O nouă rețea moleculară identifică compuși necunoscuți pentru descoperirea biomarkerilor
Cercetătorii din domeniul medical, clinicienii și oamenii de știință din industria farmaceutică studiază adesea molecule mici numite metaboliți, produși în celulele vii prin diverse procese, inclusiv descompunerea alimentelor, substanțelor chimice sau medicamentelor. Acest domeniu de studiu este cunoscut sub numele de metabolomică și poate fi utilizat pentru a identifica noi semne de boală, pentru a măsura eficacitatea tratamentului medical sau pentru a studia modul în care dieta și nutriția afectează organismul.
Multe dintre aceste molecule pot fi identificate prin spectrometrie de masă, un test de laborator care măsoară greutatea și încărcătura particulelor minuscule, dar vasta majoritate rămân necunoscute. Aceste particule neidentificate sunt denumite „materie întunecată” sau „metabolom întunecat”. Deși pot fi detectate, materia întunecată nu poate fi asociată cu structuri moleculare cunoscute. Aceste particule necunoscute lasă în urmă o masă de date inaccesibilă pentru interpretare biologică, creând o lacună în cunoașterea biomei genetice, a sănătății celulare, a bolilor și a răspunsului la medicamente.
O rețea pentru moleculele necunoscute
Un nou instrument, Rețeaua Comunității Moleculare (MCN), dezvoltat de profesorul Vladimir Boginski și o echipă interdisciplinară de cercetători, ar putea illumina identitatea moleculelor din „materia întunecată”. Lucrarea lor a fost publicată în Cell Reports Methods.
„Există aproximativ 8,4 milioane de spectre de masă observate ale moleculelor cunoscute și necunoscute combinate în depozitele publice, și se estimează că materia întunecată reprezintă până la 90% din întregul spațiu molecular observat”, spune Boginski. „Astfel, este crucial să dezvoltăm metode care să permită investigarea sistematică a acestui vast spațiu molecular și potențiala descoperire de noi molecule.”
Menținerea conectată a familiilor moleculare
Rețelistica moleculară tradițională nu rezolvă problema. Aceasta conectează moleculele doar atunci când scorurile lor de similaritate, calculate din spectrele de masă observate, depășesc un prag predeterminat. Aceasta înseamnă că moleculele înrudite biologic care se situează sub acest prag pot fi separate unele de altele, fragmentând familiile moleculare și limitând oportunitățile de descoperire.
Spre deosebire de metodele de rețelistică existente, MCN utilizează un algoritm care împarte întreaga rețea moleculară în comunități naturale cu multe legături puternice în interiorul grupurilor, mai degrabă decât între ele. Apoi păstrează cele mai puternice conexiuni pentru a menține comunitățile conectate.
În loc să spargă familiile moleculare în bucăți, acest proces relevă structura de date deja prezentă. „Această abordare ne permite să avem aproape fiecare moleculă din rețea legată de cel puțin un vecin”, spune Boginski. „Mai mult, aceste legături sunt de obicei între molecule din familii moleculare similare.”
Acest lucru facilitează, la rândul său, propagarea adnotărilor, sau predicția identității moleculelor necunoscute prin examinarea vecinilor lor cunoscuți din cadrul unei comunități de rețea.
„Deoarece aproape 95% dintre molecule sunt acum conectate și atribuite comunităților de rețea, avem acum un spațiu de căutare mult mai larg și mai bogat pentru descoperirea moleculară”, spune Boginski. „Am demonstrat că această abordare poate într-adevăr să găsească molecule anterior necunoscute pe baza pozițiilor lor în rețeaua comunității moleculare.”
Acizii biliari infantili indică descoperiri mai ample
Cu ajutorul MCN, Boginski și echipa sa de coautori au descoperit deja o nouă clasă de acizi biliari. Acești acizi biliari particulari sunt produși de microbii intestinali, iar unul dintre ei apare doar la sugarii mici. Descoperirea lor a fost mai întâi prezisă de MCN și apoi confirmată de cercetători în laborator.
Boginski spune că această descoperire este doar vârful icebergului, MCN oferind potențialul pentru multe descoperiri similare.
„Descoperirea biomarkerilor se blochează adesea în momentul în care o moleculă care diferențiază bolnavul de sănătos este detectată prin spectrul său de masă, dar nu se știe ce este această moleculă”, spune el. „MCN poate ajuta potențial la convertirea unora dintre aceste ‘fundături’ în molecule identificabile, iar deoarece această metodă rulează pe date de spectru de masă deja colectate, aproximativ 8,4 milioane de molecule din depozitele publice sunt acum cartografiate și deschise pentru reanaliză, crescând potențialul pentru descoperirea de noi biomarkeri.”
Detalii de publicare
Elizabeth A. Coler et al, Ordering molecular diversity in untargeted metabolomics via molecular community networking, Cell Reports Methods (2026). DOI: 10.1016/j.crmeth.2026.101468
