Los investigadores han desarrollado una herramienta para la aplicación completa de la metabolómica basada en la resonancia magnética nuclear no dirigida (RMN) para el descubrimiento de biomarcadores en diferentes muestras biológicas como la orina, extractos de sangre o células.
La metabolómica de RMN no dirigida comprende la investigación de compuestos de bajo peso molecular, llamados metabolitos, que están desregulados en condiciones específicas como una enfermedad. El uso de un enfoque no dirigido no requiere conocimientos previos sobre una vía metabólica específica, pero proporciona información valiosa sobre las huellas dactilares que revelan estas condiciones específicas.
La metabolómica no dirigida tiene un contenido computacional importante, AlpsNMR cubre el flujo de trabajo completo de los datos de RMN desde el preprocesamiento de señales hasta el aprendizaje automático para el descubrimiento de biomarcadores. El software está disponible para la comunidad metabolómica.
Santi Marco, líder de grupo del IBEC y profesor de la UB
La herramienta desarrollada, llamada AlpsNMR (Sistema de procesamiento espectral automatizado para RMN), es un paquete R que aplica un flujo de trabajo conciso de manera automatizada, en el que los usuarios no necesitan demasiado conocimiento sobre el procedimiento. Esta tubería comprende todos los pasos del flujo de trabajo de la metabolómica, desde los espectros 1D hasta la identificación de los biomarcadores putativos que predicen una condición. La canalización comienza con el paso de carga que importa el directorio que contiene múltiples espectros de RMN 1H. El paquete también incluye algoritmos para la detección de muestras atípicas y, si corresponde, puede informar y eliminarlas. El paquete es capaz de detectar, alinear y normalizar los picos de RMN mediante varios algoritmos (creatinina urinaria, normalización del cociente probabilístico, área total…) particularmente útil en muestras biológicas de orina. La herramienta crea gráficos interactivos en formato HTML que se pueden editar, ampliar o convertir a una figura PNG. Después de la integración de picos, el marco de datos adquirido está listo para el análisis estadístico. El proceso de selección de picos (o características) se lleva a cabo en base a un sofisticado aprendizaje automático desarrollado especialmente para esta herramienta del paquete. Este análisis estadístico implica la aplicación de modelos de mínimos cuadrados parciales mediante Bootstrap. Finalmente, la identificación de características relevantes utiliza la fuente de la muestra biológica (plasma/suero, orina y células) generando candidatos a metabolitos clasificados obtenidos de acuerdo con la Base de Datos de Metabolomas Humanos.
El paquete y el tutorial de AlpsNMR R están disponibles gratuitamente para descargar desde Bioconductor y github.
Los investigadores contribuyentes incluyen científicos de la investigación de Nestlé, Lausana, Suiza.
Flujo de trabajo paso a paso para el análisis metabolómico basado en RMN no dirigido utilizando AlpsNMR: una herramienta R para el sistema de procesamiento espectral automatizado para metabolómica basada en RMN no dirigida.
Artículo de referencia: Francisco Madrid-Gambin, Sergio Oller-Moreno, Luis Fernandez, Simona Bartova, Maria P. Giner, Cristopher Joyce, Francesco Ferraro, Ivan Montoliu, Sofia Moco and Santiago Marco. AlpsNMR: an R package for signal processing of fully untargeted NMR-based metabolomics. Bioinformatics, vol. 36, no. 9 , 2943-2945., 2020.
Identificador de objeto digital de software: 10.18129/B9.bioc.AlpsNMR
