Forskare vid RIKEN Center for Sustainable Resource Science (CSRS) i Japan har utvecklat ett nytt beräkningsmasspektrometrisystem för att identifiera metabolomer – hela uppsättningar av metaboliter för olika levande organismer. När den nya metoden testades på utvalda vävnader från 12 växtarter, den kunde notera över 1000 metaboliter. Bland dem fanns dussintals som aldrig hade hittats tidigare, inklusive de med potential för antibiotika och cancer.

Det vanliga smärtstillande medlet aspirin (acetylsalicylsyra) tillverkades först på 1800-talet, och är berömt härlett från pilbarkextrakt, en medicin som beskrevs i lertabletter för tusentals år sedan. Efter att en ny syntesmetod upptäcktes, och efter att den hade använts runt om i världen i nästan 70 år, forskare kunde äntligen förstå hur det fungerar. Detta var en lång historisk process, och medan växter förblir en nästan oändlig resurs för läkemedelsupptäckt och bioteknik, tusentals år är inte längre en acceptabel tidsram.

Varför tar det så lång tid?

Det största problemet är att det finns miljontals växtarter och var och en har sin egen metabolom – uppsättningen av alla produkter från växtens ämnesomsättning. För närvarande, vi känner bara till cirka 5 procent av alla dessa naturprodukter. Även om masspektrometri kan identifiera växtmetaboliter, det fungerar bara för att avgöra om ett prov innehåller en given molekyl. Att söka efter ännu okända metaboliter är en annan historia.

Beräkningsmasspektrometri är ett växande forskningsfält som fokuserar på att hitta tidigare okända metaboliter och förutsäga deras funktioner. Fältet har etablerat metabolomdatabaser och arkiv, som underlättar global identifiering av människor, växt, och mikrobiota metabolomer. Leds av Hiroshi Tsugawa och Kazuki Saito, ett team på CSRS har ägnat flera år åt att utveckla ett system som snabbt kan identifiera ett stort antal växtmetaboliter, inklusive de som inte har identifierats tidigare.

Som Tsugawa förklarar, "medan ingen programvara heltäckande kan identifiera alla metaboliter i en levande organism, vårt program innehåller nya tekniker inom beräkningsmasspektrometri och ger 10 gånger så mycket täckning som tidigare metoder." I tester, medan masspektrometribaserade metoder bara noterade cirka hundra metaboliter, lagets nya system kunde hitta mer än tusen.

Den nya beräkningstekniken bygger på flera nya algoritmer som jämför masspektrometriutdata från växter som är märkta med kol-13 med de som inte är det. Algoritmerna kan förutsäga metaboliternas molekylformel och klassificera dem efter typ. De kan också förutsäga understrukturen av okända metaboliter, och baserat på likheter i struktur, koppla dem till kända metaboliter, som kan hjälpa till att förutsäga deras funktioner.

Att kunna hitta okända metaboliter är ett viktigt försäljningsargument för den nya mjukvaran. Särskilt, systemet kunde karakterisera en klass av antibiotika (bensoxazinoider) i ris och majs samt en klass med antiinflammatoriska och antibakteriella egenskaper (glykoalkaloider) i vanlig lök, tomat, och potatis. Den kunde också identifiera två klasser av anti-cancermetaboliter, en (triterpen saponiner) i sojabönor och lakrits, och den andra (beta-karbolinalkaloid) i en växt från kaffefamiljen.

Förutom att underlätta screeningen av växtspecialiserade metabolomer, den nya processen kommer att påskynda upptäckten av naturliga produkter som kan användas i läkemedel, och även öka förståelsen för växtfysiologi i allmänhet.

Som Tsugawa noterar, användningen av denna nya metod är inte begränsad till växter. "Jag tror att beräkningsmässigt avkodande metabolomisk masspektrometridata är kopplad till en djupare förståelse av alla metabolismer. Vårt nästa mål är att förbättra denna metodik för att underlätta global identifiering av mänskliga och mikrobiota metabolomer också. Nyfunna metaboliter kan sedan undersökas ytterligare via genomik , transkriptomik, och proteomik."

Studien publicerades i mars, 28 tum Naturmetoder .