El 'Analizador de datos de lípidos' facilitará enormemente el trabajo en la investigación biomédica y definitivamente acelerará la investigación de lípidos. En la imagen:adipocitos, las células del tejido graso. Crédito:spectralDesign - fotolia.com
Sin lípidos no hay vida. En todos los organismos, los lípidos forman paredes celulares, almacenar energía y liberarla cuando sea necesario, y juegan un papel importante en la señalización celular. Se ha demostrado que los cambios en la composición de los lípidos juegan un papel causal en enfermedades como el cáncer, hígado graso y esclerosis múltiple. Según estimaciones aproximadas, hay alrededor de 300, 000 especies de lípidos diferentes. Para la detección de lípidos indicativos de enfermedades, Normalmente, los organismos sanos y enfermos se comparan cuantitativamente. Esta comparación requiere información confiable y detallada sobre la estructura y composición de los lípidos a partir de muestras de tejido y, con este fin, los investigadores de la iniciativa BioTechMed-Graz han desarrollado una herramienta que se presenta en el número actual de Métodos de la naturaleza .
Lípidos con carácter
Los lípidos, a menudo llamados simplemente grasas, son sustancias complejas que, además de varios otros componentes, consisten principalmente en ácidos grasos. En la investigación de lípidos, sin embargo, todavía hay muchas cosas que se desconocen. También, la detección de las propiedades estructurales de las moléculas de lípidos en la elaboración de perfiles de alto rendimiento está todavía en su infancia. En el método de alto rendimiento presentado, un gran número de muestras se miden mediante espectrometría de masas. Estos datos (es decir, espectros) proporcionan información para la identificación del tipo y clase de lípido o el tipo y posición de las cadenas de acilo graso. Sin embargo, los espectros medidos pueden diferir entre una y la misma especie de lípidos, porque los lípidos muestran diferentes fragmentos en los espectros dependiendo de la configuración del espectrómetro de masas y la ionización. Debido a esta diversidad espectral, Hasta ahora no ha existido un software bioinformático de aplicación universal para la detección automatizada de estructuras lipídicas.
Gerhard Thallinger, del Instituto de Biotecnología Computacional de TU Graz, explica la necesidad de la caracterización de lípidos automatizada:"Los detalles rápidos y fiables sobre la composición de lípidos de las muestras de células son un requisito previo para las comparaciones con muestras de referencia de células sanas, que son necesarias para la detección de biomarcadores característicos para las enfermedades. La pregunta importante es ¿qué cambios en la composición de lípidos de las células son relevantes en el diagnóstico? "
El "analizador de datos de lípidos", que investigadores de TU Graz, Med Uni Graz y la Universidad de Graz han publicado en Nature Methods, facilitará enormemente el trabajo en la investigación biomédica y definitivamente acelerará la investigación de lípidos - de este Jürgen Hartler, también en el Instituto de Biotecnología Computacional, está convencido:"El método que hemos desarrollado en colaboración con colegas de Med Uni Graz y Uni Graz, interpreta los espectros de lípidos utilizando conjuntos de reglas intuitivas y, como tal, puede adaptarse de forma flexible a diversas características de fragmentación. Esto hace posible por primera vez identificar lípidos a un nivel estructural muy detallado de manera más precisa y confiable que las soluciones anteriores ". El equipo de TU Graz fue responsable del desarrollo de software, los experimentos de espectrometría de masas y las pruebas de usabilidad se llevaron a cabo en el Centro de Investigación Médica (ZMF) de la Universidad Médica de Graz y la Universidad de Graz, y se llevaron a cabo experimentos biológicos en la Universidad de Graz.
Ampliable a otros productos metabólicos como azúcares
En el estudio presentado, el analizador de datos de lípidos detectó más de 100 nuevas especies de lípidos, que no fueron reportados previamente. La herramienta se puede adaptar de forma flexible, y no solo para nuevas clases de lípidos. Puede ser utilizado por ejemplo, caracterizar polisacáridos y glicolípidos, es decir, lípidos con azúcares adheridos. Los investigadores proporcionan su analizador de datos de lípidos como código abierto para la comunidad científica.