UNIVERSIDADE ESTADUAL DE CAMPINAS INSTITUTO DE ......GUSTAVO HENRIQUE BUENO DUARTE, aprovada pela...
Transcript of UNIVERSIDADE ESTADUAL DE CAMPINAS INSTITUTO DE ......GUSTAVO HENRIQUE BUENO DUARTE, aprovada pela...
�
�
UNIVERSIDADE ESTADUAL DE CAMPINAS INSTITUTO DE QUÍMICA
�
�
GUSTAVO HENRIQUE BUENO DUARTE �
�
�
�
�
�
METABOLÔMICA POR LC-ESI-QTOF-MS EM PLASMA DE CAMUNDONGOS NOD/SCID SOB TRATAMENTO QUIMIOTERÁPICO: POTENCIAIS
BIOMARCADORES DE LEUCEMIA
�
�
�
�
�
�
�
�
�
�
�
�
�
�
CAMPINAS 2016
�
�
�
�
�
GUSTAVO HENRIQUE BUENO DUARTE
METABOLÔMICA POR LC-ESI-QTOF-MS EM PLASMA DE CAMUNDONGOS NOD/SCID SOB TRATAMENTO QUIMIOTERÁPICO: POTENCIAIS
BIOMARCADORES DE LEUCEMIA
Dissertação de Mestrado apresentada ao Instituto de
Química da Universidade Estadual de Campinas como
parte dos requisitos exigidos para a obtenção do título
de Mestre em Química na área de Química Analítica
�
�
Orientador: Prof. Dr. Marcos Nogueira Eberlin
�
�
� �
�
ESTE EXEMPLAR CORRESPONDE À VERSÃO FINAL DA DISSERTAÇÃO DEFENDIDA PELO ALUNO GUSTAVO HENRIQUE BUENO DUARTE, E ORIENTADA PELO PROF. DR. MARCOS NOGUEIRA EBERLIN.
�
�
�
�
�
�
�
CAMPINAS 2016
Agência(s) de fomento e nº(s) de processo(s): CAPES
Ficha catalográfica
Universidade Estadual de Campinas
Biblioteca do Instituto de Química
Camila Barleta Fullin - CRB 8462
Duarte, Gustavo Henrique Bueno, 1989-
D812m DuaMetabolômica por LC-ESI-QTOF-MS em plasma de camundongos
NOD/SCID sob tratamento quimioterápico : potenciais biomarcadores de
leucemia / Gustavo Henrique Bueno Duarte. – Campinas, SP : [s.n.], 2016.
DuaOrientador: Marcos Nogueira Eberlin.
DuaDissertação (mestrado) – Universidade Estadual de Campinas, Instituto de
Química.
Dua1. Metabolômica. 2. Leucemia linfóide aguda. 3. LC-ESI-QTOF-MS. I.
Eberlin, Marcos Nogueira,1959-. II. Universidade Estadual de Campinas.
Instituto de Química. III. Título.
Informações para Biblioteca Digital
Título em outro idioma: Metabolomics by LC-ESI-QTOF-MS in NOD/SCID mice under
chemoterapy treatment : potential biomarkers of leukemia
Palavras-chave em inglês:Metabolomics
Acute lymphoblastic leukemia
LC-ESI-QTOF-MS
Área de concentração: Química Analítica
Titulação: Mestre em Química na área de Química Analítica
Banca examinadora:Marcos Nogueira Eberlin [Orientador]
Ana Valéria Colnaghi Simionato Cantú
Thaís Regiani Cataldi
Data de defesa: 07-07-2016
Programa de Pós-Graduação: Química
BANCA EXAMINADORA
Prof. Dr. Marcos Nogueira Eberlin (Orientador)
Profa. Dra. Thaís Regiani Cataldi (ESALQ-USP)
Profa. Dra. Ana Valéria Colnaghi Simionato Cantú (IQ-UNICAMP)
A Ata da defesa com as respectivas assinaturas dos membros encontra-se no processo de
vida acadêmica do(a) aluno(a).
Este exemplar corresponde à redação final da
Dissertação de Mestrado defendida pelo aluno
GUSTAVO HENRIQUE BUENO DUARTE, aprovada
pela Comissão Julgadora em 07 de julho de 2016.
AGRADECIMENTOS
Em primeiro lugar agradeço à minha família, meu pai, Célio, minha mãe,
Darlene e o meu irmão, Leonardo por sempre me apoiar em todas as etapas dessa
jornada, me amparar nos momentos difíceis e por acreditar em mim em momentos
onde nem mesmo eu acreditava; sem esse apoio todo eu jamais conseguiria nem
mesmo sair do lugar.
Agradeço imensamente ao meu orientador, Prof. Dr. Marcos Nogueira
Eberlin pela confiança em abrir as portas e me acolher junto ao seu laboratório e ao
seu grupo de pesquisas em um momento tão delicado pelo qual eu passava na
época; por compartilhar de todo o seu conhecimento, e por me deixar à vontade
para usufruir de toda a estrutura sem igual do laboratório ThoMSon.
Devo muito tanto aos colegas que me ajudaram de uma maneira mais
efetiva na execução deste trabalho, principalmente o Vinícius, Rosy, Gilberto,
Eduardo; quanto aos colegas Jandyson, Renan, Fabinho, José, Célio, Núbia, Javier,
Andréia, Roberta Rosana, Regina, Dena, Dani, Damila, Ana Carol, Adriana, Anna,
Almas, Almir, Lú, Deleon, Bas e muitos outros, pelos ensinamentos compartilhados e
por tornar o ambiente do laboratório muito mais familiar e descontraído. De forma
alguma me esqueceria da Dona Cida que sempre mantém o laboratório em ordem e
em condições para que todos os alunos possam desempenhar o seu trabalho da
melhor maneira possível.
Agradeço à banca examinadora que participou do exame de qualificação,
Profa Dra Alessandra Sussulini e Profa Dra Ana Valéria Colnaghi Simionatu Cantú
pela valiosa contribuição a este trabalho. E também a banca examinadora desta
defesa pela disponibilidade em estar presente e pela contribuição na qualidade do
trabalho
RESUMO
A metabolômica é uma abordagem analítica recente que visa à análise de
metabólitos endógenos e exógenos presentes em amostras biológicas. A
metabolômica pode ser aplicada em diversas áreas, inclusive na busca de
biomarcadores para doenças. A Leucemia Linfóide Aguda (LLA) é o tipo de câncer
pediátrico mais comum, e grande parte das pesquisas em metabolômica nesta área
restringem-se à cultura de células. Nesse trabalho foi otimizado um método de
análise metabolômica por LC-ESI-QTOF-MS para a obtenção do fingerprinting
metabólico. Em seguida, o método otimizado foi aplicado em um estudo de interesse
da área oncológica avaliando o perfil de metabólitos endógenos em plasma de
camundongos da linhagem NOD/SCID comparando-se grupos saudáveis, com LLA,
e com LLA que receberam tratamento quimioterápico composto por vincristina,
dexametasona e asparaginase. Os dados obtidos foram submetidos à validação
cruzada com o propósito de avaliar a eficiência do método na classificação de cada
um dos grupos estudados. Na etapa de otimização do método de metabolômica,
inicialmente foram testadas diferentes abordagens metodológicas e os resultados
destas abordagens foram comparados entre si, e avaliou-se a melhor abordagem de
acordo com o número de íons detectados por cada uma delas. Precipitação de
Proteínas e precipitação de proteínas com posterior separação de fases foram
testados como preparos de amostra. Ainda nos testes de abordagens metodológicas
foram utilizadas duas colunas cromatográficas diferentes, uma C18 e uma C18
Hydro. Depois, o método otimizado foi aplicado aos grupos de camundongos
propostos ao estudo. Foram aplicados técnicas de análise multivariada de dados
para realizar o tratamento das informações adquiridas. A análise de componentes
principais (PCA), análise de agrupamento hierárquico (HCA) e análise discriminante
por quadrados mínimos parciais (PLS-DA) mostraram a segregação entre os grupos
estudados. Os dados submetidos à validação cruzada retornaram valores
satisfatórios para os parâmetros diagnósticos do modelo de classificação (Exatidão,
R2 e Q2). Como informação adicional, foi investigada a identidade de alguns dos
principais candidatos a biomarcadores relacionados a este estudo de forma a
fornecer dados para estudos posteriores.
ABSTRACT
Metabolomics is a recent analytical approach which aims to analyse the
endogenous and exogenous metabolites present in biological samples. It can open
new avenues in several research areas, including the search for useful biomarkers of
a particular disease. Acute Lymphoblastic Leukemia (ALL) is the most common type
of pediatric cancer, and most of the metabolomics research in this area is restricted
to the cell culture. In this work, we have optimized a metabolomics method by LC-
ESI-QTOF-MS for obtaining metabolic fingerprinting. Then, this optimized method
was applied in a study of interest in oncology evaluating the profile of endogenous
metabolites in NOD/SCID mice plasma comparing healthy groups, with ALL, and
groups with ALL which received chemotherapy consisting of vincristine,
dexamethasone and asparaginase. The data was Cross Validated in order to
evaluate its efficacy in the classification of each of the groups. In the method
optimization step, different methodological approaches were initially tested and
results of these approaches were compared and evaluated as the best approach
according to the number of ions detected by each of them. Protein precipitation and
subsequent protein precipitation with phase separation were tested as sample
preparation. Still in the methodological approach tests, two different chromatographic
columns, a C18 and a C18 Hydro were used. Then the optimized method was
applied to proposed study groups of mice. Multivariate data analysis techniques were
applied to process the acquired data. The Principal Component Analysis (PCA),
Hierarchical Cluster Analysis (HCA) and Partial Least Squares Discriminant Analysis
(PLS-DA) showed segregation between groups. Cross-validation returned values
suitable for the diagnostic parameters of the classification model (Accuracy, R2 and
Q2). Moreover, the identity of some of the main candidate biomarkers related to this
study was also investigated to provide data for further studies.
Lista de Figuras
Figura 1. Representação esquemática de um Espectrômetro de Massas. ............... 18
Figura 2. Faixas de aplicação das técnicas de ionização utilizadas em metabolômica.
. ................................................................................................................................. 19
Figura 3. Fórmulas estruturais da vincristina (A), dexametasona (B) e asparaginase
(C). ............................................................................................................................ 22
Figura 4. Fluxograma mostrando os testes realizados na etapa de otimização do
preparo de amostra e número de íons detectados para cada teste. ......................... 31
Figura 5. Cromatograma de íons totais da fração aquosa analisada no modo positivo
utilizando uma coluna C18 Hydro com vazão de fase móvel de 0,4 mLmin-1. (A) CNT,
(B) LEU_CNT e (C) LEU_VXL. .................................................................................. 37
Figura 6. Score Plot (A) e Loading Plot (B) da PCA para a fração aquosa analisada
modo positivo. ........................................................................................................... 38
Figura 7. Porcentagem de Variância explicada em função do número de PC’s
utilizados para compor os scores do PCA para a fração aquosa analisada no modo
positivo. ..................................................................................................................... 39
Figura 8. Dendrograma com os dados obtidos para a fração aquosa analisada no
modo positivo. ........................................................................................................... 40
Figura 9. Score Plot (A) e Loading Plot (B) do PLS-DA para a fração aquosa
analisada no modo positivo. ...................................................................................... 41
Figura 10. VIP plot com as 15 variáveis com maior influência no modelo PLS-DA
obtido para fração aquosa analisada no modo positivo. ........................................... 44
Figura 11. Cromatograma de íons totais da fração orgânica analisada no modo
positivo utilizando uma coluna C18 com vazão de fase móvel de 0,4 mLmin-1. (A)
CNT, (B) LEU_CNT e (C) LEU_VXL. ........................................................................ 45
Figura 12. PCA Score plot (esquerda) e HCA (direita) obtidos a partir dos dados da
fração orgânica analisada no modo positivo. ............................................................ 45
Figura 13. Score plot (esquerda) e VIP plot (direita) do PLS-DA com os 15 potenciais
marcadores para a fração orgânica analisada no modo positivo .............................. 47
Figura 14. Cromatograma de íons totais da fração aquosa analisada no modo
negativo utilizando uma coluna C18 Hydro com vazão de fase móvel de 0,4 mLmin-1.
(A) CNT, (B) LEU_CNT e (C) LEU_VXL. .................................................................. 48
Figura 15. PCA Score plot (esquerda) e HCA (direita) obtidos a partir dos dados da
fração aquosa analisada no modo negativo. ............................................................. 49
Figura 16. Score plot (esquerda) e VIP plot (direita) do PLS-DA com os 15 potenciais
marcadores para a fração aquosa analisada no modo negativo. .............................. 50
Figura 17. Cromatograma de íons totais da fração orgânica analisada no modo
negativo utilizando uma coluna C18 com vazão de fase móvel de 0,4 mLmin-1. (A)
CNT, (B) LEU_CNT e (C) LEU_VXL. ........................................................................ 52
Figura 18. PCA Score plot (esquerda) e HCA (direita) obtidos a partir dos dados da
fração orgânica analisada no modo negativo. ........................................................... 53
Figura 19. Score plot (esquerda) e VIP plot (direita) do PLS-DA com os 15 potenciais
marcadores para a fração orgânica analisada no modo negativo. ............................ 53
Figura 20. Espectro de MS/MS do tipo varredura de íons produtos para o íon m/z
496 com tempo de retenção de 12 minutos do extrato aquoso analisado no modo
positivo utilizando 30 V de energia de colisão. .......................................................... 56
Figura 21. Espectro de MS/MS do tipo varredura de íons produtos para o íon 520
com tempo de retenção de 13 minutos do extrato aquoso analisado no modo positivo
utilizando 30 V de energia de colisão. ....................................................................... 57
Figura 22. Fórmula estrutural geral para fosfolipídios com indicações das posições
sn-1, sn-2 e sn-3. No caso de LysoPC's a posição sn-2 sofre hidrólise. ................... 58
Figura 23. Fórmulas estruturais do (A) ácido hidróxi eicosatetraenóico, (B) ácido
dihidróxi eicosatrienóico, (C) ácido eicosapentaenóico. ............................................ 59
Figura 24. Espectro de MS/MS do tipo varredura de íons produtos para o íon 303
com tempo de retenção de 16 minutos do extrato aquoso analisado no modo
positivo. ..................................................................................................................... 60
Figura 25. Espectros de MS/MS dos íons referentes às variáveis M409T14_2 e
M307T11. Utilizando: 10 V (A), 20 V (B) e 30 V (C) de energia de colisão para o íon
409 e 10 V (D), 20 V (E) e 30 V (F) de energia de colisão para o íon 307. ............... 62
Figura 26. Dados para o extrato aquoso no modo positivo exibindo: (A) EIC para o
íon m/z 166.0871 com ampliação na região de m/z 50-225 Da (B) espectro de MS
para o pico cromatográfico que elui em 9 minutos de análise, (C) espectro de MS/MS
para o íon m/z 166.0871 e (D) MS/MS para o íon m/z 120.0909. ............................ 64
Lista de Tabelas
Tabela 1. Gradiente de eluição para o extrato aquoso .............................................. 27
Tabela 2. Gradiente de eluição para o extrato orgânico ............................................ 28
Tabela 3. Valores utilizados nos parâmetros de processamento de dados do
software XCMS online ............................................................................................... 29
Tabela 4. Parâmetros estatísticos de avaliação do modelo PLS-DA em função do
número de componentes no modelo para a fração aquosa analisada no modo
positivo ...................................................................................................................... 42
Tabela 5. Parâmetros estatísticos de avaliação do modelo PLS-DA em função do
número de componentes no modelo para a fração orgânica analisada no modo
positivo ...................................................................................................................... 47
Tabela 6. Parâmetros estatísticos de avaliação do modelo PLS-DA em função do
número de componentes no modelo para a fração aquosa analisada no modo
negativo ..................................................................................................................... 51
Tabela 7. Parâmetros estatísticos de avaliação do modelo PLS-DA em função do
número de componentes no modelo para a fração orgânica analisada no modo
negativo. .................................................................................................................... 54
Lista de Abreviaturas e Siglas
ACN Acetonitrila
APCI Atmospheric Pressure Chemical Ionization
APPI Atmospheric Pressure Photoionization
CE-MS Capillary Electrophoresis Mass Spectrometry
CID Collision Induced Dissociation
CNT grupo controle
DNA Deoxyribonucleic acid
EIC Extracted Ion Chromatogram
ESI Electrospray Ionization
FT-ICR Fourier Transform Ion Cyclotron Resonance
GC-MS Gas Chromatography Mass Spectrometry
HMDB Human Metabolome Database
HPLC High Performance Liquid Chromatography
KEGG Kyoto Encyclopedia of Gene and Genomics
LC
LCAT
Liquid Chromatography
Lecitina:colesterol aciltransferase
LC-ESI-MS Liquid Chromatography Electrospray Ionization Mass Spectrometry
LC-ESI-QTOF Liquid Chromatography Electrospray Ionization Time of Flight
LC-MS Liquid Chromatography Mass Spectrometry
LEU_CNT grupo leucemia controle
LEU_VXL grupo leucemia tratado com Vincriscina, Dexametasona e
Asparaginase
LLA Leucemia Linfóide Aguda
LOOCV Leave One Out Cross Validation
m/z razão massa/carga
m/z/RT relação razão massa/carga / tempo de retenção
mRNA messenger Ribonucleic acid
MS Mass Spectrometry
MS/MS Mass Spectrometry/Mass Spectrometry
NOD/SCID Non-obese Diabetic/Severe Combined Immunodeficient
PC fosfatidilcolina
PCA Principal Component Analysis
PE fosfatidiletanolamina
PLS-DA Partial Least Squares Discriminant Analysis
QTOF Quadrupole Time of Flight
RMN Ressonância Magnética Nuclear
SCID Severe Combined Immunodeficient
TOF Time of Flight
VIP Variable Importance on Projection
[M+H]+ molécula protonada
[M+H-2H2O]+ molécula protonada com perda de duas moléculas de água
SUMÁRIO
1- INTRODUÇÃO ...................................................................................................... 15
1.1 Metabolômica ................................................................................................... 15
1.2 Espectrometria de Massas no contexto da Metabolômica ............................... 17
1.3 Leucemia Linfóide Aguda ................................................................................. 20
2- OBJETIVOS .......................................................................................................... 24
3- MATERIAIS E MÉTODOS .................................................................................... 25
3.1 Padrões analíticos, solventes e células ........................................................... 25
3.2 Experimentos com Animais .............................................................................. 25
3.3 Preparo de Amostra ......................................................................................... 26
3.4 Aquisição de Dados ......................................................................................... 27
3.5 Processamento de dados ................................................................................ 28
4- RESULTADOS E DISCUSSÃO ............................................................................ 30
4.1 Otimização do Método ..................................................................................... 30
4.2 Fingerprinting Metabólico ................................................................................. 36
4.2.1 Fração Aquosa – Modo Positivo ................................................................ 36
4.2.2 Fração Orgânica – Modo Positivo .............................................................. 44
4.2.3 Fração Aquosa – Modo Negativo............................................................... 47
4.2.4 Fração Orgânica – Modo Negativo ............................................................ 51
4.3 MS/MS de potenciais biomarcadores .............................................................. 55
5 – CONCLUSÕES ................................................................................................... 65
6 – REFERÊNCIAS ................................................................................................... 66
7 - ANEXOS .............................................................................................................. 76
Anexo 1. Parecer do comitê de ética ..................................................................... 76
8 – ADENDO ............................................................................................................. 77
15
1- INTRODUÇÃO
1.1 Metabolômica
Após a genômica[1], transcriptômica[2], e a proteômica[3], a
metabolômica surgiu como uma estratégia analítica recente para o estudo do
metabolismo em um nível global, para um dado sistema biológico.[4] O termo
metabolômica é relativamente recente e foi introduzido inicialmente no ano 2000 por
Fiehn e colaboradores.[5] A integração de dados de metabolômica com as demais
“ômicas” pode ser aplicado para a construção de redes moleculares (do inglês
molecular networks), as quais podem ajudar a compreender os complexos
processos bioquímicos de uma melhor maneira.[6] Esse campo de pesquisa tem
como objetivo a análise de metabólitos endógenos e exógenos com massas
moleculares menores do que 1000 Da presentes em amostras biológicas como
células, tecidos e fluidos corporais.[7] Esses metabólitos são os produtos finais de
processos celulares e existem em um estado de equilíbrio dinâmico sob condições
normais. Porém, quando o corpo recebe algum estímulo externo, a natureza e/ou a
concentração destes metabólitos são alteradas. Desta forma, a metabolômica foca
em tais mudanças, de modo a explicar essas modificações de um ponto de vista
metabólico, e têm sido, portanto, amplamente utilizada na descoberta de
biomarcadores para doenças, que podem tornar-se úteis em diversas aplicações
como diagnóstico precoce, acompanhamento da evolução de um tratamento e
descoberta de novas drogas farmacêuticas.[4] O metaboloma auxilia na
compreensão do fenótipo adquirido.[8] Porém, o objetivo inicial da metabolômica em
analisar e quantificar todos os metabólitos em um dado sistema torna-se inviável
devido à complexidade do metaboloma. Em seres humanos tal complexidade
envolve a presença de mais 40.000 metabólitos endógenos e mais os exógenos
(metabólitos oriundos da alimentação, drogas e microbiota). No caso de plantas,
este número pode ultrapassar 200.000 metabólitos devido ao metabolismo
secundário das plantas. Tais metabólitos possuem uma diversidade muito ampla em
suas propriedades físicas e químicas de acordo com os dados contidos nos banco
de dados disponíveis como o HMDB (Human Metabolome Database), o KEGG
16
(Kyoto Encyclopedia of Gene and Genomics), o Lipid Maps, o Mass Bank, dentre
outros.[9] [10] [11] [12] Além da diversidade de grupos funcionais que por sua vez
refletem nas propriedades químicas e físicas, os metabólitos endógenos também
variam bastante em sua faixa de concentração, que pode chegar a 12 ordens de
grandeza, ao passo que os instrumentos analíticos atuais possuem a sua melhor
faixa dinâmica em torno de 4 ordens de grandeza; desta forma, a questão da
instrumentação analítica representa um grande desafio para os pesquisadores desta
área.[6]
Devido à diversidade química e à ampla faixa de concentrações, a
identificação e a quantificação dos metabólitos deve ser realizada utilizando uma
instrumentação capaz de detectar com sensibilidade adequada e, de forma
inequívoca, permitir a identificação de tais compostos. As duas maiores plataformas
usadas em metabolômica são a Ressonância Magnética Nuclear (RMN) e a
Espectrometria de Massas (MS, do inglês, Mass Spectrometry), na qual cada uma
delas possui suas próprias vantagens e desvantagens. RMN não realiza a
separação dos analitos, e dependendo do solvente deuterado utilizado, a amostra
pode ser recuperada para outras análises. Vários tipos de pequenas moléculas
podem ser medidos simultaneamente, e como tal, RMN está perto de ser um
detector universal. As principais vantagens de RMN são a reprodutibilidade analítica
e a simplicidade no preparo da amostra. Porém, RMN é relativamente pouco
sensível, e em análises de metabólitos ocorre frequentemente uma sobreposição de
sinais muito maior quando comparado às técnicas de espectrometria de massas.
Nas plataformas de metabolômica por Espectrometria de Massas, as
técnicas hifenadas como Cromatografia Gasosa (GC-MS, do inglês Gas
Chromatography – Mass Spectrometry), Cromatografia Líquida (LC-MS, do inglês
Liquid Chromatography – Mass Spectrometry) e Eletroforese Capilar (CE-MS, do
inglês Capillary Electrophoresis – Mass Spectrometry) são as mais populares na
determinação do perfil metabólico de uma amostra biológica devido às suas altas
sensibilidade e seletividade, alto desempenho e ampla cobertura.[4]
Os estudos de metabolômica podem ser divididos em duas grandes
abordagens: untargeted e targeted (respectivamente do inglês, “não direcionada” e
“direcionada”), no qual cada uma delas possui as suas próprias vantagens e
desvantagens. Na abordagem untargeted, que também pode ser encontrada na
17
literatura como fingerprinting (do inglês, “impressão digital”) consiste na análise
abrangente de todos os metabólitos passíveis de detecção em uma amostra,
incluindo espécies químicas desconhecidas. Devido à natureza multivariada dos
dados gerados, a informação oriunda de metabolômica untargeted geralmente é
tratada utilizando técnicas quimiométricas multivariadas para reduzir os extensos
conjuntos de dados em um conjunto menor de variáveis, facilitando a sua
interpretação. As variáveis relevantes devem ser identificadas posteriormente.
Dessa forma, a metabolômica untargeted oferece a oportunidade para a descoberta
de biomarcadores que podem ser úteis em diagnósticos, tratamentos dentre outros.
Porém, os principais desafios deste tipo de abordagem incidem nos protocolos, no
tempo necessário para a aquisição dos dados, no processamento de grande volume
de dados, na dificuldade na identificação e caracterização dos compostos, na
dependência da faixa dinâmica da técnica analítica utilizada e na coexistência de
espécies altamente detectáveis e espécies em concentração traço.[13]
Em contrapartida, a metabolômica targeted consiste na medida da
concentração de um número limitado e conhecido de metabólitos. Para realizar a
análise, deve se conhecer a estrutura química do metabólito alvo e possuir um
método analítico para medir de forma adequada a sua concentração na amostra.
Uma análise targeted nada mais é do que uma abordagem quantitativa e, portanto,
apresenta limites de detecção muito menores para metabólitos conhecidos quando
comparado à abordagem untargeted. A maior limitação dos métodos targeted para
metabolômica é que os compostos devem ser conhecidos a priori, e também devem
estar disponíveis comercialmente na forma pura. Atualmente, um grande número de
metabólitos não pode ser identificado nas amostras devido à indisponibilidade de
padrões na forma purificada. Além disso, a abordagem targeted não pode ser usada
para identificar modificações metabólicas globais.[14]
1.2 Espectrometria de Massas no contexto da Metabolômica
Um espectrômetro de massas é composto de quatro partes principais
(Figura 1): um sistema de introdução de amostra, que pode ser por inserção direta
ou utilizando alguma técnica de separação; uma fonte de ionização, um analisador
de massas e um detector. Enquanto a fonte de ionização converte moléculas em
18
íons, o analisador de massas resolve estes íons em função da sua relação
massa/carga (m/z) seja por meio de um tubo de vôo, seja por um campo magnético
ou elétrico antes de serem medidos pelo detector.
Figura 1. Representação esquemática de um Espectrômetro de Massas.
Algumas opções de fonte de ionização incluem a ionização por
eletrospray (ESI - do inglês Electrospray Ionization)[15], ionização química à pressão
atmosférica (APCI - do inglês Atmospheric Pressure Chemical Ionization)[16] e
fotoionização à pressão atmosférica (APPI - do inglês Atmospheric Pressure
Photoionization)[17], dentre outras. Devido à diversidade de propriedades químicas
dos metabólitos, é recomendado realizar a análise nos modos positivo e negativo, ou
seja, análise de cátions e ânions respectivamente, realizando a aquisição dos
espectros em uma faixa de massas de forma a cobrir a faixa de metabólitos
desejada. Na grande maioria dos trabalhos publicados, ESI é o método de ionização
de escolha para estudos de metabolômica por MS devido à sua “ionização suave”,
produzindo um vasto número de íons. ESI, na maioria das vezes, gera íons intactos;
este fato pode auxiliar em uma identificação inicial do composto através de sua
massa exata. APCI e APPI também geram pouca ou nenhuma fragmentação e são
mais tolerantes à utilização de tampões do que a fonte ESI. Esses métodos de
ionização são complementares ao ESI e são úteis para análises de compostos
apolares e termicamente estáveis. A Figura 2 mostra a faixa de aplicação das
técnicas de ionização em termos de massa molecular e polaridade.
Introdução de
Amostras
Fonte de Ionização
Analisador de m/z
Detector
19
Figura 2. Faixas de aplicação das técnicas de ionização utilizadas em metabolômica. (adaptado) [18]
Os analisadores de massas mais comuns são: quadrupolo[19], ion
trap[20], tempo de vôo TOF (do inglês, Time of Flight)[21], Orbitrap[22], e
Ressonância Ciclotrônica de Íons com Transformada de Fourier FT-ICR (do inglês
Fourier Transform Ion Cyclotron Resonance)[23]. Espectrômetros de massas
híbridos ou sequenciais referem-se à combinação de dois ou mais analisadores.
Espectrômetros de massas de alta resolução como TOF e ultra-alta resolução como
FT-ICR e Orbitrap fornecem medidas de massa exata que podem auxiliar na
identificação dos metabólitos de interesse. Além disso, por meio de experimentos de
dissociação induzida por colisão (CID - do inglês, Collision Induced Dissociation),
que podem ser realizados tanto em analisadores híbridos (ex. triplo quadrupolo[24]
ou um quadrupolo-TOF[25]) quanto em analisadores de Trap é possível selecionar
compostos e depois fragmentá-los, obtendo desta forma o perfil de fragmentação da
espécie para auxiliar na identificação dos metabólitos.
Grande parte dos estudos de metabolômica utiliza técnicas de separação
antes da análise por MS. HPLC (do inglês, High Performance Liquid
Chromatography, ou simplesmente, LC) permite a separação de compostos com
uma ampla faixa de polaridades, seja por eluição isocrática (onde a composição da
fase móvel não varia durante a análise cromatográfica), seja por eluição com
gradiente (onde a composição da fase móvel varia durante a análise
100.000
10.000
1.000
100
Apolar Polar
INT
ER
VA
LO
DE
MA
SS
AS
(Da)
POLARIDADE
Faixa de massas de aplicação em Metabolômica
20
cromatográfica). Além do modo de eluição, a utilização de fases estacionárias com
tamanhos de partículas menores, que operam em pressões superiores, também
possibilita uma maior separação dos compostos com uma ampla faixa de
polaridades. Portanto, a utilização de uma etapa de separação cromatográfica
acrescenta uma nova dimensão à análise, referente ao tempo de retenção dos
compostos.
LC-ESI-MS é a técnica de escolha para obter o fingerprint metabólico em
amostras biológicas complexas. A separação cromatográfica prévia pode reduzir a
complexidade e amenizar os efeitos de matriz durante a ionização. As colunas mais
utilizadas são a C18 para a fase reversa, e a HILIC (do inglês Hydrophilic Interaction
Liquid Chromatography) para a fase normal. A escolha da coluna deverá ser
realizada de acordo com a abrangência requerida pelo estudo. Uma boa separação
cromatográfica melhora a sensibilidade da detecção por MS e consequentemente
melhora a qualidade dos dados adquiridos devido à redução de ruído.[18]
1.3 Leucemia Linfóide Aguda
A metabolômica tem sido empregada em estudos envolvendo Leucemia
Linfóide Aguda (LLA).[26] [27] [28] [29] A Leucemia Linfoide Aguda é o tipo de
câncer pediátrico mais comum, correspondendo a um quarto de todas as neoplasias
malignas diagnosticadas em crianças menores do que 15 anos de idade. [30] Sua
maior incidência se dá na faixa de 3 a 4 anos de idade, em crianças do sexo
masculino, de raça branca.[31] A LLA é uma doença agressiva, caracterizada pelo
acúmulo de células linfoides na medula óssea e no sangue periférico, impedindo a
produção de células normais. Em decorrência disso, como manifestações primárias,
o número de hemácias e plaquetas diminuem, e leucócitos aumentam, causando
anemia, aparecimento de infecções e aumento na incidência de sangramentos.
Outros sintomas comuns são febre, manifestações hemorrágicas, palidez, fadiga,
dor óssea, entre outros.[32]
Entretanto, outras doenças podem apresentar sintomas semelhantes, tais
como infecções, reumatismo, entre outras. Portanto, a confirmação é realizada por
meio de um mielograma, exame no qual se retira uma alíquota do sangue da medula
do paciente em questão para a análise morfológica das células. Este diagnóstico
21
pode ser complementado com os exames de imunofenotipagem, citogenética e
biologia molecular, sendo os dois últimos os determinantes para traçar a abordagem
terapêutica.
Apesar dos muitos avanços no tratamento da LLA, os protocolos
atualmente se baseiam na combinação de vincristina, asparaginase e um
glicocorticóide (na grande maioria das vezes, dexametasona). Esse protocolo está
estabelecido há mais de 50 anos, e apresenta taxas de remissão de 93%[33] a
95%.[30] A Vincristina (Figura 3A), um alcaloide da vinca, é um quimioterápico
usado para vários tratamentos incluindo câncer de mama, doença de Hodgkin’s,
sarcoma de Kaposi’s e câncer de testículo. Os alcaloides da vinca são compostos
estruturalmente similares compreendidos por 2 unidades multianéis, a vindolina e a
catarantina. A Vincristina liga-se à proteínas microtubulares do tubo mitótico,
levando à cristalização do microtubulo e à morte celular. [34] A Dexametasona
(Figura 3B) e seus derivados, são glicocorticóides sintéticos, que na forma não
ligada atravessa as membranas celulares e liga-se com elevada afinidade aos
receptores citoplasmáticos específicos de glicocorticoídes formando complexos. Tais
complexos atravessam o núcleo da célula e ligam-se à elementos do DNA e
modificam a transcrição do mRNA e a posterior síntese de enzimas, que são
responsáveis pelo efeito de supressão a transcrição do mRNA em células
linfoides.[35] Já a asparaginase (Figura 3C) converte a asparagina em ácido
aspártico e amônia; em um número significante de pacientes com leucemia, as
células malignas dependem de uma fonte exógena de asparagina para sobreviver,
enquanto células normais são capazes de sintetizar asparagina e assim são menos
afetadas pela sua depleção causada pelo tratamento com asparaginase; dessa
forma, as células leucêmicas são conduzidas à morte.[36]
22
Figura 3. Fórmulas estruturais da vincristina (A), dexametasona (B) e asparaginase (C).
Os avanços nos estudos relacionados à leucemia infantil são em grande
parte oriundos de estudos empíricos e não foram estimulados por melhorias
significativas nos sistemas de modelos experimentais para estudar a fisiopatologia
da doença. Em sua maioria, os estudos experimentais foram realizados utilizando
linhagens celulares de leucemia infantil, que por sua vez são de relevância limitada
para a compreensão da doença. Um modelo ideal deve mimetizar a proliferação e a
disseminação de células leucêmicas que ocorrem no paciente e comportar-se de
forma semelhante quando for submetido aos tratamentos com quimioterápicos.[37]
Desde a década de 60, camundongos nude têm sido usados como
modelos animais para o estudo in vivo de doenças. Porém os transplantes de
tumores hematológicos nessa linhagem de camundongos têm se mostrado difícil de
uma maneira geral. Uma alternativa atrativa ao camundongo nude surgiu com o
(A)(B)
(C)
23
desenvolvimento dos camundongos SCID (do inglês – Severe Combined
Immunodeficient) na década de 80.[38] [39] Inicialmente os enxertos de tumores
hematológicos se mostraram bem sucedidos. No entando, esses camundongos
apresentam uma imunidade residual, que posteriormente se mostrou problemática
com relação à receptividade dos camundongos a inoculações de tumores. Em um
grande estudo, de 681 amostras de biópsia de medula óssea, apenas 104 foram
enxertadas com sucesso em camundongos SCID.[40]
Posteriormente, a mutação dos camundongos SCID foi cruzada com
camundongos NOD (do inglês – non-obese diabetic). O resultado foi um animal com
defeitos imunológicos adicionais além dos vistos nos camundongos SCID.[41] [42].
Hudson e colaboradores compararam xenotransplantes de tumores linfoide em
camundongos nude, SCID, NOD/SCID e Rag-1-deficiente, e observou-se que dentre
os camundongos utilizados no estudo, apenas os camundongos NOD/SCID
aceitaram 100% dos tumores inoculados e se mostraram o modelo animal mais
adequado dentre os testados no referido trabalho.[43] Fusetti e colaboradores
inocularam 12 linhagens diferentes de leucemia humana em camundongos
NOD/SCID das quais 10 tiveram o transplante aceito pelos camundongos.[44]
Nesse sentido, o camundongo NOD/SCID (do inglês non-obese
diabetic/severe combined immunodeficient) se apresenta como um modelo animal
de escolha para estudos relacionados à leucemia infantil por ser altamente receptivo
a enxerto de biópsias de LLA primárias de humanos. [45] [46] [47] Além disso,
células humanas inoculadas em NOD/SCID infiltram-se na medula óssea, baço e
fígado, e são encontradas em grande quantidade no sangue periférico com
características da doença original. [37] [48] Uma vantagem adicional do modelo em
camundongos NOD/SCID para a LLA é que ele apresenta a doença no seu sangue
periférico [49] e, dessa forma, é possível monitorar a resposta a drogas
quimioterápicas em ''tempo real'' por citometria de fluxo. As amostras e os ensaios
feitos neste modelo são significativamente correlacionados com a evolução clínica
dos pacientes tratados com as drogas quimioterápicas de quem os xenotransplantes
foram derivados. Alguns trabalhos de pesquisa mostram resultados com exemplos
de aplicação de camundongos imunodeficientes para avaliação de novas estratégias
terapêuticas para tratamento de linfomas como quimioterapia [50] [51] [52] [53] [54],
imunoterapia [55] [56] e terapia genética.[57] [58] [59] Portanto, este modelo
24
experimental se mostra altamente relevante para testes de estratégias de
tratamento.
2- OBJETIVOS
Realizar estudo de metabolômica por LC-MS envolvendo camundongos
NOD/SCID leucêmicos avaliando os efeitos da administração de vincristina,
dexametasona e asparaginase, pode fornecer dados inéditos à literatura. Desta
forma propõe-se como objetivos os itens listados a seguir:
2.1 Objetivos Gerais
I. Otimizar um método de metabolômica untargeted usando LC-MS para
análise de plasma de camundongos.
II. Aplicar o método estabelecido para avaliar as diferenças em
camundongos NOD/SCID com leucemia linfóide aguda quando submetidos ou não à
tratamento quimioterápico com Vincristina, Dexametasona e Asparaginase por meio
da obtenção do Fingerprinting metabólico.
III. Avaliar a eficiência do método estabelecido na classificação dos
diferentes grupos utilizados no estudo através dos parâmetros de validação cruzada.
2.2 Objetivos Específicos
I. Otimizar o preparo de amostras de plasma visando a detecção do maior
número de compostos.
II. Otimizar o método cromatográfico (escolha de coluna, fase móvel e
gradiente) visando a detecção do maior número de compostos.
III. Estabelecer estratégias de tratamento de dados, desde a exportação
de cromatogramas até a análise multivariada dos dados, que possibilitam revelar os
potenciais compostos biomarcadores.
25
3- MATERIAIS E MÉTODOS
3.1 Padrões analíticos, solventes e células
Água deionizada foi obtida de um sistema de purificação de água da
marca Millipore (Billerica, Massachusetts, Estados Unidos). Metanol e acetonitrila
foram obtidos da JT-Baker (Phillisburg, Nova Jersey, Estados Unidos); clorofórmio,
diclorometano, acetato de amônio, ácido fórmico e o meio de cultura RPMI1640
foram obtidos da Sigma-Aldrich (Sant Louis, Missouri, Estados Unidos). O soro fetal
bovino, penicilina, estreptomicina foram obtidos da Gibco (Merelbeke, East Flanders,
Bélgica). O sulfato de vincristina foi obtido da Libbs (Embu das Artes, São Paulo,
Brasil), o fosfato dissódico de dexametasona foi obtido da Hypofarma (Ribeirão das
Neves, São Paulo, Brasil), a L-asparaginase foi obtida da Laboratórios Bagó (Rio de
Janeiro, Rio de Janeiro, Brasil) e a heparina foi obtida da Cristália (Itapira, São
Paulo, Brasil). As células de leucemia da linhagem RS4[60] (CRL 1873) foram
adquiridas da American Type Culture Collection (Manassas, Virginia, Estados
Unidos).
3.2 Experimentos com Animais
Camundongos machos da linhagem NOD/SCID foram obtidos do Centro
Multidisciplinar para Investigação Biológica na Área da Ciência em Animais de
Laboratório (CEMIB Unicamp).
Todos os camundongos foram mantidos em gaiolas e os experimentos
foram conduzidos usando protocolos e condições aprovados pelo Comitê de Ética
no Uso de Animais (CEUA/Unicamp, Protocolo 3387-1).
Os camundongos foram supridos com comida estéril e água antes da
inoculação das células de leucemia.
As células RS4 foram cultivadas em frasco plástico (25 cm2) contendo
meio de cultura RPMI 1640 suplementado com 10% de soro fetal bovino, 1% de
penicilina (10000 IUmL-1), e estreptomicina (10 mgmL-1) à 37°C em atmosfera
umidificada com 5% de CO2. O meio de cultura foi trocado a cada 48 horas.
26
Em seguida, foram inoculadas nos camundongos 2,5 – 5 x 106 células de
leucemia, e o diagnóstico da doença foi realizado por Citometria de Fluxo através do
monitoramento da razão entre as células de leucemia humana e células de leucemia
murina no sangue periférico do animal.
Os animais foram divididos em três grupos, cada um com 5
camundongos.[61] O primeiro denominado CNT correspondente ao grupo controle,
não recebeu inoculação de células de leucemia e foi tratado com placebo. Já o
segundo grupo, denominado LEU_CNT recebeu a inoculação das células
leucêmicas e foi tratado com placebo. Por fim o terceiro grupo, denominado
LEU_VXL recebeu a inoculação de células de leucemia e foi tratado com uma
combinação de quimioterápicos composto por Vincristina (0,15 mg.kg-1),
Dexametasona (5 mgkg-1) e Asparaginase (1000 Ukg-1) com administração
intraperitoneal. Foi coletado um volume de cerca de 300 µL de amostra de sangue
para cada camundongo, e a coleta se deu via plexo retro orbital. Foi utilizada
Heparina como anticoagulante e o plasma foi separado dos eritrócitos por
centrifugação. Todas as etapas referentes a esse item foram realizadas no Centro
Integrado de Pesquisas Oncohematológicas na Infância (CIPOI) localizado na
Faculdade de Ciências Médicas da Unicamp.
3.3 Preparo de Amostra
Ao tubo de microcentrífuga contendo 100 µL da amostra de plasma foram
adicionados 300 µL de Metanol gelado e agitou-se o tubo por 10 minutos. Em
seguida centrifugou-se o tubo por 3 minutos p/ 12052 g. Foram coletados 300 µL do
sobrenadante e transferiu-se para um novo tubo de microcentrífuga, sendo
adicionados 450 µL de uma solução de Diclorometano:Clorofórmio:Metanol
(1:1:0,25). Depois, adicionou-se 200 µL de água e agitou-se o tubo por 10 minutos.
Em seguida centrifugou-se o tubo por 3 minutos por 12052 g. Após a centrifugação,
coletou-se a fração superior da mistura (fração aquosa) e transferiu-se para outro
tubo de microcentrífuga. Os tubos contendo as frações individuais separadas
(aquosa e orgânica) foram levados ao speedvac e o conteúdo foi seco sob pressão
reduzida. O resíduo seco foi ressuspendido em 100 µL de ACN:H2O 80:20 agitando-
se por 5 minutos, após a agitação a solução foi centrifugada por 3 minutos por
27
12052 g e 80 µL da solução foi transferido para um vial contendo um insert para,
assim, poder ser injetado no instrumento.
3.4 Aquisição de Dados
A cromatografia foi realizada empregando um cromatógrafo líquido 1290
Infinity (Agilent., Santa Clara, Califórnia, Estados Unidos). A separação
cromatográfica do extrato aquoso foi realizada utilizando uma coluna Synergi Hydro
RP 80 A (Phenomenex., Torrance, Califórnia, Estados Unidos) de dimensões 150 x
4,6 mm com 4 µm de tamanho de partícula, e a separação cromatográfica do extrato
orgânico foi realizada utilizando uma coluna Poroshell 120 EC-C18 (Agilent) de
dimensões 50 x 4,6 mm com 2,7 µm de tamanho de partícula. A fase móvel utilizada
para a corrida cromatográfica do extrato aquoso e orgânico consistiu de Acetonitrila
(fase B) e Água com 0,1% (v/v) de ácido fórmico (fase A) para o modo positivo; para
o modo negativo, foi utilizada a mesma fase B e como fase A foi utilizado Acetato de
Amônio 5 mM. A eluição da fase móvel se deu na forma de gradiente. A vazão de
fase móvel foi de 0,4 mLmin-1 e o volume de injeção foi de 5 µL. A Tabela 1 exibe o
gradiente de eluição para o extrato aquoso e a Tabela 2 exibe o gradiente de eluição
para o extrato orgânico.
Tabela 1. Gradiente de eluição para o extrato aquoso
Tempo (min) Proporção de fase
móvel B (%)
0 2
6 25
10 80
12 90
20 95
23-26 2
28
Tabela 2. Gradiente de eluição para o extrato orgânico
Tempo (min) Proporção de fase
móvel B (%)
0 75
6 85
12 90
14 92
17 99
18-22 75
Os espectros de massas foram adquiridos utilizando um espectrômetro de
massas híbrido com analisador de massas do tipo QTOF modelo 6550 (Agilent). As
amostras foram analisadas no modo positivo e modo negativo de ionização. Os
parâmetros instrumentais utilizados foram: VCap de 3.500 V para o modo positivo e
2.800 V para o modo negativo; voltagem do fragmentor de 175 V, voltagem do
skimmer de 60 V,OCT 1 RF Vpp de 750 V, Gas Temperature de 260°C, Sheath Gas
Temperature de 300°C, Drying Gas de 12 Lmin-1, Sheath Gas Flow de 12 Lmin-1 . Os
espectros de massas foram adquiridos em modo centróide e a faixa de massas
utilizada para a aquisição foi de 100-1700 Da.
3.5 Processamento de dados
Os dados brutos foram convertidos para o formato de arquivo .mzData
usando o conversor disponível no software MassHunter Qualitative (Agilent), ao
passo que as interferências isotópicas foram eliminadas utilizando o mesmo sistema
de conversão. Após a conversão, os arquivos foram importados para o software
XCMS online (https://xcmsonline.scripps.edu/)[62] para alinhamento não linear no
domínio do tempo, integração automática, extração das intensidades dos picos e
demais pré-processamentos pertinentes. Os valores referentes aos principais
parâmetros utilizados são descritos na Tabela 3.
29
Tabela 3. Valores utilizados nos parâmetros de processamento de dados do software XCMS online
Feature Detection
maximal m/z deviation (ppm) 5
minimum peak width (s) 1.8
maximum peak width (s) 3
Signal/Noise threshold 6
mzdiff 0.01
prefilter intensity 100
Noise Filter 10
Retention Time
Correction
Method centWave
profStep 1
Alignment
mzwid 0.015
minfrac 0.5
Allowable retention time deviations (s) 5
Statistics Statistical test Kruskal Wallis non parametric
p-value threshold 0.05
Annotation
Search for isotopes + adducts
m/z absolute error 0.015
ppm error 10
Identification
ppm 10
adducts
[M+H]+ , [M+NH4]
+ , [M+Na]
+ ,
[M+K]+
[M+H-H2O]+ [M+H-2
H2O]+/ [M-H]
- , [M+Ac]
-
matrix model mouse
Visualization EIC width 200
Em seguida, a matriz de dados obtida contendo a intensidade dos íons
para cada cromatograma de íon extraído (EIC – do inglês Extracted Ion
Chromatogram) foi normalizada pela soma (análogo à normalização pela Corrente
Iônica Total) para corrigir a diferença na resposta do espectrômetro de massas entre
as injeções devido a quaisquer variações possíveis. Os dados foram escalados
utilizando o escalamento de Pareto[63] antes das análises estatísticas multivariadas.
Os dados escalados foram inicialmente submetidos à análise exploratória de dados
utilizando os métodos não supervisionados de Análise de Componentes Principais
(PCA – do inglês, Principal Component Analysis)[64] e Análise de Agrupamento
Hierárquico (HCA – do inglês, Hierarquical Cluster Analysis)[65]. Por fim, foi
empregada a análise discriminante por quadrados mínimos parciais (PLS-DA – do
30
inglês, Partial Least Squares Discriminant Analysis)[66], um método supervisionado
de classificação para identificar os metabólitos alterados entre os grupos e
estabelecer os potenciais biomarcadores. O modelo resultante desta análise foi
validado utilizando validação cruzada, e a capacidade de predição do modelo foi
avaliada utilizando os parâmetros de exatidão, R2 e Q2. Foram considerados
potenciais biomarcadores as variáveis localizadas longe do agrupamento central da
maioria das variáveis no loading plot bem como os resultados fornecidos pelo índice
VIP. A normalização dos dados, escalamento e análises estatísticas uni e
multivariadas foram realizadas utilizando a plataforma online MetaboAnalyst 3.0
(www.metaboanalyst.ca)[67].
4- RESULTADOS E DISCUSSÃO
4.1 Otimização do Método
As amostras de plasma foram analisadas por LC-MS comparando-se três
diferentes abordagens: 1) a primeira abordagem consistiu apenas em um simples
procedimento de precipitação de proteínas com metanol [68] [69] [70] [71] e posterior
análise por LC-MS utilizando uma coluna do tipo C18; 2) a segunda abordagem
consistiu no mesmo procedimento de precipitação de proteínas aplicado em 1) e
adicionando-se posteriormente um procedimento de separação de fases, analisando
as frações obtidas (aquosa e orgânica) separadamente utilizando uma coluna do tipo
C18 para realizar a separação cromatográfica de ambas; e 3) a terceira abordagem
consistiu em uma precipitação de proteínas com metanol seguido por fracionamento
por separação de fases usando uma mistura de solventes orgânicos da mesma
forma que em 2) e posterior análise por LC-MS utilizando uma coluna C18 para a
fração orgânica e uma coluna do tipo Synergi Hydro para a fração aquosa. As três
abordagens estão sintetizadas no fluxograma da Figura 4.
31
Figura 4. Fluxograma mostrando os testes realizados na etapa de otimização do preparo de amostra e número de íons detectados para cada teste.
Com relação à cromatografia, a escolha de uma coluna com alta
eficiência de separação é um pré-requisito em análises de metabolômica e, para tal,
a coluna escolhida para realizar os testes referentes às abordagens 1), 2) e 3) foi
uma coluna do tipo C18 de fase reversa Poroshell (50 mm X 4,6 mm X 2,7 µm,
Agilent) que possui um recheio de micropartículas de sílica porosa, adequada para
separações de uma ampla faixa de pequenas moléculas. Para a realização do teste
3) além da Poroshell, foi utilizada uma coluna de fase reversa Synergi Hydro (150
mm X 4,6 mm X 4 µm, Phenomenex) que possui uma fase estacionária composta
por um grupo polar embutido ao grupo C18, mantendo o caráter de fase reversa,
bem como fornecendo uma maior capacidade de retenção para compostos
hidrofílicos via interações polares, ligação de hidrogênio ou interações eletrostáticas.
A coluna Hydro também possibilita a utilização de porcentagens maiores de água na
composição do gradiente de fase móvel em relação às colunas C18 convencionais,
o que contribui na retenção de compostos mais polares.
Sobrenadante
LC
(Coluna C18)
Sobrenadante
Precipitação de Proteínas
Plasma
TESTE 1
Precipitação de Proteínas
Sobrenadante
Separação de Fases
Aquoso Orgânico
MS MS
TESTE 2
987 (+)
195 (-)
137 (+)
127 (-)1124 (+)
322(-)
Total: 1446
MS
TESTE 1
212 (+)
159 (-)
Total : 371
Precipitação de Proteínas
Sobrenadante
Separação de Fases
Aquoso Orgânico
MS MS
987 (+)
195 (-)
137 (+)
127 (-)1124 (+)
322(-)
Total: 1446
Precipitação de Proteínas
Sobrenadante
Separação de Fases
Aquoso Orgânico
MS MS
TESTE 3
987 (+)
195 (-)
657 (+)
259 (-)1644 (+)
474(-)
Total: 2118
Precipitação de Proteínas
Sobrenadante
Separação de Fases
Aquoso Orgânico
MS MS
TESTE 3
987 (+)
195 (-)
LC
(Coluna C18)
LC
(Coluna C18)
LC
(Coluna Hydro)
LC
(Coluna C18)
195 % a mais de íons detectados em
relação ao Teste 175 % a mais de íons detectados em
relação ao Teste 2
32
O tempo estabelecido para o gradiente foi de 18 minutos para as corridas
realizadas na coluna Poroshell (com 4 minutos de reequilíbrio) e 23 minutos para as
corridas realizadas na coluna Hydro (com 3 minutos de reequilíbrio). No intuito de
cobrir a maior faixa possível de metabólitos em suas diversas polaridades, o
gradiente de eluição é um parâmetro essencial e deve ser escolhido
cuidadosamente, de acordo com a faixa de metabólitos que se deseja analisar,
especialmente em uma matriz complexa como o plasma. Gradientes típicos em
estudos de metabolômica variam entre 15 a 30 minutos de corrida cromatográfica.
Para assegurar a repetibilidade das separações, parâmetros como a vazão de
solvente e a temperatura precisam ser cuidadosamente controlados, bem como o
tempo de análise; tempos menores aumentam a repetibilidade da análise ao custo
da diminuição da faixa de metabólitos a ser coberta, tornando a análise menos
informativa e menos adequada em estudos de metabolômica untargeted. A
composição do gradiente em função do tempo de análise para ambas as colunas foi
escolhida com base em um estudo da literatura, e realizando-se as adaptações
pertinentes.[72]
Como fase móvel foram testados os pares de solventes metanol/água e
acetonitrila/água e verificou-se que utilizando acetonitrila/água ruído nos
cromatogramas foi inferior em relação ao ruído quando se utilizou metanol/água; a
redução do ruído é um parâmetro importante para viabilizar a detecção de
metabólitos pouco abundantes, que podem ser importantes para o estudo em
questão.
A troca de polaridade do modo de ionização foi realizada ao final de cada
análise para evitar uma possível queda de sensibilidade que pode ocorrer durante
uma análise onde é realizada troca de polaridade intermitente. A fonte de ionização
selecionada para a utilização nessa etapa foi a de ESI, pois é a fonte que dentre as
acopláveis com HPLC, possui o sistema de ionização mais brando; os íons são
transferidos diretamente da solução líquida para a fase gasosa.[72] [73] Esta fonte
possui a maior abrangência de metabólitos dentre todas as fontes disponíveis. No
âmbito da metabolômica, tal abrangência inclui biomoléculas como aminoácidos,
lipídios, carboidratos e muitos outros, sem necessidade de derivatização,
contribuindo para a simplificação do preparo de amostra, sendo assim a fonte de
ionização mais adequada para estudos de metabolômica untargeted.
33
Para avaliar qual abordagem metodológica foi mais eficiente, comparou-
se a quantidade de íons detectados pelo algoritmo de extração de íons do software
de tratamento de dados XCMS online. O método mais adequado, neste caso, é
aquele capaz de fornecer um maior número de íons, o que consequentemente
resulta em mais informação a respeito da amostra. Os métodos de preparo de
amostra testados nesta etapa foram selecionados de forma a processar a amostra
com um menor número de etapas possíveis, tanto para tornar o método mais
simples, com menor custo, quanto para e evitar a perda de metabólitos, que pode
ocorrer com o aumento da carga de processamento da amostra. Uma vez que este
estudo trata-se de uma abordagem de metabolômica untargeted, é importante obter
um grande volume de dados, pois não são conhecidas, a priori, as alterações que os
tratamentos podem acarretar aos metabólitos plasmáticos dos camundongos da
linhagem NOD/SCID. Outro aspecto que também foi levado em consideração no
momento de selecionar os testes de preparo de amostra foi a quantidade limitada de
plasma disponível para a realização dos testes, uma vez que os camundongos
utilizados no estudo pesam aproximadamente 20 gramas e não é possível extrair
deles volume de plasma superior a 150 µL.
Nas três abordagens utilizadas no preparo de amostra, fez-se necessária
a etapa de precipitação de proteínas. Em matrizes complexas como o plasma, é
importante realizar a etapa de precipitação de proteínas, para evitar que esta classe
de moléculas possa interferir na detecção de metabólitos. Além disso, durante a
cromatografia há a possibilidade de precipitação das mesmas na coluna
cromatográfica ao realizar o gradiente de fase móvel, visto que proteínas são
insolúveis na maioria dos solventes orgânicos. Há também a possibilidade de
adsorção irreversível dessas proteínas ao recheio da coluna de fase reversa,
sujando o leito e causando elevação de pressão.
A coluna do tipo C18 foi escolhida nesta primeira abordagem devido à sua
disponibilidade no laboratório, e por ser uma coluna amplamente utilizada em
estudos de metabolômica onde é empregada uma separação prévia por
cromatografia. Em particular, nos métodos de detecção por MS em estudos com
matrizes biológicas complexas, como o plasma, a importância de uma separação
cromatográfica prévia torna-se ainda maior no sentido de minimizar a coeluição de
metabólitos, pois o efeito de matriz para este caso é bastante pronunciado. Colunas
34
do tipo C18 são capazes de reter lipídios, que são uma classe de metabólitos que
possuem uma ionização bastante eficiente, portanto, essa retenção é importante no
sentido de detectar classes de metabólitos que apresentam menor capacidade de
ionização, separando-os dos lipídios. A ideia principal deste teste foi avaliar a
possibilidade da utilização de uma única etapa de precipitação de proteínas como
preparo de amostra na etapa de aplicação do estudo com o objetivo de tornar a
análise bastante simplificada, reduzindo-se ao máximo possível o número de etapas
de preparo de amostra e aquisição de dados, tornando a análise mais barata,
simples e rápida. Após aplicar o algoritmo de extração de íons aos dados adquiridos
nesta abordagem de preparo de amostra verificou-se a detecção de 371 íons no
total, sendo 212 íons para o modo positivo e 159 íons para o modo negativo.
Em seguida foi testada a abordagem 2), visando observar o efeito da
separação de fases utilizando a mistura de solventes diclorometano, clorofórmio e
metanol (1:1:0,25) na quantidade de informação obtida. Após aplicar o mesmo
algoritmo de extração de íons utilizado em 1) aos dados adquiridos nesta
abordagem de preparo de amostra, verificou-se a detecção de 1446 íons no total,
sendo 137 para o modo positivo, 127 para o modo negativo na fração aquosa, e 987
para o modo positivo, 195 para o modo negativo na fração orgânica, resultando em
um aumento de 195% no total de íons detectados nesta abordagem em relação ao
total obtido em 1). Apesar do tempo adicional acrescentado ao preparo de amostra
ao adicionar um procedimento de separação de fases, bem como ao tempo adicional
necessário para a análise de ambas as amostras, observa-se claramente um ganho
significativo de informação para este tipo de abordagem em relação à primeira
abordagem. O número bastante inferior de íons detectados na fração aquosa em
relação à fração orgânica se deve possivelmente à natureza química dos compostos
obtidos em ambos os extratos. Enquanto a fração aquosa possui metabólitos
altamente polares, tais compostos interagem muito pouco com uma fase C18, sendo
pouco retidos e havendo a possibilidade de estarem eluindo no tempo morto de
análise, ao passo que os metabólitos contidos na fração orgânica são mais capazes
de interagir com a fase alquílica da coluna C18 apresentando uma retenção bastante
superior aos metabólitos da fração aquosa e, portanto, sendo detectados de uma
maneira mais adequada.
35
Por fim, foi testada a abordagem 3) onde o objetivo foi avaliar a utilização
de uma segunda coluna, com um mecanismo de separação diferente da coluna C18
convencional, e utilizá-la na análise da fração aquosa a fim de tentar reter um
número maior de compostos. A coluna Hydro apresenta propriedades de retenção
diferentes da coluna C18, desta forma sendo capaz de reter classes diferentes de
metabólitos contidos no extrato aquoso que porventura seriam pouco retidos na
coluna C18. Após aplicar o mesmo algoritmo de extração de íons utilizado nas
primeiras abordagens verificou-se a detecção de 2118 íons no total, sendo 936 na
fase aquosa (657 para o modo positivo, 279 para o modo negativo), e 1182 íons na
fase orgânica (987 para o modo positivo, 195 para o modo negativo), resultando em
um aumento de 73% no total de íons detectados nesta abordagem em relação ao
total obtido em 2) e 285% quando comparado ao total obtido em 1).
Desta forma, comparando o número de íons detectados utilizando as três
abordagens testadas é possível observar que para obter um maior número de íons,
e consequentemente manter a análise mais abrangente e informativa, é bastante útil
incluir ao preparo de amostra um procedimento de fracionamento ao sobrenadante
oriundo da etapa de precipitação de proteínas, bem como lançar mão da utilização
de uma segunda coluna cromatográfica de fase diferente à da C18.
A análise realizada no teste 1), utilizando apenas precipitação de
proteínas é menos informativa em parte devido à pouca eficiência da coluna C18
utilizada em reter classes de metabólitos remanescentes no sobrenadante após a
precipitação de proteínas, tais como aminoácidos, ácidos orgânicos, ácido úrico e
hormônios[74], possivelmente por apresentem pouca ou nenhuma retenção nesta
coluna e/ou por sofrerem efeito de supressão iônica causado pelos demais
metabólitos existentes no sobrenadante. Ácidos graxos, mono,di, triacilgliceróis e
fosfolipídios são conhecidos por interferirem na detecção de metabólitos coeluentes
que ionizam menos eficientemente. [75] [76] Apesar das interferências acarretadas
na análise por parte dos fosfolipídios é importante manter essa classe de
metabólitos na análise[74], pois se acredita que fosfolipídios apresentem papéis
sinalizadores no interior de células e também no plasma. Mudanças nos níveis de
fosfolipídios podem fornecer informações importantes em mecanismos específicos
em mamíferos. Os níveis de fosfolipídios são afetados, por exemplo, em esteatose
hepática [77], hiperhomocisteinemia [78], câncer de cólon [79] dentre outros
36
exemplos [80] [81] [82] e devido à importância dessa classe de compostos em
diversos estudos, decidiu-se mantê-los na análise.
Ao utilizar a abordagem de preparo de amostra com fracionamento, foi
possível, por exemplo, otimizar a detecção dos metabólitos polares, primeiramente
pois estes metabólitos migram para a fração aquosa, excluindo desta fração
fosfolipídios, mono, di e triacilgliceróis e lipídios de uma forma geral, que por sua vez
terão tendência de migração para a fase orgânica, reduzindo o efeito de matriz em
ambos os extratos. Por fim, foi possível adicionar à análise uma coluna capaz de
interagir melhor com os metabólitos polares causando maior retenção em relação à
coluna C18, sendo, portanto, mais adequada para este tipo de análise. Também foi
possível observar que o fracionamento também aumentou o número de metabólitos
detectados na fração orgânica em relação ao número de metabólitos detectados na
abordagem onde não é realizado fracionamento. Dessa forma, admitiu-se que,
possivelmente, alguns metabólitos contidos na fração aquosa também podem ser
capazes de interferir na detecção de metabólitos contidos na fração orgânica,
resultando na diminuição de metabólitos detectados.
De posse dessas informações, utilizou-se o preparo de amostra com
separação de fases e separação cromatográfica de cada fase em colunas diferentes
para conduzir as etapas posteriores do estudo.
4.2 Fingerprinting Metabólico
O fingerprint metabólico foi obtido por meio da aquisição de dados no
sistema LC-ESI-QTOF em amostras de plasma do camundongo NOD/SCID
comparando-se os 3 grupos diferentes descritos na seção 3.2.Os resultados são
exibidos nos tópicos a seguir.
4.2.1 Fração Aquosa – Modo Positivo
Os cromatogramas típicos obtidos comparando os grupos CNT,
LEU_CNT e LEU_VXL para a fração aquosa no modo positivo de análise são
apresentados a seguir.
37
Figura 5. Cromatograma de íons totais da fração aquosa analisada no modo positivo utilizando uma coluna C18 Hydro com vazão de fase móvel de 0,4 mLmin-1. (A) CNT, (B) LEU_CNT e (C) LEU_VXL.
Os dados adquiridos foram pré-processados de modo a permitir a
utilização dos métodos quimiométricos pertinentes, conforme descrito na seção 3.5.
Os métodos de pré-processamento incluem vários fatores para a seleção dos picos,
conforme listado no Tabela 3. Ao final do pré-processamento é gerada uma tabela
onde as amostras e seus grupos são mostrados nas linhas e as variáveis (m/z/RT)
são mostradas nas colunas. Essa tabela é utilizada para executar os métodos
quimiométricos.
Primeiramente foi realizada uma análise exploratória multivariada não
supervisionada dos dados utilizando-se a PCA com o intuito de verificar as variáveis
responsáveis pela maior variância entre os dados. O foco principal deste tipo de
análise é reter a maior quantidade de informação possível dentro de um universo de
inúmeras variáveis, utilizando um número menor de variáveis, onde estas novas
variáveis são ortogonais entre si, e descrevem um decréscimo de variância entre
cada variável, sempre de maneira complementar entre si. Estas novas variáveis são
chamadas de “Componentes Principais”. Como consequência, o número de
variáveis é reduzido significativamente, sem perder informações importantes; por
esta razão, a PCA é um método de projeção/compressão de dados. Em análises
desta natureza, as amostras são agrupadas de acordo com sua semelhança, sem
informação prévia sobre os grupos, apenas utilizando os dados instrumentais
fornecidos.
8x10
0
0.2
0.4
0.6
0.8
1
+ESI TIC Scan Frag=175.0V CNT_M1_Polar_POS.d
1
7x10
0
0.5
1
1.5
2
+ESI TIC Scan Frag=175.0V LEU CNT_M1_Polar_POS.d
1
7x10
0
0.5
1
1.5
2
2.5
3
3.5
+ESI TIC Scan Frag=175.0V LEU VXL_M1_Polar_POS.d
1
Acquisition Time (min)1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
(A)
(B)
(C)
Inte
nsity
(Co
un
ts)
38
Como consequência da análise de PCA são gerados dois tipos de plot’s
que devem sempre ser analisados em conjunto, o score plot e o loading plot. O
score plot mostra as coordenadas das amostras no novo sistema de eixos/variáveis
formado pelas componentes principais. Já o loading plot mostra o quanto cada
variável original contribuiu na construção de cada componente principal; bem como
explica o porquê dos agrupamentos observados no score plot.
No score plot (Figura 6A) foi possível observar que amostras similares
(mesmo grupo) foram agrupadas, havendo distinção completa entre os grupos
estudados. No loading plot (Figura 6B), é possível verificar de acordo com a sua
distribuição, quais variáveis foram responsáveis pelas separações observadas no
score plot, onde essas variáveis são apresentadas no formato massa/carga seguido
de seu respectivo tempo de retenção, ou seja, por exemplo, para a variável
M409T12_2 localizada no canto superior direito corresponde a um íon de m/z 409 e
que possui um tempo de retenção de 12 minutos.
Figura 6. Score Plot (A) e Loading Plot (B) da PCA para a fração aquosa analisada modo positivo.
A primeira componente principal (PC1) foi responsável por diferenciar os
camundongos saudáveis daqueles nos quais havia sido inoculada as células de
leucemia. Já a segunda componente principal (PC2) foi responsável por diferenciar
os camundongos leucêmicos tratados com VXL daqueles não tratados. A Figura 7
mostra um gráfico de porcentagem de variância explicada em função do número de
(A) (B)
PC 1 (43%) Loadings 1
PC
2 (
22,1
%)
Load
ings
2
39
componentes principais; este tipo de gráfico permite visualizar o número de
componentes principais necessárias para descrever de forma adequada a variância
do conjunto de dados. O resultado deste gráfico para os dados da fração aquosa
são exibidos a seguir.
Figura 7. Porcentagem de Variância explicada em função do número de PC’s utilizados para compor os scores do PCA para a fração aquosa analisada no modo positivo.
Utilizando duas componentes principais é possível explicar 65,1% da
variância total do conjunto de dados (43% em PC1 e 22,1% em PC2); a partir da
utilização da terceira componente principal em diante, a variação da variância
explicada por cada componente principal subsequente para descrever o conjunto de
dados é menor (8,3% em PC3, 5,1% em PC4, 4,2% em PC5, 3,3% em PC 6 e assim
por diante). Portanto é razoável utilizar duas componentes principais nesta situação
para descrever de forma adequada o conjunto de dados analisado.
Observando o loading plot é possível notar claramente que algumas
poucas variáveis distanciaram-se da grande maioria das variáveis, que por sua vez
encontraram-se localizadas junto do agrupamento central, indicando que as
variáveis localizadas nos extremos exercem uma contribuição maior e diferenciada
Número de PC’s
Va
riâ
nci
a E
xpli
cad
a
40
na separação dos grupos no score plot e na construção de cada componente
principal em questão, enquanto as variáveis centrais são comuns a todos os grupos.
Ainda utilizando o conjunto de dados oriundo da fração aquosa, foi
realizada uma análise por HCA. O resultado desta análise é apresentado na Figura
8:
Figura 8. Dendrograma com os dados obtidos para a fração aquosa analisada no modo positivo.
A HCA também é um método multivariado não supervisionado de
reconhecimento de padrões com o intuito de realizar uma análise exploratória de
dados por meio da redução da dimensionalidade de informação. Nesta análise, as
amostras também são agrupadas de acordo com a sua similaridade. E como
resultado gerado, o chamado dendrograma, mostra na forma de um gráfico
bidimensional a estrutura hierárquica dos dados que apresenta a similaridade entre
as amostras e, idealmente, amostras do mesmo grupo devem possuir uma distância
menor entre si (e, portanto, agrupando-se) do que amostras de grupos
diferentes.[83] Observando o dendrograma apresentado é possível notar o
agrupamento das amostras referentes ao seu respectivo grupo. Além disso, também
41
é possível observar que o grupo CNT está mais distante dos demais grupos, e ainda
é possível observar que os grupos LEU_CNT e LEU_VXL estão mais próximos entre
si; este comportamento é concordante com a tendência apresentada pelo PCA.
O conjunto de dados pré-processado também foi submetido à análise
discriminante por PLS-DA. A Figura 9 mostra os resultados obtidos no score plot e
no loading plot do PLS-DA. Este método de análise tem por objetivo tornar evidentes
possíveis similaridades ou diferenças específicas, através da organização
preferencial de componentes principais que se mostrem correlacionadas com
variáveis classificatórias de interesse (para este caso, os grupos CNT, LEU_CNT e
LEU_VXL). Conforme esperado, a mesma tendência de separação entre os
diferentes grupos e o agrupamento de amostras similares foi observada no score
plot. No loading plot o agrupamento da maioria das variáveis no centro enquanto
algumas poucas permaneceram isoladas nos extremos reproduziu também o
resultado da análise por PCA. Desta forma é possível tratar as variáveis que
exerceram uma contribuição maior na construção das componentes principais como
potenciais biomarcadores.
Figura 9. Score Plot (A) e Loading Plot (B) do PLS-DA para a fração aquosa analisada no modo positivo.
O modelo de classificação estabelecido para o conjunto de dados foi
avaliado utilizando validação cruzada. Basicamente, nos métodos de validação
cruzada reserva-se um número específico de amostras para a construção do modelo
(A) (B)
Componente1 (42.8%)
Co
mp
on
en
te 2
(2
1%
)
Loadings 1
Loa
din
gs
2
42
(conjunto de treinamento) e um número específico para o teste do modelo
construído (conjunto de validação). Dentre os diferentes métodos disponíveis para a
realização da validação cruzada, a escolha adequada do método irá depender
basicamente da quantidade de amostras disponíveis para utilizar tanto para o
conjunto de treinamento quanto para o conjunto de validação. Para o conjunto de
dados deste estudo foi utilizado o método LOOCV (do inglês Leave One Out Cross-
Validation), no qual consiste em escolher uma das amostras para compor o conjunto
de validação e as demais amostras remanescentes são usadas para o conjunto de
treinamento. Em seguida, uma nova amostra é retirada para compor o conjunto de
treinamento e a amostra que antes foi utilizada para o conjunto de treinamento desta
vez irá compor o conjunto de validação; essas operações são repetidas de maneira
iterativa. O método LOOCV é utilizado quando o número de amostras é pequeno e
não é possível destinar um conjunto de amostras para o conjunto de validação. A
Tabela 4 mostra os resultados para os parâmetros estatísticos considerados na
validação do modelo em função do número de componentes principais utilizadas
para descrever os dados.
Tabela 4. Parâmetros estatísticos de avaliação do modelo PLS-DA em função do número de componentes no modelo para a fração aquosa analisada no modo positivo
Medida 1 Comp 2 Comp’s 3 Comp’s 4 Comp’s 5 Comp’s 6 Comp’s
Exatidão 0,3333 1,0 1,0 1,0 1,0 1,0
R2 0,95861 0,97632 0,99752 0,99927 0,99989 0,99998
Q2 0,93065 0,93869 0,94451 0,94979 0,95148 0,95152
Utilizando apenas duas componentes, os valores de R2 e Q2 são 0,97632
e 0,93869, e o valor para Exatidão é 1,0, respectivamente. Os parâmetros
estatísticos R2 e Q2 são as ferramentas diagnósticas mais importantes para avaliar o
desempenho do modelo construído. O parâmetro R2 é chamado de “qualidade de
ajuste” (do inglês goodness of fit) e mede o quão bem o modelo pode ser feito para
ajustar os dados brutos. R2 varia entre 0 e 1, onde 1 indica um modelo perfeito e 0
indica nenhum tipo de ajuste ou modelagem. A principal desvantagem do parâmetro
R2 é que ele pode ser ajustado para próximo de 1 incluindo mais termos ao modelo
43
(no caso deste estudo, Componentes), e, portanto, somente R2 não é um indicador
suficiente para avaliar a validade do modelo. Um parâmetro muito melhor de
indicação da utilidade de um modelo de regressão é dado por Q2. Esse parâmetro é
chamado “qualidade de predição” (do inglês goodness of prediction) e estima o
poder preditivo do modelo, ou seja, a capacidade do modelo de prever resultados
oriundos de amostras desconhecidas. Q2 representa um indicador de desempenho
mais realista e útil, uma vez que reflete no objetivo final da modelagem – predições
para novos experimentos. Assim como R2, Q2 tem um limite superior em 1. Para que
um modelo passe por esses testes, tanto R2 quanto Q2 devem ser altos, e
preferencialmente não separados por valores maiores que 0,2 – 0,3. Diferenças
maiores entre esses valores indicam um alerta de um modelo inapropriado. De uma
forma geral, Q2>0,5 pode ser considerado como bom e Q2>0,9 como excelente.[84]
A exatidão, em geral é usado para descrever a proximidade de uma medida com um
valor tido como verdadeiro.[85] Em modelos de classificação, a Exatidão representa
o número de amostras preditas corretamente em relação ao total de amostras no
conjunto teste.[86] É recomendado utilizar o menor número possível de
componentes na construção do modelo a partir do qual não haja um ganho
significativo na exatidão e nos demais parâmetros de avaliação do modelo, e isso
deve ser feito mantendo os valores destes parâmetros próximos a 1 e, assim,
garantir a alta capacidade de predição do modelo. A utilização de um número de
componentes superior ao necessário resulta na inclusão de informações
desnecessárias ao modelo, tornando-o superajustado e desta forma comprometendo
a sua capacidade preditiva.
Os altos valores que foram obtidos pelos parâmetros R2, Q2 e exatidão
garantem a racionalidade do modelo construído para o presente estudo.
Outro critério importante a ser utilizado na seleção de potenciais
biomarcadores fornecido pelo PLS-DA são os resultados do VIP (do inglês Variable
Influence on Projection), as variáveis que apresentam valores mais distantes de 1
apresentam por sua vez uma maior influência na separação dos grupos. Foram
encontradas no total 83 variáveis com valor maior do que 1. A Figura 10 ilustra o
resultado desta análise para as 15 variáveis com maiores valores de VIP, onde as
caixas coloridas indicam a concentração relativa da variável em questão para cada
um dos grupos estudados.
44
Figura 10. VIP plot com as 15 variáveis com maior influência no modelo PLS-DA obtido para fração aquosa analisada no modo positivo.
4.2.2 Fração Orgânica – Modo Positivo
Os cromatogramas característicos obtidos comparando os grupos CNT,
LEU_CNT e LEU_VXL para a fração orgânica no modo positivo de análise são
apresentados na Figura 11.
45
Figura 11. Cromatograma de íons totais da fração orgânica analisada no modo positivo utilizando uma coluna C18 com vazão de fase móvel de 0,4 mLmin-1. (A) CNT, (B) LEU_CNT e (C) LEU_VXL.
Assim como os dados referentes ao extrato aquoso, os dados brutos
referentes ao extrato orgânico também foram submetidos aos pré-processamentos
de forma a obter a tabela de dados para utilizar os métodos quimiométricos
pertinentes. A Figura 12 exibe os resultados score plot do PCA e o dendrograma da
HCA.
Figura 12. PCA Score plot (esquerda) e HCA (direita) obtidos a partir dos dados da fração orgânica analisada no modo positivo.
7x10
2
4
6
+ESI TIC Scan Frag=175.0V CNT_M1_Apolar_POS.d
1 1
7x10
2
4
6
+ESI TIC Scan Frag=175.0V LEU CNT_M1_Apolar_POS.d
1 1
7x10
0
2
4
6
8
+ESI TIC Scan Frag=175.0V LEU VXL_M1_Apolar_POS.d
1 1
Acquisition Time (min)0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 10 10.5 11 11.5 12 12.5 13 13.5 14 14.5 15 15.5 16 16.5 17 17.5
(A)
(B)
(C)
Inte
nsity
(Co
unt
s)
PC 1 (28.4%)
PC
2 (
17%
)
46
Observando o score plot da Figura 12, é possível notar uma separação
entre o grupo CNT e o grupo LEU_VXL, no entanto ocorreu uma pequena
sobreposição entre a elipse a 95% de confiança entre o grupo controle e o grupo
leucemia. A tendência de similaridade entre esses grupos também pode ser
observada no dendrograma onde uma das amostras do grupo CNT foi agrupada
junto ao grupo LEU_CNT (a amostra do grupo CNT que, no score plot encontra-se
mais próxima do grupo LEU_CNT). A informação contida nas duas primeiras
componentes do score plot é capaz de explicar 45,5% da variância total do conjunto
de dados, um valor inferior quando comparado ao resultado obtido pelo extrato
aquoso.
O conjunto de dados também foi submetido à análise por PLS-DA (Figura
13). Os resultados obtidos para os parâmetros de validação são exibidos na Tabela
5. Para obter valores acima 0,9 é necessário incluir ao modelo no mínimo um
número correspondente a 5 componentes. Os valores de Exatidão, Q2 e R2
utilizando três componentes para a construção do modelo de classificação foram
0,9333 para Exatidão, 0,99992 para R2 e 0,95274 para Q2 e foram considerados
satisfatórios, garantindo a capacidade de predição do modelo. Por fim, a partir do
modelo PLS-DA construído com esses dados foram obtidas 35 variáveis com valores
de VIP >1 e consideradas como potenciais biomarcadores para esse conjunto de
dados.
47
Figura 13. Score plot (esquerda) e VIP plot (direita) do PLS-DA com os 15 potenciais marcadores para a fração orgânica analisada no modo positivo
Tabela 5. Parâmetros estatísticos de avaliação do modelo PLS-DA em função do número de componentes no modelo para a fração orgânica analisada no modo positivo
Medida 1 Comp 2 Comp’s 3 Comp’s 4 Comp’s 5 Comp’s 6 Comp’s
Exatidão 0,66667 0,86667 0,86667 0,86667 0,93333 1,0
R2 0,97014 0,99459 0,99709 0,99937 0,99992 0,99997
Q2 0,88396 0,9299 0,94103 0,94889 0,95274 0,95679
4.2.3 Fração Aquosa – Modo Negativo
A Figura 14 exibe os cromatogramas brutos obtidos comparando os
grupos CNT, LEU_CNT e LEU_VXL das amostras correspondentes à fração aquosa
analisada no modo negativo.
Componente 1 (28.2%)
Com
pone
nte
2 (1
1.5%
)
48
Figura 14. Cromatograma de íons totais da fração aquosa analisada no modo negativo utilizando uma coluna C18 Hydro com vazão de fase móvel de 0,4 mLmin-1. (A) CNT, (B) LEU_CNT e (C) LEU_VXL.
Após a realização dos pré-processamentos pertinentes aos
cromatogramas brutos, a matriz de dados subsequente foi então submetida também
aos métodos quimiométricos. A Figura 15 ilustra os resultados das análises
exploratórias multivariadas não supervisionadas.
7x10
0
0.25
0.5
0.75
1
1.25
1.5
1.75
-ESI TIC Scan Frag=175.0V CNT_M1_Polar_NEG.d
1 1
7x10
0
0.2
0.4
0.6
0.8
1
-ESI TIC Scan Frag=175.0V LEU CNT_M1_Polar_NEG.d
1 1
6x10
0
2
4
6
8
-ESI TIC Scan Frag=175.0V LEU VXL_M1_Polar_NEG.d
1 1
Acquisition Time (min)1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Inte
nsity
(Co
un
ts)
(A)
(B)
(C)
49
Figura 15. PCA Score plot (esquerda) e HCA (direita) obtidos a partir dos dados da fração aquosa analisada no modo negativo.
Analisando o score plot exibido na Figura 15 nota-se a separação
completa do grupo CNT na primeira componente principal, onde as duas primeiras
componentes principais descreveram uma porcentagem de variância acumulada de
70% dos dados, entretanto observou-se uma sobreposição na elipse a 95% de
confiança do grupo LEU_CNT com o grupo LEU_VXL o que indicaria, considerando
somente esta análise, que as mudanças no perfil dos metabólitos endógenos que
possuem afinidade pela fração aquosa são úteis na diferenciação de camundongos
saudáveis de camundongos leucêmicos, porém são insuficientes para diferenciar
camundongos leucêmicos de camundongos leucêmicos submetidos ao protocolo de
quimioterápicos avaliado nesse estudo, e desta forma se constataria de uma forma
equivocada que os camundongos submetidos aos quimioterápicos não estariam
respondendo ao tratamento, porém, para as mesmas amostras, quando analisadas
no modo positivo observou-se um comportamento contrário, ou seja, que o perfil de
metabólitos passíveis de ionização no modo positivo geraram mudanças suficientes
que viabilizassem tanto a detecção da doença, quanto a visualização da resposta
inicial ao tratamento (Figura 6). Uma inspeção atenta aos cromatogramas brutos
mostra que o cromatograma referente ao grupo CNT mostrou-se nitidamente
PC 1 (56.2%)
PC
2 (
13.8
%)
50
diferente em relação aos cromatogramas referentes aos grupos LEU_CNT e
LEU_VXL (principalmente quando se observa o intervalo da análise cromatográfica
compreendido entre 11 a 15 minutos), que por sua vez mostraram-se bastante
semelhantes entre si, isso possivelmente explica, em parte, o comportamento
observado no PCA. Já no HCA, observando a escala de distâncias no eixo inferior
do dendrograma, nota-se o afastamento bastante acentuado do grupo CNT em
relação aos grupo LEU_CNT e LEU_VXL, enquanto que os grupos LEU_CNT e
LEU_VXL estiveram mais próximos entre si. Diferentemente do resultado do HCA
para a fração orgânica analisada no modo positivo (Figura 12), para este caso,
nenhuma amostra mostrou tendência de agrupamento em um grupo diferente do
qual ela pertence, entretanto nota-se que uma amostra do grupo LEU_VXL
distanciou-se bastante das demais amostras correspondentes ao mesmo grupo,
ficando mais próxima do grupo CNT (a amostra denominada LEU_VXL_M3). A
Figura 16 exibe o score plot e o índice VIP da análise de PLS-DA para esse
conjunto de dados.
Figura 16. Score plot (esquerda) e VIP plot (direita) do PLS-DA com os 15 potenciais marcadores para a fração aquosa analisada no modo negativo.
Componente 1 (42.8%)
Com
pone
nte
2 (2
1%)
51
Observando-se o score plot do PLS-DA, localizado à esquerda, nota-se
novamente a separação completa do grupo CNT (similar ao observado no PCA) e
um resultado um pouco melhor com relação aos grupos LEU_CNT e LEU_VXL,
porém ainda é possível visualizar uma pequena sobreposição nas elipses a 95% de
confiança correspondentes à esses dois grupos, onde a mesma amostra citada
anteriormente, que exibe um comportamento anômalo, certamente exerce influência
sobre o resultado observado e uma amostra com comportamento similar as demais
correspondentes ao mesmo grupo possivelmente contribuiria para a obtenção de
melhores resultados para esse conjunto de dados. A Tabela 6 mostra os resultados
dos parâmetros da validação cruzada referente à esse conjunto de dados. A
utilização de 3 Componentes para esse modelo representa um número adequado,
pois além de se ter valores acima de 0,9 para todos os parâmetros, à partir da
quarta componente em diante, apesar dos valores mais elevados obtidos pelo
parâmetro R2 resultantes do aumento de Componentes ao modelo, da terceira para
a quarta Componente não é mais observado um ganho significativo no valor do
parâmetro Q2, que mudou de 0,90069 para 0,90607 (menos de 1% de aumento).
Tabela 6. Parâmetros estatísticos de avaliação do modelo PLS-DA em função do número de componentes no modelo para a fração aquosa analisada no modo negativo
Medida 1 Comp 2 Comp’s 3 Comp’s 4 Comp’s 5 Comp’s 6 Comp’s
Exatidão 0,33333 1,0 1,0 1,0 1,0 1,0
R2 0,77725 0,94804 0,97884 0,98755 0,99714 0,99924
Q2 0,67312 0,86666 0,90069 0,90607 0,89096 0,89342
4.2.4 Fração Orgânica – Modo Negativo
E por fim a amostras do estudo referentes ao extrato orgânico também
foram analisadas no modo negativo. Os cromatogramas brutos obtidos comparando-
se os grupos CNT, LEU_CNT e LEU_VXL são exibidos na Figura 17.
52
Figura 17. Cromatograma de íons totais da fração orgânica analisada no modo negativo utilizando uma coluna C18 com vazão de fase móvel de 0,4 mLmin-1. (A) CNT, (B) LEU_CNT e (C) LEU_VXL.
Os dados pré-processados oriundos desta análise foram
subsequentemente submetidos às análises quimiométricas, onde seus respectivos
resultados são exibidos na Figura 18, Figura 19 e Tabela 7.
O score plot da análise de PCA (Figura 18) mostra que não houve
qualquer tipo ou tendência de separação por parte dos grupos, o que se observa de
fato é a uma sobreposição nas elipses a 95% de confiança referente aos três
grupos; e consequentemente a análise de HCA também mostra no dendrograma
que não existem similaridades entre amostras dentro um mesmo grupo que
permitam que sejam formados agrupamentos de amostras referentes ao seu
respectivo grupo. Realizando uma visualização atenta aos cromatogramas brutos
(Figura 17) nota-se que os 3 cromatogramas exibidos mostram-se bastante
similares entre si, o que possivelmente explica, ao menos, em parte, o
comportamento observado nas análises exploratórias. Com relação ao PLS-DA
(Figura 19), nota-se uma tendência de separação entre os grupos CNT E LEU_VXL
na primeira componente do score plot, entretanto observa-se uma sobreposição na
elipse a 95% de confiança correspondente ao grupo LEU_CNT com os grupos CNT
e LEU_VXL. A separação pobre observada no PLS-DA para esse conjunto de
dados acabou refletindo nos resultados dos parâmetros referentes à validação
7x10
0
0.5
1
1.5
2
-ESI TIC Scan Frag=175.0V CNT_M1_Apolar_NEG.d
1 1
7x10
0
0.25
0.5
0.75
1
1.25
1.5
1.75
-ESI TIC Scan Frag=175.0V LEU CNT_M1_Apolar_NEG.d
1 1
7x10
0
0.5
1
1.5
-ESI TIC Scan Frag=175.0V LEU VXL_M1_Apolar_NEG.d
1 1
Acquisition Time (min)0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 10 10.5 11 11.5 12 12.5 13 13.5 14 14.5 15 15.5 16 16.5 17 17.5
Inte
nsity
(Co
un
ts)
(A)
(B)
(C)
53
cruzada (Tabela 7), onde tais resultados se mostraram inferiores quando
comparados aos demais resultados de validação cruzada (fração aquosa e orgânica
analisada no modo positivo e fração aquosa analisada no modo negativo).
Figura 18. PCA Score plot (esquerda) e HCA (direita) obtidos a partir dos dados da fração orgânica analisada no modo negativo.
Figura 19. Score plot (esquerda) e VIP plot (direita) do PLS-DA com os 15 potenciais marcadores para a fração orgânica analisada no modo negativo.
PC 1 (46,3%)
PC
2 (
19,7
%)
Componente 1 (42.8%)
Co
mp
on
en
te 2
(2
1%
)
54
Tabela 7. Parâmetros estatísticos de avaliação do modelo PLS-DA em função do número de componentes no modelo para a fração orgânica analisada no modo negativo.
Medida 1 Comp 2 Comp’s 3 Comp’s 4 Comp’s 5 Comp’s 6 Comp’s
Exatidão 0,6 0,6 0,6666 0,6666 0,6 0,73333
R2 0,80126 0,88378 0,92965 0,9514 0,97634 0,98566
Q2 0,6606 0,67392 0,73856 0,79404 0,76949 0,7557
Comparando os resultados referentes aos itens 4.2.1, 4.2.2, 4.2.3 e 4.2.4
foi possível observar que os resultados obtidos pela fração aquosa analisada no
modo positivo mostraram-se melhores em comparação aos resultados obtidos pela
fração orgânica analisada no mesmo modo, e as frações aquosa e orgânica
analisadas em modo negativo, tomando como base os resultados fornecidos da
PCA, HCA e também PLS-DA (scores, loadings, dendrograma e validação cruzada),
mostrando, assim, que os metabólitos endógenos que possuem afinidade por essa
fração, que são passíveis de detecção no modo positivo; bem como as estratégias
adotadas no preparo de amostra (utilizando separação de fases), na separação
cromatográfica (utilizando uma coluna Hydro) e no tratamento dos dados mostraram-
se determinantes para a classificação adequada de cada um dos grupos propostos
no estudo e na busca por potenciais biomarcadores. Os modelos de PLS-DA
gerados com os dados da fração orgânica analisada no modo positivo e da fração
aquosa analisada no modo negativo se mostraram, no entanto, úteis na distinção
entre camundongos saudáveis e camundongos com leucemia (grupo CNT e
LEU_CNT, respectivamente). E por fim os resultados da fração orgânica analisada
no modo negativo se mostraram insuficientes na distinção entre camundongos
saudáveis (CNT) e camundongos com leucemia (LEU_CNT). Apesar do tempo
necessário por amostra para a aquisição de todos esses dados (cerca de 96 minutos
para cada amostra), caso o propósito do estudo seja meramente a diferenciação de
camundongos saudáveis de leucêmicos, ou verificar a resposta de camundongos
leucêmicos quando submetidos ao tratamento quimioterápico com vincristina,
dexametasona e asparaginase, uma análise de 26 minutos (correspondente ao
tempo da corrida cromatográfica para a fração aquosa analisada no modo positivo)
apresentou resultados satisfatórios, e desta forma, dispensa a realização das
55
demais análises referentes à fração orgânica no modo positivo e a fração aquosa e
orgânica no modo negativo .
4.3 MS/MS de potenciais biomarcadores
Neste tópico são discutidas as tentativas de identificação dos principais
potenciais biomarcadores, bem como as dificuldades e desafios inerentes a essa
etapa. Após verificar que os compostos oriundos do extrato aquoso quando
analisados no modo positivo de ionização fornecem os melhores resultados e são os
melhores classificadores de cada um dos grupos envolvidos no estudo, a etapa
posterior consistiu na tentativa de identificação dos íons correspondentes às
variáveis que exercem maior influência no respectivo modelo de PLS-DA. Esta etapa
foi realizada apenas com o intuito de fornecer informações adicionais e
complementares ao estudo, de forma a auxiliar em futuros trabalhos, uma vez que
os objetivos gerais inicialmente propostos foram alcançados. Nesta etapa foram
escolhidas as variáveis com o índice VIP superior a 1, e a tentativa de identificação
se deu por meio da medida da massa exata, que fornece a fórmula molecular do
metabólito, e por meio de experimentos do CID que por sua vez fornecem
informações estruturais; e com esses dados foi realizada uma busca na base de
dados do METLIN, HMDB, Lipid Maps e KEGG. Para exemplificar essa tarefa,
escolheu-se a variável M496T12 que apresentou o valor de p = 0,00137 e índice VIP
de 2,4979; com 0,6 ppm de erro a fórmula molecular atribuída para o íon de m/z
496,3401 foi C24H50NO7P. O íon precursor foi observado na forma [M+H]+. A Figura
20 exibe o espectro de MS/MS para o íon 496 com as estruturas propostas para o
íon precursor e para os principais fragmentos observados utilizando 30 V de energia
de colisão.
Por se tratar de uma matriz complexa e com uma diversidade grande de
metabólitos como o plasma, a medida de massa exata é insuficiente para a
identificação final do metabólito. De acordo com a busca efetuada no banco de
dados, a fórmula C24H50NO7P pode corresponder a algumas fosfatidilcolinas (PC’s) e
à fosfatidiletanolamina PE (19:0/0:0), no entanto observa-se no espectro um íon
intenso de m/z 184,0734, correspondente à fosfocolina, m/z 104,1070
correspondente à colina e o m/z 86,0970 correspondente à perda de água da colina.
56
Estes são íons produtos característicos de PC’s na qual elimina a possibilidade da
variável M496T12 corresponder à uma PE. A comparação do espectro obtido
experimentalmente com o espectro do banco de dados e publicações[87] [29] supõe
à variável M496T12 como sendo possívelmente a LysoPC(16:0).
Figura 20. Espectro de MS/MS do tipo varredura de íons produtos para o íon m/z 496 com tempo de retenção de 12 minutos do extrato aquoso analisado no modo positivo utilizando 30 V de energia de colisão.
A medida de massa exata, e o espectro de MS/MS possibilitou a
percepção de outras PC’s presentes entre os principais potenciais marcadores por
meio da fragmentação característica desta classe. A variável M520T13 é um outro
exemplo. Com um valor de p = 0,000223 e índice VIP de 2,1457, a medida da massa
exata fornece a fórmula C26H50NO7P com um erro de 1,15 ppm para a m/z 520,3404
correspondente à LysoPC (18:2), observado no espectro na forma [M+H]+. Assim
como no caso da variável M496T12, a variável M520T13 também retornou uma
fosfatidiletanolamina, a PE (10:0/11:0) como uma sugestão do banco de dados,
inclusive, para este caso, com um erro em ppm inferior à LysoPC (18:2) para a
fórmula C26H52NO8P (0,19 ppm). Mais uma vez o experimento de MS/MS se mostrou
determinante para auxiliar nas etapas de identificação do metabólito e sua classe
mediante o perfil de fragmentação. O íon m/z 520,3404 quando submetido à MS/MS
apresenta os fragmentos 184, 104 e 86, típicos de fosfatidilcolinas. Além disso, o
4x10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
1.4
1.5
1.6
1.7
+ESI Product Ion (11.709-12.054 min, 6 Scans) Frag=175.0V [email protected] (496.3400[z=1] -> **) Polar.d
184.0739
104.1070
60.0806166.0625 313.2715 353.1179258.1149 496.3388405.1788
Mass-to-Charge (m/z)40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 340 360 380 400 420 440 460 480 500 520 540
Inte
nsiit
y(C
ou
nts
)
86.0970124.9997
57
banco de dados sugeriu outras fosfatidilcolinas para a medida de massa exata
apresentada. Optou-se pela LysoPC (18:2) devido à informações encontradas na
literatura.[29] A Figura 21 mostra o espectro de MS/MS deste composto utilizando
20 V de energia de colisão.
Figura 21. Espectro de MS/MS do tipo varredura de íons produtos para o íon 520 com tempo de retenção de 13 minutos do extrato aquoso analisado no modo positivo utilizando 30 V de energia de colisão.
Com relação as LysoPC’s, essa classe de compostos consiste em
diferentes combinações de ácidos graxos ligados à fosfocolina, e variam em
números de carbonos e em insaturações na cadeia alquílica localizada na posição
sn-1(Figura 22). 16, 18 e 20 carbonos são as quantidades mais comuns
encontradas em LysoPC’s, que por sua vez são encontradas em pequenas
quantidades em tecidos. No plasma sanguíneo, quantidades significativas de
LysoPC’s são formadas pelo sistema enzimático lecitina:colesterol aciltransferase
(LCAT), no qual é secretado pelo fígado e são encontradas em concentrações que
variam de 31,5 µM[74] a 37,4 µM.[9] O referido sistema enzimático cataliza a
transferência de ácidos graxos da posição sn-2 das PC’s antecessoras para
colesterol livre em plasma, com formação de ésteres de colesterol e as posteriores
LysoPC’s sucessoras.[88] Essa classe de moléculas está envolvida em diversos
processos biológicos incluindo sinalização celular, metabolismo energético, e
integridade/estabilidade celular. Alterações nos níveis de LysoPC’s já foram
relatados em alguns cânceres incluindo câncer de mama,[89] carcinoma
5x10
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
2.2
2.4
2.6
2.8
3
3.2
+ESI Product Ion (12.776-13.328 min, 36 Scans) Frag=175.0V (520.3400[z=1] -> **) LEU_CNT_M2_MSMS_10_20_30_40_TODOS_Polar.d
184.0728
104.1061
520.3367
86.0966
124.9989502.3252166.0624 258.1083 337.2710 443.2522
Mass-to-Charge (m/z)
20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 340 360 380 400 420 440 460 480 500 520 540 560 580 600 620 640
Inte
ns
ity(C
ou
nts
)
58
epidermóide do esôfago,[90] câncer de ovário,[91] e carcinoma hepatocelular, [92]
No caso da LysoPC (16:0) e da LysoPC (18:2), Bai e colaboradores observaram
alterações nos níveis desses compostos em um estudo envolvendo leucemia em
seres humanos, no qual o autor atribui a alteração no metabolismo de
glicerofosfolipídios ao caráter proliferativo anormal de células de câncer que
necessitam de síntese de ácidos graxos para desempenhar a referida função.[29]
[93]
Figura 22. Fórmula estrutural geral para fosfolipídios com indicações das posições sn-1, sn-2 e sn-3. No caso de LysoPC's a posição sn-2 sofre hidrólise.
E para complementar, é apresentado um último caso, correspondente à
variável M303T16, que apresentou um valor de p = 0,0000235 e índice VIP de
1,1692. Foi observado um íon precursor de m/z 303,2321. O banco de dados sugere
alguns eicosanóides como resultados da busca de acordo com a medida de massa
exata fornecida, onde alguns dos compostos dessa classe correspondem à
diferentes ácidos hidróxi eicosatetraenóicos, variando nas posições das 4
insaturações e da hidroxila ligada à porção alifática, e o íon precursor
correspondente à esses compostos surge no espectro na forma [M+H-H2O]+ onde
ocorre uma perda da hidroxila da estrutura na forma de uma perda neutra de água
logo na fonte de ionização, dando origem à mais uma insaturação ao íon precursor.
Além disso, outros eicosanóides sugeridos pela busca no banco de dados
59
correspondem à diferentes ácidos dihidróxi eicosatrienóicos variando nas posições
das 3 insaturações e das duas hidroxilas ligada à porção alifática, do qual o íon
precursor correspondente à esses compostos surge no espectro na forma [M+H-
2H2O]+ onde ocorre uma perda de ambas hidroxilas da estrutura na forma de duas
perdas neutras prévias de água na fonte de ionização, dando origem à duas novas
insaturações ao íon precursor, resultando em ambos os casos numa estrutura similar
ao ácido eicosapentaenóico (Figura 23). O ácido eicosapentaenóico, na forma
[M+H]+ foi também uma outra sugestão do banco de dados. É importante notar que
em todas as possibilidades apresentadas (ácidos hidróxi eicosatetranóicos, ácidos
dihidróxi eicosatrienóicos e ácido eicosapentanóico), serão gerados o mesmo íon
precursor, e consequentemente serão gerados espectros de MS/MS com perfil de
fragmentação muito similares entre si, e dessa forma, não é possível realizar
afirmações acerca do tipo de aduto do qual íon m/z 303,2321 seria oriundo.
Figura 23. Fórmulas estruturais do (A) ácido hidróxi eicosatetraenóico, (B) ácido dihidróxi eicosatrienóico, (C) ácido eicosapentaenóico.
Apesar da impossibilidade de realizar a afirmação à respeito do tipo de
aduto referente, bem como ao tipo do suposto eicosanoide; analisando atentamente
o espectro de MS/MS obtido experimentalmente, fornecido pela Figura 24 em
-H2O -2H2O
(A) (B)
(C)
60
comparação com outros espectros de MS/MS de eicosanóides, e metabólitos de
outras classes que possuem o íon precursor de mesma m/z, fornecidos pelo banco
de dados, observou-se uma similaridade entre os espectros de MS/MS referentes à
eicosanoides oriundos do banco de dados com o espectro obtido
experimentalmente, e uma disparidade com os espectros de MS/MS fornecidos pelo
banco de dados referentes à metabólitos de outras classes que possuem o íon
precursor de m/z 303, reforçando a possibilidade do espectro obtido
experimentalmente corresponder à um eicosanoide devido à semelhança deste dado
com a informação obtida do banco de dados.
Figura 24. Espectro de MS/MS do tipo varredura de íons produtos para o íon 303 com tempo de retenção de 16 minutos do extrato aquoso analisado no modo positivo.
Ainda com relação ao espectro de MS/MS fornecido pela Figura 24, é
possível notar duas tendências importantes. A primeira é que alguns íons do
espectro (região entre 60-150 Da) apresentam diferenças de massa de 14 Da, o que
normalmente corresponde à um grupo CH2, além das perdas neutras de C2H4. A
segunda observação é que para alguns íons além das diferenças de 14 unidades, é
possível observar um íon correspondente com 2 unidades de massa a mais,
normalmente com intensidade inferior, o que normalmente refere-se à mesma
estrutura, porém com uma insaturação a menos. Esse é um comportamento típico
de estruturas alquílicas com insaturações quando submetidos à MS/MS, e
2x10
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
2.2
2.4
2.6
2.8
3
3.2
3.4
3.6
3.8
+ESI Product Ion (15.477-15.893 min, 37 Scans) Frag=175.0V (303.2300[z=1] -> **) LEU_CNT_M2_MSMS_10_20_30_40_TODOS_Polar.d
91.0545
303.2305
105.0702
67.053681.0698
131.0845
145.1005
285.2193157.1002 201.1267
243.2109 267.2091
Mass-to-Charge(m/z)30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300 310 320
93.069769.0964
107.0858
Inte
ns
ity(C
ou
nts
)
61
observando a porção alquílica da estrutura do íon precursor, essa observação se
mostra concordante com a porção alquílica da estrutura dos eicosanóides.
Com relação aos ácidos dihidróxi eicosatrienóicos, esses compostos
pertencem à classe de compostos orgânicos conhecido como leucotrienos, e são
encontrados em biofluídos como sangue e fluído cerebrospinhal em concentrações
variando de 0,00051 µM [94] a 0,000244 µM [74] no sangue humano. Sobre o ácido
hidróxi tetraenóico, trata-se de um produto da oxidação radicalar do ácido
araquidônico. Alterações nos níveis de ácidos hidróxi tetraenóicos foram relatadas
em pacientes com doença da artéria coronária.[95] Tanto no caso dos ácidos
dihidróxi eicosatrienóicos quanto no caso dos ácidos hidróxi eicosatetraenóicos
ambos são compostos pertencentes à classe dos eicosanoides contendo grupos
hidroxila ligados à cadeia alifática, possuindo insaturações nas ligações carbono-
carbono. Eicosanóides gerados do metabolismo do ácido araquidônico pelas
enzimas do citocromo P450 possuem diversas funções biológicas, tais como,
sinalização celular, integridade/estabilidade de membrana, envolvimento na
regulação do tônus vascular, transporte tubular renal, contratilidade cardíaca,
inflamação e proliferação celular.[96] Alguns estudos relacionam leucotrienos a
algumas neoplasias como câncer coloretal,[97] câncer de pulmão,[98] e câncer de
cólon.[99]
Dentre os compostos que apresentaram índice VIP maior que 1, e
consequentemente foram considerados potenciais biomarcadores para a fração
aquosa no modo positivo, somente foi possível obter informações de maneira a
caracterizá-los parcialmente, em um número muito inferior em relação ao total de
compostos. Um dos maiores desafios em metabolômica untargeted por LC-MS se dá
na etapa de identificação de compostos. Essa é uma questão, inclusive, que carece
de desenvolvimentos recentes mais efetivos. Metabólitos incluem uma larga
variedade de estruturas como açúcares, lipídios, esteroides, aminoácidos, etc,
consequentemente com arranjos atômicos diversos. Sua diversidade química e de
propriedades físicas dificultam a criação regras gerais para a predição de padrões
de fragmentação[18], diferentemente de, por exemplo, peptídeos, onde sua
fragmentação ocorre preferencialmente nas ligações peptídicas, facilitando a
identificação em aplicações de sequenciamento de proteínas em proteômica, por
meio de perdas neutras de aminoácidos. Além disso, muitos metabólitos não geram
62
um perfil de fragmentação que os torne passível de interpretação; e para muitos
casos, pouca ou nenhuma fragmentação é observada, como por exemplo, em
compostos que possuem afinidade pela formação de adutos de sódio[100], o que
dificulta a obtenção de informação a respeito de sua estrutura; como um exemplo de
íons de difícil fragmentação, a Figura 25 mostra os espectros de MS/MS para os
íons referentes às variáveis M409T14_2 e M307T11 utilizando diferentes energias
de colisão. Tais variáveis também exibiram comportamento de potenciais
biomarcadores com valores de p = 0,005406 e 0,0012884 e índices VIP de 1,2946 e
1,047, respectivamente. Observando-se atentamente aos espectros exibidos nota-se
praticamente nenhuma fragmentação para os íons 409 e 307, mesmo com o
aumento da energia de colisão. Apesar da diminuição da intensidade referente ao
íon precursor, (chegando até o ruído na Figura 25 F) o que indicaria a fragmentação
do íon, não se observa um perfil de fragmentação passível de interpretação,e dessa
forma não é possível realizar qualquer afirmação correspondente à estrutura ou
parte da estrutura destes íons.
Figura 25. Espectros de MS/MS dos íons referentes às variáveis M409T14_2 e M307T11. Utilizando: 10 V (A), 20 V (B) e 30 V (C) de energia de colisão para o íon 409 e 10 V (D), 20 V (E) e 30 V (F) de energia de colisão para o íon 307.
4x10
0
2
4
+ESI Product Ion (13.374-13.943 min, 6 Scans) Frag=175.0V [email protected] (409.1600[z=1] -> **)
409.1598
117.0925 143.0116 377.129386.0843 324.2168195.1239 221.1487 277.6114 349.2559
4x10
0
1
2
+ESI Product Ion (13.270-13.947 min, 7 Scans) Frag=175.0V [email protected] (409.1600[z=1] -> **)
409.1598
289.103285.064858.0666 238.1935 331.1878139.1107 394.1889353.2142202.1080
3x10
0
2
+ESI Product Ion (13.383-13.951 min, 6 Scans) Frag=175.0V [email protected] (409.1600[z=1] -> **)
409.1597
289.103995.086569.0694 121.1025 245.0810156.1047 312.3280195.0306
3x10
0
0.5
1
+ESI Product Ion (11.279-11.566 min, 5 Scans) Frag=175.0V [email protected] (307.1100[z=1] -> **)
307.1134
156.0789100.0531 227.1011205.1333 291.1452259.0916130.0532
2x10
0
1
+ESI Product Ion (11.225-11.629 min, 7 Scans) Frag=175.0V [email protected] (307.1100[z=1] -> **)
307.1133
213.1112188.045886.0947 116.0699 248.1643139.0784 293.2262
1x10
0
2
+ESI Product Ion (11.229-11.633 min, 7 Scans) Frag=175.0V [email protected] (307.1100[z=1] -> **)
130.0876102.090758.0741 173.0618 290.1857248.1105
219.0921
Counts vs. Mass-to-Charge (m/z)60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300 310 320 330 340 350 360 370 380 390 400 410 420 430 440 450
(A)
(B)
(C)
(D)
(E)
(F)
63
O contrário também pode ocorrer, ou seja, metabólitos extremamente
lábeis podem fragmentar-se na fonte de ionização e dessa forma, dependendo da
extensão da fragmentação, a informação da fórmula molecular obtida a partir da
molécula precursora intacta pode ser perdida, prejudicando ainda mais a tarefa de
identificação; apesar desse fato não ter sido um problema para a identificação do
eicosanoide mencionado anteriormente, onde o íon precursor é detectado com
perda prévia de água, tampouco em casos análogos; a fragmentação na fonte pode
tornar-se problemática em relação à identificação de compostos que fragmentam na
fonte onde tal fragmentação não é proveniente de uma ou duas perdas neutras de
água, e, para quaisquer casos similares que possam surgir, o banco de dados será
incapaz de determinar qual foi a perda neutra na fonte de ionização .A Figura 26
ilustra o exemplo da fenilalanina. Observando atentamente a ilustração nota-se na
parte superior (Figura 26A) o EIC para o íon de m/z 166.9781 que mostra o tempo
da análise cromatográfica na qual íons que possuem essa m/z eluem. O espectro de
MS para esse pico cromatográfico (Figura 26 B) mostra a existência de dois íons,
m/z 166.0870 e m/z 120.0809, o que inicialmente levaria a conclusão da existência
de dois metabólitos diferentes que eluem nessa região. Entretanto o espectro de
MS/MS para o íon m/z 166.0870 (Figura 26 C) mostra o íon m/z 120.0809 como um
de seus fragmentos, além dos demais fragmentos concordantes com o perfil de
fragmentação da fenilalanina. E por fim o espectro de MS/MS do íon m/z 120.0809
(Figura 26 D) mostra exatamente o mesmo perfil de fragmentação do íon m/z
166.0870 mostrando que os íons m/z 166.0870 e m/z 120.0809 exibidos no espectro
de MS (Figura 26B) tratam-se da fenilalanina que fragmentou-se na fonte. É
importante salientar que para esse caso, a diferença de massa entre o íon precursor
e o íon produto é de 46 Da, e, como essa perda neutra não está inclusa nos casos
[M+H-H2O]+ e nem [M+H-2H2O]+, o software de processamento de dados, bem como
o banco de dados seriam incapazes de detectar a redundância dessa informação e
interpretaria ambos os íons como metabólitos distintos Para o caso da fenilalanina,
essa situação pode ser contornada, pois os dados de MS/MS para esse metabólito
são amplamente difundidos, além disso é possível visualizar o íon precursor na
forma não fragmentada, entretanto essa situação pode tornar-se problemática com
relação à metabólitos que fragmentam-se numa extensão na qual não é possível
64
visualizar o íon precursor no espectro de MS, bem como com relação à metabólitos
que carecem de dados de MS/MS em bancos de dados e publicações.
Figura 26. Dados para o extrato aquoso no modo positivo exibindo: (A) EIC para o íon m/z 166.0871 com ampliação na região de m/z 50-225 Da (B) espectro de MS para o pico cromatográfico que elui em 9 minutos de análise, (C) espectro de MS/MS para o íon m/z 166.0871 e (D) MS/MS para o íon m/z 120.0909.
Outro fator que dificulta a identificação de metabólitos por LC-MS é o
banco de dados incipiente e de cobertura limitada, justamente por ser uma área do
conhecimento de aplicação recente. As informações de identificação de metabólitos
em bancos de dados por MS/MS estão disponíveis em uma quantidade muito inferior
quando comparada à quantidade de informações referentes à identificação de
compostos unicamente pela massa exata. A tentativa de identificação de um
metabólito somente com as informações de massa exata é, de certa forma,
insuficiente e inadequada, mesmo para valores baixos de erros em ppm, pois a
complexidade de matrizes biológicas permite a coexistência de compostos de
6x10
0
0.2
0.4
0.6
0.8
1
+ESI Scan (8.811 min) Frag=175.0V QC_Geral_MSMS_Polar_POS.d
120.0809166.0870
127.0503 153.0664 194.1189141.9588 208.1339175.0191
3x10
0
2
4
6
8
+ESI Product Ion (8.474-9.133 min, 18 Scans) Frag=175.0V (166.0871[z=1] -> **) QC_Geral_MSMS_Polar_POS.d
120.080977.0387
103.0542
51.022891.0542
65.0386131.0501
4x10
0
0.2
0.4
0.6
0.8
1
+ESI Product Ion (8.462-9.029 min, 15 Scans) Frag=175.0V (120.0812[z=1] -> **) QC_Geral_MSMS_Polar_POS.d
77.038751.0228 103.0542
91.054265.0387 120.0808
Mass-to-Charge (m/z)
40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 135 140 145 150 155 160 165 170 175 180 185 190 195 200 205 210 215 220 225
6x10
0
0.2
0.4
0.6
0.8
1
1.2
+ESI EIC(166.0871) Scan Frag=175.0V QC_Geral_MSMS_Polar_POS.d
1 1
.Acquisition Time (min)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
EIC 166.0871
Inte
ns
ity
(Co
un
ts)
(A)
(B)
(C)
(D)
MS
MS/MS
166.0871
MS/MS
120.0909
Inte
ns
ity
(Co
un
ts)
166.0870
46 Da
65
fórmula molecular similar, porém com padrões de fragmentação completamente
distintos. Com relação à identificação de compostos por MS/MS pelo perfil de
fragmentação experimental e posterior comparação com os dados de MS/MS de
bancos de dados, ainda para este caso, essa abordagem possui a sua limitação:
tomando como exemplo de comparação a biblioteca de GC-MS, onde as
informações do perfil de fragmentação são provenientes de fragmentos oriundos
diretamente da fonte de ionização de EI, onde é sabido que essa fonte de ionização
permite uma extensa fragmentação, reprodutível o suficiente de modo a reunir os
dados em bibliotecas para a aplicação em identificação; não é possível, no entanto
obter o mesmo comportamento de reprodutibilidade para fragmentações por CID,
que são realizadas no interior do espectrômetro de massas. Essa fragmentação é
sujeita à variações, que se dão tanto na fonte de ionização de ESI, quanto no interior
de célula de colisão, onde um mesmo metabólito pode gerar fragmentos distintos em
diferentes instrumentos, e desta forma, dificultando o processo de identificação do
metabólito. Atualmente, para uma identificação inequívoca do metabólito por LC-MS
é necessário utilizar padrões analíticos do metabólito que se deseja identificar e
submetê-los às mesmas condições instrumentais (gradiente de eluição
cromatográfica, voltagens da fonte de ionização de ESI e energia de colisão), e caso
se obtenham os mesmos resultados (tempo de retenção e perfil de fragmentação
por MS/MS) é possível realizar a identificação definitiva e inequívoca do metabólito.
E desta forma, portanto, é importante deixar claro que, as estratégias empregadas
no presente trabalho, bem como os resultados obtidos, permitiram uma identificação
parcial dos metabólitos mencionados.
5 – CONCLUSÕES
Nesse estudo foi otimizado um método baseado em estratégias de
metabolômica por LC-MS. Por meio de diferentes metodologias testadas, como
precipitação de proteínas, separação de fases, e uso de diferentes colunas para
cada fração, foi possível avaliar a melhor estratégia que ofereceu como retorno a
maior quantidade de íons detectados e este método foi aplicado em um estudo de
interesse da área oncológica. Esta foi a primeira vez em que a abordagem por
66
metabolômica foi aplicada na comparação dos fingerprintings metabólicos em
camundongos NOD/SCID comparando-se grupos saudáveis, leucêmicos e
leucêmicos tratados com vincristina, dexametasona e asparaginase. Por meio das
estratégias adotadas para a realização do tratamento dos dados adquiridos, o
método proposto foi capaz de detectar as alterações geradas nos níveis de
metabólitos e, consequentemente, utilizando PLS-DA foi possível classificar de
forma eficiente todos os grupos de camundongos propostos pelo estudo, desde o
diagnóstico da leucemia até o monitoramento da resposta inicial ao tratamento mais
comum aplicado, atendendo todos os requisitos mínimos de avaliação de eficiência
do modelo de classificação, oferecendo uma ferramenta adicional útil para a
utilização em estudos na área oncológica. Como informação adicional, foi possível
verificar que parte desses potenciais biomarcadores correspondem à
glicerofósfolipídios e a eicosanóides, que puderam ser parcialmente identificados e
necessitam de investigações posteriores mais aprofundadas.
6 – REFERÊNCIAS
1. Sanger, F., S. Nicklen, and A.R. Coulson, DNA sequencing with chain-
terminating inhibitors. Proceedings of the National Academy of Sciences, 1977.
74(12): p. 5463-5467.
2. Garlow, S.J., And Now, Transcriptomics. Neuron, 2002. 34(3): p. 327-328.
3. Pandey, A. and M. Mann, Proteomics to study genes and genomes. Nature,
2000. 405(6788): p. 837-46.
4. Wang, Y., et al., Current state of the art of mass spectrometry-based
metabolomics studies – a review focusing on wide coverage, high throughput and
easy identification. RSC Advances, 2015. 5(96): p. 78728-78737.
5. Fiehn, O., et al., Metabolite profiling for plant functional genomics. Nature
Biotechnology, 2000. 18(11): p. 1157-61.
67
6. Yin, P. and G. Xu, Current state-of-the-art of nontargeted metabolomics based
on liquid chromatography-mass spectrometry with special emphasis in clinical
applications. Journal of Chromatography A, 2014. 1374: p. 1-13.
7. Holmes, E., I.D. Wilson, and J.K. Nicholson, Metabolic phenotyping in health
and disease. Cell, 2008. 134(5): p. 714-7.
8. Fukusaki, E., Application of Metabolomics for High Resolution Phenotype
Analysis. Mass Spectrometry (Tokyo), 2014. 3(Special Issue 3): p. S0045.
9. Wishart, D.S., et al., HMDB: the Human Metabolome Database. Nucleic Acids
Research, 2007. 35(Database issue): p. D521-6.
10. Kanehisa, M., KEGG: Kyoto Encyclopedia of Genes and Genomes. Nucleic
Acids Research, 2000. 28(1): p. 27-30.
11. Cotter, D., et al., LMPD: LIPID MAPS proteome database. Nucleic Acids
Research, 2006. 34(Database issue): p. D507-10.
12. Horai, H., et al., MassBank: a public repository for sharing mass spectral data
for life sciences. Journal of Mass Spectrometry, 2010. 45(7): p. 703-714.
13. Roberts, L.D., et al., Targeted metabolomics. Current Protocols in Molecular
Biology, 2012. Chapter 30: p. Unit 30 2 1-24.
14. Shulaev, V., Metabolomics technology and bioinformatics. Briefings in
Bioinformatics, 2006. 7(2): p. 128-39.
15. Fenn, J., et al., Electrospray ionization for mass spectrometry of large
biomolecules. Science, 1989. 246(4926): p. 64-71.
16. Horning, E.C., et al., New picogram detection system based on a mass
spectrometer with an external ionization source at atmospheric pressure. Analytical
Chemistry, 1973. 45(6): p. 936-943.
17. Robb, D.B., T.R. Covey, and A.P. Bruins, Atmospheric Pressure
Photoionization: An Ionization Method for Liquid Chromatography−Mass
Spectrometry. Analytical Chemistry, 2000. 72(15): p. 3653-3659.
68
18. Zhou, B., et al., LC-MS-based metabolomics. Molecular Biosystems, 2012.
8(2): p. 470-81.
19. Marmet, P., Quadrupole Mass Analyzers. Journal of Vacuum Science and
Technology, 1971. 8(1): p. 262.
20. Helmut, S. and P. Wolfgang, Apparatus for separating charged particles of
different specific charges, 1960, US Patent, 2939952.
21. Goudsmit, S.A., A Time-of-Flight Mass Spectrometer. Physical Review, 1948.
74(5): p. 622-623.
22. Hu, Q., et al., The Orbitrap: a new mass spectrometer. Journal of Mass
Spectrometry, 2005. 40(4): p. 430-43.
23. Hipple, J.A., H. Sommer, and H.A. Thomas, A Precise Method of Determining
the Faraday by Magnetic Resonance. Physical Review, 1949. 76(12): p. 1877-1878.
24. Glish, G.L., et al., A new “hybrid” sector/quadrupole mass spectrometer for
mass spectrometry/mass spectrometry. International Journal of Mass Spectrometry
and Ion Physics, 1982. 41(3): p. 157-177.
25. Chernushevich, I.V., A.V. Loboda, and B.A. Thomson, An introduction to
quadrupole-time-of-flight mass spectrometry. Journal of Mass Spectrometry, 2001.
36(8): p. 849-65.
26. Blankenberg, F.G., et al., Quantitative analysis of apoptotic cell death using
proton nuclear magnetic resonance spectroscopy. Blood, 1997. 89(10): p. 3778-
3786.
27. Rainaldi, G., et al., Metabolomics using 1H-NMR of apoptosis and Necrosis in
HL60 leukemia cells: differences between the two types of cell death and
independence from the stimulus of apoptosis used. Radiation Research, 2008.
169(2): p. 170-80.
28. Tiziani, S., et al., Metabolomics of the tumor microenvironment in pediatric
acute lymphoblastic leukemia. PLoS One, 2013. 8(12): p. e82859.
69
29. Bai, Y., et al., Biomarker identification and pathway analysis by serum
metabolomics of childhood acute lymphoblastic leukemia. Clinica Chimica Acta,
2014. 436: p. 207-16.
30. Pui, C.-H., Recent Research Advances in Childhood Acute Lymphoblastic
Leukemia. Journal of the Formosan Medical Association, 2010. 109(11): p. 777-787.
31. Pedrosa, F. and M. Lins, Leucemia linfóide aguda: uma doença curável.
Revista Brasileira de Saúde Materno Infantil, 2002. 2(1).
32. Nehmy, R.M.Q., et al., A perspectiva dos pais sobre a obtenção do
diagnóstico de leucemia linfóide aguda em crianças e adolescentes: uma
experiência no Brasil. Revista Brasileira de Saúde Materno Infantil, 2011. 11(3): p.
293-299.
33. Ortega, J.A., et al., L-Asparaginase, vincristine, and prednisone for induction
of first remission in acute lymphocytic leukemia. Cancer Research, 1977. 37(2): p.
535-40.
34. http://www.drugbank.ca/drugs/DB00541 , Acesso em 19/01/2016.
35. http://www.drugbank.ca/drugs/DB01234 , Acesso em 19/01/2016.
36. http://www.drugbank.ca/drugs/DB00023 , Acesso em 19/01/2016.
37. Lock, R.B., The nonobese diabetic/severe combined immunodeficient
(NOD/SCID) mouse model of childhood acute lymphoblastic leukemia reveals
intrinsic differences in biologic characteristics at diagnosis and relapse. Blood, 2002.
99(11): p. 4100-4108.
38. Bosma, G.C., R.P. Custer, and M.J. Bosma, A severe combined
immunodeficiency mutation in the mouse. Nature, 1983. 301(5900): p. 527-530.
39. Imada, K., Immunodeficient Mouse Models of Lymphoid Tumors. International
Journal of Hematology, 2003. 77(4): p. 336-341.
40. Uckun, F.M., et al., Prognostic significance of B-lineage leukemic cell growth
in SCID mice: a Children's Cancer Group Study. Leukemia & Lymphoma, 1998. 30(5-
6): p. 503-14.
70
41. Greiner, D.L., et al., Improved engraftment of human spleen cells in
NOD/LtSz-scid/scid mice as compared with C.B-17-scid/scid mice. The American
Journal of Pathology, 1995. 146(4): p. 888-902.
42. Shultz, L.D., et al., Multiple defects in innate and adaptive immunologic
function in NOD/LtSz-scid mice. The Journal of Immunology, 1995. 154(1): p. 180-
91.
43. Hudson, W.A., et al., Xenotransplantation of human lymphoid malignancies is
optimized in mice with multiple immunologic defects. Leukemia, 1998. 12(12): p.
2029-33.
44. Fusetti, L., et al., Human myeloid and lymphoid malignancies in the non-obese
diabetic/severe combined immunodeficiency mouse model: frequency of apoptotic
cells in solid tumors and efficiency and speed of engraftment correlate with vascular
endothelial growth factor production. Cancer Research, 2000. 60(9): p. 2527-34.
45. Baersch, G., et al., Good engraftment of B-cell precursor ALL in NOD-SCID
mice. Klinische Padiatrie, 1997. 209(4): p. 178-85.
46. Borgmann, A., et al., Childhood All Blasts Retain Phenotypic and Genotypic
Characteristics Upon Long-Term Serial Passage in Nod/Scid Mice. Pediatric
Hematology-Oncology, 2000. 17(8): p. 635-650.
47. Lee, J.Y., D.C. Kim, and H.-J. Kim, Humanized (SCID) Mice as a Model to
Study human Leukemia. Biomedical Science Letters, 2015. 21(2): p. 51-59.
48. Liem, N.L., et al., Characterization of childhood acute lymphoblastic leukemia
xenograft models for the preclinical evaluation of new therapies. Blood, 2004.
103(10): p. 3905-14.
49. Nijmeijer, B., Monitoring of engraftment and progression of acute
lymphoblastic leukemia in individual NOD/SCID mice. Experimental Hematology,
2001. 29(3): p. 322-329.
50. Locatelli, S.L., et al., Perifosine and sorafenib combination induces
mitochondrial cell death and antitumor effects in NOD/SCID mice with Hodgkin
lymphoma cell line xenografts. Leukemia, 2013. 27(8): p. 1677-87.
71
51. Bottero, V., et al., Kaposi's sarcoma-associated herpesvirus-positive primary
effusion lymphoma tumor formation in NOD/SCID mice is inhibited by neomycin and
neamine blocking angiogenin's nuclear translocation. Journal of Virology, 2013.
87(21): p. 11806-20.
52. Tan, C. and T.A. Waldmann, Proteasome inhibitor PS-341, a potential
therapeutic agent for adult T-cell leukemia. Cancer Research, 2002. 62(4): p. 1083-6.
53. Bellamy, W.T., Expression of vascular endothelial growth factor and its
receptors in multiple myeloma and other hematopoietic malignancies. Semininars in
Oncology, 2001. 28(6): p. 551-9.
54. Salven, P., L. Teerenhovi, and H. Joensuu, A high pretreatment serum
vascular endothelial growth factor concentration is associated with poor outcome in
non-Hodgkin's lymphoma. Blood, 1997. 90(8): p. 3167-72.
55. Gruss, H.J., et al., Pleiotropic effects of the CD30 ligand on CD30-expressing
cells and lymphoma cell lines. Blood, 1994. 83(8): p. 2045-56.
56. Nagy, Z.A., et al., Fully human, HLA-DR-specific monoclonal antibodies
efficiently induce programmed death of malignant lymphoid cells. Nature Medicine,
2002. 8(8): p. 801-7.
57. Cotter, F.E., J. Waters, and D. Cunningham, Human Bcl-2 antisense therapy
for lymphomas. Biochimica et Biophysica Acta (BBA) - Gene Structure and
Expression, 1999. 1489(1): p. 97-106.
58. Cotter, F.E., et al., Antisense oligonucleotides suppress B-cell lymphoma
growth in a SCID-hu mouse model. Oncogene, 1994. 9(10): p. 3049-55.
59. Mohammad, R., et al., Bcl-2 antisense oligonucleotides are effective against
systemic but not central nervous system disease in severe combined
immunodeficient mice bearing human t(14;18) follicular lymphoma. Clinical Cancer
Research, 2002. 8(4): p. 1277-83.
60. Stong, R.C., et al., Human acute leukemia cell line with the t(4;11)
chromosomal rearrangement exhibits B lineage and monocytic characteristics. Blood,
1985. 65(1): p. 21-31.
72
61. Sumner, L.W., et al., Proposed minimum reporting standards for chemical
analysis Chemical Analysis Working Group (CAWG) Metabolomics Standards
Initiative (MSI). Metabolomics, 2007. 3(3): p. 211-221.
62. Tautenhahn, R., et al., XCMS Online: a web-based platform to process
untargeted metabolomic data. Analytical Chemistry, 2012. 84(11): p. 5035-9.
63. van den Berg, R.A., et al., Centering, scaling, and transformations: improving
the biological information content of metabolomics data. BMC Genomics, 2006. 7: p.
142.
64. Hotelling, H., Analysis of a complex of statistical variables into principal
components. Journal of Educational Psychology, 1933. 24(6): p. 417-441.
65. Bridges, C.C., Hierarchical Cluster Analysis. Psychological Reports, 1966.
18(3): p. 851-854.
66. Barker, M. and W. Rayens, Partial least squares for discrimination. Journal of
Chemometrics, 2003. 17(3): p. 166-173.
67. Xia, J., et al., MetaboAnalyst: a web server for metabolomic data analysis and
interpretation. Nucleic Acids Research, 2009. 37(Web Server issue): p. W652-60.
68. Cruickshank-Quinn, C., et al., Multi-step preparation technique to recover
multiple metabolite compound classes for in-depth and informative metabolomic
analysis. Journal of Visualized Experiments, 2014(89).
69. Johansson-Persson, A., et al., LC-QTOF/MS metabolomic profiles in human
plasma after a 5-week high dietary fiber intake. Analytical and Bioanalytical
Chemistry, 2013. 405(14): p. 4799-809.
70. Shang, J., et al., UHPLC/Q-TOF MS-based plasma metabolic profiling
analysis of the bleeding mechanism in a rat model of yeast and ethanol-induced
blood heat and hemorrhage syndrome. Journal of Pharmaceutical and Biomedical
Analysis, 2014. 92: p. 26-34.
71. Michopoulos, F., et al., UPLC-MS-Based Analysis of Human Plasma for
Metabonomics Using Solvent Precipitation or Solid Phase Extraction. Journal of
Proteome Research, 2009. 8(4): p. 2114-2121.
73
72. Want, E.J., et al., Global metabolic profiling of animal and human tissues via
UPLC-MS. Nature Protocols, 2013. 8(1): p. 17-32.
73. Banerjee, S. and S. Mazumdar, Electrospray ionization mass spectrometry: a
technique to access the information beyond the molecular weight of the analyte.
International Journal of Analytical Chemistry, 2012. 2012: p. 282574.
74. Psychogios, N., et al., The human serum metabolome. PLoS One, 2011. 6(2):
p. e16957.
75. Tulipani, S., et al., Comparative analysis of sample preparation methods to
handle the complexity of the blood fluid metabolome: when less is more. Analytical
Chemistry, 2013. 85(1): p. 341-8.
76. Ferreiro-Vera, C., F. Priego-Capote, and M.D. Luque de Castro, Comparison
of sample preparation approaches for phospholipids profiling in human serum by
liquid chromatography-tandem mass spectrometry. Journal of Chromatography A,
2012. 1240: p. 21-8.
77. Lagace, T.A. and N.D. Ridgway, The role of phospholipids in the biological
activity and structure of the endoplasmic reticulum. Biochimica et Biophysica Acta,
2013. 1833(11): p. 2499-510.
78. Devlin, A.M. and T.J. Green, Mechanisms of altered fatty acid and
phospholipid levels in hyperhomocysteinemia. Clinical Lipidology, 2009. 4(2): p. 159-
166.
79. Davies, J.M., et al., Stool phospholipid signature is altered by diet and tumors.
PLoS One, 2014. 9(12): p. e114352.
80. Agatha, G., R. Häfer, and F. Zintl, Fatty acid composition of lymphocyte
membrane phospholipids in children with acute leukemia. Cancer Letters, 2001.
173(2): p. 139-144.
81. Murphy, E.J., et al., Phospholipid composition and levels are altered in down
syndrome brain. Brain Research, 2000. 867(1-2): p. 9-18.
82. Ramos, T.M.d.B., et al., Alterações nos níveis de colesterol, triglicerídeo e
fosfolipídeo total em plasma de Callithrix jacchus (sagüi) reinfectado por
74
Schistosoma mansoni. Revista da Sociedade Brasileira de Medicina Tropical, 2004.
37: p. 37-40.
83. Blekherman, G., et al., Bioinformatics tools for cancer metabolomics.
Metabolomics, 2011. 7(3): p. 329-343.
84. Eriksson, L., Design of Experiments: Principles and Applications2008:
Umetrics.
85. BS ISO 5725-1., Accuracy (trueness and precision) of measurement methods
and results - Part 1: General principles and definitions.: p. 1.
86. Liu, H., et al., Regularized partial least squares for multi-label learning.
International Journal of Machine Learning and Cybernetics, 2016.
87. Kim, S.C., et al., Differential levels of L-homocysteic acid and
lysophosphatidylcholine (16:0) in sera of patients with ovarian cancer. Oncology
Letters, 2014. 8(2): p. 566-574.
88. http://www.hmdb.ca/metabolites/HMDB02815 , Acesso em 11/05/2016.
89. Qiu, Y., et al., Mass spectrometry-based quantitative metabolomics revealed a
distinct lipid profile in breast cancer patients. International Journal of Molecular
Sciences, 2013. 14(4): p. 8047-61.
90. Xu, J., et al., Global and targeted metabolomics of esophageal squamous cell
carcinoma discovers potential diagnostic and therapeutic biomarkers. Molecular &
Cellular Proteomics, 2013. 12(5): p. 1306-18.
91. Zhang, T., et al., Discrimination between malignant and benign ovarian tumors
by plasma metabolomic profiling using ultra performance liquid
chromatography/mass spectrometry. Clinica Chimica Acta, 2012. 413(9-10): p. 861-
8.
92. Ressom, H.W., et al., Utilization of metabolomics to identify serum biomarkers
for hepatocellular carcinoma in patients with liver cirrhosis. Analytica Chimica Acta,
2012. 743: p. 90-100.
75
93. Dolce, V., et al., Glycerophospholipid Synthesis as a Novel Drug Target
Against Cancer. Current Molecular Pharmacology, 2011. 4(3): p. 167-175.
94. Quehenberger, O., et al., Lipidomics reveals a remarkable diversity of lipids in
human plasma. Journal of Lipid Research, 2010. 51(11): p. 3299-305.
95. Shishehbor, M.H., et al., Systemic elevations of free radical oxidation products
of arachidonic acid are associated with angiographic evidence of coronary artery
disease. Free Radical Biology & Medicine, 2006. 41(11): p. 1678-83.
96. http://www.hmdb.ca/metabolites/HMDB02311 , Acesso em 11/05/2016.
97. Savari, S., et al., Cysteinyl leukotrienes and their receptors: bridging
inflammation and colorectal cancer. World Journal of Gastroenterology, 2014. 20(4):
p. 968-77.
98. Poczobutt, J.M., et al., Eicosanoid profiling in an orthotopic model of lung
cancer progression by mass spectrometry demonstrates selective production of
leukotrienes by inflammatory cells of the microenvironment. PLoS One, 2013. 8(11):
p. e79633.
99. Bortuzzo, C., et al., The effect of leukotrienes B and selected HETEs on the
proliferation of colon cancer cells. Biochimica et Biophysica Acta (BBA) - Lipids and
Lipid Metabolism, 1996. 1300(3): p. 240-246.
100. Kruve, A., et al., Sodium adduct formation efficiency in ESI source. Jounal of
Mass Spectrometry, 2013. 48(6): p. 695-702.
76
7 - ANEXOS
Anexo 1. Parecer do comitê de ética