I ricercatori del RIKEN Center for Sustainable Resource Science (CSRS) in Giappone hanno sviluppato un nuovo sistema di spettrometria di massa computazionale per identificare i metabolomi, interi set di metaboliti per diversi organismi viventi. Quando il nuovo metodo è stato testato su tessuti selezionati di 12 specie di piante, è stato in grado di rilevare oltre 1000 metaboliti. Tra loro c'erano dozzine che non erano mai state trovate prima, compresi quelli con potenziale antibiotico e antitumorale.

Il comune antidolorifico aspirina (acido acetilsalicilico) fu prodotto per la prima volta nel 19° secolo, ed è notoriamente derivato dall'estratto di corteccia di salice, una medicina che è stata descritta in tavolette di argilla migliaia di anni fa. Dopo la scoperta di un nuovo metodo di sintesi, e dopo essere stato utilizzato in tutto il mondo per quasi 70 anni, gli scienziati sono stati finalmente in grado di capire come funziona. Questo è stato un lungo processo storico, e mentre le piante rimangono una risorsa quasi infinita per la scoperta di farmaci e la biotecnologia, migliaia di anni non è più un lasso di tempo accettabile.

Perchè ci mette tanto?

Il problema più grande è che ci sono milioni di specie vegetali e ognuna ha il proprio metaboloma, l'insieme di tutti i prodotti del metabolismo della pianta. Attualmente, conosciamo solo il 5% di tutti questi prodotti naturali. Sebbene la spettrometria di massa possa identificare i metaboliti delle piante, funziona solo per determinare se un campione contiene una data molecola. La ricerca di metaboliti ancora sconosciuti è un'altra storia.

La spettrometria di massa computazionale è un campo di ricerca in crescita che si concentra sulla ricerca di metaboliti precedentemente sconosciuti e sulla previsione delle loro funzioni. Il campo ha stabilito database e repository di metabolomi, che facilitano l'identificazione globale dell'essere umano, pianta, e metabolomi del microbiota. Guidati da Hiroshi Tsugawa e Kazuki Saito, un team di CSRS ha trascorso diversi anni a sviluppare un sistema in grado di identificare rapidamente un gran numero di metaboliti vegetali, compresi quelli che non sono stati identificati prima.

Come spiega Tsugawa, "Mentre nessun software può identificare in modo completo tutti i metaboliti in un organismo vivente, il nostro programma incorpora nuove tecniche di spettrometria di massa computazionale e fornisce una copertura 10 volte superiore ai metodi precedenti." Nei test, mentre i metodi basati sulla spettrometria di massa hanno rilevato solo un centinaio di metaboliti, il nuovo sistema della squadra è stato in grado di trovarne più di mille.

La nuova tecnica computazionale si basa su diversi nuovi algoritmi che confrontano i risultati della spettrometria di massa delle piante etichettate con carbonio-13 con quelle che non lo sono. Gli algoritmi possono prevedere la formula molecolare dei metaboliti e classificarli per tipo. Possono anche prevedere la sottostruttura di metaboliti sconosciuti, e sulla base di somiglianze nella struttura, collegarli a metaboliti noti, che possono aiutare a prevedere le loro funzioni.

Essere in grado di trovare metaboliti sconosciuti è un punto chiave per la vendita del nuovo software. In particolare, il sistema è stato in grado di caratterizzare una classe di antibiotici (benzossazinoidi) nel riso e mais e una classe con proprietà antinfiammatorie e antibatteriche (glicoalcaloidi) nella cipolla comune, pomodoro, e patata. È stato anche in grado di identificare due classi di metaboliti antitumorali, uno (saponine triterpeniche) in semi di soia e liquirizia, e l'altro (alcaloide beta-carbolina) in una pianta della famiglia del caffè.

Oltre a facilitare lo screening dei metabolomi specializzati nelle piante, il nuovo processo accelererà la scoperta di prodotti naturali che potrebbero essere utilizzati nei medicinali, e anche aumentare la comprensione della fisiologia vegetale in generale.

Come osserva Tsugawa, l'uso di questo nuovo metodo non è limitato alle piante. "Credo che la decodifica computazionale dei dati della spettrometria di massa metabolomica sia collegata a una comprensione più profonda di tutti i metabolici. Il nostro prossimo obiettivo è migliorare questa metodologia per facilitare l'identificazione globale anche dei metabolomi umani e del microbiota. I metaboliti appena scoperti possono quindi essere ulteriormente studiati tramite la genomica , trascrittomica, e proteomica."

Lo studio è stato pubblicato a marzo, 28 pollici Metodi della natura .