Hvad er der i denne plante? Det bedste automatiserede system til at finde potentielle stoffer

Forskere ved RIKEN Center for Sustainable Resource Science (CSRS) i Japan har udviklet et nyt beregningsmæssigt massespektrometrisystem til at identificere metabolomer - hele sæt metabolitter for forskellige levende organismer. Da den nye metode blev testet på udvalgte væv fra 12 plantearter, det var i stand til at notere over 1000 metabolitter. Blandt dem var dusinvis, der aldrig var blevet fundet før, herunder dem med antibiotikum og anti-cancer potentiale.

Den almindelige smertestillende aspirin (acetylsalicylsyre) blev først fremstillet i det 19. århundrede, og er berømt afledt af pilebarkekstrakt, en medicin, der blev beskrevet i lertabletter for tusinder af år siden. Efter at en ny syntesemetode blev opdaget, og efter at den havde været brugt over hele verden i næsten 70 år, videnskabsmænd var endelig i stand til at forstå, hvordan det fungerer. Dette var en lang historisk proces, og mens planter forbliver en næsten uendelig ressource til lægemiddelopdagelse og bioteknologi, tusinder af år er ikke længere en acceptabel tidsramme.

Hvorfor tager det så lang tid?

Det største problem er, at der er millioner af plantearter, og hver har sit eget stofskifte - sættet af alle produkter fra plantens stofskifte. I øjeblikket, vi kender kun omkring 5 procent af alle disse naturlige produkter. Selvom massespektrometri kan identificere plantemetabolitter, det virker kun til at bestemme, om en prøve indeholder et givet molekyle. At søge efter endnu ukendte metabolitter er en anden historie.

Computational massespektrometri er et voksende forskningsfelt, der fokuserer på at finde hidtil ukendte metabolitter og forudsige deres funktioner. Feltet har etableret metabolomdatabaser og repositories, som letter global identifikation af mennesker, plante, og mikrobiota metabolomer. Anført af Hiroshi Tsugawa og Kazuki Saito, et team hos CSRS har brugt flere år på at udvikle et system, der hurtigt kan identificere et stort antal plantemetabolitter, inklusive dem, der ikke er blevet identificeret før.

Som Tsugawa forklarer, "Mens ingen software kan identificere alle metabolitterne i en levende organisme, vores program inkorporerer nye teknikker inden for beregningsmæssig massespektrometri og giver 10 gange dækningen af ​​tidligere metoder." I test, mens massespektrometri-baserede metoder kun bemærkede omkring hundrede metabolitter, holdets nye system var i stand til at finde mere end tusind.

Den nye beregningsteknik er afhængig af flere nye algoritmer, der sammenligner massespektrometri-output fra planter, der er mærket med kulstof-13, med dem, der ikke er det. Algoritmerne kan forudsige metabolitternes molekylære formel og klassificere dem efter type. De kan også forudsige understrukturen af ​​ukendte metabolitter, og baseret på ligheder i struktur, forbinder dem med kendte metabolitter, som kan hjælpe med at forudsige deres funktioner.

At kunne finde ukendte metabolitter er et vigtigt salgsargument for den nye software. I særdeleshed, systemet var i stand til at karakterisere en klasse af antibiotika (benzoxazinoider) i ris og majs samt en klasse med antiinflammatoriske og antibakterielle egenskaber (glykoalkaloider) i almindelige løg, tomat, og kartoffel. Det var også i stand til at identificere to klasser af anti-cancer metabolitter, en (triterpen saponiner) i sojabønner og lakrids, og den anden (beta-carboline alkaloid) i en plante fra kaffefamilien.

Ud over at lette screeningen af ​​plantespecialiserede metabolomer, den nye proces vil fremskynde opdagelsen af ​​naturlige produkter, der kan bruges i medicin, og også øge forståelsen af ​​plantefysiologi generelt.

Som Tsugawa bemærker, brugen af ​​denne nye metode er ikke begrænset til planter. "Jeg tror, ​​at beregningsmæssig afkodning af metabolomiske massespektrometridata er forbundet med en dybere forståelse af alle metabolismer. Vores næste mål er at forbedre denne metodologi for også at lette global identifikation af menneskelige og mikrobiota metabolomer. Nyfundne metabolitter kan derefter undersøges yderligere via genomik , transkriptomik, og proteomik."

Undersøgelsen blev offentliggjort i marts, 28 tommer Naturens metoder .