Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
net/publication/322687032
CITATIONS READS
0 2,150
1 author:
Robert Winkler
Center for Research and Advanced Studies of the National Polytechnic Institute
114 PUBLICATIONS 1,531 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Robert Winkler on 24 January 2018.
Introducción
Las moléculs orgánicas son la base de toda la vida en nuestro planeta. Para su
estudio, existen varios métodos analíticos, siendo la espectrometría de masas una
de las más importantes. El articulo desc ribe la naturaleza de las biomoléculas, la
importancia de su estudio y las estrategias innovadoras que hemos desarrollado en
el Laboratorio de Análisis Bioquímico e Instrumental (labABI) para facilitar su análisis.
1
Biomoléculas
Las moléculas orgánicas son los bloques de construcción de todas las formas de vida
que conocemos. Estos compuestos son químicamente diversos y tienen múltiples
funciones como estructura, movimiento, transporte de energía y comunicación. Hay
moléculas, que el mismo organismo puede producir, y otras que se tienen que
adquirir de la nutrición. Por lo tanto, se llaman “nutrientes esenciales”. Algunas
substancias también tienen Importancia economica, como los fármacos que se
extraen de plantas o microorganismos. Por lo tanto, el perfil de biomoléculas de
un organismo nos da información importante sobre su estado fisiológico o su valor
comercial. Químicamente, los elementos más importantes, que conforman a las
biomoléculas, son carbono, hidrógeno, nitrógeno, oxígeno, fósforo y azufre. Pero
también metales y otros elementos son esenciales para la estructura y la función de
compuestos bioquímicos. Las biomoléculas pueden presentarse como monómeros,
por ejemplo, amino ácidos, nucleótidos y azúcares simples, o como polímeros:
proteínas, ADN y carbohidratos complejos. Por lo tanto, existe una gran diversidad
físico-química de biomoléculas, con respecto a su composición, solubilidad, carga,
peso molecular, tamaño etc.
2
Figura 1. Las biomóleculas componen todos los organismos en la tierra. Aún
formados de pocos elementos simples, existe una diversidad físico-químico
impresionante de compuestos.
Espectrometría de masas
3
más importantes en las ciencias de la vida y la biotecnología (Siuzdak, 2006).
En figura 2 se muestra un espectrómetro de masas simple, que construimos en el
laboratorio para la medición de gases residuales de los siguientes componentes:
4
Este análisis requiere condiciones de vacío, por lo cual la preparación de muestras
y la transferencia de moléculas al interior del analizador de masas representa un
reto técnico interesante. En la figura 3 se muestra el resultado del análisis de 3,650
árboles de café (Coffea canephora) con espectrometría de masas. Las diferentes
señales son indicativos para la presencia y la concentración de metabolitos.
5
Innovaciones actuales
Los “fenotipos” se pueden definir como todos los tipos de un organismo, que se
pueden distinguir mediante inspección directa o métodos más finos (Johannsen,
1911). Por ejemplo, fenotipos morfológicos se pueden estudiar por observación visual
o usando un microscopio. Organismos, que presentan diferencias en su metabolismo,
se podrían nombrar “fenotipos metabólicos” y caracterizar con espectrometría de
masas. El metabolismo de un organismo o de un tejido resulta de su genotipo, su
etapa de desarrollo y las condiciones ambientales:
G+E ⇒P
G - Genotipo
E - Condiciones ambientales
P - Fenotipo
Por lo tanto, la medición del perfil químico de una muestra biológica informa sobre
su genotipo y su estado fisiológico (García-Flores et al., 2012, Montero-Vargas et
al. (2013)). Una estrategia de alto rendimiento consiste en la inyección directa de
extractos y un análisis estadístico de múltiples muestras para el agrupamiento de
individuos según su perfil químico. En figura 4 se pueden distinguir dos variedades
de maíz (Zea mays L.), en condiciones óptimas o en condiciones adversas tales
como sequía o baja disponibilidad de nitrógeno. Cada combinación de genotipo y
6
condición ambiental resulta en un fenotipo metabólico particular.
Con esta estrategia se pueden analizar miles de muestras en un tiempo corto y con
un costo razonable. Por ejemplo, analizamos una población de cientos de familias de
árboles de café Robusta (Coffea canephora), para estudiar la diversidad metabólica
entre ellas. Con los mismos datos se pueden identificar variedades con un contenido
muy alto o muy bajo de cafeína (Montero-Vargas et al., 2013). Por lo tanto, los
resultados del fenotipeo metabólico se pueden utilizar para la selección de plantas
con propiedades agronómicas deseables.
7
Figura 5. Mejoramiento de la calidad de café mediante selección metabólica.
8
Actualmente, estamos ampliando los estudios sobre perfiles metabólicos de café y
su relación a la calidad sensorial de la bebida (figura 5).
Además, estamos investigando la heredibilidad de metabolitos y su potencial para pre-
decir propiedades como resistencia a plagas y productividad. Pensamos, que el uso
de marcadores metabólicos puede drásticamente acelerar el desarrollo de variedades
de plantas con alto rendimiento agronómico sin usar organismos transgénicos.
9
Figura 6. La fuente de ionizacíon “3D-LTP” se puede modificar en un programa
de CAD e imprimir con una impresora 3D. La sonda permite el análisis directo
de sólidos, líquidos y gases. También se pueden generar imágenes molecu-
lares.
10
Figura 7. Nuestra sonda de LTP permite la generación de imágenes, que rep-
resentan la distribución de metabolitos en un tejido biológico. Para aumen-
tar la visibilidad de patrones, usamos las lineas de elevación como se usan
en mapas topográficos. A) Mapa topográfico de la zona alrededor del volcán
Popocatepetl. B) Distribución de un metabolito de interés en un corte de chile
Jalapeño (Capsicum annuum).
Otro aspecto importante es el análisis de los datos. Los datos crudos se tienen que
traducir en información química y después a conocimiento biológico. La figura 8
representa un esquema general del procesamiento de datos de espectrometría de
masas:
11
parecidos), que representan los mismos compuestos.
4. Estadística y minería de datos para encontrar diferencias significativas entre
muestras.
5. Creación de modelos biológicos, que son congruentes con los datos experi-
mentales.
12
descubrir por ejemplo marcadores de enfermedades, que no son fáciles de encontrar
con métodos clásicos de estadística. Para facilitar el análisis avanzado de datos
de espectrometría de masas, hemos generado un sistema de Linux, que contiene
una colección de programas, que permiten el procesamiento de datos crudos, la
identificación de metabolitos y proteínas, y la minería de datos (Winkler, 2015).
La figura 9 demuestra de manera general la aplicación del método científico según
el filósofo de epistemología (ciencia de la generación de conocimiento) Karl Popper
(Popper, 1959, Winkler (2016)).
Para la generación de modelos con validez universal, el científico tiene que crear
una hipótesis o teoría, pensar sobre posibles consecuencias de esta hipótesis (“de-
dución”) y verificar/ falsear resultados predichos con experimentos, para conocer los
limites de su hipótesis. Una estrategia, que solamente integra datos a un modelo
13
estadísticamente correcto, según Popper, sería invalida. Por otro lado, las estrategias
de minería de datos generan modelos predictivos con un error calculable en rangos
definidos de parámetros. Por consiguiente, estos modelos se pueden aplicar, por
ejemplo en la clasificación de muestras biológicas (Sotelo-Silveira, Chauvin, Marsch-
Martínez, Winkler, & De Folter, 2015).
Algunos algoritmos de minería de datos también calculan variables importantes,
que a veces son soprendentes para los científicos y de esta manera soportan la
generación de nuevas hipótesis.
Conclusiones
Agradecimientos
14
y Garcomex por la colaboración en proyectos de café, al CONACyT por los fondos de
investigación (proyectos AVANCE 127280, ciencia básica I0017/CB201001/151596,
INNOVATEC PEI 451/2012, FINNOVA I010/260/2014, FRONTERAS 2015-2/814 y
becas de estudiantes de posgrado).
Bibliography
Alberici, R. M., Simas, R. C., Sanvido, G. B., Romão, W., Lalli, P. M., Benassi, M.,
Cunha, I. B. S., & Eberlin, M. N. (2010). Ambient mass spectrometry: Bringing
MS into the “real world”. Analytical and Bioanalytical Chemistry, 398(1), 265–294.
http://doi.org/10.1007/s00216-010-3808-3
Bothner, B., & Siuzdak, G. (2004). Electrospray ionization of a whole virus: Analyzing
mass, structure, and viability. Chembiochem: A European Journal of Chemical
Biology, 5(3), 258–260. http://doi.org/10.1002/cbic.200300754
Domin, M., & Cody, R. (2014). Ambient Ionization Mass Spectrometry. Royal Society
of Chemistry.
Fenn, J., Mann, M., Meng, C., Wong, S., & Whitehouse, C. (1989). Electrospray
ionization for mass spectrometry of large biomolecules. Science, 246(4926), 64–71.
http://doi.org/10.1126/science.2675315
15
of maize (Zea mays L.) plants by direct-injection electrospray mass spectrometry
(DIESI-MS). Molecular BioSystems, 8(6), 1658–1660.
Martinez Jarquin, S., & Winkler, R. (2016, June). United States Patent: 9362100
- Non-thermal plasma jet device as source of spatial ionization for ambient mass
spectrometry and method of application.
Popper, K. R. (1959). The logic of scientific discovery. Oxford, England: Basic Books.
Shelley, J. T., & Hieftje, G. M. (2011). Ambient mass spectrometry: Approaching the
chemical analysis of things as they are. Journal of Analytical Atomic Spectrometry,
26(11), 2153–2159. http://doi.org/10.1039/C1JA10158G
16
(Auflage: 2). San Diego: Mcc Pr.
Sotelo-Silveira, M., Chauvin, A.-L., Marsch-Martínez, N., Winkler, R., & De Folter, S.
(2015). Metabolic fingerprinting of Arabidopsis thaliana accessions. Frontiers in Plant
Science, 6(365), 1–13. http://doi.org/10.3389/fpls.2015.00365
Williams, G. (2011). Data Mining with Rattle and R: The Art of Excavating Data for
Knowledge Discovery (Use R!) (2011th ed.). Springer.
Winkler, R. (2016). Popper and the Omics. Frontiers in Plant Science, 7 (195), 1–3.
http://doi.org/10.3389/fpls.2016.00195
17