Алгоритм обработки масс-спектрометрических данных для получения диагностической панели молекулярных соединений на примере поиска маркеров метастазирования при раке молочной железы

##plugins.themes.bootstrap3.article.sidebar##

pdf html html (English)
Опубликован: Sep 30, 2021
DOI: https://doi.org/10.18097/BMCRM00156
Ключевые слова:
масс-спектрометрия; обработка данных; биологические маркеры

##plugins.themes.bootstrap3.article.main##

А.О. Токарева
Сколковский институт науки и технологий, 121205, Москва, Территория Инновационного Центра «Сколково», Большой бульвар д.30; стр.1; «Институт энергетических проблем химической физики имени В.Л. Тальрозе» Федерального исследовательского центра химической физики имени Н.Н. Семёнова Российской академии наук, 119334, Москва, Ленинский проспект 38 стр. 2
В.В. Чаговец
Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии им. академика В.И. Кулакова, 117513, Москва, ул. Академика Опарина, 4, стр 2
А.С. Кононихин
Сколковский институт науки и технологий, 121205, Москва, Территория Инновационного Центра «Сколково», Большой бульвар д.30; стр.1; Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии им. академика В.И. Кулакова, 117513, Москва, ул. Академика Опарина, 4, стр 2
Н.Л. Стародубцева
«Институт энергетических проблем химической физики имени В.Л. Тальрозе» Федерального исследовательского центра химической физики имени Н.Н. Семёнова Российской академии наук, 119334, Москва, Ленинский проспект 38 стр. 2; Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии им. академика В.И. Кулакова, 117513, Москва, ул. Академика Опарина, 4, стр 2
В.Е. Франкевич
Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии им. академика В.И. Кулакова, 117513, Москва, ул. Академика Опарина, 4, стр 2
Е.Н. Николаев
Сколковский институт науки и технологий, 121205, Москва, Территория Инновационного Центра «Сколково», Большой бульвар д.30; стр.1

Аннотация

Диагностика патологии по молекулярным маркерам является перспективным направлением клинической медицины, в котором масс-спектрометрия (МС) яслужит одним из методов, используемых для получения информации о молекулярных профилях. В контексте извлечения соединений, играющих ключевую роль для классификации патология/болезнь, важное значение имеет обработка полученных данных, часто включающих несколько сотен детектированных соединений. В данной работе предложен алгоритм обработки данных на примере данных МС, полученных при анализе опухолевой ткани и здоровой молочной железы, с целью выделения липидных маркеров метастазирования. В результате его реализации получен набор соединений, относящихся к классам липидов, связанных с процессами метастазирования и пролиферации, и позволяющих построить высокочувствительную диагностическую модель на основе логистической регрессии. Предложенный метод потенциально пригоден для обработки данных МС, полученных при анализе молекулярного профиля биоматериала другого базиса (метаболом, протеом, гликом).

##plugins.themes.bootstrap3.article.details##

Как цитировать
Токарева A., Чаговец V., Кононихин A., Стародубцева N., Франкевич V., & Николаев E. (2021). Алгоритм обработки масс-спектрометрических данных для получения диагностической панели молекулярных соединений на примере поиска маркеров метастазирования при раке молочной железы. Biomedical Chemistry: Research and Methods, 4(3), e00156. https://doi.org/10.18097/BMCRM00156
Выпуск
Том 4 № 3 (2021)
Раздел
ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ

Библиографические ссылки

  1. Podo, F., Canevari, S., Canese, R., Pisanu, M.E., Ricci, A., Iorio, E. (2011) Tumour Phospholipid Metabolism. Exp. Oncol. 19, 1–10.
  2. Wong, M.W., Braidy, N., Poljak, A., Pickford, R., Thambisetty, M., Sachdev, P.S. (2017) Dysregulation of lipids in Alzheimer’s disease and their role as potential biomarkers. Alzheimer’s Dement. 13(7), 810–27, DOI
  3. Liu, X., Li, J., Zheng, P., Zhao, X., Zhou, C., Hu, C., Hou, X., Wang, H., Xie, P., Xu, G. (2016) Plasma lipidomics reveals potential lipid markers of major depressive disorder. Anal. Bioanal. Chem. 408(23), 6497–507, DOI
  4. Anand, S., Barnes, J.M., Young, S.A., Garcia, D.M., Tolley, H.D., Kauwe, J.S.K., Graves, S.W. (2017) Discovery and Confirmation of Diagnostic Serum Lipid Biomarkers for Alzheimer’s Disease Using Direct Infusion Mass Spectrometry. J. Alzheimer’s Dis. 59(1), 277–90, DOI
  5. Hogan, S.R., Phan, J.H., Alvarado-Velez, M., Wang, M.D., Bellamkonda, R. V., Fernández, F.M., Laplaca, M.C. (2018) Discovery of Lipidome Alterations Following Traumatic Brain Injury via High-Resolution Metabolomics. J. Proteome Res. 17(6), 2131–43, DOI
  6. Folch, J., Lees, M., Sloane Stanley, G.H. (1957) A simple method for the isolation and purification of total lipides from animal tissues. J. Biol. Chem. 226(1), 497–509.
  7. Koelmel, J.P., Kroeger, N.M., Ulmer, C.Z., Bowden, J.A., Patterson, R.E., Cochran, J.A., Beecher, C.W.W., Garrett, T.J., Yost, R.A. (2017) LipidMatch: An automated workflow for rule-based lipid identification using untargeted high-resolution tandem mass spectrometry data. BMC Bioinformatics 18(1), 1–11, DOI
  8. Pluskal, T., Castillo, S., Villar-Briones, A., Orešič, M. (2010) MZmine 2: Modular framework for processing, visualizing, and analyzing mass spectrometry-based molecular profile data. BMC Bioinformatics 11, DOI
  9. Sud, M., Fahy, E., Cotter, D., Brown, A., Dennis, E.A., Glass, C.K., Merrill, A.H., Murphy, R.C., Raetz, C.R.H., Russell, D.W., Subramaniam, S. (2007) LMSD: LIPID MAPS structure database. Nucleic Acids Res. 35(SUPPL. 1), 527–32,
  10. Wold, S., Sjöström, M., Eriksson, L. (2001) PLS-regression: a basic tool of chemometrics. Chemom. Intell. Lab. Syst. 58(2), 109–30, DOI
  11. Galindo-Prieto, B., Eriksson, L., Trygg, J. (2015) Variable influence on projection (VIP) for OPLS models and its applicability in multivariate time series analysis. Chemom. Intell. Lab. Syst. 146, 297–304, DOI
  12. Akaike, H. (1998) Information Theory and an Extension of the Maximum Likelihood Principle. Sel. Pap. Hirotugu Akaike, 199–213, DOI
  13. Roy, J., Dibaeinia, P., Fan, T.M., Sinha, S., Das, A. (2019) Global analysis of osteosarcoma lipidomes reveal altered lipid profiles in metastatic versus nonmetastatic cells. J. Lipid Res. 60(2), 375–87, DOI
  14. Peng, W., Tan, S., Xu, Y., Wang, L., Qiu, D., Cheng, C., Lin, Y., Liu, C., Li, Z., Li, Y., Zhao, Y., Li, Q. (2018) LC-MS/MS metabolome analysis detects the changes in the lipid metabolic profiles of dMMR and pMMR cells. Oncol. Rep. 40(2), 1026–34, DOI
  15. Garrett, R.H., Grisham, C.. (2016) Biochemistry. 6th ed., CENGAGE Learning.
  16. Fagone, P., Jackowski, S. (2013) Phosphatidylcholine and the CDP-choline cycle. Biochim. Biophys. Acta - Mol. Cell Biol. Lipids 1831(3), 523–32, DOI