metabolito depende de su estructura química. Por lo tanto, dos metabolitos en el mismo par de reacción también tendrán ciertas similitudes debido a sus estructuras similares. En base a este principio, el algoritmo MetDNA utiliza los metabolitos identificados en la muestra como semillas para identificar aún más sus metabolitos en la red metabólica. Este principio se puede aplicar de forma iterativa a los metabolitos recientemente identificados, de modo que el MetDNA pueda realizar la identificación del ciclo y el cálculo recursivo de los metabolitos a lo largo de la red de reacción metabólica hasta que los nuevos metabolitos vecinos ya no puedan identificarse, ampliando en gran medida la identificación El número de metabolitos alcanzados. La característica más importante de este algoritmo es que puede identificar metabolitos sin espectros MS / MS estándar a través de la red de reacción metabólica, de modo que la identificación de la estructura de los metabolitos no depende de una base de datos MS / MS estándar a gran escala. Por ejemplo, el método MetDNA puede usar 20 metabolitos de semillas para completar la anotación de> 1000 metabolitos vecinos, lo que supera de manera innovadora la limitación del número de bibliotecas espectrales estándar de MS / MS de metabolitos.
Los investigadores utilizaron MetDNA para procesar múltiples conjuntos de datos (incluidas 5 especies, 7 tipos de muestras y múltiples plataformas de instrumentos). Todos los conjuntos de datos pueden identificar la estructura de unos 2.000 metabolitos, lo que demuestra que MetDNA es un independiente Algoritmos y herramientas de identificación de estructura de metabolitos más generales y basados en plataformas. Para facilitar el uso de MetDNA por parte de los investigadores, el equipo de investigación del investigador Zhu Zhengjiang ha desarrollado la plataforma de software de red MetDNA basada en Alibaba Cloud Server ( http://metdna.zhulab.cn/). MetDNA es una versión web del software, la página de inicio se muestra en la figura. Los usuarios deben registrarse e iniciar sesión para usar. El uso académico se puede usar de forma gratuita, y el uso comercial requiere contacto con el Investigador Zhu Zhengjiang ([email protected]) para obtener una autorización comercial. Para un uso detallado, puede consultar el documento de ayuda de MetDNA ( http://metdna.zhulab.cn/metdna/help). Además, el autor también proporciona datos de demostración ( http://metdna.zhulab.cn/metdna/DemoDataset) para Descarga y prueba del usuario.
Enlaces relacionados con MetDNA
- Sitio web en línea: http://metdna.zhulab.cn/
- Original: https://www.nature.com/articles/s41467-019-09550-x
- GitHub: https://github.com/ZhuMSLab/MetDNA