no “ ómicas” de las estrategias de análisis metabolómico · espectros ei (elevada y...
TRANSCRIPT
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 1
Aplicaciones
NO “-ómicas” de las
Estrategias de Análisis
Metabolómico
Isidro Masana
Especialista Productos LC/MS
AGILENT TECHNOLOGIES
13:00-13:30
Seminario: La Metabolómica: una -ómica
Clave en Investigación Biomédica
Martes, 19 Junio 2012, CEMBIO - Univ. San Pablo – CEU
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 2
PROGRAMA:
Aplicaciones
NO “-ómicas” de las
Estrategias de Análisis
Metabolómico
1.- Posibles Aplicaciones NO Metabolómicas del Análisis Comparativos de Muestras
2.- Resumen Instrumentación y Software necesario para Metabolómica y Estudios Comparativos de Muestras.
3.- Ejemplos de Resultados.
4.- Conclusiones.
Objetivo: mostrar el enorme potencial aplicativo del
análisis comparativo de muestras en todo tipo de sectores.
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 3
Posibles Aplicaciones NO Metabolómicas del Análisis
Comparativos de Muestras: ¿Para qué nos puede ser útil conocer ….?
¿Qué diferencias en su composición
química se correlacionan con las
diferencias observadas en
poblaciones semejantes?
¿Tienen
compuestos
químicos en
común?
¿Qué
compuestos
químicos
difieren en
concentración?
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 4
Posibles Aplicaciones NO Metabolómicas del
Análisis Comparativos de Muestras Aplicando las mismas estrategias y herramientas analíticas
• Descubrimiento y Validación de Proteínas como Biomarcadores.
• Identificar los compuestos responsables de anomalías o episodios de contaminación, medio ambiental o alimentaria (p.e. malos olores, sabores,….).
• Descubrir compuestos correlacionados con comportamientos anómalos de un lote de productos, con su origen, con tratamientos a que han sido sometidos,……
• Estudiar las similitudes y diferencias de composición entre sus productos y otros semejantes en el mercado (“Benchmark”).
• Estudiar el impacto del tratamiento de un alimento en su composición. Buscar marcadores de deterioro del producto, de su ingesta,…..
• Optimizar condiciones de procesos de Extracción / Síntesis (temperatura, pH, presión,….) para maximizar su eficiencia.
• Q.C.: Comprobar la homogeneidad de diferentes lotes de producción, de materias primas complejas (p.e. productos naturales, excipientes, verificar su origen,….), perfil de impurezas, lixiviados de fábrica,…..
• A partir de muestras de referencia, poder clasificar/AUTENTIFICAR muestras desconocidas, materias primas, según su origen, tipo, tratamientos a que han sido sometidas, detectar fraudes,….
• …. …. ….
5-25m
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 5
2.- Resumen Instrumentación
y Software necesario para
Metabolómica y Estudios
Comparativos de Muestras.
• LC/MS: para todo tipo de compuestos
• GC/MS: para compuestos volátiles
• CE/MS: para compuestos iónicos
• RMN: sólo para componentes mayoritarios
Aplicaciones
NO “-ómicas” de las
Estrategias de
Análisis Metabolómico
6-24m
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 6
CE-LC/MS
Análisis
Preparación
Muestra
GC/MS
Análisis
Análisis
Estadístico
Comparat.
“Peak
Finding”
Normalización
de Datos
Identificar
Compuestos
Las “3 Etapas” Necesarias para Estudios
Comparativos de Muestras por LC/MS - GC/MS
Validación
Compuestos
Modelización
Potenciales
Compuestos
Diferenciales
Interpretación
Resultados
2.-Extraer automáticamente la
información para cuantificar
relativamente MILES de
compuestos desconocidos
Soft.
Deconvolución
Cromatografía / MS
Soft. Comparación y
Clasificación Estadística
Multivariante con PCA PLS-DA
Objetivo: descubrir
y cuantificar todos
los compuestos
ionizados
1.-Adquirir Datos
Espectrales Genéricos* 3.- Buscar Correlaciones entre Grupos
de Complejos Datos Espectrales
*También puede utilizarse
una aproximación de
comparación de perfiles
de compuestos
específicos
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 7
La Clave para una Buena Comparación de la
Composición de las Muestras
Se debe asegurar la comparación de respuestas de los
mismos compuestos entre las diversas
poblaciones comparadas
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 8
Necesidades para una Buena Comparación
de Muestras en GC/MS y LC/MS:
MS y software capaces de proporcionar señales selectivas y
específicas de todos los compuestos ionizados
aunque coeluyan con otros.
• GC/MS (Q/QqQ/QTOF): buenas herramientas de deconvolución de
espectros EI (elevada y especifica fragmentación ~“huellas dactilares”).
• LC-CE/MS (TOF/QTOF): buenas herramientas de deconvolución de
espectros API (“no fragmentados”) especificidad y selectividad la
proporcionarán una masa exacta robusta y una elevada resolución
espectral. Exactitud
Masa (ppm)
Nº posibles
fórmulas
empíricas
Tecnología
165 ppm 209 QUAD/TRAP
10ppm 13
5 ppm 7
2 ppm 2 TOF /Q-TOF
Comp.: Reserpina (C33H40N2O9). [M+H]+: 609.281 m/z
“masa exacta”
x107
1
2
3
4
5
6
7
Counts vs. Acquisition Time (min) 10 20 30 40 50
x107
1
2
3
4
5
6
7
Counts vs. Acquisition Time (min) 10 20 30 40 50
10-20m
Fase Comparación Perfiles: Selectividad Cuantitativa
de Cromatogramas de Iones con Masa Exacta. Ejemplo: 2ng/ml (2ppb) Clenbuterol en Orina
IC: 277.1 m/z - Ventana Extración 1 Da Clenbuterol S/N = 14
Rango extracción típico Cuadrupolo
IC: 277.087 m/z - Ventana Extración 0.016 Da +/- 30ppm S/N = 102
LC/MS-TOF Agilent 6210
Exactitud
Masa (ppm)
Nº posibles
fórmulas
empíricas
Tecnología
165 ppm 209 QUAD/TRAP
10ppm 13
5 ppm 7
2 ppm 2 TOF /Q-TOF
Comp.: Reserpina (C33H40N2O9). [M+H]+: 609.281 m/z
Página 9
¿Qué masas extraer en
un análisis NO dirigido?
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 10
Deconvolución 3-D con AMDIS (GC/MS) y Mass Hunter
Molecular Feature Extractor”(LC/MS)
TIC (suma de los 3)
Componente 1
Componente 2
Componente 3
“Deconvolución”
Picos deconvolucionados y espectros
Componente 1
Componente 2
Componente 3
TIC & Espectro
En muestras complejas 1 pico (TIC) suele estar formado por varios compuestos no
resueltos y algunos del propio fondo
[M+H]+
[M+Na]+
[M+H]+
[M+Na]+ [2M+H]+
[M+H]+
E.C.C.: Suma de intensidades de sus
iones específicos
Ejemplo con espectros de LC/MS
API-LC/MS apenas produce fragmentación
Tr C1 Masa Exacta (LC/MS)
Área C1
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 11
Fácil y Rápida Detección e “Identificación”: Ejemplo M.F.E.+M.F.G.: 400 Compuestos en Miel en 5 min!
Detailed
Formula
Generation
Results
Lista de
compuestos con
las fórmulas
moleculares
calculadas
Espectro de masas
del compuestos
superpuesto con el
patrón del pefil
isótopico teórico.
Resultados
detallados del
cálculo la fórmula
molecular
Superposición de
cromatogramas de
los compuestos
encontrados
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 12
CE-LC/MS
Análisis
Preparación
Muestra
GC/MS
Análisis
Análisis
Estadístico
Comparat.
“Peak
Finding”
Normalización
de Datos
Identificar
Compuestos
Las “3 Etapas” Necesarias para Estudios
Comparativos de Muestras por LC/MS - GC/MS
Validación
Compuestos
Modelización
Potenciales
Compuestos
Diferenciales
Interpretación
Resultados
2.-Extraer automáticamente la
información para cuantificar
relativamente MILES de
compuestos desconocidos
Soft.
Deconvolución
Cromatografía / MS
Soft. Comparación y
Clasificación Estadística
Multivariante con PCA PLS-DA
Objetivo: descubrir
y cuantificar todos
los compuestos
ionizados
1.-Adquirir Datos
Espectrales Genéricos 3.- Buscar Correlaciones entre Grupos
de Complejos Datos Espectrales
• Tr , m/z exacta
• Áreas
• Áreas
15-15m
Proyectos
Experimentos de MS: datos de abundancia
de compuestos medidas por MS (LC/MS, GC/MS, CE/MS, ICP/MS),…
Microarray-based, Q-PCR,
NSG,… Datos Genómica
Rutas Metabólicas “Pathways”: el nexo de union entre
experimentos: transcriptómica / proteómica/ metabolómica
Mass Profiler Profesional 12: Muy potente Integración de Datos de
Múltiples Plataformas para su Análisis Estadístico: LC/MS,GC/MS,CE/MS,
ICP/MS,…..Genómica. Incluyendo plataformas No Agilent.
Página 13 Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Mass Profiler Profesional: Herramientas de Comparación Estadística de Conjuntos de Muestras
Análisis
Estadístico
Admite Experimentos:
• Estudios simples (A vs. B)
• Estudios en función del tiempo, de condiciones múltiples, de dosificaciones varias, ….
• Clasificación (/ Autentificación) de muestras,…
Proporciona Muy Potentes Herramientas Estadísticas y de Visualización Comparación: • Filtrado simple (test de frecuencia)
• Test de relevancia (t-test, ANOVA 1 o 2 vías)
• Análisis de Componentes Principales (PCA)
• Agrupación (“Clustering” K-means, SOM, QT clustering),
• Predicción de Clases (K-nearest neighbors / SVM)
• Árboles jerárquicos Complete, average and single linkage (w. bootstrapping)
• Gráficos Volcano, Diagramas de Venn, ……
• Incluye Herramientas de visualización de datos (cromatogramas, espectros,…),…..
Página 14
• Con MS Agilent facilita reaprovechar la información obtenida (gran cantidad de datos) para mejorar la calidad de los resultados, p.e.:
• Flujos de trabajo recursivos para reinterrogar muestras con la información obtenida de otras (análisis NO dirigido Dirigido). • Exportar la programación en el tiempo de los MS/MS de los compuestos relevantes para facilitar su identificación con Q-TOF’s de Agilent. • …..
QC: Predicción de Clases Automática Lab. R&D QC
Etapas:
1.- A partir de muestras de
referencia conocida, se genera un
modelo predictivo (lab. I&D)
mediante algoritmos de predicción de
clases con Mass Profiler Profesional “MPP”
(a partir de datos Mass Hunter u otros):
– Partial Least Squares Discrimination
– Naïve Bayes
– Decision Tree
– Support Vector Machine
– Neural Network
2.-El modelo predictivo generado se
aplica en laboratorios Control
Calidad (GC/MS Q/ QqQ/QTOF –
LC/MS TOF/QTOF/QqQ) para
clasificar nuevas muestras
automáticamente sin intervención del
usuario (mediante SCP: “Sample Class
Predictor”).
Acquisition Feature
Extraction SCP: Sample Class Prediction
Mo
delo
Report _____________
_______
__________
__________
Acquisition Feature
Extraction SCP
Mo
delo
Report _____________
_______
__________ __________
Acquisition Feature
Extraction SCP
Mo
delo
Report _____________
_______
__________
__________
Acquisition Feature
Extraction SCP
Mo
delo
Report _____________
_______
__________
__________
Acquisition Feature Extraction Chemometric
Analysis
Sample Class Predictor (SCP)
Aplicación Modelo Automática via Scripting (QC lab)
Mo
delo
Pre
dic
tiv
o
MPP MassHunter
(MH) MassHunter (MH)
MassHunter (MH)
MassHunter (MH)
MassHunter (MH)
Desarrollo del Modelo (lab. R&D)
Página 15
Muestras
Referencia
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 16
3.- Ejemplos de
Resultados.
Aplicaciones
NO “-ómicas” de
las Estrategias de
Análisis Metabolómico
1.- Optimización Extracción Líquido/Líquido.
2.- Determinación de Adulteraciones.
19-11m
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 17
Ejemplo 1: Optimización Proceso de
Extracción Líquido/Líquido de
Metabolitos de Glóbulos Rojos
PARÁMETROS INFLUENCIAN RENDIMIENTO EXTRACCIONES LÍQUIDO/LÍQUIDO:
• pH fase acuosa (parámetro estudiado en este ejemplo)
• Proporciones fase acuosa/orgánica
• Adición de sales / modificadores orgánicos fase acuosa
• Temperatura
• ...
PREPARACIÓN MUESTRA:
1.- Centrifugar sangre (con citrato como anticoagulante) y eliminación del sobrenadante.
2.- Lavado con PBS (solución salina de tampón fosfato) para eliminar los metabolitos del exterior de los glóbulos.
3.- “Quenching” y lisado de la membrana de los glóbulos para liberar los metabolitos de su interior.
4.- Adición modificador fase acuosa (metanol).
5.- Adición fase orgánica (cloroformo).
6.- Extracción líquido-líquido a diferentes pH’s fase acuosa.
7.- Evaporación a vacío y reconstitución fase acuosa.
20-10m
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 18
Influencia pH en nº Metabolitos Extraídos Diagrama de Venn con distribución 1211 metabolitos
distintos identificados en MetLin DB por su masa
exacta con <10ppm error (LC/MS-TOF)
Incluye compuestos no
identificados en MetLin DB
+ inf. en nota aplicación: Maximizing Metabolite Extraction for
Comprehensive Metabolomics Studies of Erythrocytes p/n: 5989-7407EN
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 19
Ejemplo 2: Determinación Adulteraciones /
Autentificaciones con Tiempos de Vuelo
Ejemplo: Caracterización de vinos usando un sistema
HPLC-QTOF y herramientas avanzadas de extracción de datos,
estadística, comparación y clasificación (PLS-DA) de muestras.
Ondrej Lacinaa, Lukas Vaclavika, Jana Hajslovaa,
Jerry Zweigenbaumb
a Institute of Chemical Technology Prague, Czech Republic b Agilent Technologies, Wilmington, DE, USA
La Clave: una adecuada
caracterización de los diversos
tipos de vinos/muestras para una
buena modelización y posterior
correcta clasificación de muestras
desconocidas.
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 20
Ejemplo de Aplicación de Autentificación de Vinos
• 45 Vinos Tintos para modelizar (+ 5 muestras “desconocidas”)
• 3 Variedades: Cabernet Sauvignon (15), Merlot (16), Pinot Noir (14)
• 11 países de origen: República Checa, Eslovaquia, Francia,
Italia, Macedonia, Bulgaria, Hungría, Australia, Chile,
Alemania, EE.UU.
• 5 años de Cosecha : 2004 – 2008
CONJUNTO DE MUESTRAS MUY VARIADO
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 21
Sin preparación previa de muestra, análisis directo (previa microfiltración).
Instrumentación Utilizada
Ondrej Lacinaa, Lukas Vaclavika, Jana Hajslovaa, Jerry Zweigenbaumb
a Institute of Chemical Technology Prague, Czech Republic b Agilent Technologies, Wilmington, DE, USA
Agilent Technologies 6530 Accurate-Mass Q-TOF LC/MS
Agilent Technologies 1200 RRLC system
Jet Stream ESI source
Multimode ion source
Eclipse Plus C18 (2.1×100, 1.8µm) HILIC Plus C18 (2.1×100, 3.5µm)
Software de
Análisis Estadístico
Multivariante
?
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 22
? ?
? ?
? ? ? ?
? ? ?
? ?
? ?
?
? ? ?
BLANCO
Procesado de Datos: ejemplo T.I.C.
TIC de Vino y blanco, LC-(ESI+) QTOFMS
? ? ?
?
?
?
? ?
? ?
?
? ?
?
?
? ?
VINO
• Datos muy complejos.
• Compuestos minoritarios enmascarados.
Se requiere software que extraiga y
caracterice todos los compuestos
ionizados.
Los espectros corresponden a
múltiples compuestos coeluyentes
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 23
Extracción de Datos: “Find By Molecular Feature”
Find compound by
Molecular Feature Extractor
M.F.E. extrae 20.506 “features” del
conjunto de todas las muestras (en
las condiciones utilizadas)
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 24
Filtro por omisión: la existencia del “feature” en el
100%* de las muestras de al menos en un grupo.
En conjuntos de muestras muy variadas, algunos compuestos importantes podrían ser filtrados ...
Ave
rag
e i
nte
ns
ity
663 “features” de 20.506
Procesado de Datos mediante Agilent Mass Profiler Profesional:
Filtración de Entradas por Frecuencia (Incidencia en las Clases)
* Filtrando con el 50%
el nº de “features”
aumenta de 663 a 3600
25-5m
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 25
PCA of the data Entradas iniciales (20506)
PCA of the data Entradas filtradas por frecuencia (3600)
CABERNET SAUVIGNON MERLOT PINOT NOIR
FILTRATION
Revelado de la Estructura Interna de los Datos mediante
Filtrado por Frecuencia y Análisis de Componentes
Principales (PCA)
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 26
PCA de los datos: Componentes después de ANOVA (p≤0.05) & Ratio de cambio (≥2.0): 26
CABERNET SAUVIGNON
MERLOT
PINOT NOIR
FILTRACIÓN
Revelado de la Estructura Interna de los Datos mediante
ANOVA y Análisis de Componentes Principales (PCA)
Un adecuado
filtrado de los
datos es
esencial para
una buena
clasificación
Merlot
Cabernet Sauvignon Pinot Noir
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 27
Validación del Modelo de Predicción de
Clases
• Durante la validación del modelo, 2 MERLOT fueron mal clasificados.
• Todos los Cabernet Sauvignon y Pinot Noir se clasificaron correctamente.
• La fiabilidad de predicción del modelo resuelto ser del 95.6%*
• El modelo clasificó correctamente las 5 muestras adicionales evaluadas (2 CS, 1M, 2 PN).
Número de muestras utilizadas en la validación: 45
* ANOVA utilizó para filtrar un p≤0.05.
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 28
PROGRAMA:
Aplicaciones
NO “-ómicas” de las
Estrategias de Análisis
Metabolómico
1.- Posibles Aplicaciones NO Metabolómicas del Análisis Comparativos de Muestras
2.- Resumen Instrumentación y Software necesario para Metabolómica y Estudios Comparativos de Muestras.
3.- Ejemplos de Resultados.
4.- Conclusiones.
28-2m
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 29
Conclusiones:
• La selectividad de la Espectrometria de Masas en general, y de la
masa exacta de los Agilent TOFs & QTOFs con el software:
• MassHunter Molecular Feature Extractor (MFE)
• Mass Profiler Professional (MPP)
proporcionará una poderosa herramienta para el análisis
comparativo de muestras complejas tanto en aproximaciones de
perfilados genéricos, como específicos (en perfiles específicos,
también podrá utilizarse LC/MS-QqQ).
• La capacidad Multi-plataforma/ Multi-instrumento/ Multi-marca de
Mass Profiler Professional permite potenciar enormemente la
capacidad investigadora de los laboratorios I+D mediante el análisis
comparativo de muestras utilizando PCA.
e-Seminars gratuitos: “MassHunter Summer Tutorial”
Topics for TOF/QTOF Users Presented by Dr. Joachim Thiemann
1.-TOF/QTOF MassHunter Acquisition Software Essentials: Tuning, Calibration, Method Setup
Date: 27.06, 15:00 CET
2.-Data Mining Tools (Untargeted Approach): Extracting Compounds with Molecular Feature Extractor and
Find by Ion
Date: 28.06, 11:00 CET
3.- Mass Profiler Professional – Fundamentals: General Settings and Workflows
Date: 04.07, 15:00 CET
4.-Data Mining Tools (Targeted Approach): Identification of Unknowns and Targeted Data Mining
Date: 05.07, 15:00 CET
Topics for QQQ Users Presented by Dr. Jörg Riener
5.-MassHunter Quant Evaluation: Confirmation Library, Isotopic patter and Sample Types
Date: 11.07, 15:00 CET
6.- MassHunter Quant - Reporting and Compliance: Take full advantage of MassHunter Reporting and
Compliance features
Date: 12.07, 15:00 CET
Requirements: Attendees should have a basic knowledge of MassHunter software
Registro: https://agilenteseminar-emea.webex.com/agilenteseminar-emea/onstage/g.php?p=26&t=m
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 30
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 31
www.metabolomics-lab.com
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 32
Mass Spec/tacular www.metabolomics-lab.com
Agilent LC/MS-TOF & QTOF’s
True Hi-Def TOF Technology “All Performances All Time”
Isidre Masana
Especialista de Productos LC/MS
AGILENT TECHNOLOGIES 901.11.68.90
Muchas
Gracias
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
17 de junio de 2012
Página 33
Agilent LC/MS-TOF & QTOF’s
True Hi-Def TOF Technology “All Performances All Time”
Isidre Masana
Especialista de Productos LC/MS
AGILENT TECHNOLOGIES 901.11.68.90
¿Preguntas?
Mass Spec/tacular www.metabolomics-lab.com