Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
04 de julio de 2012
Página 1
Aplicaciones NO “–ómicas”
del Análisis Comparativo de
Muestras. Ejemplo
Autentificación Alimento.
13:15-13:30
Isidro Masana
Especialista Producto LC/MS
AGILENT TECHNOLOGIES
Seminario: Posibilidades de la Espectrometría
de Masas en Laboratorios de Investigación.
Jueves, 5 Julio 2012, ICTAN-CSIC, Madrid.
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
04 de julio 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.- Ejemplo de Aplicación: Autentificación Muestras de Vino.
3.- Conclusiones.
Objetivo: mostrar el enorme potencial aplicativo del
análisis comparativo de muestras en todo tipo de sectores.
Aportaciones de la Espectrometría de Masas y su
Acoplamiento con HPLC o GC en Alimentación
• Identificar y Cuantificar compuestos presentes en un alimento,
incluyendo trazas de contaminantes.
• Realizar cribados masivos de centenares/miles de compuestos.
• Correlacionar cambios en la composición de alimentos con
sus propiedades:
– Autentificar muestras, detectar fraudes.
– Evaluar el impacto de un tratamiento en la composición del alimento.
• Evaluar el impacto de una dieta o alimento en las rutas
metabólicas de un organismo.
•....
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
04 de julio de 2012
Página 4
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
04 de julio de 2012
Página 5
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, alimentaria o medio ambiental (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,….
• …. …. ….
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
04 de julio de 2012
Página 6
2.- Ejemplo de Aplicación:
Autentificación Muestras
de Vino.
Aplicaciones
NO “-ómicas” de
las Estrategias de
Análisis Metabolómico
• Autentificación de Muestras.
• Determinación de Adulteraciones.
6-9m
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
04 de julio de 2012
Página 7
Ejemplo: Autentificación Muestras con
Sistemas de Tiempo 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
04 de julio de 2012
Página 8
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 - 3 continentes: República Checa,
Eslovaquia, Francia, Italia, Macedonia, Bulgaria, Hungría,
Australia, Chile, Alemania, EE.UU.
• 5 años de Cosechas: 2004 – 2008
CONJUNTO DE MUESTRAS MUY VARIADO
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
04 de julio de 2012
Página 9
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
04 de julio de 2012
Página 10
?
?
? ?
? ? ? ?
? ?
? ? ?
? ?
?
? ? ?
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
10-5m
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
04 de julio de 2012
Página 11
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
04 de julio de 2012
Página 12
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
nsit
y
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
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
04 de julio de 2012
Página 13
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
04 de julio de 2012
Página 14
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
04 de julio de 2012
Página 15
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.
Predicción de Clases Automática : Lab. R&D QC
Etapas:
1.-Se genera un modelo predictivo
(lab. I&D) mediante algoritmos de
predicción de clases (mediante Mass
Profiler Profesional “MPP” a partir de
datos de Mass Hunter MH ):
– 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
Mo
de
lo
Report _____________
_______
__________
__________
Acquisition Feature
Extraction SCP
Mo
de
lo
Report _____________
_______
__________
__________
Acquisition Feature
Extraction SCP
Mo
de
lo
Report _____________
_______
__________
__________
Acquisition Feature
Extraction SCP
Mo
de
lo
Report _____________
_______
__________
__________
Acquisition Feature Extraction Chemometric
Analysis
Aplicación Automática Modelo via Scripting (QC lab)
Mo
de
lo
Pre
dic
tivo
MPP MassHunter
(MH) MassHunter (MH)
MassHunter (MH)
MassHunter (MH)
MassHunter (MH)
Desarrollo del Modelo (lab. R&D)
Página 16
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
04 de julio de 2012
Página 17
3.- Conclusiones
Aplicaciones
NO “-ómicas” de
las Estrategias de
Análisis Metabolómico
• Autentificación de Muestras.
• Determinación de Adulteraciones.
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
04 de julio de 2012
Página 18
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, incluso sin hipótesis previas en
aproximaciones de perfilados genéricos.
• 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.
Aplicaciones no “-ómicas” de las estrategias
de análisis metabolómico
04 de julio de 2012
Página 19
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
04 de julio de 2012
Página 20
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