Andres Charris Molina - Viernes 21 de Septiembre 11:00hs

Mejoras en la identificación de compuestos en estudios metabolómicos por RMN utilizando espectros 2D 1H J-resueltos para la detección de picos superpuestos

La identificación de metabolitos en matrices biológicas complejas es una tarea desafiante en estudios metabolómicos por RMN. El Análisis de Correlación Estadística Total (STOCSY) ha sido durante más de diez años una de las herramientas de elección para ayudar en esta labor al encontrar señales correlacionadas en un conjunto de espectros, es decir, si la correlación estadística entre dos desplazamientos químicos (δ) es alta implica que las dos señales se derivan de la misma molécula, o que existe algún otro factor (por ejemplo, biológico) que conduce a la colinealidad de las variaciones de las intensidades de los picos. En consecuencia, se crea una lista con los picos que presentan alta correlación y se realiza una búsqueda en bases de datos tales como, HMDB, MMCD o BMRB para determinar la posible estructura del compuesto de interés. Sin embargo, el análisis estadístico STOCSY presenta limitaciones principalmente en casos de superposición (“Overlap”) de pico, lo que genera información “defectuosa” que puede alterar el resultado al momento de comparar la lista de picos arrojada por el análisis con la registrada en la base de datos. Teniendo en cuenta esta premisa, proponemos una nueva metodología llamada “COrrelationCOmparison Analysis for Peak Overlap Detection’’ (COCOA-POD), basada en la aplicación de STOCSY en un conjunto de espectros 2D 1H J-resueltos, permitiéndonos detectar picos que se superpondrían en espectros 1D del mismo conjunto de muestras. De este modo, un pseudo espectro 2D es creado y proyectado (1D de tipo STOCSY) para realizar una mejor búsqueda en las bases de datos.