De Wikipedia, la enciclopedia libre
Saltar a navegación Saltar a búsqueda
Esquema general que muestra las relaciones del genoma , transcriptoma , proteoma y metaboloma ( lipidoma ).

El metaboloma se refiere al conjunto completo de sustancias químicas de moléculas pequeñas que se encuentran dentro de una muestra biológica. [1] La muestra biológica puede ser una célula , un orgánulo celular , un órgano , un tejido , un extracto de tejido, un biofluido o un organismo completo . Las pequeñas moléculas químicas que se encuentran en un metaboloma dado pueden incluir tanto metabolitos endógenos que son producidos naturalmente por un organismo (como aminoácidos , ácidos orgánicos , ácidos nucleicos , ácidos grasos)., aminas , azúcares , vitaminas , cofactores , pigmentos , antibióticos , etc.) así como productos químicos exógenos (como medicamentos, contaminantes ambientales , aditivos alimentarios , toxinas y otros xenobióticos ) que no son producidos naturalmente por un organismo. [2] [3]

En otras palabras, hay un metaboloma endógeno y un metaboloma exógeno. El metaboloma endógeno se puede subdividir aún más para incluir un metaboloma "primario" y uno "secundario" (particularmente cuando se refiere a metabolomas vegetales o microbianos). Un metabolito primario está directamente involucrado en el crecimiento, desarrollo y reproducción normales. Un metabolito secundario no está directamente involucrado en esos procesos, pero por lo general tiene una función ecológica importante. Los metabolitos secundarios pueden incluir pigmentos , antibióticos o productos de desecho derivados de xenobióticos parcialmente metabolizados . El estudio del metaboloma se llama metabolómica .


Orígenes [ editar ]

La palabra metaboloma parece ser una combinación de las palabras " metabolito " y " cromosoma ". Se construyó para implicar que los metabolitos están codificados indirectamente por genes o actúan sobre genes y productos génicos. El término "metaboloma" se utilizó por primera vez en 1998 [1] [4] y probablemente se acuñó para coincidir con los términos biológicos existentes que se refieren al conjunto completo de genes (el genoma ), el conjunto completo de proteínas (el proteoma ) y el conjunto completo conjunto de transcripciones (el transcriptoma ). El primer libro sobre metabolómica se publicó en 2003. [5] La primera revista dedicada a la metabolómica (titulada simplemente "Metabolómica") se lanzó en 2005 y actualmente está editada por el Prof. Roy Goodacre . Algunos de los artículos iniciales más importantes sobre el análisis del metaboloma se enumeran en las referencias a continuación. [6] [7] [8] [9]

Midiendo el metaboloma [ editar ]

El metaboloma refleja la interacción entre el genoma de un organismo y su entorno. Como resultado, el metaboloma de un organismo puede servir como una excelente sonda de su fenotipo (es decir, el producto de su genotipo y su entorno). Los metabolitos se pueden medir (identificar, cuantificar o clasificar) utilizando una serie de tecnologías diferentes, incluidas la espectroscopia de RMN y la espectrometría de masas . La mayoría de los métodos de espectrometría de masas (MS) deben acoplarse a varias formas de cromatografía líquida (LC), cromatografía de gases (GC) o electroforesis capilar.(CE) para facilitar la separación de compuestos. Por lo general, cada método puede identificar o caracterizar 50-5000 metabolitos diferentes o "características" de metabolitos a la vez, dependiendo del instrumento o protocolo que se utilice. Consulte la Figura 2 para ver una ilustración de la relación entre los diferentes métodos analíticos y su sensibilidad. Actualmente no es posible analizar toda la gama de metabolitos mediante un único método analítico.

La espectroscopia de resonancia magnética nuclear (RMN) es una técnica de química analítica que mide la absorción de radiación de radiofrecuencia de núcleos específicos cuando las moléculas que contienen esos núcleos se colocan en campos magnéticos fuertes . La frecuencia (es decir, el desplazamiento químico ) a la que un átomo o núcleo determinado absorbe depende en gran medida del entorno químico (enlace, estructura química vecinos más cercanos, disolvente) de ese átomo en una molécula determinada. Los patrones de absorción de RMN producen picos de "resonancia" a diferentes frecuencias o diferentes cambios químicos; esta colección de picos se denomina espectro de RMN.. Debido a que cada compuesto químico tiene una estructura química diferente, cada compuesto tendrá un espectro de RMN único (o casi único) . Como resultado, la RMN es particularmente útil para la caracterización, identificación y cuantificación de moléculas pequeñas, como metabolitos. El uso generalizado de la RMN para estudios metabólicos "clásicos", junto con su capacidad excepcional para manejar mezclas complejas de metabolitos, es probablemente la razón por la que la RMN fue una de las primeras tecnologías en ser ampliamente adoptada para las mediciones rutinarias del metaboloma. Como técnica analítica, la RMN es no destructiva, no sesgada, fácilmente cuantificable, requiere poca o ninguna separación, permite la identificación de compuestos nuevos y no necesita derivatización química.La RMN es particularmente adecuada para detectar compuestos que son menos manejablesAnálisis LC-MS , como azúcares, aminas o líquidos volátiles o análisis GC-MS , como moléculas grandes (> 500 Da) o compuestos relativamente no reactivos. La RMN no es una técnica muy sensible con un límite inferior de detección de aproximadamente 5 µM. Normalmente, se pueden identificar 50-150 compuestos mediante estudios metabolómicos basados ​​en RMN.

La espectrometría de masas es una técnica analítica que mide la relación masa-carga de las moléculas. Las moléculas o fragmentos moleculares se cargan o ionizan típicamente al rociarlos a través de un campo cargado ( ionización por electropulverización ), bombardearlos con electrones de un filamento caliente ( ionización de electrones ) o dispararlos con un láser cuando se colocan en placas con recubrimiento especial (asistido por matriz). ionización por desorción láser). Luego, las moléculas cargadas se impulsan a través del espacio utilizando electrodos o imanes y se miden su velocidad, tasa de curvatura u otras características físicas para determinar su relación masa-carga.. A partir de estos datos, se puede determinar la masa de la molécula madre. Una mayor fragmentación de la molécula a través de colisiones controladas con moléculas de gas o con electrones puede ayudar a determinar la estructura de las moléculas. También se pueden utilizar medidas de masa muy precisas para determinar las fórmulas elementales o la composición elemental de los compuestos. La mayoría de las formas de espectrometría de masas requieren alguna forma de separación mediante cromatografía líquida o cromatografía de gases . Este paso de separación es necesario para simplificar los espectros de masas resultantes y permitir una identificación de compuestos más precisa. Algunos métodos de espectrometría de masas también requieren que las moléculas se derivaticen o modifiquen químicamente para que sean más adecuadas para cromatografía.separación (esto es particularmente cierto para GC-MS ). Como técnica analítica, la EM es un método muy sensible que requiere muy poca muestra (<1 ng de material o <10 μL de un biofluido) y puede generar señales para miles de metabolitos a partir de una sola muestra. Los instrumentos de EM también se pueden configurar para análisis de metabolomas de muy alto rendimiento (cientos o miles de muestras al día). La cuantificación de metabolitos y la caracterización de nuevas estructuras de compuestos es más difícil por MS que por RMN. LC-MS es particularmente adecuado para detectar moléculas hidrofóbicas ( lípidos , ácidos grasos ) y péptidos, mientras que GC-MS es mejor para detectar moléculas pequeñas.(<500 Da) y compuestos altamente volátiles ( ésteres , aminas , cetonas , alcanos , tioles ).

A diferencia del genoma o incluso del proteoma , el metaboloma es una entidad muy dinámica que puede cambiar drásticamente en un período de solo segundos o minutos. Como resultado, existe un interés creciente en medir metabolitos durante múltiples períodos de tiempo o en intervalos de tiempo cortos utilizando versiones modificadas de la metabolómica basada en RMN o EM.

Bases de datos del metaboloma [ editar ]

Debido a que el metaboloma de un organismo está definido en gran medida por su genoma , diferentes especies tendrán diferentes metabolomas. De hecho, el hecho de que el metaboloma de un tomate sea diferente al metaboloma de una manzana es la razón por la que estas dos frutas tienen un sabor tan diferente. Además, diferentes tejidos, diferentes órganos y biofluidos asociados con esos órganos y tejidos también pueden tener metabolomas claramente diferentes. El hecho de que diferentes organismos y diferentes tejidos / biofluidos tengan metabolomas tan diferentes ha llevado al desarrollo de una serie de bases de datos de metabolomas específicos de organismos y biofluidos específicos. Algunas de las bases de datos de metabolomas más conocidas incluyen laBase de datos Metaboloma humano o HMDB, [10] la levadura Metaboloma de base de datos o YMDB , [11] la base de datos de E. coli Metaboloma o ECMDB , [12] la base de datos Arabidopsis metaboloma o AraCyc [13] , así como la orina Metaboloma base de datos, [14 ] la base de datos del metaboloma del líquido cefalorraquídeo (LCR) [15] y la base de datos del metaboloma del suero . [16] Las últimas tres bases de datos son específicas de los biofluidos humanos. También existen varias bases de datos generales de metabolitos muy populares, incluido KEGG , [17]MetaboLights, [18] la base de datos Golm Metabolome , [19] MetaCyc , [20] LipidMaps [21] y Metlin. [22] Las bases de datos de metabolomas se pueden distinguir de las bases de datos de metabolitos en que las bases de datos de metabolitos contienen datos de metabolitos sinópticos o ligeramente anotados de varios organismos, mientras que las bases de datos de metabolomas contienen datos de concentración de metabolitos, espectros, espectrales y químicos muy detallados y muy referenciados para organismos específicos.

La base de datos del metaboloma humano [ editar ]

La base de datos del metaboloma humano es una base de datos de acceso abierto y de libre acceso que contiene datos detallados sobre más de 40.000 metabolitos que ya se han identificado o que es probable que se encuentren en el cuerpo humano. La HMDB contiene tres tipos de información: 1) información química, 2) información clínica y 3) información bioquímica. Los datos químicos incluyen más de 40.000 estructuras de metabolitos con descripciones detalladas, amplias clasificaciones químicas, información de síntesis y propiedades químicas observadas / calculadas. También contiene cerca de 10,000 espectros de RMN , GC-MS y LC / MS medidos experimentalmente de más de 1100 metabolitos diferentes. La información clínica incluye datos sobre> 10,000metabolito : concentraciones de biofluidos , información sobre la concentración de metabolitos en más de 600 enfermedades humanas diferentes y datos de la vía de más de 200 errores innatos del metabolismo. La información bioquímica incluye casi 6000 secuencias de proteínas (y ADN) y más de 5000 reacciones bioquímicas que están vinculadas a estas entradas de metabolitos. La HMDB admite una amplia variedad de consultas en línea, incluidas búsquedas de texto, búsquedas de estructuras químicas, búsquedas de similitud de secuencia y búsquedas de similitud espectral. Esto lo hace particularmente útil para los investigadores metabolómicos que intentan identificar o comprender los metabolitos en estudios clínicos de metabolismo. La primera versión de HMDBfue lanzado el 1 de enero de 2007 y fue compilado por científicos de la Universidad de Alberta y la Universidad de Calgary . En ese momento, informaron datos sobre 2500 metabolitos , 1200 fármacos y 3500 componentes alimentarios. Desde entonces, estos científicos han ampliado enormemente la colección. La última versión de la HMDB (versión 3.5) contiene> 16 000 metabolitos endógenos,> 1500 fármacos y> 22 000 constituyentes o metabolitos alimentarios. [23]

Metabolomas de biofluidos humanos [ editar ]

Los científicos de la Universidad de Alberta han estado caracterizando sistemáticamente metabolomas de biofluidos específicos, incluido el metaboloma sérico, [16] el metaboloma de la orina, [14] el metaboloma del líquido cefalorraquídeo (LCR) [15] y el metaboloma de la saliva. Estos esfuerzos han involucrado tanto análisis metabolómico experimental (incluyendo RMN , GC-MS , ICP-MS , LC-MS y HPLC)ensayos), así como una extensa extracción de literatura. Según sus datos, el metaboloma del suero humano contiene al menos 4200 compuestos diferentes (incluidos muchos lípidos), el metaboloma de la orina humana contiene al menos 3000 compuestos diferentes (incluidos cientos de metabolitos volátiles y microbianos intestinales), el metaboloma del LCR humano contiene casi 500 compuestos diferentes compuestos, mientras que el metaboloma de la saliva humana contiene aproximadamente 400 metabolitos diferentes, incluidos muchos productos bacterianos.

Base de datos del metaboloma de levadura [ editar ]

La base de datos del metaboloma de la levadura es una base de datos en línea de acceso gratuito que contiene más de 2000 metabolitos de moléculas pequeñas que se encuentran o producen en Saccharomyces cerevisiae ( levadura de panadería ). El YMDB contiene dos tipos de información: 1) información química y 2) información bioquímica. La información química en YMDB incluye 2027 estructuras de metabolitos con descripciones detalladas de metabolitos, amplias clasificaciones químicas, información de síntesis y propiedades químicas observadas / calculadas. También contiene cerca de 4000 espectros de RMN , GC-MS y LC / MS obtenidos de más de 500 metabolitos diferentes. La información bioquímica en YMDBincluye> 1100 secuencias de proteínas (y ADN) y> 900 reacciones bioquímicas. El YMDB admite una amplia variedad de consultas, incluidas búsquedas de texto, búsquedas de estructuras químicas, búsquedas de similitud de secuencia y búsquedas de similitud espectral. Esto lo hace particularmente útil para los investigadores metabolómicos que están estudiando la levadura como organismo modelo o que buscan optimizar la producción de bebidas fermentadas (vino, cerveza).

Ionización secundaria por electropulverización : espectrometría de masas de alta resolución SESI-HRMS es una técnica analítica no invasiva que nos permite controlar las actividades metabólicas de las levaduras. SESI-HRMS ha encontrado alrededor de 300 metabolitos en el proceso de fermentación de la levadura, esto sugiere que una gran cantidad de metabolitos de glucosa no se reportan en la literatura. [24]

La base de datos del metaboloma de Escherichia coli [ editar ]

La base de datos de metabolitos de E. Coli es una base de datos en línea de acceso libre de> 2700 metabolitos de moléculas pequeñas que se encuentran en Escherichia coli o son producidos por ella (cepa de E. coli K12, MG1655). El ECMDB contiene dos tipos de información: 1) información química y 2) información bioquímica. La información química incluye más de 2700 estructuras de metabolitos con descripciones detalladas de metabolitos, amplias clasificaciones químicas, información de síntesis y propiedades químicas observadas / calculadas. También contiene casi 5000 NMR , GC-MS y LC-MSespectros de más de 600 metabolitos diferentes. La información bioquímica incluye> 1600 secuencias de proteínas (y ADN) y> 3100 reacciones bioquímicas que están vinculadas a estas entradas de metabolitos. El ECMDB admite muchos tipos diferentes de consultas en línea, incluidas búsquedas de texto, búsquedas de estructuras químicas, búsquedas de similitud de secuencia y búsquedas de similitud espectral. Esto lo hace particularmente útil para los investigadores metabolómicos que están estudiando E. coli como organismo modelo.

La ionización por electropulverización secundaria (SESI-MS) puede discriminar entre once cepas de E. Coli gracias al perfil de compuestos orgánicos volátiles. [25]

Ver también [ editar ]

  • Metaboloma tumoral
  • Electroforesis de proteínas
  • Secuenciación de proteínas

Referencias [ editar ]

  1. ^ a b Oliver SG, Winson MK, Kell DB, Baganz F (septiembre de 1998). "Análisis funcional sistemático del genoma de la levadura". Tendencias en biotecnología . 16 (9): 373–8. CiteSeerX  10.1.1.33.5221 . doi : 10.1016 / S0167-7799 (98) 01214-1 . PMID  9744112 .
  2. ^ Wishart DS (septiembre de 2007). "Progreso actual en metabolómica computacional" . Briefings en Bioinformática . 8 (5): 279–93. doi : 10.1093 / bib / bbm030 . PMID 17626065 . 
  3. ^ Nordström A, O'Maille G, Qin C, Siuzdak G (mayo de 2006). "Alineación de datos no lineales para metabolómica basada en UPLC-MS y HPLC-MS: análisis cuantitativo de metabolitos endógenos y exógenos en suero humano" . Química analítica . 78 (10): 3289–95. doi : 10.1021 / ac060245f . PMC 3705959 . PMID 16689529 .  
  4. ^ Tweeddale H, Notley-McRobb L, Ferenci T (octubre de 1998). "Efecto del crecimiento lento sobre el metabolismo de Escherichia coli, según lo revelado por el análisis de la reserva global de metabolitos (" metaboloma ")" . Revista de bacteriología . 180 (19): 5109–16. doi : 10.1128 / JB.180.19.5109-5116.1998 . PMC 107546 . PMID 9748443 .  
  5. ^ Harrigan GG, Goodacre R, eds. (2003). Perfiles metabólicos: su papel en el descubrimiento de biomarcadores y el análisis de funciones génicas . Boston: Editores académicos de Kluwer. ISBN 978-1-4020-7370-0.
  6. ^ Fiehn O, Kloska S, Altmann T (febrero de 2001). "Estudios integrados de biología vegetal mediante técnicas multiparalelas". Opinión Actual en Biotecnología . 12 (1): 82–6. doi : 10.1016 / S0958-1669 (00) 00165-8 . PMID 11167078 . 
  7. ^ Fiehn O (2001). "Combinando genómica, análisis del metaboloma y modelado bioquímico para comprender las redes metabólicas" . Genómica comparativa y funcional . 2 (3): 155–68. doi : 10.1002 / cfg.82 . PMC 2447208 . PMID 18628911 .  
  8. ^ Weckwerth W (2003). "Metabolómica en biología de sistemas" . Revisión anual de biología vegetal . 54 : 669–89. doi : 10.1146 / annurev.arplant.54.031902.135014 . PMID 14503007 . S2CID 1197884 .  
  9. ^ Goodacre R, Vaidyanathan S, Dunn WB, Harrigan GG, Kell DB (mayo de 2004). "Metabolómica por números: adquisición y comprensión de datos de metabolitos globales". Tendencias en biotecnología . 22 (5): 245–52. doi : 10.1016 / j.tibtech.2004.03.007 . PMID 15109811 . 
  10. ^ Wishart DS, Tzur D, Knox C, Eisner R, Guo AC, Young N, et al. (Enero de 2007). "HMDB: la base de datos del metaboloma humano" . Investigación de ácidos nucleicos . 35 (Problema de la base de datos): D521-6. doi : 10.1093 / nar / gkl923 . PMC 1899095 . PMID 17202168 .  
  11. ^ Jewison T, Knox C, Neveu V, Djoumbou Y, Guo AC, Lee J, et al. (Enero de 2012). "YMDB: la base de datos del metaboloma de levadura" . Investigación de ácidos nucleicos . 40 (Problema de la base de datos): D815-20. doi : 10.1093 / nar / gkr916 . PMC 3245085 . PMID 22064855 .  
  12. ^ Guo AC, Jewison T, Wilson M, Liu Y, Knox C, Djoumbou Y, et al. (Enero 2013). "ECMDB: la base de datos del metaboloma de E. coli" . Investigación de ácidos nucleicos . 41 (Problema de la base de datos): D625-30. doi : 10.1093 / nar / gks992 . PMC 3531117 . PMID 23109553 .  
  13. ^ Mueller LA, Zhang P, Rhee SY (junio de 2003). "AraCyc: una base de datos de vía bioquímica para Arabidopsis" . Fisiología vegetal . 132 (2): 453–60. doi : 10.1104 / pp.102.017236 . PMC 166988 . PMID 12805578 .  
  14. ^ a b Bouatra S, Aziat F, Mandal R, Guo AC, Wilson MR, Knox C, et al. (Septiembre de 2013). "El metaboloma de la orina humana" . PLOS ONE . 8 (9): e73076. Código bibliográfico : 2013PLoSO ... 873076B . doi : 10.1371 / journal.pone.0073076 . PMC 3762851 . PMID 24023812 .  
  15. ^ a b Mandal R, Guo AC, Chaudhary KK, Liu P, Yallou FS, Dong E, et al. (Abril de 2012). "Caracterización multiplataforma del metaboloma del líquido cefalorraquídeo humano: una actualización integral y cuantitativa" . Medicina del genoma . 4 (4): 38. doi : 10.1186 / gm337 . PMC 3446266 . PMID 22546835 .  
  16. ^ a b Psychogios N, Hau DD, Peng J, Guo AC, Mandal R, Bouatra S, et al. (Febrero de 2011). "El metaboloma del suero humano" . PLOS ONE . 6 (2): e16957. Código Bibliográfico : 2011PLoSO ... 616957P . doi : 10.1371 / journal.pone.0016957 . PMC 3040193 . PMID 21359215 .  
  17. ^ Kanehisa M, Goto S (enero de 2000). "KEGG: enciclopedia de genes y genomas de kyoto" . Investigación de ácidos nucleicos . 28 (1): 27–30. doi : 10.1093 / nar / 28.1.27 . PMC 102409 . PMID 10592173 .  
  18. ^ Haug K, Salek RM, Conesa P, Hastings J, de Matos P, Rijnbeek M, et al. (Enero 2013). "MetaboLights - un repositorio de uso general de acceso abierto para estudios de metabolómica y metadatos asociados" . Investigación de ácidos nucleicos . 41 (Problema de la base de datos): D781-6. doi : 10.1093 / nar / gks1004 . PMC 3531110 . PMID 23109552 .  
  19. ^ Kopka J, Schauer N, Krueger S, Birkemeyer C, Usadel B, Bergmüller E, et al. (Abril de 2005). "[email protected]: la base de datos del metaboloma de Golm" . Bioinformática . 21 (8): 1635–8. doi : 10.1093 / bioinformatics / bti236 . PMID 15613389 . 
  20. ^ Caspi R, Altman T, Dale JM, Dreher K, Fulcher CA, Gilham F, et al. (Enero de 2010). "La base de datos MetaCyc de rutas metabólicas y enzimas y la colección BioCyc de bases de datos de rutas / genomas" . Investigación de ácidos nucleicos . 38 (Problema de la base de datos): D473-9. doi : 10.1093 / nar / gkp875 . PMC 2808959 . PMID 19850718 .  
  21. ^ Fahy E, Sud M, Cotter D, Subramaniam S (julio de 2007). "Herramientas en línea LIPID MAPS para la investigación de lípidos" . Investigación de ácidos nucleicos . 35 (problema del servidor web): W606-12. doi : 10.1093 / nar / gkm324 . PMC 1933166 . PMID 17584797 .  
  22. ^ Smith CA, O'Maille G, Want EJ, Qin C, Trauger SA, Brandon TR, et al. (Diciembre de 2005). "METLIN: una base de datos espectral de masas de metabolitos". Monitoreo de fármacos terapéuticos . 27 (6): 747–51. doi : 10.1097 / 01.ftd.0000179845.53213.39 . PMID 16404815 . S2CID 14774455 .  
  23. ^ Wishart DS, Jewison T, Guo AC, Wilson M, Knox C, Liu Y, et al. (Enero 2013). "HMDB 3.0 - la base de datos del metaboloma humano en 2013" . Investigación de ácidos nucleicos . 41 (Problema de la base de datos): D801-7. doi : 10.1093 / nar / gks1065 . PMC 3531200 . PMID 23161693 .  
  24. ^ Tejero Rioseras A, Garcia Gomez D, Ebert BE, Blank LM, Ibáñez AJ, Sinues PM (octubre de 2017). "Análisis completo en tiempo real del volatiloma de levadura" . Informes científicos . 7 (1): 14236. Bibcode : 2017NatSR ... 714236T . doi : 10.1038 / s41598-017-14554-y . PMC 5660155 . PMID 29079837 .  
  25. ^ Zhu J, Hill JE (junio de 2013). "Detección de Escherichia coli a través de perfiles de COV utilizando espectrometría de masas de ionización por electropulverización secundaria (SESI-MS)" . Microbiología alimentaria . 34 (2): 412–7. doi : 10.1016 / j.fm.2012.12.008 . PMC 4425455 . PMID 23541210 .  

Enlaces externos [ editar ]