Herramientas para mejorar la identificación de metabolitos en metabolómica por RMN utilizando espectros 2D J-resueltos

Charris Molina, Andrés Fernando

Registro:

Documento:	Tesis Doctoral
Título:	Herramientas para mejorar la identificación de metabolitos en metabolómica por RMN utilizando espectros 2D J-resueltos
Título alternativo:	Tools for improving metabolite identification in NMR metabolomics using 2D J-resolved spectra
Autor:	Charris Molina, Andrés Fernando
Editor:	Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
Filiación:	CONICET. Centro de Investigaciones en Bionanociencias "Elizabeth Jares Erijman" (CIBION)
Publicación en la Web:	2023-08-28
Fecha de defensa:	2023-06-12
Fecha en portada:	junio de 2023
Grado Obtenido:	Doctorado
Título Obtenido:	Doctor de la Universidad de Buenos Aires en el área de Química Inorgánica, Química Analítica y Química Física
Director:	Hoijemberg, Pablo Ariel
Consejero:	Doctorovich, Fabio Ariel
Jurado:	Arán, Martín; Castro Gamboa, Ian; Goicoechea, Héctor Casimiro
Idioma:	Español
Formato:	PDF
Handle:	http://hdl.handle.net/20.500.12110/tesis_n7331_CharrisMolina
PDF:	https://bibliotecadigital.exactas.uba.ar/download/tesis/tesis_n7331_CharrisMolina.pdf
Registro:	https://bibliotecadigital.exactas.uba.ar/collection/tesis/document/tesis_n7331_CharrisMolina
Ubicación:	Dep.QUI 007331
Derechos de Acceso:	Esta obra puede ser leída, grabada y utilizada con fines de estudio, investigación y docencia. Es necesario el reconocimiento de autoría mediante la cita correspondiente. Charris Molina, Andrés Fernando. (2023). Herramientas para mejorar la identificación de metabolitos en metabolómica por RMN utilizando espectros 2D J-resueltos. (Tesis Doctoral. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de http://hdl.handle.net/20.500.12110/tesis_n7331_CharrisMolina

Resumen:

La resonancia magnética nuclear (RMN) es una técnica poderosa para identificar y cuantificar metabolitos en mezclas biológicas complejas, por lo que se viene utilizando hace décadas para llevar adelante estudios metabolómicos en diversas áreas de aplicación. Sin embargo, la óptima recuperación de la información y la asignación de las señales de resonancia aún plantean desafíos importantes en el campo. Para ayudar en el proceso de identificación, la Espectroscopía de Correlación Estadística Total (STOCSY) continúa siendo una herramienta eficaz que facilita la detección de picos correlacionados con un pico de interés, sugiriendo que podrían provenir del mismo compuesto. Aun con todo su potencial, STOCSY presenta limitaciones donde su eficiencia se ve disminuida, principalmente en casos de desalineación de picos entre espectros, en picos de baja intensidad, en presencia de correlación biológica y cuando hay superposición de picos. En vista de esta premisa, en esta tesis se expone la creación de nuevas herramientas orientadas a mejorar la identificación de metabolitos, dirigidas a superar estos problemas, utilizando espectros homonucleares de 1H resueltos en J (JRES). En el paquete de herramientas desarrolladas se presenta COCOA-POD, por “COrrelation COmparison Analysis for Peak Overlap Detection”, como una metodología novedosa creada para mejorar y facilitar la identificación de metabolitos en muestras biológicas complejas donde existe superposición de picos. COCOA-POD se basa en la aplicación de STOCSY sobre un conjunto de espectros 2D JRES no inclinados (ntJRES-STOCSY) y crea un pseudo espectro 2D STOCSY que luego es proyectado para construir una traza STOCSY 1D (similar a un CPMG común). Esta traza es utilizada para consultas en bases de datos de RMN 1D 1H. Este trabajo fue titulado Tackling the Peak Overlap Issue in NMR Metabolomics Studies: 1D Projected Correlation Traces from Statistical Correlation Analysis on Nontilted 2D 1H NMR JResolved Spectra y se encuentra publicado en la revista Journal of Proteome Research. Sumado a esto, se desarrolló la base de datos Chemical Shift Multiplet Database (CSMDB), herramienta que permite realizar consultas de metabolitos con información proveniente de realizar estadística de correlación sobre espectros 2D JRES inclinados. CSMDB proporciona una contabilidad para los picos coincidentes y no coincidentes de una lista de picos detectados en una proyección de STOCSY 2D inclinadas, algo que en la actualidad no se encuentra en ninguna base de datos disponible. Además, acoplado a CSMDB se creó ConQuer ABC, herramienta dirigida a abordar la correlación biológica en trazas STOCSY. ConQuer ABC puede identificar correlaciones biológicas entre metabolitos en conjuntos de espectros JRES. Este trabajo fue titulado Consecutive Queries to Assess Biological Correlation in NMR Metabolomics: Performance of Comprehensive Search of Multiplets over Typical 1D 1H NMR Database Search y se encuentra publicado en la revista Journal of Proteome Research. En base a este trabajo además se creó una nueva base de datos acoplada a ConQuer ABC de espectros RMN 1D 1H con información proveniente de Human Metabolome Database, HMDB. Las herramientas anteriores utilizan como base STOCSY y se crearon para espectros J-resueltos alineados, por lo que disminuyen su rendimiento cuando los picos se mueven de manera inconsistente a través de diferentes espectros. Para mitigar este problema se desarrolló Multiplet Assisted Peak Alignment, MAPA, herramienta creada para la alineación de picos por comparación de multipletes de trazas f1 de espectros J-resueltos. MAPA es capaz de construir una matriz de trazas f1 concatenadas que puede ser utilizada para la identificación de compuestos con la aplicación de STOCSY. Usando esta metodología, es posible tratar conjuntos de espectros desalineados e identificar metabolitos, por medio de nuestra base de datos CSMDB y bases de datos 1D 1H, en conjuntos de espectros de matrices complejas. Este trabajo está en proceso de ser publicado y actualmente lleva el título de Aligning peaks by matching multiplet profiles in NMR metabolomics. Todas estas herramientas son interfaces gráficas desarrolladas en MATLAB, siendo por lo tanto de fácil manejo, y pueden ser usadas sin tener un pleno conocimiento de la parte interna de los códigos. Sumado a lo anterior, se realizó un estudio metabolómico retrospectivo “no dirigido” (untargeted) por RMN motivado hacia la búsqueda de potenciales biomarcadores para la detección temprana de carcinoma celular renal de células claras en muestras provenientes del Biobanco Público de Muestras Séricas Oncológicas (BPMSO) del Instituto de Oncología “Ángel H. Roffo”. Junto con una población de controles sanos, estas muestras fueron sometidas a un análisis multivariado de datos, MVDA, pero este no arrojó resultados estadísticamente significativos, en principio debido a una limitada cantidad de muestras.

Abstract:

Nuclear magnetic resonance (NMR) is a powerful technique for the identification and quantification of metabolites in complex biological samples, for which is being used for decades to carry on metabolomic studies in several fields of application. However, optimal information recovery and signal annotation still pose important challenges in the field. To aid in the identification process, Statistical Total Correlation Spectroscopy (STOCSY) is being used as an efficient tool that eases the detection of peaks correlated to a given driver peak, suggesting that they might come from the same compound. Even with all its potential, STOCSY presents limitations, where its performance is diminished, mainly in cases of peak misalignment among spectra, low intensity peaks, presence of biological correlation and presence of peak overlap. In view of this premise, in this thesis the creation of new tools oriented to improve metabolite identification is presented, aimed to overcome these issues, using STOCSY applied over 2D 1H homonuclear J resolved spectra (JRES). In the tool package, COCOA-POD, standing for “COrrelation COmparison Analysis for Peak Overlap Detection”, is presented as a novel methodology created to improve and enable the identification of metabolites in complex biological samples where peak overlap is present. COCOA-POD is based on the application of STOCSY over a set of nontilted 2D JRES spectra (-ntJRES-STOCSY) and it creates a 2D STOCSY pseudospectrum that is later projected to build a 1D STOCSY trace (similar to a CPMG spectrum). This trace is used to query 1D 1H NMR databases, for example the “Human Metabolome Database”, HMDB. This work, entitled “Tackling the Peak Overlap Issue in NMR Metabolomics Studies: 1D Projected Correlation Traces from Statistical Correlation Analysis on Nontilted 2D 1H NMR J Resolved Spectra”, was published in 2019 in the “Journal of Proteome Research”. Analogously, the set of nontilted 2D JRES spectra can be subjected to multivariate data analysis, MVDA, being able to project 1D pseudo traces from loadings or coefficients from a discriminant analysis, to query signals of interest for the classification. In addition, the “Chemical Shift Multiplet Database” (CSMDB, built with spectra downloaded from the Birmingham Metabolite Library) was developed, being a tool that allows to query metabolites with information from STOCSY applied on tilted 2D JRES spectra (the usual way of processing JRES spectra) and then projecting that into a trace. CSMDB accounts both for matching and nonmatching peaks, against a list of peaks detected in a projection of STOCSY over 2D JRES spectra, something that nowadays is not found in available public databases. Moreover, ConQuer ABC was created, which is coupled with CSMDB, a tool aimed to assess the biological correlation in STOCSY traces. ConQuer ABC can identify biological correlations among metabolites in any set of JRES spectra, working on the subset of nonmatching peaks after each identification round. The work, entitled “Consecutive Queries to Assess Biological Correlation in NMR Metabolomics: Performance of Comprehensive Search of Multiplets over Typical 1D 1H NMR Database Search”, was published in 2020 in the “Journal of Proteome Research”. Just like with COCOA-POD, MVDA outcomes over the spectral set can be used (besides STOCSY), coupling the pseudo trace and multiplets to the search engine. Based on this work, a new 1D 1H NMR database was created and coupled to “ConQuer ABC”, with information obtained from HMDB, allowing an increase in the confidence level for identification by integrating both the matching in the multiplets and the 1D 1H spectra queries. These previous tools use STOCSY as a basis and were created for non-misaligned JRES spectral sets, and their performance is diminished when peaks shift inconsistently through the spectra (for example due to pH and/or ionic strength differences among samples). To mitigate this problem, the MAPA algorithm was created (“Multiplet Assisted Peak Alignment”), a tool for peak alignment by comparing multiplets in f1 traces from JRES spectra. MAPA is capable of building a matrix of concatenated f1 traces, matched among spectra, that can be used for the identification of compounds with the use of STOCSY, overcoming also the peak overlap issue, and rebuilding STOCSY pseudo traces for multiplets and in 1D 1H format. Using this methodology, it is possible to work with sets of misaligned spectra and identify metabolites, by use of CSMDB and 1D 1H databases, in sets of spectra from complex matrices. The manuscript for this work is being written, currently entitled “Aligning peaks by matching multiplet profiles in NMR metabolomics”. All these tools are used as graphical user interfaces, developed within MATLAB, and thus are easy to use, and can be used without full knowledge of the code within the tool. Finally, an untargeted retrospective metabolomic study based on NMR was performed, aimed at the search for potential biomarkers for early detection of clear cell renal cellular carcinoma on samples from the Biobanco Público de Muestras Séricas Oncológicas (BPMSO) of the Instituto de Oncología “Ángel H. Roffo”. Along with a set of samples from healthy control individuals, those samples were subjected to MVDA, but the analysis did not produce statistically significant results. The number of samples analyzed in the study did not have enough statistical power needed for acceptable results with the concentration variability observed.

Citación:

---------- APA ----------

Charris Molina, Andrés Fernando. (2023). Herramientas para mejorar la identificación de metabolitos en metabolómica por RMN utilizando espectros 2D J-resueltos. (Tesis Doctoral. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/tesis_n7331_CharrisMolina

---------- CHICAGO ----------

Charris Molina, Andrés Fernando. "Herramientas para mejorar la identificación de metabolitos en metabolómica por RMN utilizando espectros 2D J-resueltos". Tesis Doctoral, Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales, 2023.https://hdl.handle.net/20.500.12110/tesis_n7331_CharrisMolina

Estadísticas:

Descargas totales desde :

Navegar

Colección

Tesis Doctoral