Forscher am RIKEN Zentrum für Nachhaltige Ressource Wissenschaft (CSR) in Japan entwickelt haben, eine neue rechnerische Masse-Spektrometrie-system für die Identifizierung metabolomes–komplette sets von Metaboliten, die für verschiedene lebende Organismen. Wenn die neue Methode getestet wurde wählen Sie Gewebe von 12 Pflanzen-Arten, in der Lage war zu beachten, über tausend Stoffwechselprodukte. Unter Ihnen waren Dutzende, die nicht gefunden worden sind, vor, einschließlich derjenigen, die mit Antibiotika und anti-Krebs-Potenzial.
Das gängige Schmerzmittel aspirin (Acetylsalicylsäure) wurde zuerst im 19ten Jahrhundert, und berühmt ist abgeleitet von willow bark extract, ein Arzneimittel, das beschrieben wurde in Tontafeln vor tausenden von Jahren. Nachdem eine neue Methode zur Synthese entdeckt wurde, und nachdem es benutzt worden, um die Welt seit fast 70 Jahren, die Wissenschaftler waren schließlich in der Lage zu verstehen, wie es funktioniert. Dies war ein langer historischer Prozess, und zwar bleiben die Pflanzen eine fast unendliche Ressource für die Pharmaforschung und die Biotechnologie, die Tausende von Jahren ist nicht mehr einem akzeptablen Zeitrahmen.
Warum dauert es so lange?
Das größte problem ist, dass es Millionen von Pflanzenarten und jeder hat seine eigene metabolom–die Menge aller Produkte des pflanzlichen Stoffwechsels. Derzeit kennen wir nur etwa 5% dieser natürlichen Produkte. Obwohl die Massenspektrometrie identifizieren können pflanze Metaboliten, es funktioniert nur für die Bestimmung, ob eine Probe enthält, die ein bestimmtes Molekül. Die Suche nach noch unbekannten Metaboliten ist eine andere Geschichte.
Computational Massenspektrometrie ist ein wachsendes Forschungsfeld, das sich auf die Suche nach bisher unbekannten Metaboliten und die Vorhersage Ihrer Funktionen. Bereich etabliert hat, metabolom-Datenbanken und repositories, die die Globale Identifikation von Mensch, pflanze und Mikroorganismen metabolomes. Angeführt von Hiroshi Tsugawa und Kazuki Saito, ein team zu CSR hat sich seit einigen Jahren ein system entwickelt, dass schnell identifizieren können große zahlen von pflanzlichen Metaboliten, einschließlich derer, die nicht identifiziert wurden, vor.
Als Tsugawa erklärt, „, während Sie kann keine software umfassend die Identifizierung aller Metaboliten in einem lebenden Organismus, unser Programm umfasst neue Techniken in computational mass spectrometry und bietet 10-mal die Abdeckung von bisherigen Methoden.“ In tests, die während der Massenspektrometrie-basierten Methoden ist nur vermerkt über hundert Metaboliten, das team das neue system war in der Lage zu finden, mehr als tausend.
Der neue rechnerische Methode basiert auf mehreren algorithmen, vergleichen der Massenspektrometrie Ausgänge von Pflanzen sind markiert mit Kohlenstoff-13, die mit denen, die nicht sind. Die algorithmen können Vorhersagen, die molekulare Formel von der Metaboliten und zu klassifizieren nach Typ. Sie können auch vorherzusagen, den Unterbau von unbekannten Metaboliten, und basierend auf ähnlichkeiten in der Struktur, Verknüpfung mit bekannten Metaboliten, die helfen können, vorherzusagen, Ihre Funktionen.
In der Lage zu finden unbekannten Metaboliten ist ein wichtiges Verkaufsargument für die neue software. Insbesondere wurde das system in der Lage, zu charakterisieren, eine Klasse von Antibiotika (benzoxazinoids) in Reis und mais, sowie eine Klasse mit entzündungshemmenden und antibakteriellen Eigenschaften (glycoalkaloids) in der gemeinsamen Zwiebeln, Tomaten und Kartoffeln. Es war auch in der Lage zu identifizieren, die zwei Klassen von anti-Krebs-Metaboliten, (triterpensaponine) in Soja-Bohnen und Lakritze, der andere (beta-karbolin-alkaloid), die in einer Anlage von der Kaffee-Familie.
Zusätzlich zur Erleichterung der screening-Anlage spezialisiert metabolomes, das neue Verfahren beschleunigt die Entdeckung der natürlichen Produkte, die verwendet werden könnten, in der Medizin, und auch ein besseres Verständnis der Physiologie der Pflanzen im Allgemeinen.
Als Tsugawa Notizen, verwenden Sie diese neue Methode ist nicht beschränkt auf Pflanzen. „Ich glaube, dass rechnerisch Decodierung metabolom-Massenspektrometrie-Daten verknüpft, um ein tieferes Verständnis für alle Stoffwechsel. Unser Nächstes Ziel ist die Verbesserung dieser Methodik zu erleichtern, Globale Identifizierung von menschlichen und mikrobiota metabolomes als gut. Neu gefundenen Metaboliten können dann weiter untersucht werden via genomics, transcriptomics und proteomics.“