È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.

Articolo metodologico

Identificazione e quantificazione di metaboliti squilibrati in pazienti critici utilizzando la metabolomica basata sulla risonanza magnetica nucleare

1.7K visualizzazioni

⸱

DOI:

10.3791/67319

⸱

29 novembre 2024

 ,  ,  , 
1Centre of Biomedical Research, SGPGIMS Campus, 2Academy of Scientific and Innovative Research (AcSIR), 3Department of Critical Care Medicine, Sanjay Gandhi Postgraduate Institute of Medical Sciences

In questo articolo

Sommario

La spettroscopia di risonanza magnetica nucleare (NMR) viene utilizzata per identificare la disregolazione dei metaboliti in pazienti con varie malattie. Questa tecnica consente la quantificazione dei metaboliti squilibrati, svelando le intuizioni fisiopatologiche. Qui, descriviamo la procedura passo-passo dell'approccio basato sulla risonanza magnetica magnetica per la caratterizzazione metabolica dei pazienti.

Abstract

La metabolomica sta emergendo come un approccio significativo per riflettere la risposta dell'individuo alle condizioni fisiopatologiche. La spettroscopia di risonanza magnetica nucleare (NMR) si è evoluta come strumento per identificare le disregolazioni metaboliche in pazienti critici affetti da condizioni come la sindrome da distress respiratorio acuto (ARDS), la pancreatite acuta grave (SAP), il danno renale acuto (AKI) e la sepsi. I dati spettrali del campione di siero del gruppo di studio e di controllo vengono registrati utilizzando uno spettrometro NMR da 800 MHz ed elaborati utilizzando strumenti di elaborazione e analisi NMR. Inoltre, viene eseguita una rigorosa analisi statistica, come test univariati e multivariati, per individuare i metaboliti significativi, che vengono poi accuratamente identificati e quantificati utilizzando il software di quantificazione dei metaboliti NMR. Inoltre, l'analisi del percorso evidenzia i cicli biochimici squilibrati che determinano la gravità della malattia. Attraverso questo approccio globale, i ricercatori mirano a ottenere informazioni più approfondite sulle alterazioni metaboliche associate a queste malattie critiche, aprendo potenzialmente la strada a una migliore comprensione della malattia e a migliori strategie diagnostiche e terapeutiche.

Introduzione

Nonostante i continui sforzi per fornire una diagnosi efficiente della malattia in tutto il mondo, la terapia mirata non ha ancora raggiunto il suo vero potenziale. Vari approcci, come la trascrittomica, la proteomica, ecc., hanno portato all'identificazione di diversi biomarcatori, ma questi non avevano sufficiente utilità clinica a causa della mancanza di sensibilità e specificità 1,2. La terapia mirata è una grande sfida in alcune malattie multifattoriali, che alla fine porta a una maggiore mortalità. C'è bisogno di una migliore comprensione del meccanismo sottostante e della fisiopatologia di malattie complesse esistenti con un'ampia eterogeneità. Quindi, a questo proposito, l'evoluzione della metabolomica ha rivoluzionato lo sviluppo terapeutico, che alla fine può aiutare a personalizzare i regimi di trattamento per varie malattie critiche come la sindrome da distress respiratorio acuto (ARDS), la sepsi e la pancreatite acuta grave (SAP).

La metabolomica è un approccio completo volto a identificare e quantificare molecole a basso peso molecolare (metaboliti come aminoacidi, lipidi, peptidi, acidi organici e vitamine) in vari biofluidi, cellule o estratti di tessuti. Questi metaboliti, che in genere pesano meno di 1500 Da, svolgono un ruolo attivo nei processi biochimici, riflettendo un profilo progressivo dello stato biologico dell'organismo. Includono substrati per processi enzimatici chiave, intermedi nelle vie biologiche e sottoprodotti del metabolismo cellulare. Di conseguenza, la metabolomica cattura un'impronta digitale dettagliata delle influenze alimentari, delle interazioni farmacologiche e degli stati patologici. Le alterazioni dei metaboliti sono indicatori altamente sensibili del metabolismo e delle vie biologiche, consentendo correlazioni con le espressioni fenotipiche e le anomalie fisiopatologiche risultanti 3,4. Le variazioni iniziali dei metaboliti possono fungere da indicatori precoci della gravità della malattia, mentre le variazioni temporali possono aiutare a monitorare l'efficacia del trattamento, la progressione della malattia e gli esiti clinici 5,6,7. La metabolomica migliora quindi i saggi clinici e vari altri approcci omici ridefinendo le malattie attraverso endpoint clinici, fisiologici e biochimici 8,9,10,11,12,13. Le capacità analitiche della metabolomica sono impiegate per monitorare e determinare la suscettibilità alla malattia attraverso concentrazioni alterate di metaboliti14,15.

In questo contesto, sia la spettrometria di massa (MS) che la spettroscopia di risonanza magnetica nucleare (NMR) sono emerse come le principali piattaforme analitiche per la profilazione dei metaboliti in campioni biologici. Questi metodi sono utilizzati sia per l'identificazione e la quantificazione mirata che non mirata dei metaboliti 16,17,18. Ogni piattaforma ha i suoi vantaggi e limiti, ma la natura non distruttiva della NMR la rende preferibile in vari studi in vivo e per la caratterizzazione della struttura di composti sconosciuti, in particolare nelle fasi iniziali della ricerca metabolomica. Il frazionamento del campione, la derivatizzazione e la ionizzazione necessarie prima della MS possono introdurre distorsioni e spesso provocare la perdita del campione, influenzando le caratteristiche dinamiche che la spettroscopia NMR può catturare con una preparazione minima o nulla del campione. Il limite principale della risonanza magnetica mobile è la sua minore sensibilità rispetto alla MS, che offre un limite di rilevamento inferiore, rendendo difficile rilevare metaboliti meno abbondanti19. Tuttavia, progressi come i magneti superconduttori ad alta risoluzione, le sonde NMR raffreddate criogenicamente e le tecniche che migliorano la sensibilità hanno mitigato questa limitazione 20,21,22. Come approccio complementare alla genomica e alla proteomica, la profilazione metabolica mediante spettroscopia NMR sta guadagnando terreno come tecnica preferita 23,24,25. La preparazione minima del campione, la riproducibilità e la ripetibilità della NMR lo rendono uno strumento prezioso per catturare le caratteristiche dinamiche intrinseche dei metaboliti nonostante i suoi problemi di sensibilità26.

Diversi gruppi di ricerca hanno eseguito con successo la metabolomica, individuando il profilo metabolico disregolato dei pazienti per varie malattie27 come ARDS 28,29,30,31,32,33, polmonite 34, sepsi7, calcoli biliari35 e pancreatite36. Gli studi di metabolomica basati sulla risonanza magnetica su pazienti critici sono stati determinanti per monitorare la progressione dalla sindrome da risposta infiammatoria sistemica (SIRS) alla sindrome da disfunzione multiorgano (MODS), che è una delle principali cause di mortalità e morbilità in unità di terapia intensiva (ICU)37. In uno studio di Stringer et al., i campioni di plasma sono stati utilizzati per esaminare le alterazioni metaboliche nei pazienti con danno polmonare acuto indotto da sepsi (ALI) rispetto ai pazienti di controllo38. I metaboliti chiave trovati elevati in questo studio pilota riflettono le vie metaboliche coinvolte e la loro associazione con i punteggi clinici. Questa ricerca è stata estesa alla metabolomica sierica per differenziare la sepsi dalle prime fasi dei meccanismi di danno polmonare nell'ARDS32. Inoltre, un altro studio sull'ARDS ha identificato potenti biomarcatori sierici che differenziano distintamente tra danno polmonare acuto/ARDS e controlli sani, offrendo informazioni sui cambiamenti metabolici sistemici corrispondenti all'insorgenza acuta del danno polmonare39,40.

La spettroscopia NMR è una tecnica analitica automatizzata e ad alto rendimento che fornisce informazioni solide e imparziali sull'impronta metabolica rivelando la fisiopatologia sottostante38. L'applicazione clinica e l'interpretazione biologica dei dati NMR dipendono dall'ottenimento di spettri di alta qualità che contengano informazioni ricche. Pertanto, è fondamentale garantire una raccolta, un'elaborazione e un'analisi dei dati accurate, uniformi e ben formulate. Pertanto, l'obiettivo di questo studio è quello di sfruttare i passaggi essenziali della metabolomica basata sulla risonanza magnetica nucleare per l'identificazione e la quantificazione dei metaboliti. Questo studio evidenzia le fasi chiave del protocollo richiesto per lo studio della metabolomica clinica (Figura 1), come la selezione di campioni appropriati, la raccolta e la conservazione, l'elaborazione e la preparazione dei campioni, l'acquisizione e l'analisi dei dati, l'identificazione e la quantificazione del metabolita di interesse e, infine, l'interpretazione dei risultati in un contesto clinico per ricavare informazioni pertinenti. Ognuno di questi passaggi è essenziale per sfruttare la spettroscopia NMR in metabolomica per scoprire informazioni biologiche e cliniche significative.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

L'approvazione etica (codice IEC: 2022-71-PhD-126) è stata ottenuta dall'IEC del Sanjay Gandhi Postgraduate Institute of Medical Sciences (SGPGIMS), Lucknow. I consensi scritti e informati sono stati ottenuti dai pazienti o dai loro parenti per eseguire lo studio e pubblicare i dati a scopo di ricerca. Inoltre, la ricerca è stata condotta seguendo le linee guida istituzionali.

1. Disegno dello studio e nulla osta etico

  1. Determinare la dimensione del campione per ciascun gruppo. Esaminare attentamente e stabilire i criteri di selezione dei partecipanti. Inoltre, se il disegno dello studio richiede l'inclusione di campioni umani o animali, ottenere l'autorizzazione etica dal comitato etico istituzionale (IEC) appropriato prima di iniziare la raccolta del campione.
  2. Selezionare i pazienti con ARDS classificati come lievi, moderati e gravi, in base ai criteri diagnostici della definizione di Berlino 2012 basata sulla pressione parziale dell'ossigeno nel sangue arterioso (PaO2) rispetto al rapporto tra frazione di ossigeno inspirato (FiO2) (P/F). I pazienti con ARDS con un intervallo P/F di 300-200 sono considerati lievi, 200-100 moderati e inferiori a 100 gravi38. Qui, ci siamo concentrati su due gruppi: pazienti con ARDS lieve e moderata (vedi Tabella 1).
    NOTA: Lo studio prevede l'uso di siero ottenuto da campioni di sangue per eseguire la metabolomica basata sulla risonanza magnetica magnetica. In questo studio, i partecipanti inclusi come riferimento avevano un'età media di 42 anni (± 10,9 anni), con una distribuzione di genere di 2 maschi e 6 femmine.

CategoriaRapporto P/F
Lieve300-200
Moderato200-100
Forte100-0

Tabella 1: Categorizzazione dei pazienti con ARDS.

2. Selezione, raccolta ed elaborazione dei campioni

  1. Eseguire l'isolamento del siero seguendo i passaggi descritti di seguito.
    1. Per la sperimentazione, raccogliere 2 ml di campioni di sangue dalle arterie utilizzando un ago sterile in una fiala semplice (senza additivi) e sterile. Lasciare coagulare il campione per 30 minuti a temperatura ambiente. Per questo studio, sono stati selezionati 4 pazienti con diagnosi di ARDS lieve e 4 pazienti con ARDS moderata.
    2. Centrifugare il campione a 3100 x g per 15 minuti per separare il siero25. Trasferire il siero in provette sterili per microcentrifuga, facendo aliquote di volume inferiore (ad es. 400-500 μL), etichettarle in modo appropriato (nome del paziente, numero di CR, punto del giorno, ecc.) e conservarle a -80 °C per analisi future.
      NOTA: A questo punto, l'esperimento può essere messo in pausa e ripreso in un momento opportuno.
  2. Elaborare il campione di siero prima degli esperimenti NMR utilizzando i seguenti passaggi.
    1. Scongelare il campione prima di eseguire gli esperimenti NMR. Miscelare 250 μL di aliquota di siero con 250 μL di soluzione tampone fosfato salino (contenente 100% D2O, 0,9% NaCl, 50 mM di tampone fosfato di sodio, pH 7,4) per ridurre al minimo la variazione del pH.
    2. Agitare la miscela per alcuni secondi (~15 s) per assicurarsi che sia miscelata in modo omogeneo. Infine, trasferire il campione preparato in una provetta NMR pulita con un inserto coassiale contenente trimetilsilil propionato (TSP) a una concentrazione di 0,05 mM, che funge da standard esterno per la calibrazione e la quantificazione41.
      NOTA: Come riferimento, viene utilizzato un composto inerte e non reattivo che non interagisce con gli analiti. Altri composti di riferimento comunemente usati includono il tetrametilsilano (TMS) e il trimetilsililpropansulfonato di sodio (DSS).

3. Sperimentazione NMR

NOTA: L'obiettivo è identificare piccole molecole nei campioni di siero, quindi abbiamo utilizzato la sequenza di impulsi Carr-Purcell-Meiboom-Gill (CPMG), che sopprime i segnali delle macromolecole. Tutti i campioni di siero in questo studio sono stati registrati utilizzando uno spettrometro NMR da 800 MHz dotato di una testa della sonda inversa a banda larga TCI a tripla risonanza raffreddata criogenicamente da 5 mm e gradiente z schermato.

  1. Posizionare il campione nel magnete. Scrivi il comando wrpa (menziona il numero dell'esperimento) e premi invio per impostare un esperimento protonico con il programma cpmg pulse. Menziona il nome del paziente e altri dettagli necessari facendo clic sull'opzione Titolo.
  2. Bloccare il campo magnetico Scrivendo il comando Blocca, premere invio, e selezionare ulteriormente l'opzione 90% H2O e 10% D2O . Sintonizza e abbina la sonda manualmente tramite ATMM per ottimizzare l'efficienza degli impulsi a radiofrequenza e massimizzare la sensibilità. Esegui lo spessore sfumato 1D facendo clic su topshim.
  3. Impostare i seguenti parametri di acquisizione, tra cui un ritardo di rilassamento di 5 s, un'ampiezza di scansione spettrale di 12 parti per milione (ppm) e un tempo di eco di 300 μs. Tutti questi parametri possono essere facilmente modificati selezionando l'opzione Parametri di acquisizione nel pannello superiore.
  4. Applica l'allargamento della linea di 0,3 Hz utilizzando una funzione di finestra esponenziale, raccogliendo dati in 64.000 punti in 128 scansioni. Questi parametri possono essere modificati in modo analogo selezionando l'opzione Parametri di acquisizione nel pannello superiore. Cliccando su Parametri di acquisizione, apparirà un elenco di specifiche e gli attributi menzionati, insieme ad altri parametri, possono essere modificati durante l'ottimizzazione.
  5. Acquisisci gli spettri NMR utilizzando strumenti di elaborazione e analisi NMR. Una volta ottenuti gli spettri finali, scrivi i comandi apk e absn e premi invio per eseguire rispettivamente la correzione di fase e la correzione della linea di base. Fare clic sull'opzione Calibra asse presente nel pannello superiore, quindi calibrare il picco TSP a 0 ppm automaticamente o manualmente.
  6. Trasferire i dati acquisiti dal sistema alla postazione di lavoro, dove vengono eseguite ulteriori elaborazioni e analisi.
    NOTA: La fase sperimentale è ora completa e può essere messa in pausa. La preelaborazione, l'analisi e l'interpretazione dei dati possono essere eseguite comodamente.

4. Pretrattamento dei dati

  1. Condurre la pre-elaborazione dei dati utilizzando strumenti di elaborazione e analisi NMR e software di quantificazione dei metaboliti NMR.
    1. A volte, la sola correzione automatica non è sufficiente e, in tal caso, è necessaria anche la correzione manuale. Per eseguire manualmente la correzione di fase, fare clic sull'opzione Elabora nella barra dei menu in alto degli strumenti di elaborazione e analisi NMR. Quindi fare clic su Regola fase, trascinare il mouse e osservare fino a quando gli spettri non vengono corretti in fase. Una volta fatto, fai clic sull'opzione Salva e Torna (presente sotto forma di icona) disponibile nella stessa barra dei menu.
    2. Per eseguire la correzione manuale della linea di base (metodo Whittaker), aprire il file spettrale nel modulo processore del software di quantificazione dei metaboliti NMR. Selezionare l'opzione Correzione linea di base. Quindi seleziona l'opzione Metodo Whittaker. Ora metti i punti alla base dei picchi in tutti gli spettri (da 0,0 a 10 ppm, di solito nel caso del siero o secondo la disponibilità del metabolita negli spettri) per regolare la base. Dopo che tutti i file spettrali sono stati corretti di baseline, salvateli in un'unica cartella. Un'ulteriore elaborazione, utilizzando il processore o il modulo profiler del software di quantificazione dei metaboliti NMR, può essere eseguita utilizzando lo stesso file salvato nel formato specifico.
    3. Eseguire il binning utilizzando il modulo profiler dello stesso software. Selezionare l'opzione Strumenti, quindi Elaborazione batch e infine Binning spettrale.
  2. Per generare il foglio di binning finale da utilizzare per l'analisi statistica, selezionare la cartella contenente tutti i file spettrali corretti per la baseline dopo aver fatto clic su Binning spettrale.
  3. Dividi gli spettri in un determinato numero di contenitori di uguali dimensioni con una larghezza spettrale definita, compresa tra 0,01 e 0,04 ppm (può essere ottimizzata secondo lo studio). Questo processo semplifica e organizza i dati spettrali, facilitando un'analisi più coerente. Specificare la dimensione del secchio insieme ai valori ppm iniziale e finale e designare la cartella in cui verranno salvati i fogli di binning di output.
  4. Escludere le regioni di spostamento chimico corrispondenti all'acqua e al solvente TSP (4,8-5,2 e 0,0-0,7 ppm) per prevenire l'interferenza spettrale 42,43,44.
  5. Questo foglio di calcolo contiene i nomi degli esempi in una riga e i diversi valori dei contenitori insieme a ppm nelle altre righe. Prima di utilizzare questo foglio per l'analisi statistica, modificarlo organizzando i campioni in gruppi per l'analisi e salvandolo solo in formato delimitato da virgole (CSV).
    NOTA: Ad esempio, quando si confronta il gruppo lieve con il gruppo moderato di pazienti con ARDS, abbiamo organizzato i dati con etichette lieve e moderata, abbiamo aggiunto un numero di serie e salvato il file in formato CSV.

5. Analisi statistica

NOTA: Il foglio di binning ottenuto dal passaggio precedente funge da file di input per l'analisi statistica. In questo studio è stato utilizzato il modulo di analisi statistica (un fattore) del software di analisi statistica metabolomica.

  1. Prima dell'analisi statistica, eseguire la fase di normalizzazione utilizzando somma, log e Pareto, ma può variare tra i diversi studi45.
  2. Eseguire analisi univariate e multivariate per distinguere i diversi gruppi e determinare l'accuratezza dei metaboliti identificati.
    1. Eseguire l'analisi delle componenti principali (PCA), l'analisi discriminante parziale dei minimi quadrati (PLS-DA) e l'analisi discriminante dei minimi quadrati parziali ortogonali (OPLS-DA) per osservare la discriminazione tra i gruppi che producono punteggi VIP (Variable Importance of Projection) per ogni metabolita responsabile della differenza nel profilo metabolico.
    2. Eseguire metodi univariati, come il t-test di Student e l'ANOVA, per identificare i metaboliti significativi in base ai criteri di avere un valore p inferiore a 0,05. Entrambi i test producono grafici a scatola che mostrano la differenza nella concentrazione relativa dei metaboliti.
    3. Eseguire l'analisi dei biomarcatori, che produce un'area sotto il grafico della curva caratteristica operativa del ricevitore (AUROC). Il valore AUC (area sotto la curva) > 0,8 è considerato significativo46.
    4. Selezionare l'elenco finale dei metaboliti significativi utilizzando i criteri Punteggio VIP>1, valore p corretto per Bonferroni<0,0544 e AUC > 0,846.
  3. Identificare i metaboliti come descritto di seguito.
    1. Il binning fornisce metaboliti significativi sotto forma di valori ppm piuttosto che di nomi. Identificare i metaboliti corrispondenti a specifici valori di ppm utilizzando database come la Biological Magnetic Resonance Bank (BMRB)47e lo Human Metabolome Database (HMDB).
    2. Oltre a questi, utilizzare la letteratura precedentemente pubblicata42,44 per l'identificazione e la convalida.
    3. Utilizzare il modulo profiler del software di quantificazione dei metaboliti NMR per confermare i metaboliti identificati con i loro valori ppm.

6. Quantificazione dei metaboliti mediante software di quantificazione dei metaboliti NMR

NOTA: Il modulo profiler del software è ampiamente utilizzato per quantificare i metaboliti identificati.

  1. Prima di iniziare la quantificazione, calibrare il composto di riferimento selezionato per lo studio (tsp utilizzato in questo studio) utilizzando il modulo processore. Fare clic sull'opzione Calibra CSI (indicatore di forma chimica). Indicare la concentrazione del composto di riferimento (0,05 mM per questo studio). Quindi, trascinare il picco del software sul picco di riferimento spettrale e regolarne correttamente l'altezza e la larghezza. Una volta che i picchi di riferimento spettrale si adattano al picco del software, fare clic su Accetta.
  2. Aprire gli spettri desiderati nel modulo del profilatore e selezionare la libreria di composti appropriata per lo studio.
  3. Nella parte inferiore dello schermo viene visualizzato un elenco di metaboliti. Seleziona il metabolita di interesse da questo elenco. Una volta selezionato, i possibili ppm del metabolita scelto appariranno nell'angolo superiore degli spettri.
  4. Seleziona il valore Ppm nell'angolo in alto e ingrandisci gli spettri fino alla scala ppm specifica del metabolita.
  5. A questo punto, sullo schermo compariranno due picchi: uno che rappresenta i dati registrati e l'altro, visualizzato come una linea tratteggiata, che rappresenta il picco del software. Allineare entrambi i picchi. Trascinare il picco del software e regolarne l'altezza e la posizione in modo che corrispondano al picco presente nel campione.
  6. Una volta correttamente allineato, la concentrazione del metabolita può essere ottenuta dal valore visualizzato sotto la voce concentrazione in mM per quel metabolita (Figura 1).
  7. Segui la stessa procedura per tutti i metaboliti e i campioni ed esporta i valori quantificati in un foglio di calcolo. Per generare il file di output, fare clic sull'opzione Operazioni batch nel menu Strumenti . Specificare la cartella desiderata per il salvataggio del file di output.

7. Analisi dei percorsi

NOTA: I metaboliti significativi identificati dopo l'analisi vengono utilizzati per determinare i principali percorsi che influenzano direttamente l'esito nei gruppi di malattia. Il modulo di analisi dei percorsi del software di analisi statistica metabolomica e il database KEGG sono generalmente utilizzati per questo scopo.

  1. Inserire l'elenco ottenuto di metaboliti significativi nel modulo. Viene generato un elenco contenente i nomi dei percorsi.
  2. Selezionare i percorsi finali in base a un criterio di fattore di impatto maggiore di 0,1. Valori di impatto significativi indicano percorsi correlati alla malattia30.
  3. Analizzare a fondo i percorsi risultanti per chiarire la disregolazione associata alla gravità della malattia. Uno dei demeriti di questo metodo è la sua inefficienza nell'identificare le vie disregolate quando i metaboliti significativi sono inferiori a 3.
  4. Per far fronte a ciò, il metabolita identificato e la sua correlazione con la gravità della malattia possono essere determinati anche utilizzando la letteratura precedentemente pubblicata. Esegui un'indagine approfondita sulla letteratura e osserva se anche il metabolita identificato sta seguendo la stessa tendenza secondo il tuo interesse.

figure-protocol-1
Figura 1: Passaggi fondamentali della metabolomica basata sulla risonanza magnetica magnetica. La figura presenta le fasi chiave della metabolomica basata sulla risonanza magnetica nucleare: raccolta e preparazione dei campioni, esecuzione della spettroscopia NMR, pre-elaborazione dei dati, conduzione di analisi statistiche, identificazione e quantificazione dei metaboliti e interpretazione del significato biologico. Clicca qui per visualizzare una versione più grande di questa figura.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

Per condurre uno studio di metabolomica, è essenziale determinare la dimensione del campione e i gruppi specifici che verranno analizzati. La selezione di un campione di dimensioni adeguate è essenziale per ottenere risultati significativi che siano accuratamente correlati alla gravità della malattia48. Tuttavia, in questo particolare lavoro, abbiamo utilizzato un campione di piccole dimensioni per dimostrare i passaggi coinvolti nell'identificazione e nella quantificazione dei metaboliti utilizza...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

La metabolomica identifica e quantifica in modo efficiente i metaboliti, mirando ai cicli metabolici che diventano squilibrati durante la malattia. La qualità dei risultati dipende dall'esecuzione meticolosa di ogni fase dell'approccio metabolomico. Ogni fase, dalla selezione e raccolta dei campioni all'identificazione del percorso, è fondamentale per identificare con precisione i fattori primari che contribuiscono alla malattia. Prima di eseguire la metabolomica, è essenziale una revisi...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Gli autori dichiarano di non avere alcun interesse finanziario concorrente.

Ringraziamenti

AS riconosce l'iscrizione all'Accademia della Ricerca Scientifica e Innovativa (AcSIR) (Registrazione n. 10BB22A71002). AS riconosce inoltre l'Organizzazione per la Ricerca e lo Sviluppo della Difesa (DRDO) per la borsa di studio. Ringraziamo il Centre of Biomedical Research (CBMR) per aver fornito la struttura dello spettrometro NMR a 800 MHz e il finanziamento attraverso il progetto intramurale (CBMR/IMR/0008/2021). Ringraziamo anche il Dipartimento di Medicina di Terapia Intensiva (CCM), SGPGIMS, per il supporto costante. Riconosciamo l'aiuto di molti infermieri e, soprattutto, dei pazienti arruolati in questo studio. Questo studio è stato finanziato dal progetto intramurale (CBMR/IMR/0008/2021) del Centre of Biomedical Research (CBMR) e dal progetto extramurale (n. LSRB/01/15001/LSRB-404/PEE&BS/2023) dell'Organizzazione per la ricerca e lo sviluppo della difesa (DRDO).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
CentirfugeSigma aldrich3-18KS
Chenomx NMR suite NMR Suite, v9, Chenomx Inc., Edmonton, CanadaSoftware di quantificazione dei metaboliti NMR
Inserto coassialeSigma aldrichZ278513
Ossido di deuterimSigma aldrich151882
Eppendorf provetteTarsons500020
MetaboanalystWishart Research GroupSoftware di analisi statistica metabolomica
Tubo NMRWilmadZ412007Pipetta da 5 mm di diametro
Eppendorf research plus31230000390-100 μ l
Fiale di raccolta campioni Fialecriogeniche Tarsons523194
Sodio azideSigma aldrichS2002
Cristallo di cloruro di sodioSigma aldrichS9625
Sodio fosfato bibasicoSigma aldrich567550
Sodio fosfato monobasicoSigma aldrichS0751
Topspin 3.6.4Strumento di elaborazione e analisi RMNBruker
Sale TspSigma aldrich269913

Riferimenti

  1. Rubenfeld, G. D. Confronting the frustrations of negative clinical trials in acute respiratory distress syndrome. Ann. Am. Thorac. Soc. 12 (Supplement 1), S58-S63 (2015).
  2. Ware, L. B., et al. Prognostic and pathogenetic value of combining clinical and biochemical indices in patients with acute lung injury. Chest. 137 (2), 288-296 (2010).
  3. Johnson, C. H., Julijana, I., Gary, S. Metabolomics: beyond biomarkers and towards mechanisms. Nat Rev Mol Cell Biol. 17 (7), 451-459 (2016).
  4. Patti, G. J., Oscar, Y., Gary, S. Metabolomics: the apogee of the omics trilogy. Nat Rev Mol Cell Biol. 13 (4), 263-269 (2012).
  5. Nicholson, J. K., John, C. L. Metabonomics. Nature. 455 (7216), 1054-1056 (2008).
  6. Schnackenberg, L. K., Beger, R. D. Monitoring the health to disease continuum with global metabolic profiling and systems biology. Pharmacogenomics. 7 (7), 1077-1086 (2006).
  7. Pandey, S., Siddiqui, M. A., Azim, A., Sinha, N. Metabolic fingerprint of patients showing responsiveness to treatment of septic shock in intensive care unit. Magn Reson Mater Phys Biol Med. 36 (4), 659-669 (2023).
  8. Mamas, M., Dunn, W. B., Neyses, L., Goodacre, R. The role of metabolites and metabolomics in clinically applicable biomarkers of disease. Arch. Toxicol. 85, 5-17 (2011).
  9. Dunn, W. B., Broadhurst, D. I., Atherton, H. J., Goodacre, R., Griffin, J. L. Systems level studies of mammalian metabolomes: the roles of mass spectrometry and nuclear magnetic resonance spectroscopy. Chem Soc Rev. 40 (1), 387-426 (2011).
  10. Dettmer, K., Bruce, D. H. Metabolomics--a new exciting field within the" omics" sciences. Environ Health Perspect. 112 (7), A396-A397 (2004).
  11. Goodacre, R., Vaidyanathan, S., Dunn, W. B., Harrigan, G. G., Kell, D. B. Metabolomics by numbers: acquiring and understanding global metabolite data. Trends Biotechnol. 22 (5), 245-252 (2004).
  12. Lindon, J. C., Nicholson, J. K., Holmes, E., Everett, J. R. Metabonomics: metabolic processes studied by NMR spectroscopy of biofluids. Concepts Magn Reson Educ J. 12 (5), 289-320 (2000).
  13. Bernini, P., et al. Individual human phenotypes in metabolic space and time. J Proteome Res. 8 (9), 4264-4271 (2009).
  14. Nicholson, J. K., et al. Metabolic phenotyping in clinical and surgical environments. Nature. 491 (7424), 384-392 (2012).
  15. Vinayavekhin, N., Homan, E. A., Saghatelian, A. Exploring disease through metabolomics. ACS Chem Biol. 5 (1), 91-103 (2010).
  16. Dunn, W. B., Ellis, D. I. Metabolomics: current analytical platforms and methodologies. TrAC Trends Anal Chem. 24 (4), 285-294 (2005).
  17. Dunn, W. B., Bailey, N. J. C., Johnson, H. E. Measuring the metabolome: current analytical technologies. Analyst. 130 (5), 606-625 (2005).
  18. Bingol, K. Recent advances in targeted and untargeted metabolomics by NMR and MS/NMR methods. High-throughput. 7 (2), 9(2018).
  19. Emwas, A. H. M. The strengths and weaknesses of NMR spectroscopy and mass spectrometry with particular focus on metabolomics research. Methods Mol Biol. 1277, 161-193 (2015).
  20. Markley, J. L., et al. The future of NMR-based metabolomics. Curr Opin Biotechnol. 43, 34-40 (2017).
  21. Marchand, J., Martineau, E., Guitton, Y., Dervilly-Pinel, G., Giraudeau, P. Multidimensional NMR approaches towards highly resolved, sensitive and high-throughput quantitative metabolomics. Curr Opin Biotechnol. 43, 49-55 (2017).
  22. Eghbalnia, H. R., et al. Increasing rigor in NMR-based metabolomics through validated and open source tools. Curr Opin Biotechnol. 43, 56-61 (2017).
  23. Vignoli, A., et al. High-throughput metabolomics by 1D NMR. Angew Chem Int Ed. 58 (4), 968-994 (2019).
  24. Sundekilde, U. K., Eggers, N., Bertram, H. C. NMR-based metabolomics of food. Methods Mol Biol. 2037, 335-344 (2019).
  25. Garcia-Perez, I., et al. Identifying unknown metabolites using NMR-based metabolic profiling techniques. Nat Protoc. , 1-30 (2020).
  26. Dona, A. C., et al. A guide to the identification of metabolites in NMR-based metabonomics/metabolomics experiments. Comput Struct Biotechnol J. 14, 135-153 (2016).
  27. Siddiqui, M. A., Pandey, S., Azim, A., Sinha, N., Siddiqui, M. H. Metabolomics: an emerging potential approach to decipher critical illnesses. Biophys Chem. 267, 106462(2020).
  28. McNicholas, B. A., et al. Impact of early acute kidney injury on management and outcome in patients with acute respiratory distress syndrome: a secondary analysis of a multicenter observational study. Crit. Care Med. 47 (9), 1216-1225 (2019).
  29. Ambruso, S. L., et al. Inter-organ communication in homeostasis and disease: Lung metabolomics after ischemic acute kidney injury reveals increased oxidative stress, altered energy production, and ATP depletion. Am J Physiol Lung Cell Mol Physiol. 321 (1), L50(2021).
  30. Viswan, A., et al. Metabolomics based predictive biomarker model of ARDS: A systemic measure of clinical hypoxemia. PloS One. 12 (11), e0187545(2017).
  31. Metwaly, S. M., Brent, W. W. Systems biology ARDS research with a focus on metabolomics. Metabolites. 10 (5), 207(2020).
  32. Stringer, K. A., et al. Metabolic consequences of sepsis-induced acute lung injury revealed by plasma 1H-nuclear magnetic resonance quantitative metabolomics and computational analysis. Am J Physiol Lung Cell Mol Physiol. 300 (1), L4-L11 (2011).
  33. Singh, A., Siddiqui, M. A., Pandey, S., Azim, A., Sinha, N. Unveiling Pathophysiological Insights: Serum Metabolic Dysregulation in Acute Respiratory Distress Syndrome Patients with Acute Kidney Injury. J Proteome Res. 23 (10), 4216-4228 (2024).
  34. Slupsky, C. M. NMR-based analysis of metabolites in urine provides rapid diagnosis and etiology of pneumonia. Biomark Med. 4 (2), 195-197 (2010).
  35. Siddiqui, M. A., et al. NMR spectroscopy-based analysis of gallstones of cancerous and benign gallbladders from different geographical regions of the Indian subcontinent. Plos One. 18 (6), e0286979(2023).
  36. Li, J., et al. 1HNMR-based metabolomic profile of rats with experimental acute pancreatitis. BMC Gastroenterol. 14, 1-7 (2014).
  37. Mao, H., et al. Systemic metabolic changes of traumatic critically ill patients revealed by an NMR-based metabonomic approach. J Proteome Res. 8 (12), 5423-5430 (2009).
  38. Stringer, K. A., Jones, A. E., Puskatich, M. A., Karnovsky, A., Serkova, N. J. 1H-nuclear magnetic resonance (NMR)-detected lipids associated with apoptosis differentiate early acute respiratory distress syndrome (ARDS) from sepsis. C63. LUNG INJURY AND REPAIR: TWO TO TANGO. Am J Resp Crit Care Med. 189, A5000(2014).
  39. Viswan, A., Singh, C., Kayastha, A. M., Azim, A., Sinha, N. An NMR based panorama of the heterogeneous biology of acute respiratory distress syndrome (ARDS) from the standpoint of metabolic biomarkers. NMR Biomed. 33 (2), e4192(2020).
  40. Singh, C., et al. Metabolic profiling of human lung injury by 1 H high-resolution nuclear magnetic resonance spectroscopy of blood serum. Metabolomics. 11, 166-174 (2015).
  41. Pandey, S., Siddiqui, M. A., Trigun, S. K., Azim, A., Sinha, N. Gender-specific association of oxidative stress and immune response in septic shock mortality using NMR-based metabolomics. Mol Omics. 18 (2), 143-153 (2022).
  42. Nagana, G. A., Gowda, Y. N., Raftery, D. Expanding the limits of human blood metabolite quantitation using NMR spectroscopy. Anal Chem. 87 (1), 706-715 (2015).
  43. Gowda, G. A. N., Raftery, D. Quantitating metabolites in protein precipitated serum using NMR spectroscopy. Anal Chem. 86 (11), 5433-5440 (2014).
  44. Gowda, G. A. N., Raftery, D. NMR-based metabolomics. Adv Exp Med Biol. 1280, 19-37 (2021).
  45. Xia, J., Psychogios, N., Young, N., Wishart, D. S. MetaboAnalyst: a web server for metabolomic data analysis and interpretation. Nucleic Acids Res. 37 (suppl_2), W652-W660 (2009).
  46. orbacıoğlu, ŞK., Aksel, G. Receiver operating characteristic curve analysis in diagnostic accuracy studies: A guide to interpreting the area under the curve value. Turk J Emerg Med. 23 (4), 195(2023).
  47. Ulrich, E. L., et al. BioMagResBank. Nucleic Acids Res. 36 (suppl_1), D402-D408 (2007).
  48. Nyamundanda, G., Gormley, I. C., Fan, Y., Gallagher, W. M., Brennan, L. MetSizeR: selecting the optimal sample size for metabolomic studies using an analysis based approach. BMC bioinformatics. 14, 1-8 (2013).
  49. Beckonert, O., et al. Metabolic profiling, metabolomic and metabonomic procedures for NMR spectroscopy of urine, plasma, serum and tissue extracts. Nat Protoc. 2 (11), 2692(2007).
  50. Dona, A. C., et al. Precision high-throughput proton NMR spectroscopy of human urine, serum, and plasma for large-scale metabolic phenotyping. Anal Chem. 86 (19), 9887-9894 (2014).
  51. Ala-Korpela, M. Potential role of body fluid 1H NMR metabonomics as a prognostic and diagnostic tool. Expert Rev Mol Diagn. 7 (6), 761-773 (2007).
  52. Takeda, I., et al. Understanding the human salivary metabolome. NMR Biomed. 22 (6), 577-584 (2009).
  53. Callejon-Leblic, B. em, García-Barrera, T., Pereira-Vega, A., Gómez-Ariza, J. L. Metabolomic study of serum, urine and bronchoalveolar lavage fluid based on gas chromatography mass spectrometry to delve into the pathology of lung cancer. J Pharm Biomed Anal. 163, 122-129 (2019).
  54. Van Oort, P. M. P., et al. Exhaled breath metabolomics for the diagnosis of pneumonia in intubated and mechanically-ventilated intensive care unit (ICU)-patients. Int J Mol Sci. 18 (2), 449(2017).
  55. Serkova, N. J., Niemann, C. U. Pattern recognition and biomarker validation using quantitative 1H-NMR-based metabolomics. Expert Rev Mol Diagn. 6 (5), 717-731 (2006).
  56. Meiboom, S., Gill, D. Modified spin-echo method for measuring nuclear relaxation times. Rev Sci Instrum. 29 (8), 688-691 (1958).
  57. Xi, Y., Rocke, D. M. Baseline correction for NMR spectroscopic metabolomics data analysis. BMC bioinformatics. 9, 1-10 (2008).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Esplora altri articoli

Metabolomica NMRQuantificazione dei metabolitiMetabolomica della ARDSSpettroscopia NMR del sieroProfilazione metabolicaAnalisi delle componenti principaliAnalisi dei biomarcatoriAnalisi delle vie metabolicheDisregolazione del lattato
Identificazione e quantificazione di metaboliti squilibrati in pazienti critici utilizzando la metabolomica basata sulla risonanza magnetica nucleare
Contattaci
Consiglia alla biblioteca

Privacy

Termini di utilizzo

Politiche

Copyright © 2026 MyJoVE Corporation. Tutti i diritti riservati.