Cientistas associados ao projeto internacional de software MZmine, liderado pelo Dr. Robin Schmid e Dr. Tomáš Pluskal do Instituto de Química Orgânica e Bioquímica da Academia Tcheca de Ciências, criaram um novo software que acelera e simplifica significativamente a identificação de produtos químicos nos tecidos.



Ele permite que os pesquisadores reconheçam produtos químicos com segurança e visualizem sua distribuição nos órgãos. Em comparação com os fluxos de trabalho estabelecidos, o novo pipeline requer menos trabalho no laboratório para obter insights semelhantes sobre a química que ocorre, por exemplo, em tumores e lesões inflamatórias. O artigo que apresenta este software à comunidade científica global acaba de ser publicado na revista Nature Communications .

No IOCB Praga, o Dr. Robin Schmid está principalmente envolvido no desenvolvimento do software SIMSEF (fragmentação exaustiva programada por mobilidade iônica espacial) junto com seus colegas do grupo do Prof. baseado.

O trabalho é feito em colaboração com os desenvolvedores do espectrômetro de massa de última geração timsTOF fleX da Bruker Daltonics, que permite a elucidação de alto nível da composição das moléculas medindo a mobilidade dos íons.

"Até agora, os cientistas podiam dizer com um espectrómetro de massa que esta era a fórmula da molécula que estavam a observar, mas quando olharam para a base de dados e tentaram identificar esta substância, foi muito difícil. A razão é que os métodos biológicos as amostras podem conter numerosos lipídios distintos e combinações de moléculas que muitas vezes são biologicamente muito diferentes."

“Agora, graças ao novo algoritmo, é possível olhar dentro da molécula, saber do que ela é composta e até comparar imagens entre si”, explica Robin Schmid. Isto pode fornecer informações importantes, por exemplo, que uma parte específica do cérebro contém um tipo de lípido diferente de outra parte deste órgão essencial e que este lípido específico está ausente noutros tecidos.

O algoritmo SIMSEF foi desenvolvido em colaboração com médicos especialistas de universidades alemãs e suíças. Crucialmente para os médicos, a detecção de biomarcadores clínicos para fins de diagnóstico também é significativamente acelerada. Aprender muito rapidamente, por exemplo, se estão a lidar com um lípido ou metabolito que só é encontrado em tecido canceroso, desempenha um papel crítico na decisão sobre tratamento adicional. Escusado será dizer que isto tem grandes implicações para o seu resultado.

O novo algoritmo faz parte do pacote de software de código aberto MZmine, que tem ajudado especialistas em todo o mundo a analisar dados de espectrometria de massa desde 2005. Steffen Heuckeroth da equipe MZmine e do Instituto de Química Inorgânica e Analítica da Universidade de Münster foi o principal desenvolvedor do algoritmo SIMSEF e é o primeiro autor do artigo agora publicado na Nature Communications .

Ele acrescenta:“O artigo em questão não contém nenhuma descoberta específica no campo da biologia. No entanto, graças ao nosso novo método, muitos cientistas podem melhorar e acelerar o seu trabalho, o que abre espaço para novas descobertas”.

"Sempre achei ótimo quando permitimos que outras pessoas melhorem as condições de trabalho para suas pesquisas e também comuniquem isso a outros cientistas. Graças ao feedback da comunidade científica que usa o MZmine, o próprio programa impulsiona diretamente suas pesquisas", acrescenta. Robin Schmid do IOCB Praga.

O diretor do IOCB Praga, Prof. Jan Konvalinka, destaca:"Hoje em dia, todo mundo fala sobre aprendizado de máquina e inteligência artificial. Nossos colegas da equipe do Dr. Pluskal estão usando isso para resolver problemas altamente específicos em pesquisa, bem como na prática clínica".

A terceira geração do MZmine, publicada na primavera de 2023 na revista Nature Biotechnology , pode processar milhares de amostras por hora. Os algoritmos recentemente desenvolvidos por esta equipa internacional melhoram ainda mais as capacidades existentes para ligar diferentes tipos de dados, incluindo a combinação de dados de métodos analíticos e de imagem, o que até agora não era possível com nenhum software académico ou comercial.

Mais informações: Steffen Heuckeroth et al, Bioimagem MALDI-TIMS-MS2 dependente de conjunto de dados em tecidos, Nature Communications (2023). DOI:10.1038/s41467-023-43298-9
Informações do diário: Comunicações da Natureza , Biotecnologia da Natureza

Fornecido pelo Instituto de Química Orgânica e Bioquímica da Academia Tcheca de Ciências (IOCB Praga)