ES2259668T3 - Espectrometria de masas por transformadas de fourier de muestras biologicas complejas. - Google Patents
Espectrometria de masas por transformadas de fourier de muestras biologicas complejas.Info
- Publication number
- ES2259668T3 ES2259668T3 ES01958911T ES01958911T ES2259668T3 ES 2259668 T3 ES2259668 T3 ES 2259668T3 ES 01958911 T ES01958911 T ES 01958911T ES 01958911 T ES01958911 T ES 01958911T ES 2259668 T3 ES2259668 T3 ES 2259668T3
- Authority
- ES
- Spain
- Prior art keywords
- cells
- population
- ftms
- peaks
- molecules
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
- G01N33/5008—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics
- G01N33/5011—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics for testing antineoplastic activity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
- G01N33/5008—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
- G01N33/5008—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics
- G01N33/502—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics for testing non-proliferative effects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
- G01N33/5008—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics
- G01N33/502—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics for testing non-proliferative effects
- G01N33/5038—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics for testing non-proliferative effects involving detection of metabolites per se
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
- G01N33/5091—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing the pathological state of an organism
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
- Y10T436/00—Chemistry: analytical and immunological testing
- Y10T436/24—Nuclear magnetic resonance, electron spin resonance or other spin effects or mass spectrometry
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Biomedical Technology (AREA)
- Chemical & Material Sciences (AREA)
- Hematology (AREA)
- Urology & Nephrology (AREA)
- Molecular Biology (AREA)
- Medicinal Chemistry (AREA)
- Pathology (AREA)
- Microbiology (AREA)
- Biotechnology (AREA)
- Cell Biology (AREA)
- General Physics & Mathematics (AREA)
- Food Science & Technology (AREA)
- Tropical Medicine & Parasitology (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Toxicology (AREA)
- Physiology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
Un método para identificar unas o más moléculas que se diferencian en abundancia entre una primera población de células y una segunda población de células, que comprende: (a) comparar un primer perfil de picos de Espectrometría de Masas por Transformadas de Fourier (FTMS, por sus siglas en inglés) obtenido de la primera población de células con un segundo perfil de picos de FTMS obtenido de la segunda población de células, en donde el primer perfil de picos y el segundo perfil de picos no se obtienen de manera concurrente y en donde la primera y la segunda poblaciones de células no contienen una etiqueta; y (b) identificar uno o más picos que se diferencian en intensidad en el primer perfil de picos de FTMS con relación al segundo perfil de picos de FTMS, en el cual uno o más picos corresponden a una o más moléculas que se diferencian en abundancia entre una primera población de células y una segunda población de células, identificando así una o más moléculas que se diferencian en abundancia entre una primera población de células y una segunda población de células.
Description
Espectrometría de masas por transformadas de
fourier de muestras biológicas complejas.
La presente invención se relaciona con métodos
para análisis de alto contenido informativo (HIC) o investigación de
sistemas biológicos complejos usando espectrometría de masas por
transformadas de Fourier (FTMS, por sus siglas en inglés). Los
métodos presentes son útiles para analizar mezclas biológicas
complejas que contienen moléculas de alto peso molecular (por
ejemplo, polinucleótidos, proteínas, polisacáridos) y moléculas de
bajo peso molecular (por ejemplo, oligonucleótidos, péptidos,
lípidos, oligosacáridos, hormonas esteroides, intermedios
catabólicos y metabólicos) para permitir elucidar las diferencias
moleculares entre las muestras biológicas complejas, y permitir
identificar moléculas biológicamente activas (por ejemplo drogas
terapéuticamente activas, etc.).
La espectrometría de masas es una técnica
analítica que mide la masa de un átomo o de una molécula (referidas
como masa atómica y masa molecular, respectivamente). Puesto que la
masa molecular es la suma estequiométrica de las masas atómicas de
todos y cada uno de los elementos en la molécula, para cada analito
se proporciona una medida característica que tiene una fórmula
empírica diferente.
El instrumento usado para medir la masa
molecular se conoce como espectrómetro de masas. Típicamente, la
espectrometría de masas es realizada volatilizando (en una fase de
gas) un analito, ionizando luego el analito y detectando señales.
Para la mayoría de los tipos de espectrómetros de masas, el detector
consiste en un tipo de multiplicador electrónico. Los iones que
chocan sobre tal detector crean electrones secundarios que se
registran como una corriente mensurable. A este respecto, el
instrumento de FTMS es diferente de manera única por medir los iones
indirectamente y de manera no destructiva al medir una corriente de
imagen. Los datos generados finamente, es decir, un espectro de
masas, tienen dos coordenadas: la escala de relación de masa a carga
(eje x) y la escala de la intensidad (eje y).
Las masas moleculares de los iones en fase
gaseosa, que se forman tanto de las moléculas neutrales como de las
cargadas, se determinan con base en sus relaciones de masa a carga
(m/z). Si se desea una fragmentación adicional de los iones de la
fase gaseosa, se puede lograr haciéndolos colisionar con las
moléculas del gas, lo que se llama "disociación inducida por
colisión" (CID, por sus siglas en inglés). Los
sub-fragmentos que se generan se separan entonces
también por masa.
En años recientes, la espectrometría de masas se
ha explotado en una variedad de contextos biológicos, incluyendo
secuenciación de ácido nucleico, secuenciación e identificación de
péptidos (Keen y Findlay, "Técnicas de secuenciación de
proteínas," en Molecular Biology and Biotechnology,
Roberto A. Meyers, ed., editores de VCH, inc. 1995, p. 771; Carr y
Annan, descripción del análisis de péptido y de proteína por
espectrometría de masas, en Protocolos presentes en la biología
molecular (o Current Protocols in Molecular Biology por
su nombre en inglés), Ausubel et al., eds., John Wiley &
Sons, Inc., 1997, 10.21); detección de la modificación
post-translacional y la expresión de proteína in
vitro e in vivo (Rowley et al., 2000,
Methods 20:383-397); explicación de la
estructura terciaria de la proteína (Last y Robinson, 1999, Curr.
Opin. Chem. Biol. 3:564-570); estudio de
biomoléculas labiles, asociadas no covalentemente (Budnik et
al., 2000, Rapid Commun Mass Spectrom.
14:578-584); diagnóstico de enfermedades (Bartlett
y Pourfarzam, 1999, J. Inherit. Metab. Dis.
22:568-571); vigilancia de la contaminación del
medio ambiente (Scribner et al., 2000, Sci. Total
Environ. 248:157-167); investigación agrícola
(Hau et al., 2000, J. Chromatogr.
878:77-86); y usos forenses (Hollenbeck et
al., 1999, J. Forensic Sci. 44:783-788; Gaillard
y Pepin, 1999, J. Chromatogr. B. Biomed. Sci. Appl.
733:181-229).
La espectrometría de masas, que proporciona
sensibilidad y exactitud femtomolar mejor de 0.01%, ha emergido
como una atractiva alternativa a los métodos químicos para
secuenciación e identificación de péptidos. La sensibilidad de la
espectrometría de masas ha sido mejorada usando péptidos
isotópicamente etiquetados y combinando una fuente de iones en
nanoelectrospray (aspersión nanoeléctrica) con un espectrómetro de
masas en tándem (combinados) de
tiempo-de-vuelo y cuadripolar o
cuadrupolo. Este enfoque explota una característica intrínseca del
dispositivo de tiempo-de-vuelo y
cuadripolar o cuadrupolo, produciendo una sensibilidad y resolución
más altas que otros tipos de espectrómetros de masas (Shevchenko
et al., 1997, Rapid Comm Mass Spectrom.
11:1015-1024). El etiquetado isotópico de los
fragmentos de péptido C-terminal, por ejemplo,
mediante digestión enzimática de una proteína en 1:116O/18O de agua,
proporciona una distribución isotópica característica para estos
fragmentos que pueden ser identificados fácilmente (Schnolzer et
al., 1996, Electrophoresis, 17:945-953);
de tal modo que se revele la secuencia del aminoácido.
La espectrometría de masas se puede también
utilizar para estudiar la estructura de una proteína. Esta
tecnología puede proporcionar las masas moleculares exactas para
cantidades diminutas de las proteínas de interés con masas hasta de
500.000 Daltons ("Da"). Los espectros que resultan también
pueden ayudar a determinar el plegamiento de la proteína, la
autoasociación de la proteína y otros cambios conformacionales y la
estructura terciaria (Nguyen et al., 1995, J
Chromatogr A 705:21-45). Además, las
modificaciones co- y post-translacionales de las
proteínas pueden ser identificadas y mapeadas. Este método es
preferible a usar métodos químicos tales como secuenciación de
C-terminal, que requiere tratamiento relativamente
áspero de la muestra, lo cual puede alterar o destruir tales
modificaciones de la proteína. Las modificaciones
post-translacionales que se pueden identificar
usando espectrometría de masas incluyen fosforilación,
glicosilación, deamidación, alquilación, formación de isoaspartil, y
formación de enlaces disulfuro.
La espectrometría de masas también ha encontrado
usos importantes en el estudio de interacciones
proteína-proteína. Las proteínas objeto de estudio
se pueden seguir in vivo para documentar sus cambios
conformacionales, uso activo de sitio, reconocimiento de ligando,
ensamblaje de complejos multiméricos (por ejemplo, holoenzimas), y
tráfico entre organelas.
La espectrometría de masas por transformadas de
Fourier (FTMS) también se conoce como resonancia de ciclotrón de
iones por transformadas de Fourier (FTICR por sus siglas en inglés).
El principio de la determinación de masas moleculares usado en FTMS
se basa en una relación linear entre la masa de un ion y su
frecuencia de ciclotrón. En un campo magnético uniforme, un ion
procesará sobre el centro del campo magnético en un movimiento
circular periódico, conocido como movimiento del ciclotrón. Se puede
hacer un ensamblaje de iones que tienen una relación particular
masa-a-carga (m/z) para efectuar el
movimiento de ciclotrón en fase, produciendo una corriente de
imagen. La corriente de imagen se detecta entre un par de electrodos
receptores, produciéndose una señal de onda sinusoidal. La
transformada de Fourier es un método matemático de
de-convolución usado para separar las señales de
muchos conjuntos diferentes de m/z en una frecuencia, también
conocida como espectro de masas. A diferencia de otras formas de
espectrometría de masas, la FTMS no es destructiva. Para una
revisión general de FTMS, ver Hendrickson y Emmett, 1999, Ann. Rev.
Phys. Chem. 50:517-536. El uso de FTMS a las
ciencias biológicas es generalmente similar a otros usos de la
espectrometría de masas. Vea, por ejemplo, Smith et al.,
1996, "El papel de la espectrometría de masas de resonancia ión
ciclotrónica por transformadas de Fourier en la investigación
biológica - los nuevos progresos y usos" en Espectrometría de
Masas en las ciencias Biológicas, eds. A.L. Burlingame y S.A.
Carr, Humana Press, Totowa, Nuevo-Jersey;
McLafferty, 1994, Acc. Chem. Res.
27:379-386.
Un número de investigadores han comenzado a
evaluar el uso de FTMS en el análisis de muestras biológicas; ver
Jensen et al., Electrophoresis 2000
21:1372-1380; Jensen et al., Anal. Chem. 1999
71:2076-2084; Palblad et al., Rapid Comm.
Mass Spec. 2000, 14:1029-1034; WO 95/25281; WO
00/29987; WO 00/03240; WO 99/58727; WO 99/57318; WO 99/46047; U
et al., Anal. Chem. 1999 71:4397-4402; Penn
et al., Anal. Chem. 1997; 669:2471-2477; y
patentes de EEUU Nos. 6.017.093 y 4.224.031.
Los métodos analíticos útiles en descubrimiento
de drogas se basan sobre todo en observaciones individuales en el
punto final. El apuntar a interacciones biológicas específicas (por
ejemplo, receptor-ligando,
substrato-enzima) para la intervención xenobiótica
ha sido un paradigma común para buscar y evaluar bibliotecas
químicas. El enfoque tradicional elegido para el descubrimiento de
drogas por parte de compañías farmacéuticas de biotecnología y de
genoma es el clásico Cribado (Tamizaje) de Alto Rendimiento (HTS,
por sus siglas en inglés "High Throughput Screening"), que
impone una investigación paralela en grandes bibliotecas químicas en
objetivos individuales usando ensayos generalmente sin células. Las
bibliotecas químicas usadas en HTS se generan lo más a menudo
posible usando química combinatoria. Las colecciones de productos
químicos obtenidos de fuentes naturales o generadas usando química
"convencional" se utilizan en un grado inferior en HTS.
El enfoque de HTS se sienta como premisa para
objetivos validados, usualmente proteínas (por ejemplo, enzimas,
receptores, proteínas de transferencia) o ácidos nucleicos (genes,
mRNAs). Por lo tanto, se conoce generalmente la proteína o el ácido
nucleico objetivos usados en el análisis mediante HTS y se piensa
que desempeña un papel en el estado de la enfermedad. Sólo entonces
se buscan moduladores de la proteína objetivo tales como compuestos
de plomo para desarrollo de droga. Los operarios han conducido HTS
en objetivos solamente para encontrar después que la proteína
objetiva era irrelevante para la enfermedad. Por ejemplo, debido a
que los receptores pueden existir en forma de diferentes subtipos,
sólo uno de los cuales puede ser críticamente esencial, un ratón
para golpe de gracia que apunta al subtipo incorrecto del receptor
no podría probablemente demostrar un fenotipo relevante. Se vuelve
claro que muchas funciones biológicas son apoyadas por trayectorias
bioquímicas redundantes. Cuando un camino falla, los mecanismos
redundantes asumen el rol. Muchas drogas desarrolladas con base en
un objetivo definido muestran poca o ninguna actividad terapéutica
in vivo porque los caminos bioquímicos redundantes puentean
el camino en el cual el objetivo está involucrado.
Para que el HTS sea exitoso, los objetivos
requieren generalmente un ambiente celular apropiado o un contexto
biológico. Por ejemplo, un receptor de la membrana debe estar en una
membrana similar a aquella en la cual normalmente se encuentra el
receptor; si no, las características del receptor pueden ser
afectadas artificialmente. Un ajuste conveniente de la membrana
puede requerir la reconstitución de la membrana con los lípidos
apropiados. La reconstitución del ambiente conveniente de la
membrana es la tarea más desafiante en tales situaciones, debido a
una carencia del conocimiento suficientemente detallado de los
componentes de tal ambiente, o debido a la complejidad del ajuste
natural de la membrana.
Además, un HTS clásico exitoso requiere
conocimiento del mecanismo de la enfermedad o del desorden del
interés, permitiendo la selección de un objetivo conveniente para la
validación y, eventualmente, cribándola o tamizándola (screening).
En ausencia de tal conocimiento detallado, el HTS clásico no puede
ser realizado.
Otra limitación de la técnica es que el HTS
basado en un objetivo validado revela moduladores solamente de ese
objetivo. En última instancia, el costoso y laborioso procedimiento
de tamizaje o cribado (screening) puede, en el mejor de los casos,
proporcionar un subconjunto pequeño de compuestos potenciales de
prueba.
Por lo tanto, un método que permite la selección
exacta, simultánea para moduladores de múltiples, objetivos no
validados en sus ambientes naturales mejoraría mucho el paso de
descubrimiento de la droga, mientras los costos se reducen. En
particular, la identificación de moléculas pequeñas presentes en
cantidades anormales en estados específicos (estados de enfermedad,
estados de desarrollo, estados de diferenciación, etc.) deben
facilitar el diseño de los análogos, de los agonistas o de los
antagonistas de estas moléculas, conduciendo a una identificación
rápida de drogas de alta especificidad que incluyen sin limitarse a
drogas farmacéuticas, drogas para usos veterinarios, drogas para
usos agrícolas (que eliminan malas hierbas, parásitos/insectos,
agonistas de fitohormonas, etc.) y drogas para aplicaciones
ambientales (bactericidas, proliferadores de bacterias para limpieza
en derramamientos de petróleo, reguladores de proliferación de
mejillón, reguladores de proliferación de algas, etc.).
La "bioinformática" se refiere generalmente
a la gestión de datos biológicos usando medios de cómputo,
incluyendo el almacenaje de datos (registro de datos de una manera
eficaz para recuperar fácilmente la información) y el análisis de
datos usando cálculos matemáticos intensivos computacionales
(análisis estadístico, análisis no lineal, etc.). La bioinformática
se utiliza intensamente para determinar las relaciones estructura -
actividad usando la gran cantidad de datos generados gracias a la
utilización de la Tamizaje o Cribado (screening) de Alto Rendimiento
y la Química Combinatoria para diseñar moléculas biológicamente
activas más eficaces. El estado de la bioinformática ha evolucionado
a partir de la necesidad de organizar y hacer accesible la
superabundancia de información sobre la secuencia genética que ha
llegado a estar disponible en las últimas dos décadas. Mientras que
inicialmente se había utilizado para catalogar las secuencias
genéticas normales, la bioinformática se está ampliando para abarcar
la identificación de las estructuras de la proteína basándose en el
reconocimiento patrón en secuencias primarias y datos de expresión
genética obtenidos usando microselección o microordenamiento
(microarrays) (véase, por ejemplo, http://www.ebi.ac.uk).
Los métodos de perfilación de la expresión
genética útil para identificar los productos genéticos que se
expresan o regulan de manera diferencial, en diferentes tipos de
células (por ejemplo, como un medio para identificar su función)
incluyen la exhibición diferencial, el análisis serial de la
expresión genética (SAGE, por sus siglas en inglés "Serial
Analysis of Gene Expression"), la tecnología de ordenación
(array) de ácido nucleico, la hibridación subtractiva, el análisis
de proteoma, y la espectrometría de masas con geles proteínicos de
dos dimensiones. Los métodos para perfilamiento de expresión
genética se dan como ejemplos en las referencias siguientes, que
describen la exhibición diferenciada (Liang y Pardee, 1992, Science
257:967-971), análisis de proteoma
(Humphery-Smith et al., 1997, Electrophoresis
18:1217-1242; Dainese et al., 1997,
Electrophoresis 18:432-442), SAGE (Velculescu et
al., 1995, Science 270:484-487), hibridación
subtractiva (Wang y Brown, 1991, Proc. Natl. Acad. Sci. E.E.U.U..
88:11505-11509), y métodos basados en hibridación
para usar ordenaciones del ácido nucleico (Heller et al.,
1997, Proc. Natl. Acad. Sci. E.E.U.U.. 94:2150-2155;
Lashkari et al., 1997, Proc. Natl. Acad. Sci. E.E.U.U.
94:13057-13062; Wodicka et al., 1997, Nature
Biotechnol. 15:1259-1267).
Los proyectos de secuenciación de genoma, tales
como el proyecto del Genoma Humano, han creado grandes bases de
datos de secuencias de genes. La función biológica, sin embargo, no
se puede determinar solamente a partir de datos de la secuencia del
nucleótido, sino que debe ser establecida en última instancia
estudiando los productos genéticos a nivel de la proteína. Solamente
estudiando la proteína misma se puede reconocer su patrón de
expresión, la asociación con otras moléculas in vivo, y su
papel en tejidos normal y enfermo. Reconociendo estos inconvenientes
de la investigación del genoma, los científicos han adoptado el
enfoque de "Proteómica". El campo de la proteómica ha avanzado
utilizando la electroforesis con gel poliacrilamídico de dos
dimensiones (2-D PAGE), que es capaz de resolver
millares de proteínas según su carga y masa. Los patrones de la
proteína que resultan se comparan entonces, y se hacen tentativas de
asignar patrones únicos a tipos particulares de célula o a estados
particulares de enfermedad. Sin embargo, 2-D PAGE
puede fallar al resolver el gran número de proteínas presentes en
muestras complejas, y la técnica consume mucho tiempo, involucra
trabajo intenso y es costosa. Además, 2-D PAGE puede
también fallar perceptiblemente en la detección de proteínas con
baja abundancia, poca concentración. 2-D PAGE tiene
un rango dinámico relativamente bajo, particularmente en comparación
con FTMS.
De acuerdo con los objetos mencionados arriba,
la presente invención tal como se describe en las reivindicaciones
proporciona métodos que comprenden comparar un perfil de picos de
FTMS de una primera muestra biológica derivada de células que no se
han expuesto a un agente bioactivo candidato con un perfil de picos
de FTMS de una segunda muestra biológica derivada de una célula que
se ha expuesto al agente bioactivo candidato.
En un aspecto más, la presente invención
suministra métodos que comprenden poner en contacto una primera
población de células con un primer agente bioactivo candidato y
someter la primera población de células al análisis por FTMS para
obtener un primer perfil de picos o de pico. El primer perfil se
compara con un perfil de referencia de la primera población de
células en ausencia del primer agente.
En un aspecto adicional, la presente invención
suministra métodos que comprenden someter una primera población de
células al análisis de FTMS para obtener un primer perfil del pico
(máximo) que comprende una pluralidad de picos, en la cual por lo
menos dos picos corresponden a diferentes tipos de biomoléculas.
En un aspecto más, la presente invención
suministra métodos que comprenden una población de células que
comprenden por lo menos una primera y una segunda subpoblación de
células y poner en contacto la primera subpoblación de células con
un primer agente bioactivo candidato. La segunda subpoblación de
células se pone en contacto con un segundo agente bioactivo
candidato y se somete la primera y la segunda subpoblaciones de
células al análisis de FTMS para obtener un primer y un segundo
perfiles de pico, respectivamente. El primer y dicho segundo
perfiles de pico se comparan con un perfil de referencia de la
población de células en ausencia de los agentes.
En un aspecto adicional, la presente invención
suministra métodos que comprenden poner en contacto una primera
población de células con una droga y someter la población de células
al análisis de FTMS para obtener un perfil de picos (de pico). El
perfil se compara con un perfil de referencia de dicha población de
células en ausencia de dicha droga.
En un aspecto más, la presente invención
proporciona métodos que comprenden suministrar una población de
células que comprenden por lo menos una primera y una segunda
subpoblación y poner en contacto la primera subpoblación de células
con una droga a una primera concentración y poner en contacto la
segunda subpoblación de células con una droga a una segunda
concentración. La primera y segunda subpoblaciones de células se
someten al análisis de FTMS para obtener un primer y segundo
perfiles de pico (máximos), respectivamente. El primer y segundo
perfiles de pico (máximos) se comparan para identificar por lo menos
un pico que difiera en intensidad, cuyo pico no corresponde a la
droga.
En un aspecto adicional, la presente invención
proporciona métodos que comprenden someter una primera población de
células al análisis de FTMS para obtener un primer perfil de pico
(máximo) y someter una segunda población de células al análisis de
FTMS para obtener un segundo perfil de pico, en donde dichas primera
y segunda poblaciones son de diferentes tipos de célula. Los
primeros y segundos perfiles de pico se comparan para identificar
por lo menos un pico que se diferencie en intensidad.
En un aspecto más, la presente invención
proporciona métodos para usar el software SAR (por sus siglas en
inglés "software activity relationship" o relación de actividad
del software) en combinación con el análisis de FTMS para generar
hipótesis químicas y para crear nuevas moléculas biológicamente
activas.
En un aspecto adicional, la presente invención
proporciona métodos de determinar los componentes y las rutas de
los estados de enfermedad. Los métodos comprenden someter una
población de células de un organismo con un estado de enfermedad al
análisis de FTMS para obtener un primer perfil de pico. El perfil de
picos se compara entonces con un perfil de referencia de células de
un organismo sin el estado de enfermedad, o con las células del
mismo organismo de un tejido que no esté enfermo. La comparación da
lugar a la identificación por lo menos de un pico que diferencia o
bien en intensidad o bien está presente en un perfil pero no en el
otro. El componente celular que da lugar a este pico se identifica
entonces. Esta información se puede utilizar en una variedad de
maneras. Se puede buscar en las bases de datos para vincular
asociados del componente celular con el fin de dilucidar las rutas
celulares del estado de enfermedad. El componente celular o sus
asociados vinculados se pueden utilizar en la selección de
candidatos para la droga.
En un aspecto más, la invención proporciona
métodos de tamizaje o cribado (screening) para el descubrimiento de
drogas nuevas. Los métodos comprenden el uso de cualquier número de
pre-tamizaje o pre-cribado
(prescreening) de métodos que comprenden añadir agentes candidatos a
células y seleccionar fenotipos alterados. Las células que exhiben
fenotipos alterados se someten luego al análisis de FTMS y se
identifican los picos relevantes. Alternativamente, una vez que se
generan los perfiles de picos de los efectos deseables, se puede
hacer tamizaje o cribado (screening) de las drogas candidatas, tales
como aquellas generadas en los estudios de relación
estructura-actividad (SAR, por sus siglas en inglés)
que imitan estos perfiles de picos deseables.
En un aspecto adicional, la presente invención
proporciona métodos para el diseño de droga novo. Los métodos
incluyen la generación de una pluralidad de análisis de FTMS en un
conjunto limitado o una biblioteca de compuestos candidatos. Los
perfiles de picos que resultan se comparan luego con los perfiles de
picos deseables (por ejemplo, ésos que se han generado usando drogas
conocidas o células libres de enfermedad) para identificar las
"formas" o "aspectos", los "farmacóforos" o los
"sitios activos" que son relevantes. Los resultados se pueden
entonces "tamizar" (screen) frente a bibliotecas químicas
virtuales para identificar los compuestos adicionales para ensayar
en la selección tradicional y la de FTMS.
La figura 1 ilustra los pasos de un proceso
preferido para seleccionar picos.
La fig. 2 ilustra los pasos del proceso
preferido para analizar los resultados de HICS-FTMS
para una muestra biológica.
La fig. 3 ilustra los pasos de un proceso
preferido para identificar los picos comunes entre los espectros de
masas.
La fig. 4 proporciona espectros ilustrativos de
las muestras obtenidas de los hepatocitos no tratados (espectros
A-C) vs. espectros de las muestras tratadas con
lovastatina (espectros D-H).
La fig. 5 contiene el software para análisis de
datos HICS-FTMS que fue utilizado para analizar 82
picos de masas moleculares bajas de los espectros
HICS-FTMS generados a partir de los extractos de los
hepatocitos de rata después de haber sido tratados con varias
concentraciones de lovastatina. Las intensidades relativas de cada
pico se grafican en el eje y (normalizadas frente a las intensidades
de los picos de hepatocitos no tratados) frente a la concentración
de lovastatina en PM sobre el eje x. El número en la cima de cada
gráfico es la masa molecular de la molécula correspondiente. LOWESS
fue utilizado para realizar el ajuste lineal y no lineal de la
curva. Fue utilizada regresión logística para refinar el ajuste de
curva y para proporcionar medidas estadísticas exactas.
Los solicitantes han descubierto que los
espectros FTMS de muestras biológicas complejas tienen la resolución
y la sensibilidad indispensables para permitir el análisis de
moléculas individuales presentes en la muestra, cada una de las
cuales puede dar lugar a uno o más picos FTMS únicos entre los picos
del perfil de picos de la muestra. La capacidad de obtener picos
específicos permite medir la intensidad del pico, y por lo tanto la
concentración relativa de la molécula a la cual el pico corresponde,
en la muestra biológica compleja. Esta característica es
particularmente útil en estudios comparativos y permite el estudio
de una molécula particular en una variedad de estados biológicos, y
la caracterización de cada estado biológico específico, facilitando
el cribado o tamizaje (screening) de alto contenido informativo
(HICS) o el análisis de alto contenido de información (HICA). A la
selección y al análisis de alto contenido de información mediante
FTMS se refieren más abajo como HICS-FTMS e
HICA-FTMS, respectivamente. Así, a diferencia de los
enfoques tradicionales que investigan, en su mayoría, un puñado de
moléculas a la vez, HICS-FTMS e
HICA-FTMS tienen mayor aplicabilidad general, útiles
en la mayoría de los problemas biológicos, que los métodos
disponibles en la actualidad. Esto abarca el uso de
HICS-FTMS y de HICA-FTMS para
caracterizar y distinguir estados biológicos en los diversos
momentos en sistemas complejos. En particular, esta poderosa técnica
tiene implicaciones clínicas cuando es utilizada para comparar
estados normales y estados de enfermedad, para identificar
marcadores característicos durante la progresión de la enfermedad, y
para supervisar las terapias con la droga. Por otra parte, la
invención abarca el desarrollo de la droga con la ayuda de
HICS-FTMS dilucidando interacciones
proteína-proteína, definiendo organelas y
componentes citoplásmicos, y caracterizando complejos multiméricos
de la proteína.
FTMS proporciona un número de ventajas y
beneficios distintivos por sobre la espectroscopia de masas
tradicional (MS). La resolución, la exactitud y la sensibilidad de
FTMS la hacen ideal para el análisis de muestras biológicas
complejas. Estas muestras pueden incluir componentes de alta masa
molecular tales como ácidos nucleicos, proteínas, lípidos, y
oligosacáridos, incluyendo pero sin limitar a las lipoproteínas, los
proteoglicanos y las moléculas químicamente modificadas (por
ejemplo, proteínas fosforilatadas), y componentes de masas
moleculares bajas, tales como péptidos, intermedios metabólicos,
metabolitos y catabolitos de la droga. Descifrar la complejidad
química de un sistema celular así requiere energía de alta
resolución y exactitud de masa. De todas las técnicas
espectrométrica de masas, FTMS es la más capaz de alcanzar el
rendimiento más alto en términos de energía de resolución y de
exactitud de masa.
Además, la naturaleza no destructiva de FTMS
permite el análisis y el re-análisis de cantidades
pequeñas de muestra, y la resolución permite la caracterización y
la identificación específicas de diferentes componentes celulares.
Así, una ventaja es que mientras que el rango dinámico de masas de
estas técnicas durante cualquier corrida particular puede estar en
el orden de 103 a 104, el análisis secuencial permite la extensión
de este rango. FTMS puede eliminar la necesidad de tener separación
del tratamiento previo (2D-PAGE, HPLC, CG, etc.)
como se requiere al usar espectrometría de masas clásica; FTMS tiene
un rango dinámico más alto que 2D-PAGE. Además, como
la fuerza magnética de FTMS aumenta mientras que la tecnología
crece, el rango dinámico y la energía de resolución aumentarán.
Además, la calidad no destructiva de FTMS puede permitir el análisis
de diferentes tipos de biomoléculas (por ejemplo proteínas, lípidos,
carbohidratos, metabolitos, etc.) inmediatamente o en corridas
secuenciales sobre la misma muestra o en muestras similares. Es
decir, la naturaleza no destructiva de FTMS permite la generación de
información robusta, variando condiciones experimentales iniciales,
variando los pasos preparatorios y variando solventes y condiciones
de corrida (incluyendo topes de masas).
Así, la presente invención según lo descrito en
las reivindicaciones proporciona un número de diferentes pruebas y
análisis para permitir dilucidar una variedad de componentes, de
mecanismos y de rutas celulares. Hay tres utilidades básicas para
la presente invención. En una realización preferida, la presente
invención se utiliza para dilucidar y para descubrir componentes y
rutas de los estados de enfermedad. Por ejemplo, la comparación de
tejido enfermo (o, según lo esbozado abajo, tejidos o células
expuestos a diferentes tratamientos tales como calor, tensión, etc.)
con el tejido "normal" permite dilucidar moléculas importantes
implicadas en la enfermedad. Las rutas de la enfermedad pueden
también ser aclaradas.
En segundo lugar, la presente invención también
suministra el descubrimiento/tamizaje o cribado (screening) de
nuevos candidatos de la droga que pueden ser utilizados para tratar
enfermedad. Por ejemplo, habiendo identificado efectos relevantes
(por ejemplo la presencia o la ausencia de ciertas moléculas; los
picos en un espectro de la enfermedad o un espectro de una droga con
un efecto deseable o indeseable), las bibliotecas químicas de
candidatos de la droga se pueden seleccionar para una duplicación o
elusión de un efecto relevante. Así, por ejemplo, las bibliotecas
químicas nuevas se pueden "tamizar" para los "golpes"
iniciales, o las relaciones de estructura-actividad
(SAR) pueden ser hechas una vez se haya identificado una estructura
(scaffold) relevante.
Finalmente, la presente invención también
suministra el diseño de la droga de novo de la siguiente manera. El
tamizado inicial FTMS de bibliotecas limitadas de compuestos
candidatos se puede hacer para identificar compuestos relevantes.
Esto puede ser seguido de un tamizado de bibliotecas virtuales y/o
verdaderas de farmacoforos para identificar las estructuras que
pueden tener actividades similares. Estas moléculas virtuales se
pueden después sintetizar y probar para la actividad.
Comparando perfiles de picos de FTMS de
diferentes muestras, pueden ser dilucidados datos complejos e
intensivos; los métodos permiten la identificación de las
biomoléculas que están presentes en diferentes muestras de manera
diferenciada; esto incluye cambios tanto en presencia como en
ausencia de picos así como también los cambios en la intensidad
máxima. Por ejemplo, los perfiles de picos FTMS se pueden obtener de
las células que se han expuesto a uno o más agentes o drogas
candidatos, y se han comparado con los perfiles de las células no
tratadas para identificar cambios celulares asociados a la droga o
al compuesto; por ejemplo, los perfiles de toxicidad pueden ser
obtenidos o se pueden tamizar bibliotecas de candidatos de la droga
para efectos deseables o indeseables. De manera similar, las células
de diferentes estados de la enfermedad, como, por ejemplo, la
enfermedad cardiovascular, cáncer, diabetes, obesidad, enfermedades
inflamatorias, las enfermedades de Alzheimer, las enfermedades
autoinmunes, aquellas infectadas con patógenos, etc. pueden ser
comparadas con los perfiles normales de tejido para identificar las
rutas y los componentes celulares afectados por la enfermedad. Otro
ejemplo implica el comparar perfiles de diferentes tejidos o tipos
de célula para identificar componentes específicos de la célula,
para construir una base de datos para comparaciones con nuevos
tejidos, estados de la enfermedad, o diferentes individuos.
Los métodos descritos en la presente además
permiten la detección y/o la identificación de modificaciones
químicas de moléculas naturales, la identificación de modificaciones
de rutas metabólicas inducidas patológicamente, (es decir, cambios
en flujos, acumulación de metabolitos, agotamiento de metabolitos,
modificación de metabolitos), la identificación de efectos
yatrogénicos, la identificación de la reacción bioquímica y de las
rutas bioquímicas, la identificación de intermedios catabólicos y
metabólicos, la identificación de las rutas redundantes de
bioquímicas/metabólicas, la identificación de rutas
bioquímicas/metabólicas de SOS, y la identificación de las rutas de
apoptosis. Los intermedios metabólicos y los metabolitos de interés
incluyen pero no se limitan a los metabolitos naturales, a las
moléculas sintetizadas o degradadas in vivo, a las moléculas
modificadas durante reacciones de oxidación o reducción, en células
y en fluidos biológicos, así como también diversas moléculas
pequeñas y grandes presentes en alimentos (por ejemplo, vitaminas,
substancias extrañas) o se generan por la digestión enzimática de
alimentos (por ejemplo, aminoácidos, aminoácidos particularmente
esenciales, ácidos grasos), así como catabolitos y xenobioticos.
Además, los métodos de la invención se pueden
utilizar para generar un número de bases de datos para uso en
análisis de muestras. Por ejemplo, los métodos se pueden utilizar
para generar una base de datos de las transformaciones metabólicas
que ocurren in vivo. Es decir, las moléculas de referencia
(por ejemplo estructuras) que contienen subestructuras químicas de
interés son administradas y los metabolitos nuevos o alterados son
identificados por FTMS. Por ejemplo, las transformaciones
metabólicas de aminas secundarias o de alcoholes secundarios se
pueden identificar, registrar y puestas en una base de datos de
inventario. Cualquier compuesto nuevo con una amina secundaria será
evaluado usando la base de datos de transformación metabólica. De
manera similar, la presente invención se puede utilizar para generar
bases de datos altamente exactas de moléculas pequeñas.
Así, la presente invención proporciona
composiciones y métodos implicados en análisis de espectroscopia de
masas por transformadas de Fourier (FTMS). FTMS se puede hacer con
cualquier número de muestras. Como será apreciado por aquellos
versados en el arte, la muestra puede comprender cualquier número de
cosas, incluyendo, pero sin limitarse a, células (incluyendo células
primarias y las líneas de célula cultivadas), los tejidos y los
fluidos corporales (incluyendo, pero sin limitarse a, sangre, orina,
suero, linfa, bilis, fluido cerebroespinal, fluido intersticial,
humor acuoso o vítreo, colostro, esputo, líquido amniótico, saliva,
secreciones anales y vaginales, transpiración y semen, un
transudado, un exudado (por ejemplo líquido obtenido de un absceso o
de cualquier otro sitio de una infección o de una inflamación) o
líquido obtenido de un injerto (por ejemplo un injerto normal o un
injerto afectado por enfermedad tal como artritis reumatoide,
osteoartritis, gota o artritis séptica) de virtualmente cualquier
organismo, siendo preferidas las muestras de mamíferos y siendo
particularmente preferidas las muestras humanas; muestras
ambientales (que incluyen, pero no se limitan a, muestras de aire,
agrícolas, de agua y de suelos); muestras de agente de combate
biológico; muestras de investigación que incluyen fluidos
extracelulares, los superflotantes extracelulares de cultivos
celulares, cuerpos de inclusión en bacterias, compartimientos
celulares, periplasma celular, compartimiento de las mitocondrias,
etc., muestras purificadas, muestras extraterrestres tales como
meteoritos, etc. Como será apreciado por los versados en el arte y
esbozado abajo, las muestras pueden ser o bien "nativas", por
ejemplo sin manipulación o tratamiento adicional, o "tratadas",
que pueden incluir cualquier número de tratamientos, incluyendo la
exposición a los agentes candidato que incluyen drogas, ingeniería
genética (por ejemplo adición o cancelación de un gen), etc. Esto
debe ser distinguido del tratamiento o de la preparación de las
muestras para el análisis FTMS, según lo descrito más abajo.
En una realización preferida, se hace FTMS sobre
muestras que comprenden células. Como será apreciado por aquellos
versados en el arte, hay una variedad amplia de tipos de célula que
encuentran uso en la presente invención, incluyendo las células
eucariótidas y procariótida, siendo preferido el primero. Las
células procarótidas adecuadas incluyen, pero no se limitan a, las
bacterias tales como E. coli, especies de bacilos, las
bacterias extremofilas tales como termófilas, etc., y cualquiera o
todas las bacterias y los organismos listados debajo, incluyendo el
micoplasma, la rickettsia, los organismos unicelulares planctónicos,
los paramecio, los pseudomonas, nitrosomonas, nitrobacter etc. Se
incluyen en esta definición los priones y los radicales que causan
la enfermedad de Kreutzfeld-Jacob.
Las células eucariótidas adecuadas incluyen,
pero no se limitan a, las células de insecto; hongos tales como
levadura y hongos filamentosos, incluyendo la especie de
aspergillus, Trichoderma, Pichia y neuroespora,
micoplasmas, etc. e incluyen estructuras y esporas florecientes así
como líquenes; células de plantas que incluyen las de algas, maíz,
zahína, tabaco, canola, soja, algodón, tomate, patata, alfalfa,
girasol, etc., e incluyen la flor, el tallo, la savia, las células
de la hoja y del polen, etc.; y células animales, incluyendo
pescados, pájaros y mamíferos. Las células adecuadas de los pescados
incluyen, pero no se limitan a, aquellas de la especie del salmón,
trucha, tilapia, atún, carpa, platija, halibut, los peces espadas,
bacalao y pez cebra (zebrafish). Las células adecuadas de pájaro
incluyen, pero no se limitan a, aquellas de los pollos, los patos,
las codornices, los faisanes y los pavos, y otros pájaros de selva
foul o de juego. Las células mamíferas adecuadas incluyen, pero no
se limitan a, las células de caballos, vacas, búfalo, ciervos,
ovejas, conejos, roedores tales como ratones, ratas, hámsteres y
cerdos de Guinea, cabras, cerdos, primates, y seres humanos, los
mamíferos marinos incluyendo delfines y ballenas, células primarias
así como líneas de célula, tales como líneas de células humanas de
cualquier tipo o tipos de vástagos de célula o células de vástago,
que incluyen células de vástago pluripotentes y no pluripotentes.
Además, las células pueden ser células tumorales según lo esbozado
abajo, cardiomiocitos, células endoteliales, células epiteliales,
linfocitos (célula T y célula B), mastocitos, eosinofilos, células
intimales vasculares, hepatocitos, leucocitos incluyendo los
leucocitos mononucleares, células de vástago tales como haemopoetic,
de los nervios, piel, pulmón, riñón, las células de vástago del
hígado y del miocito, los osteoclastos, los condrocitos y otras
células del tejido conectivo, keratinocitos, melanocitos, células
del hígado, células del riñón, y adipocitos. Las células adecuadas
también incluyen células conocidas de investigación, incluyendo,
pero no sin limitarse a, células de Jurkat T, las células NIH3T3,
CHO, Cos, etc. Ver el catálogo de la línea celular del ATCC. Como
será apreciado por aquellos en el arte, las células pueden tener un
número de formatos, incluyendo el uso de muestras congeladas
(células y tejidos), los tejidos deshidratados, liofilizados o
embalsamados, las células y los tejidos momificados, las células y
los tejidos muertos (análisis forense así como la etnología), las
bacterias esporuladas, etc. De manera similar, las células pueden
ser células diploides o haploides, células mono o multinucleares,
plaquetas, células anucleares tales como los eritrocitos, macrófagos
y macrófagos activados, células pluripotentes, células diferenciadas
y no diferenciadas, células de vástago, y células con las
extracromosomas o el material de ácido nucleico. Debe también ser
observado que las poblaciones de células incluyen animales reales;
es decir, un animal puede ser considerado una población de
células.
En una realización preferida y según lo esbozado
más abajo, las células usadas en análisis de FTMS son de diferentes
tejidos, particularmente de tejidos humanos. Así por ejemplo, los
perfiles de picos (de pico) de las células de diferentes tejidos se
pueden comparar, para permitir dilucidar marcadores específicos a
células así como componentes funcionales no específicos o
domésticos. En esta realización, las células pueden ser o bien
células primarias o líneas de celulares del cerebro, de la piel, del
pulmón, endoteliales, epiteliales, adiposas, de músculo, de hueso,
del estómago, del colon, del bazo, del páncreas, del riñón, de la
vejiga, del corazón, del sistema linfático, de la sangre, del
hígado, etc. En esta realización, los perfiles de FTMS de diferentes
tejidos se pueden comparar y utilizar para construir una base de
datos, según lo esbozado más abajo. De manera similar, las células
pueden ser del mismo tejido pero de diferentes individuos para
construir una base de datos para normalizar y evaluar marcadores
específicos de células. Las células pueden ser del mismo o de
diferentes individuos, especies, subespecies, subgrupos en
diferentes biotipos, etc.
En algunas realizaciones, las células primarias
se comparan con las líneas de célula del mismo tejido, para
identificar diferencias entre las dos. Como se conoce en el arte,
algunas líneas de célula no muestran los mismos perfiles y
susceptibilidad a las drogas que las células primarias. Así, la
presente invención se puede utilizar para evaluar diferencias
celulares entre los dos.
En una realización preferida, las comparaciones
entre diferentes estados de la célula o las células sometidas a
diferentes tratamientos se pueden evaluar usando las técnicas de la
presente invención. Por ejemplo, los tratamientos diferenciados
convenientes incluyen, pero no se limitan a, el tratamiento físico
(tensión, calor, frío, presión, irradiación, etc.), los tratamientos
con las hormonas de crecimiento o las hormonas de la metamorfosis
(por ejemplo en oruga, anfibios), tratamientos del crecimiento con
excitadores químicos (café, drogas, excitadores aminoácidos, etc.) y
tratamientos con la excitación eléctrica (por ejemplo en nervios, en
células del músculo).
En una realización preferida, las células son de
un animal con un estado de enfermedad. El "estado de la
enfermedad" en este contexto incluye cualquier dolencia para la
cual se desee o bien la información, diagnóstico o tratamiento. El
estado de la enfermedad puede ser el resultado de enfermedad
genética (incluyendo enfermedades genéticas basadas en cambios
proteínicos tales como anemia de fibrosis enquistada o de célula de
hoz, o la presencia de polimorfismos nucleótidos particulares
individuales, mutaciones en genes supresores de tumor, etc.),
cambios celulares somáticos, etc. Por consiguiente, las células
convenientes del estado de la enfermedad son aquellas del cáncer, de
la enfermedad cardiovascular, de la infección viral o bacteriana, de
la obesidad, de la diabetes, de enfermedad inflamatoria, de
enfermedad autoinmune, etc. De manera similar, las células de
individuos con anormalidades cromosómicas (por ejemplo trisomy,
etc.), terapia genética pre- o post-, etc.
En una realización preferida, las células o los
tejidos cancerosos se utilizan en la presente invención. En esta
realización, las células tumorales adecuadas incluyen, pero no se
limitan a, aquellas de los cánceres de la piel incluyendo melanoma,
leucemia mieloide, los carcinomas del pulmón, pecho, ovarios, colon,
riñón, próstata, páncreas, estómago, cerebro, sistema linfático,
timo, tiroides, las glándulas suprarrenales, los testes, etc.
En una realización preferida, las células se
obtienen de individuos con enfermedad cardiovascular. Así, las
células adecuadas del estado de la enfermedad en esta realización
incluyen, pero no se limitan a, los cardiomiocitos, las células
endoteliales del sistema circulatorio, los macrófagos, las células
del hígado (hepatocitos), los adipocitos, las células de músculo
liso, las células intestinales, etc.
En una realización preferida, las células se
obtienen de individuos con diabetes. Así, las células adecuadas del
estado de la enfermedad en esta realización incluyen, pero no se
limitan a, los cardiomiocitos, las células endoteliales del sistema
circulatorio, los macrófagos, las células del páncreas, las células
del hígado (hepatocitos), los adipocitos, las células de músculo
liso, las células intestinales, etc.
En una realización preferida, las células se
obtienen de individuos con obesidad. Así, las células adecuadas del
estado de la enfermedad en esta realización incluyen, pero no se
limitan a, los cardiomiocitos, las células endoteliales del sistema
circulatorio, los macrófagos, las células del hígado (hepatocitos),
los adipocitos, las células de músculo liso, las células
intestinales, etc.
En una realización preferida, las células del
estado de la enfermedad se clasifican como tales debido a la
infección con virus o bacterias. Los virus adecuados incluyen, pero
no se limitan a, los ortomixoviruses, (por ejemplo virus de la
gripe), los paramixoviruses (por ejemplo, virus syncytial
respiratorio, virus de las paperas, virus del sarampión),
adenovirus, rinoviruses, coronaviruses, reovirus, togaviruses (por
ejemplo virus del sarampión), parvoviruses, poxviruses (por ejemplo
virus de variola, virus del vaccinia), enterovirus (por
ejemplo poliovirus, coxsackievirus), virus de la hepatitis (A
incluyendo, B y C), herpesviruses (por ejemplo virus symplex del
herpes, virus de la varicela-zoster,
citomegalovirus, virus de Epstein-Barr),
rotaviruses, virus de Norwalk, hantavirus, arenavirus, rhabdovirus
(por ejemplo virus de la rabia), retroviruses (VIH incluyendo,
HTLV-I y - II), papovaviruses (por ejemplo
papillomavirus), poliomaviruses, y picomaviruses. Las bacterias
adecuadas incluyen, pero no se limitan a, una variedad amplia de
prokaryotes patógenos y no patógenos de interés incluyendo bacilos;
Vibrio, por ejemplo v. cholerae; Escherichia, por ejemplo
E. enterotoxigenic coli, Shigella, por ejemplo S.
disenterías; Salmonelas, por ejemplo tifus del S.;
Tuberculosis del M. del mycobacterium por
ejemplo, leprae del M.; Clostridium, por
ejemplo C. botulinum, tetani de la C., C.
difficile, C. perfringens; Cornyebacterium, por ejemplo
diphtheriae de la C.; Estreptococo, pyogenes
del S., pneumoniae del S.; Estafilococo, por
ejemplo aureus de S.; Haemophilus, por ejemplo
influenzae del H.; Neisseria, por ejemplo
meningitidis del N., gonorreas del N.;
Yersinia, por ejemplo lamblia del G.,
pestis del Y., mycoplasms, rikettias,
pseudomonas, por ejemplo aeruginosa del P.,
putida del P.; Leischmania, Chlamydia, por
ejemplo, trachomatis de la C.; Bordetella, por
ejemplo pertussis del B.; y ON treponema, por
ejemplo paladio del T.. Sin embargo, en algunas
realizaciones, el estado de la enfermedad no incluye la infección
bacteriana o viral.
En una realización, las células pueden ser
producto de la ingeniería genética, es decir, pueden contener ácido
nucleico exógeno (por ejemplo células de
"knock-out" o animales transgénicos) o tener
ácidos nucleico (incluyendo genes) suprimidos o alterados (por
ejemplo las células de "knock-out" o animales
transgénicos).
En una realización preferida como se esboza de
manera más completa abajo, las células de estados de la enfermedad
se comparan con las células del tejido correspondiente que no tienen
la enfermedad, es decir tejido normal, para aclarar las diferencias.
La muestra normal puede ser del mismo individuo o de un segundo
individuo, incluyendo miembros de la familia, gemelos, etc. Además,
la muestra normal puede ser de post-tratamiento, por
ejemplo después del recibo de los trasplantes de la médula, de
quimioterapia, etc.
En una realización preferida, las células se
exponen a uno o más agentes bioactivos candidatos (a los que se
refiere a veces en la presente como "drogas" o
"biomoduladores") antes del análisis de FTMS. El término
"agente bioactivo candidato" o "biomodulador", según lo
utilizado en la presente, describe cualquier molécula natural o
sintética, por ejemplo, una proteína, una molécula orgánica pequeña,
carbohidratos (incluyendo polisacáridos), polinucleótidos, lípidos,
etc. que se probarán en los sistemas de la invención, particulares
para ser probados en la capacidad de sacar una respuesta o una
perturbación en un sistema celular. Los ejemplos incluyen drogas,
ácidos nucleicos de antisense o de hélice triple, los ribozymas,
hormonas, factores de crecimiento, citoquinas, ligandos,
anticuerpos, feromonas, agonistas, antagonistas, análogos,
bloqueadores de canal, toxinas, herbicidas, desodorantes o cualquier
otra molécula química.
Los agentes candidatos abarcan numerosas clases
químicas, aunque son típicamente moléculas orgánicas, compuestos
orgánicos preferiblemente pequeños que tienen un peso molecular de
más de 100 y menos de cerca de 2.500 daltons, con moléculas
extendiéndose preferiblemente de cerca de 100 a cerca de
1000-1500, lo que es preferido. Los agentes
candidatos comprenden grupos funcionales necesarios para la
interacción estructural con proteínas, particularmente enlaces de
hidrógeno, e incluyen típicamente por lo menos uno de una amina, de
un carbonilo, de un hidroxilo o de un grupo carboxilo,
preferiblemente por lo menos dos de los grupos químicos funcionales.
Los agentes candidatos comprenden a menudo carbón cíclico o
estructuras heterocíclicas y/o estructuras aromáticas o
poliaromáticas substituidas con uno o más de los grupos funcionales
antedichos. Los agentes candidatos también se encuentran entre
biomoléculas incluyendo péptidos, sacáridos, lípidos, ácidos grasos,
esteroides, purinas, pirimidinas, los derivados, los análogos
estructurales o las combinaciones de los mismos. Particularmente
preferidos son las moléculas pequeñas, los péptidos, los análogos de
péptidos, los análogos de lípidos y los análogos de los
carbo-
hidratos.
hidratos.
Los agentes candidatos se obtienen de una
variedad amplia de fuentes incluyendo bibliotecas de compuestos
sintéticos o naturales. Por ejemplo, están disponibles numerosos
medios para la síntesis al azar y dirigida de una variedad amplia
de compuestos orgánicos y de biomoléculas, incluyendo la expresión
de oligonucleótidos seleccionados al azar. Alternativamente, las
bibliotecas de compuestos naturales en forma de extractos
bacterianos, de hongos, de plantas y de animales son disponibles o
producidas fácilmente. Además, las bibliotecas o las especies nuevas
de los agentes candidatos pueden ser hechas alimentando con
moléculas precursoras (por ejemplo estructuras scaffold químicas) a
los microorganismos (incluyendo bacterias, levadura, etc.) u otros
organismos (plantas, actinomicetes, hongos, etc.) para generar
nuevos productos químicos o dificultar la síntesis artificial de
químicos/moléculas.
Además, las bibliotecas y los compuestos
naturales o sintéticamente producidos se modifican fácilmente con
medios químicos, físicos y bioquímicos convencionales. Los agentes
farmacológicos conocidos se pueden someter a modificaciones químicas
dirigidas o al azar, tales como la acilación, alquilación,
esterificación, amidificación para producir análogos estructurales.
Los compuestos pueden ser mezclas o isómeros racémicos.
Además, una o más bibliotecas se pueden tamizar
(screened) simultánea o secuencialmente; las bibliotecas pueden
estar relacionadas (por ejemplo las bibliotecas ortogonales, las
bibliotecas sintéticas de estructuras relacionadas, las bibliotecas
naturales de los extractos de planta) o no tener relación.
En una realización preferida, los agentes
bioactivos candidatos son proteínas. Por "proteína" se entiende
aquí a por lo menos dos aminoácidos covalentemente unidos, lo que
incluye proteínas, polipéptidos, los oligopéptidos y los péptidos.
La proteína puede componerse de aminoácidos y de enlaces peptídicos
que ocurren naturalmente, o estructuras peptidomiméticas sintéticas
tales como peptoides. Así el "aminoácido", o el "residuo del
péptido", según como se utiliza aquí significa aminoácidos tanto
de ocurrencia natural como sintéticos. Por ejemplo,
homofenilalanina, citrulline y noreleucine se consideran los
aminoácidos para los propósitos de la invención.
El "aminoácido" también incluye residuos
ácidos de imino ácidos tales como prolina e hidroxiprolina. Las
cadenas laterales pueden estar tanto en la configuración (R) como en
la (S). En la realización preferida, los aminoácidos están en
configuración (S) o (L). Si se utilizan cadenas laterales de
ocurrencia no natural, los sustitutos que no son aminoácidos se
pueden utilizar, por ejemplo, para prevenir o para retardar
degradaciones in vivo. También se pueden agregar grupos de
bloqueo químico u otros sustitutos químicos.
En una realización preferida, los agentes
bioactivos candidatos son proteínas de ocurrencia natural o
fragmentos de proteínas de ocurrencia natural. Así, por ejemplo,
pueden ser utilizados extractos celulares que contienen proteínas, o
digestiones aleatorias o dirigidas de extractos celulares
proteínicos. De esta manera pueden ser hechas las bibliotecas de
proteínas procariotidas y eucariótidas para el tamizado o selección
(screening) en los sistemas descritos en la presente. En esta
realización se prefieren particularmente las bibliotecas de
proteínas bacterianas, de hongos, virales, y mamíferas, siendo las
últimas las preferidas y las proteínas especialmente humanas
preferidas.
En una realización preferida, los agentes
bioactivos candidatos son péptidos de cerca de 5 a cerca de 30
aminoácidos, siendo preferidos aquellos con cerca de 5 a cerca de
20 aminoácidos, y siendo aquellos con cerca de 7 a cerca de 15
particularmente preferidos. Los péptidos pueden ser digestiones de
proteínas de ocurrencia natural, tal como se esboza arriba, péptidos
aleatorios, o péptidos aleatoriamente "sesgados". Por
"aleatorios" o sus equivalentes gramaticales en la presente se
entiende que cada ácido nucleico y péptido consiste esencialmente de
nucleótidos y aminoácidos aleatorios, respectivamente. Puesto que
estos péptidos aleatorios (o los ácidos nucleicos, discutidos abajo)
se sintetizan químicamente por lo general, ellos pueden incorporar
cualquier nucleótido o aminoácido en cualquier posición. El proceso
de síntesis se puede diseñar para generar proteínas o ácidos
nucleicos seleccionados al azar, para permitir la formación de todos
o la mayoría de las combinaciones posibles sobre la longitud de la
secuencia, formando así una biblioteca de agentes candidatos
proteínicos bioactivos seleccionados al azar. Así por ejemplo,
pueden ser hechas
bibliotecas de péptidos anfifáticos helicoidales, de péptidos de lámina beta, péptidos de lámina beta anfifáticos, etc.
bibliotecas de péptidos anfifáticos helicoidales, de péptidos de lámina beta, péptidos de lámina beta anfifáticos, etc.
En una realización, la biblioteca se selecciona
al azar completamente, sin preferencias de secuencia o constantes en
ninguna posición. En una realización preferida, la biblioteca está
sesgada. Es decir, algunas posiciones dentro de la secuencia son
mantenidas o bien constantes, o se seleccionan de un número limitado
de posibilidades. Por ejemplo, en una realización preferida, los
nucleótidos o los residuos de aminoácido se seleccionan al azar
dentro de una clase definida, por ejemplo, de aminoácidos
hidrofóbicos, residuos hidrofílicos, los residuos estéricamente
sesgados (ya sean pequeños o grandes), hacia la creación de
cisteínas, para entrecruzamiento o reticulado, prolinas para
dominios SH-3, serinas, treoninas, tirosinas o
histidinas para los sitios de fosforilación, etc., o a purinas,
etc.
En una realización preferida, los agentes
bioactivos candidatos son ácidos nucleicos. Por "ácido
nucleico" o "oligonucleótido" o equivalentes gramaticales
en la presente se entiende por lo menos dos nucleótidos ligados
juntos de manera covalente. Un ácido nucleico de la presente
invención contendrá generalmente enlaces de fosfodiéster, aunque en
algunos casos, como se esboza abajo, se incluyen análogos de ácido
nucleico que pueden tener espinas dorsales alternas, comprendiendo,
por ejemplo, fosforamida (Beaucage, et al., Tetrahedron,
49(10):1925 (1993) y las referencias de la misma; Letsinger,
J. Org. Quím., 35:3800 (1970); Sprinzl, et al., J. Biochem,
81:579 (1977); Letsinger, et al., Nucl. Acids Res., 14:3487
(1986); Sawai, et al., Chem. Lett., 805 (1984), Letsinger,
et al., J. Am. Chem. Soc., 110:4470 (1988); y Pauwels, et
al., Chemica Scripta, 26:141 (1986)), fosforotioato (Mag, et
al., Nucleic Acids Res., 19:1437 (1991); y la patente de Estados
Unidos No. 5,644,048), fosforoditioato (Briu, et al., J. Am.
Chem. Soc., 111:2321 (1989)), acoplamientos de
O-metilfosforoamidita (véase Eckstein,
Oligonudeotides y análogos: Un enfoque práctico, Oxford University
Press), y espinas dorsales y acoplamientos del ácido nucleico del
péptido (véase Egholm, J. Am. Chem. Soc., 114:1895 (1992); Meier,
et al., Chem. Int. Ed. Engl., 31:1008 (1992); Nielsen,
Nature, 365:566 (1993); Carlsson, et al., Nature 380:207
(1996))). Otros ácidos nucleicos análogos incluyen aquellos con las
espinas dorsales positivas (Denpcy, et al., Proc. Nacional.
Acad. Sci. E.E.U.U., 92:6097 (1995)); espinas dorsales no iónicas
(patente de Estados Unidos Nos. 5.386.023; 5.637.684; 5.602.240;
5.216.141; y 4.469.863; Kiedrowshi, et al., Angew. Chem.
Intl. Ed. Inglés, 30:423 (1991); Letsinger, et al., J. Am.
Chem. Soc., 110:4470 (1988); Letsinger, et al., Nucleósidos y
nucleótidos, 13:1597 (1994); Capítulos 2 y 3, serie 580 del simposio
del ASC, "Modificaciones del carbohidrato en la investigación de
Antisense", Ed. Y.S. Sanghui y P. Dan Cook; Mesmaeker, et
al., Bioorganic & Medicinal Chem. Lett., 4:395 (1994);
Jeffs, et al., J. Biomolecular NMR, 34:17 (1994); Tetrahedron
Lett., 37:743 (1996)) y espinas dorsales no-ribosa,
incluyendo aquellos descritos en las patentes de Estados Unidos
Nos.. 5.235.033 y 5.034.506, y los capítulos 6 y 7, serie 580 del
simposio del ASC, "Modificaciones del carbohidrato en la
investigación de Antisense", Ed. Y.S. Sanghui y P. Dan Cook. Los
ácidos nucleicos que contienen unas o más azúcares carbocíclicos
también se incluyen dentro de la definición de ácidos nucleicos
(véase Jenkins, et al., Chem. Soc. Rev., (1995) pp.
169-176). Varios análogos del ácido nucleico se
describen en Rawls, C & E News, de junio 2 de 1997, página 35.
Estas modificaciones de la espina dorsal
ribosa-fosfato se pueden hacer para facilitar la
adición de moléculas adicionales tales como etiquetas, o para
aumentar la estabilidad y la vida media de tales moléculas en
ambientes fisiológicos. Además, pueden ser hechas mezclas de ácidos
nucleico de ocurrencia natural y de análogos. Alternativamente,
pueden ser hechas mezclas de diferentes análogos de ácido nucleico,
y las mezclas de ácidos nucleicos de ocurrencia natural con sus
análogos. Los ácidos nucleicos pueden ser trenzados de manera
sencilla o doble, según lo especificado, o contener porciones de
secuencia tanto de doble trenzado como de trenzado único sencillo.
El ácido nucleico puede ser DNA, tanto genómico y cDNA, RNA como un
híbrido, donde el ácido nucleico contiene cualquier combinación del
deoxyribo- y ribo-nucleótidos, y cualquier
combinación de bases, incluyendo el uracilo, la adenina, la timina,
la citosina, la guanina, la inosina, la xantina, la hipoxantina, la
isocitosina, la isoguanina, etc.
Según lo descrito arriba de manera general para
las proteínas, los agentes bioactivos candidatos de ácido nucleico
pueden ser ácidos nucleicos de ocurrencia natural, ácidos nucleicos
aleatorios, o ácidos nucleicos aleatorios "sesgados". Por
ejemplo, las digestiones de genomas procarótidas o eucarótidas
pueden ser utilizadas como se ha esbozado arriba para las
proteínas.
En una realización preferida, los agentes
bioactivos candidatos son moléculas químicas orgánicas, una variedad
amplia de los cuales está disponible en la literatura.
En una realización preferida, se utiliza una
biblioteca de diferentes agentes bioactivos candidatos.
Preferiblemente, la biblioteca debe proporcionar una población
suficientemente diferente desde el punto de vista estructural de
agentes seleccionados al azar para provocar que un rango
probabilísticamente suficiente de diversidad permita enlazar a un
objetivo particular. Por consiguiente, una biblioteca de interacción
debe ser bastante grande para que por lo menos uno de sus miembros
tenga una estructura que le dé su afinidad para el objetivo. Aunque
es difícil calibrar el tamaño absoluto requerido de una biblioteca
de interacción, la naturaleza suministra una pista con la respuesta
de inmunidad: una diversidad de 107-108 anticuerpos
diferentes proporciona al menos una combinación con suficiente
afinidad para interactuar con la mayoría de los antígenos
potenciales hechos enfrentados por un organismo. Las técnicas de
selección in vitro publicadas también han mostrado que un
tamaño de biblioteca de 107 a 108 es suficiente para encontrar las
estructuras con la afinidad para el objetivo. Una biblioteca de
todas las combinaciones de un péptido de 7 a 20 aminoácidos en
longitud, tal como el propuesto de manera general en la presente,
tiene el potencial de codificar de 207 (109) a 2020. Así, con
bibliotecas de 107 a 108 moléculas diferentes los métodos presentes
permiten un subconjunto de "trabajo" de una biblioteca de
interacción teóricamente completa para 7 aminoácidos, y un
subconjunto de formas para la biblioteca 2020. Así, en una
realización preferida, por lo menos 103 diferentes agentes
candidatos se tamizan (screened), siendo por lo menos 104 los
preferidos, siendo por lo menos 105-106
especialmente preferidos, y en algunos casos, dependiendo de las
técnicas de tamizado, tantas como 107, 108 o 109 diferentes agentes
candidatos se analizan simultáneamente en los métodos materia de la
presente. Los métodos preferidos maximizan el tamaño y la diversidad
de la biblioteca.
En una realización preferida, el agente
candidato es una droga conocida, por ejemplo un agente bioactivo
conocido para tener por lo menos un efecto deseable. Sin embargo,
como se esboza más completamente abajo, muchas drogas tienen efectos
secundarios o problemas de toxicidad, y la presente invención se
puede utilizar para dilucidar los mecanismos de toxicidad y para la
selección por tamizado de los análogos de la droga de segunda
generación que no tienen tantos o ningún efecto secundario. Por
ejemplo, los picos de un espectro se pueden asociar a toxicidad
según lo identificado con el uso de marcadores o tintes clásicos,
tales como tintes de viabilidad, o etiquetas de masa como se conoce
en el arte. Además, en unas realizaciones, dos o más drogas se
agregan a la muestra simultánea o secuencialmente para permitir
dilucidar los mecanismos y las complicaciones de la interacción de
la droga o para bloquear una ruta o camino de biológico/metabólico o
una enzima.
Como se apreciará por aquellos versados en el
arte, hay una variedad amplia de drogas posibles que puedan
encontrar uso en la presente invención, dependiendo de las pruebas y
de las características deseadas. Por ejemplo, en aplicaciones para
el cáncer, las drogas apropiadas para cáncer incluyen, pero no se
limitan a, las drogas antineoplásticas, incluyendo agentes de
alquilación tales como sulfonatos de alquilo (busulfan,
improsulfan, piposulfan); aziridinas (benzodepa, carboquone,
meturedepa, uredepa); etileniminas y metilmelaminas (altretamina,
trietilenemelamina, trietilenefosforamida, trietilenetofosforamida,
trimetilolmelamina); mostazas de nitrógeno (clorambucil,
clornafazina, ciclofosfamida, estramustina, ifosfamida, clorhidrato
de mecloroetamina, de óxido de mecloretamina, melfalan, novembichin,
fenesterina, prednimustina, trofosfamide, mostaza del uracilo);
nitrosoureas (carmustina, clorozotocina, fotenmustina, lomustina,
nimustina, ranimustina); dacarbazina, mannomustina, mitobranitol,
mitolactol; pipobroman; doxorubicin, y cisplatin (incluyendo
derivados).
Con particular atención a la enfermedad
cardiovascular, hay un número de drogas adecuadas para agregar a las
células para dilucidar el mecanismo de acción, caracterizar la
respuesta al nivel de la biomolécula, o identificar biomoléculas
relevantes en la ruta de acción de la droga. Éstas incluyen, pero no
se limitan a, las estatinas (agentes que bajan el colesterol que
bloquean síntesis del colesterol inhibiendo la reductasa HMGCoA que
incluyen atorvastatina, pravastaina, lovastatina, cerivastatina,
sinvastatina), fibratos (fenofibrato, bezafibrato, gemfibrozilo),
niacina, ácido nicotínico, estrógenos, resinas aglomerantes de ácido
biliar (incluyendo colestiramina y clorhidrato del colestipol),
inhibidores de ACAT, inhibidores intestinales de absorción del
colesterol, ligandos de PPAR (alfa, gamma, etc.), y los ligandos de
factor nuclear tales como RXR, FXR, ROR, etc.
Las drogas adecuadas para la diabetes incluyen,
pero no se limitan a, las biguanidas (que incluyen sin limitarse a
metformina, al fenformina y bufomina); sulfonilureas (incluyendo sin
limitarse a tolbutamida, acetohexamida, tolazamida, cloropropamida,
gliplzida y gliburida); derivados de tazolidinediona (incluyendo,
pero sin limitarse, ciglitazona, ploglitazona, englitazona, y
troglitazona); y otros descritos en Cornicelli, Atherosclerosis
2(2): 43 (1999).
Las drogas adecuadas para la hipertensión
incluyen pero sin limitarse a, beta bloqueadores, inhibidores de
AS, los diuréticos; inhibidores de la angiotensina tales como
losartan, etc.
Los agentes bioactivos candidatos se combinan o
se agregan a una célula o a una población de células. Los tipos
adecuados de célula para diferentes realizaciones se han esbozado
arriba. Se combina el agente bioactivo candidato con las células.
Como se apreciará por aquellos versados en el arte, esto se puede
llevar a cabo en cualquier número de maneras, incluyendo la adición
de agentes candidatos a la superficie de las células, a los medios
que contienen las células, o a una superficie sobre la cual las
células están creciendo o se encuentran en contacto; agregando los
agentes a las células, por ejemplo usando vectores que introducirán
los agentes a las células (es decir cuando los agentes son ácidos
nucleicos o proteínas). Como se apreciará por aquellos versados en
el arte, hay una variedad amplia de métodos de entrega disponibles,
incluyendo el uso de vesículas y de otros vehículos tales como
liposomas, soluciones orgánicas, dispersiones, suspensiones,
electroporación, etc.
En general, los agentes candidatos se agregan a
las células (ya sea extracelularmente o intracelularmente, según lo
esbozado arriba) bajo condiciones de reacción que favorezcan
interacciones del agente con el objetivo. Generalmente, éstas serán
condiciones fisiológicas. Las incubaciones se pueden realizar a
cualquier temperatura que facilite actividad óptima, típicamente
entre 4 y 40ºC. Los períodos de incubación se seleccionan para una
actividad óptima, pero se pueden también optimizar para facilitar un
desempeño alto y rápido de tamizado y selección (screening).
Típicamente entre 0.1 y 4 horas será suficiente, preferiblemente
entre 0.1 y 1 hora. El exceso de reactivo generalmente se retira o
se lava.
Se puede incluir una variedad de otros reactivos
en las reacciones y las pruebas esbozadas abajo. Éstos incluyen
reactivos tales como sales, proteínas neutrales, por ejemplo
albúmina, detergentes, etc. que se pueden utilizar para facilitar el
enlace óptimo proteína-proteína y/o para reducir
interacciones de fondo no específicas. También pueden ser utilizados
reactivos que mejoran de otra manera la eficacia de la prueba, tal
como inhibidores de proteasa, inhibidores de nucleasa, agentes
antimicrobianos, etc.. La mezcla de componentes se puede agregar en
cualquier orden que garantice como fuera necesario el análisis y el
tamizado y selección (screening). El lavado o enjuague se lleva a
cabo de tal manera que sea apreciado por aquellos versados en el
arte en diferentes momentos, y puede incluir el uso de filtración y
de centrifugación.
En una realización preferida, más que utilizar
un producto químico o una molécula bioquímica como agente candidato,
se utilizan perturbadores. En este contexto, el término
"perturbador" se refiere a un parámetro o a un estímulo físico
o no físico que obtengan una respuesta o una perturbación en un
sistema biológico (a nivel celular, de tejido o del organismo). Los
estímulos físicos incluyen pero no se limitan a las condiciones
ambientales (que incluyen pero no se limitan a gas, olores,
electrocución, irradiación y otros efectos físicos), organismos
vivientes (que incluyen pero no se limitan a bacterias, virus,
levaduras, parásitos de planta o animales) y sustancias extrañas
(por ejemplo, un órgano o un tejido injertado, un implante). Los
estímulos no físicos incluyen pero no se limitan a las condiciones
ambientales (que incluyen pero no se limitan a temperaturas altas o
bajas, presión), o a los estados emocionales (que incluyen pero no
se limitan al miedo, a la tensión, al desafío mental, a angustia
emocional, a la atracción sexual, y al placer).
Una vez que las células se hayan expuesto al
(los) agente(s) candidato(s) y se hayan permitido
incubar por un cierto período del tiempo, se pueden tomar varias
medidas. En una realización preferida, por ejemplo cuando las
bibliotecas de los agentes candidatos se han agregado a las células,
las células se pueden tamizar y seleccionar (screened) por un
fenotipo alterado para aislar células que exhiban un fenotipo
deseable. Estas células aisladas se someten entonces a FTMS para
dilucidar y caracterizar los efectos subyacentes a nivel
biomolecular. Es decir, puede generarse una "huella digital
bioquímica" de un fenotipo deseable, y utilizarse en programas de
desarrollo de drogas, por ejemplo. Alternativamente, cuando las
bibliotecas son pequeñas, o cuando se han utilizado drogas
individuales o sistemas de drogas, cada población de células se
somete al análisis de FTMS según lo esbozado abajo para dilucidar la
"huella digital" del efecto de la droga. Una vez más según lo
esbozado abajo, este tipo de análisis se puede utilizar para
construir bases de datos de diferentes tejidos, de diferentes
drogas, etc.
Así, en una realización preferida, después de la
introducción de bibliotecas de los agentes candidatos a una
población de células, las células se tamizan y seleccionan por un
fenotipo cambiado o alterado. Por "fenotipo alterado" o
"fisiología alterada" u otros equivalentes gramaticales en la
presente se entiende que el fenotipo de la célula se altera de una
cierta manera, preferiblemente de una cierta manera perceptible y/o
mensurable. Se debe anotar que son útiles tanto los fenotipos
deseables (por ejemplo en el caso de las células de cáncer, del
aspecto de la diferenciación) como los fenotipos indeseables (por
ejemplo de des-diferenciación). Como será apreciado
en el arte, una fortaleza de la presente invención es la amplia
variedad de tipos de célula y de cambios fenotípicos potenciales que
se pueden probar usando los presentes métodos. Por consiguiente,
cualquier cambio fenotípico que pueda ser observado, detectado, o
medido puede ser la base de los métodos de investigación (tamizado y
selección) de la presente. Los cambios fenotípicos adecuados
incluyen, pero no se limitan a: cambios físicos gruesos tales como
cambios en la morfología de la célula, crecimiento de la célula,
viabilidad de la célula, la adherencia a los substratos o a otras
células, el aspecto de la inclusión de lípido, y la densidad
celular; cambios en la expresión de uno o más RNAs, proteínas,
lípidos, hormonas, citoquinas, u otras moléculas; cambios en el
estado del equilibrio (es decir período de vida media) o uno o más
RNAs, proteínas, lípidos, hormonas, citoquinas, u otras moléculas;
cambios en la localización de unos o más RNAs, proteínas, lípidos,
hormonas, citoquinas u otras moléculas; cambios en la bioactividad o
la actividad específica de uno o más RNAs, proteínas, lípidos,
hormonas, citoquinas, receptores, u otras moléculas; cambios en la
secreción de iones, de citoquinas, de hormonas, de factores de
crecimiento, o de otras moléculas; alteraciones en potenciales de
membrana, la polarización, la integridad o el transporte celulares;
cambios en contagiosidad, susceptibilidad, latencia, adherencia, y
toma de virus y de patógenos bacterianos; etc. Por "capaz de
alterar el fenotipo" en la presente se entiende que el agente
bioactivo puede cambiar el fenotipo de la célula de una cierta
manera perceptible y/o mensurable.
Se puede detectar el fenotipo alterado en una
variedad amplia de maneras, como será apreciado por aquellos
versados en el arte, y generalmente dependerá y corresponderá al
fenotipo que está siendo cambiando. Generalmente, el fenotipo
alterado es detectado usando, por ejemplo: análisis microscópico de
la morfología de la célula; pruebas estándares de la viabilidad de
la célula, incluyendo tanto la muerte aumentada como la viabilidad
aumentada de la célula, por ejemplo, células que son resistentes
ahora a la muerte celular por virus, bacterias, o toxinas
bacterianas o sintéticas; pruebas de etiquetado estándares tales
como prueba de indicador fluorométrico para la presencia o el nivel
de una célula o de una molécula particular, incluyendo FACS u otras
técnicas de coloración por tinte; detección bioquímica de la
expresión de los compuestos objetivo después de matar a las células,
etc. En algunos casos, el fenotipo alterado puede ser el cambio
mismo en el espectro de FTMS; por ejemplo, para enfermedades u otras
condiciones que no exhiben cambios fenotípicos grandes, la
dilucidación del cambio se puede hacer usando FTMS.
En una realización preferida, una vez se ha
detectado una célula con un fenotipo alterado, la célula se aísla de
la pluralidad que no tiene fenotipos alterados. Esto se puede hacer
en cualquier número de maneras, como se conoce en el arte, y
dependerá en algunos casos de la prueba o tamizado y selección. Las
técnicas adecuadas de aislamiento incluyen, pero no se limitan a,
FACS, selección de lisis usando complemento, clonación de la célula,
exploración por Fluorimager, expresión de una proteína de
"supervivencia", la expresión inducida de una proteína de la
superficie de la célula u otra molécula que se pueda hacer
fluorescente o etiquetable para el aislamiento físico; expresión de
una enzima que cambia una molécula no fluorescente a fluoroscente;
crecimiento excesivo frente a un fondo de no crecimiento o
crecimiento lento; la muerte de células y aislamiento del DNA u
otros tintes de indicador de la vitalidad de la célula, etc.
Las células aisladas, por ejemplo las células
que exhiben un fenotipo cambiado probablemente debido a la presencia
del agente candidato, se someten al análisis de FTMS según como se
describe abajo.
Una ventaja distintiva de la presente invención
es la capacidad de FTMS para analizar células individuales o
poblaciones pequeñas de células. Esto es particularmente relevante
en el área del cáncer, pues la heterogeneidad de muestras puede
causar ambigüedad. La microdisección de tejidos y de metástasis
puede permitir muestras muy pequeñas, incluyendo las células, que se
pueden analizar luego usando los presentes métodos. Además, hay una
variedad de técnicas experimentales que permiten el análisis de
células individuales (por ejemplo clasificación de célula activada
por fluorescencia (FACS)) que se puede combinar con las técnicas de
la presente invención.
En algunas realizaciones, los agentes candidatos
(incluyendo drogas) se pueden agregar al lisado celular, más que a
las células intactas. Por ejemplo, si las drogas se absorben mal, la
adición directa al lisado celular puede dar lugar a la facilitación
de los efectos. Además, los estudios de estabilidad o metabolismo de
la droga se hace con frecuencia con los homogenados de la
célula.
Además, se debe observar que los protocolos de
tamizado y selección usados para la investigación del candidato
pueden utilizar cualquier número de técnicas de screening
(investigación, tamizado y selección) de alto rendimiento (HTS). En
una realización preferida, los sistemas de la invención comprenden
componentes líquidos de manejo, incluyendo componentes para cargar y
descargar fluidos en cada estación o conjunto de estaciones. Los
sistemas líquidos de manejo pueden incluir sistemas robotizados que
comprenden cualquier número de componentes. Además, cualesquiera o
todos los pasos esbozados en la presente pueden ser automatizados;
así, por ejemplo, los sistemas pueden ser completa o parcialmente
automatizados.
Como será apreciado por aquellos versados en el
arte, hay una amplia variedad de componentes que se pueden
utilizar, incluyendo sin limitar a, uno o más brazos robotizados;
manejadores de placa o platos para colocar o posicionar las
microplacas o microplatos; sostenedores con cartuchos y/o
casquillos; manejadores automatizados de tapa o casquillo para
quitar y para sustituir las tapas para pozos sobre platos de
contaminación no cruzada; ensamblajes de punta para la distribución
de muestras con puntas desechables; ensamblajes de puntas lavables
para la distribución de la muestra; 96 bloques de carga de pozo (o
más alto); estantes enfriados de reactivo; posiciones de pipeta de
plato de microtitulación (enfriadas opcionalmente); torres de apilar
para los platos y las puntas; y sistemas informáticos.
Sistemas completamente robotizados o
microfluidizados incluyen manejo automatizado del líquido, la
partícula, la célula y el organismo incluyendo medición de alto
rendimiento con pipeta para llevar a cabo todos los pasos de los
aplicaciones del screening (investigación, tamizado y selección).
Esto incluye manipulaciones del líquido, la partícula, la célula, y
el organismo tales como aspiración, dispensado, mezclado, dilución,
lavado, transferencias volumétricas exactas; recuperación y descarte
de puntas de pipetas; y mediciones repetidas con pipeta de volúmenes
idénticos para entregas múltiples de una sola aspiración de la
muestra. Estas manipulaciones son transferencias de líquido,
partículas, células y organismos libres de contaminación cruzada.
Este instrumento realiza replicación automática de las muestras de
microplatos a los filtros, membranas, y/o los platos descendientes,
las transferencias de alta densidad, las diluciones seriales de
plato lleno, y la operación de alta capacidad.
En una realización preferida, se utilizan
partículas químicamente derivadas, platos, cartuchos, tubos,
partículas magnéticas, u otra matriz de fase sólida con
especificidad a los componentes de la prueba. Las superficies
enlazantes de microplatos, de tubos o de cualquier matriz de fase
sólida incluyen superficies no polares, superficies altamente
polares, recubrimiento modificado de dextran para promover enlace
covalente, recubrimiento de anticuerpo, medios de afinidad para
enlazar proteínas o péptidos de fusión, proteínas fijas a
superficies, tales como proteína recombinante A o G, resinas o
recubrimientos nucleótidos, y otras matrices de afinidad son útiles
en esta invención.
En una realización preferida, las plataformas
para platos multipozo, multi-tubos, sostenedores,
cartuchos, minitubes, platos de pozo profundo, tubos de microfuga,
crioviales, platos de pozo cuadrado, filtros, chips, fibras
ópticas, granos y otras matrices o plataformas de fase sólida con
diversos volúmenes se acomodan en una plataforma modular capaz de
mejorar para capacidad adicional. Esta plataforma modular incluye un
mezclador de velocidad orbital variable, y mesas de trabajo con
posiciones múltiples para las muestras originales, dilución de la
muestra y el reactivo, platos de prueba, depósitos de muestras y
reactivos, las puntas de pipeta, y una estación activa de
lavado.
En una realización preferida, se usan sistemas
termociclador y termoregulador tales como los sistemas de Peltier
para estabilizar la temperatura de los intercambiadores de calor
tales como los bloques o plataformas controlados para proporcionar
un control exacto de la temperatura de las muestras de incubación
desde 4ºC hasta 100ºC.
En una realización preferida, las cabezas de
pipetas intercambiables (solas o de varios canales) con sondas
magnéticas, una o varias, sonda de afinidad o pipeteadores que
manipulan con robots el líquido, las partículas, las células y los
organismos. Los separadores o plataformas magnéticos de múltiples
pozos o múltiples tubos manipulan líquido, partículas, células y
organismos en formatos de muestras individuales o múltiples.
En algunas realizaciones, la instrumentación
incluirá un detector, que puede ser de una variedad amplia de
diferentes detectores, dependiendo de la presencia o de la ausencia
de etiquetas y del análisis o prueba. En una realización preferida,
los detectores útiles incluyen microscopio(s) con canales
múltiples de fluorescencia; lectores de platos para suministrar
detección espectrofotométrica fluorescente, ultravioleta y visible
con longitud de onda de punto final sencillo y dual y capacidad
cinética, transferencia de energía de resonancia de fluorescencia
(FRET, por sus siglas en inglés), de luminescencia, de apagamiento,
de excitación de dos fotones y de redistribución de la intensidad;
cámaras CCD para capturar y transformar datos e imágenes en formatos
cuantificables; un sitio de trabajo con ordenador o computadora; y
uno o más lectores de código de barras.
Estos instrumentos pueden caber en una cabina de
flujo laminar estéril o cubierta de gases, o son sistemas
encerrados, autónomos, para el crecimiento de cultivo celular y
transformación en platos multi-pozos o tubos y para
operaciones peligrosas. De manera similar, las operaciones se pueden
realizar en ambientes controlados tales como gas inerte (por ejemplo
para prevenir la oxidación del lípido). Las células vivas crecerán
bajo condiciones controladas de crecimiento, con controles para la
temperatura, la humedad, y el gas para series de tiempo de análisis
de célula viva. La transformación automatizada de células y los
cuentacolonias automatizados facilitarán un screening
(investigación, tamizado y selección) rápido de células
deseadas.
Los formatos de electroforesis de citometría de
flujo o capilar se pueden utilizar para la captura individual de
granos magnéticos y otros, de partículas, de células, y de
organismos.
El hardware y el software flexibles permiten la
adaptabilidad del instrumento para las múltiples aplicaciones. Los
módulos del programa de software permiten la creación, la
modificación y el funcionamiento de métodos. Los módulos de
diagnóstico del sistema permiten la alineación del instrumento, las
conexiones correctas y las operaciones del motor. Las herramientas,
el material de laboratorio y los patrones modificados para
requisitos particulares de la transferencia del líquido, de la
partícula, de la célula y del organismo permiten que sean realizadas
diferentes aplicaciones. La base de datos permite almacenamiento del
método y del parámetro. Las interfaces robotizadas y de la
computadora permiten la comunicación entre los instrumentos.
En una realización preferida, el aparato
robotizado incluye una unidad central de procesamiento que se
comunica con una memoria y un conjunto de dispositivos de entrada y
salida (por ejemplo, teclado, ratón (mouse), monitor, impresora,
etc.) a través de un bus. Según lo discutido en la presente, esto
puede estar en adición a o en lugar de la CPU (por sus siglas en
inglés para unidad central de procesamiento) para el análisis de
datos de FTMS. La interacción general entre una unidad central de
procesamiento, una memoria, dispositivos de entrada y salida, y un
bus es conocida en el arte. Así, una variedad de diferentes
procedimientos, que dependen de los experimentos que se van a
correr, se almacena en la memoria de la CPU.
Estos sistemas robotizados de manejo de fluidos
pueden utilizar cualquier número de reactivos diferentes,
incluyendo búferes o tampones, reactivos, fluídos y gases
supercríticos (particularmente para extracción), muestras, lavados,
componentes de análisis o prueba, etc. De manera similar, cuando la
muestra es limitada, todos los componentes (tubos capilares,
conexiones, etc.) pueden ser reducidos al mínimo para evitar grandes
volúmenes muertos o efectos de dilución.
Una vez que se identifiquen las células y se
añaden los agentes candidatos opcionales, incluyendo las drogas, las
células están preparadas para el análisis de FTMS. Como será
apreciado por aquellos versados en el arte, esto puede extenderse
desde una simple lisis hasta tecnologías de separación más
elaboradas, dependiendo de la clase de moléculas que se evaluarán.
Como se apreciará por aquellos versados en el arte, diferentes
moléculas se pueden clasificar por un número de parámetros
diferentes, incluyendo el tipo de la molécula (por ejemplo proteico,
lípido, ácido nucleico, carbohidrato, metabolitos, moléculas
pequeñas, etc.), el tamaño de la molécula (por ejemplo la
"molécula pequeña" se refiere generalmente a las moléculas
menores que aproximadamente 2500 a 1500 daltons), o con base a otras
características de la molécula (por ejemplo polar vs. no polar,
cargada, si contiene ion metálico, características de enlace, etc.)
Por ejemplo, las moléculas adecuadas para la evaluación incluyen
metabolitos (incluyendo catabolitos) producidos como productos de
reacciones enzimáticas o de reacciones de oxidación/reducción. Tales
metabolitos incluyen diversas moléculas pequeñas que están presentes
en alimentos (por ejemplo vitaminas, sustancias extrañas,
xenobióticos, toxinas, lípidos oxidados, pesticidas, moléculas
degradadas a partir de xenobióticos, etc.), son generadas por la
digestión enzimática del alimento (por ejemplo aminoácidos,
particularmente aminoácidos esenciales, ácidos grasos,
particularmente ácidos grasos esenciales, intermediarios y productos
finales de la glicólisis), son sintetizados por las células
(hormonas, neurotransmisores, toxinas, prostaglandinas, etc.) o
están presentes de otra manera (drogas parcialmente metabolizadas,
etc.).
En general, se hace una preparación mínima, tal
como una extracción de células o un lisado de célula en un
solvente adecuado para FTMS, con la adición de búferes o tampones,
sales y otros reactivo en la medida que sean necesarios o
deseados.
En una realización preferida, la preparación de
las muestras para FTMS se puede alcanzar por cualquier método
conocido a aquellos con habilidad en el arte. Preferiblemente, la
preparación de la muestra incluye un paso de desalinización para
aumentar la sensibilidad y la resolución del FTMS. Además, como se
apreciará por aquellos en el arte, la combinación de pasos
preparatorios, de solventes, de purificación y de esquemas de
separación, todos dependerán de la(s) clase(s) de
biomoléculas que se evaluarán. Sin embargo, la mayoría del tiempo no
se requiere ninguna separación preliminar.
En una realización, las muestras son preparadas
mediante una precipitación de proteína seguida por un tratamiento de
desalinización. Una solución de metanol y de agua (49:49:2,
agua:metanol:ácido acético) se agrega a cada una de las muestras y
las muestras se enfrían. Esto precipita las proteínas al fondo del
tubo. Cada tubo entonces se centrifuga y el flotante se decanta.
Para el paso de la desalinización, la cantidad pequeña
(aproximadamente 100 mg) de resina de intercambio iónica DOWEX se
agrega a cada vial y se permite sentarse por aproximadamente 10
minutos. La muestra entonces se centrifuga y el flotante se retira.
Esta solución se introduce luego al espectrómetro de masas.
En la práctica de la presente invención
cualquier solvente conocido a aquellos con habilidad en el arte se
puede utilizar conjuntamente con una fuente iónica. Ejemplos de
solventes adecuado son dimetilsulfoxido, acetonitrilo, N, formamida
n-dimetil, carbonato de propileno, cloruro de
metileno, nitrometano, nitrobencina, hexano, metanol y agua. El
solvente puede comprender más de un solvente. En una realización
preferida, el solvente es una solución de metanol y agua (49:49:2,
agua:metanol: ácido acético v:v:v).
La selección de un solvente adecuado del tipo de
biomoléculas cuya detección va a ser lograda mediante FTMS. Por
ejemplo, una solución de metanol y agua se utiliza como solvente
cuando la detección de moléculas solubles debe ser alcanzada por
FTMS, mientras que el hexano puede ser utilizado cuando debe ser
lograda la detección de moléculas apolares tales como lípidos. En
una realización de la invención, la fuente de la muestra (por
ejemplo, tejidos, células) se extrae en diferentes solventes y cada
extracción se somete a FTMS para poder llevar a cabo un análisis más
completo de las moléculas presentes en la fuente de la muestra.
Las muestras se purifican o se separan
opcionalmente antes de comenzar el procedimiento de FTMS. Las
técnicas útiles de separación incluyen pero no se limitan a la HPLC
usando cromatografía de flujo turbulento, cromatografía líquida,
cromatografía de fase inversa, cromatografía de afinidad,
cromatografía de fluido supercrítico, cromatografía de gas (GC, por
sus siglas en inglés), la electroforesis (que incluye pero no se
limita a la electroforesis capilar, a la electroforesis de gel de
poliacrilamida, a la electroforesis de gel de agarosa), la
extracción de fase sólida, y la extracción de fase líquida, usando
preferiblemente diferentes solventes (por ejemplo,
cloroformo/metanol para los lípidos, agua para las moléculas
polares). El tubo capilar de la fuente de ion se podría llenar con
granos de sílice (derivatizados o no) o de otro material para
realizar cromatografía/separación.
Además, se debe anotar que las técnicas de
purificación y de separación se pueden correr simultánea o
secuencialmente en muestras, en diferentes órdenes y en diferentes
combinaciones. Así por ejemplo, una precipitación simple de proteína
se puede correr en una porción de la muestra, y luego un paso de la
HPLC. De manera similar, las porciones de las muestras (por ejemplo
porciones de las poblaciones celulares) se pueden someter a
diferentes técnicas en la dilucidación o la identificación de
picos.
En una realización preferida, solamente un tipo
de biomolécula se evalúa durante una corrida particular de FTMS.
Por ejemplo, los esquemas de purificación/separación pueden ser
generados tales que solamente las proteínas de una masa dada sean
evaluadas. Las corridas subsecuentes de FTMS pueden utilizar
diferentes técnicas sobre la misma muestra, para permitir que un
subconjunto diferente de biomoléculas sea evaluado.
Alternativamente, y también preferiblemente, más
de un tipo de biomolécula se evalúa durante una sola corrida de
FTMS. Es decir, las proteínas y los lípidos, las proteínas y los
carbohidratos, las proteínas y los metabolitos pequeños, etc. se
pueden evaluar simultáneamente en la presente invención.
Como será apreciado por aquellos versados en el
arte, cualquier número de biomoléculas se puede analizar usando
FTMS. Las biomoléculas pueden ser todas de un tipo (por ejemplo,
proteínas), o mezclas. Las biomoléculas adecuadas en este contexto
son proteínas como se definieron arriba, ácidos nucleicos, lípidos,
carbohidratos y metabolitos.
La muestra biológica se ioniza antes de someter
la muestra a la espectroscopia de masas. Cualquier método de la
ionización que no dañe las moléculas presentes en la muestra
biológica puede ser utilizado. Tales métodos son descritos por
Barker, 1999, "Espectrometría de masas", 2da edición, John
Wiley & Sons, Ltd., Inglaterra.
En una realización, la muestra biológica se
puede ionizar mediante ionización química. La ionización química
utiliza un ion reactivo, generado mediante el bombardeo de metano
con electrones usando una fuente de impacto de electrón, para
ionizar las moléculas de la muestra biológica mediante una
transferencia de protón o hidruro. Alternativamente, se puede
utilizar directamente el impacto del electrón, que utiliza un haz de
electrones para ionizar los átomos o las moléculas en fase gaseosa.
Generado usualmente de un filamento de tungsteno, el electrón del
haz ioniza las moléculas en la muestra biológica sacando a golpes un
electrón de los átomos o de las moléculas.
En otra realización, la muestra biológica se
puede ionizar por plasma y descarga de llama (glow). El plasma y la
descarga de llama exigen el uso de un gas caliente, parcialmente
ionizado a baja presión entre dos electrodos para excitar e ionizar
átomos.
En otra realización, se emplea bombardeo rápido
de átomos de la muestra biológica usando un haz de gran energía de
átomos neutrales (típicamente Xe o Ar) para ionizar las moléculas
presentes en la muestra biológica. El haz de átomos de alta energía
es producido acelerando los iones de una fuente de ion a través de
una célula intercambio de carga, las colisiones que resultan dando
lugar a la ionización del átomo neutral.
En otra realización, la ionización del campo se
emplea para ionizar las moléculas presentes en la muestra
biológica. Los campos eléctricos que son suficientemente altos para
hacer que las moléculas pierdan electrones se utilizan en la
ionización del campo. Tales campos se pueden crear en una fuente de
ion aplicando un alto voltaje entre un cátodo y un ánodo llamado
emisor del campo. Un emisor del campo consiste en un alambre
cubierto con dendritas microscópicas de carbón, que amplifican mucho
el campo eficaz en los puntos de carbón.
En otra realización, la ionización de la
desorción de plasma se emplea para ionizar las moléculas presentes
en la muestra biológica. La ionización de la desorción de plasma
explota la descomposición de 252Cf, que produce dos fragmentos de
fisión que viajan en direcciones opuestas. Un fragmento golpea la
muestra biológica sacando los iones de las moléculas en la muestra,
y el otro golpea un detector y acciona el comienzo de la adquisición
de
datos.
datos.
En otra realización, las moléculas presentes en
la muestra biológica son ionizadas por un láser de ionización.
Brevemente, un pulso de láser ejerce ablación del material sobre la
superficie de una muestra y crea un microplasma que ioniza algunos
de los componentes de la muestra. El pulso del láser logra la
vaporización y la ionización de la muestra.
En una realización preferida, las moléculas
presentes en la muestra biológica se ionizan usando una ionización
por desorción de láser soportada en una matriz (MALDI). La muestra
biológica se dispersa en una matriz sólida tal como ácido nicotínico
y un pulso de láser UV efectúa ablación sobre la matriz. La matriz
lleva algunas de las moléculas grandes junto con ella a la fase de
gas en una forma ionizada, después de lo cual pueden ser extraídas
hacia un espectrómetro de masas.
En una realización preferida, la ionización por
electrospray (ESI) se emplea para ionizar las moléculas presentes en
la muestra biológica. La fuente de ESI consiste en una aguja muy
fina y una serie de espumadores. Una solución de la muestra se rocía
en el compartimiento de la fuente para formar gotitas. Las gotitas
llevan la carga cuando salen del tubo capilar y, a medida que el
solvente se evapora, las gotitas desaparecen dejando moléculas
altamente cargadas en la muestra biológica. Se prefiere ESI porque
es útil para las moléculas biológicas grandes que son difíciles de
vaporizarse o de ionizar. Además, las técnicas y los dispositivos de
nanospray se conocen en el arte y encuentran uso en la presente
invención.
En la práctica de la invención se pueden
utilizar otros métodos de ionización conocidos a aquellos con
habilidad en el arte. Tales métodos incluyen pero no se limitan a
ionización por resonancia, a ionización secundaria y a fuente de
chispa.
Para cada fuente de ion descrita arriba, pueden
ser empleados modos positivos o negativos de ionización. En el modo
positivo de ionización, a menudo se agrega una traza (o vestigio) de
ácido fórmico para ayudar a la protonización de las moléculas de la
muestra; en el modo negativo del ionización se agrega una traza o
vestigio de solución de amoníaco o una amina volátil para ayudar a
la desprotonización de las moléculas de la muestra. Las proteínas y
los péptidos usualmente se analizan bajo condiciones positivas de
ionización y los sacáridos y los oligonucleótidos bajo condiciones
negativas de ionización.
Las muestras se introducen luego a FTMS. La
espectrometría de masas por transformadas de Fourier (FTMS) también
se conoce como resonancia iónica ciclotrónica por transformadas de
Fourier (FTICR). El principio de la determinación de masas
moleculares de esta técnica se basa en una relación lineal inversa
entre la masa de un ion y su frecuencia de ciclotrón. Un ion (o
partícula cargada) sometida a un fuerte campo magnético experimenta
un modo de movimiento circular natural al que se refieren como el
giro de ciclotrón; los iones de carga opuesta giran en direcciones
opuestas. En FTMS, el giro de ciclotrón confina radialmente los
iones; la adición de un campo eléctrico perpendicular al eje del
campo magnético confina axialmente los iones. Esta configuración
comprende lo que comúnmente se conoce como celda de "ion
atrapado". La frecuencia del giro de ciclotrón de un ion es
inversamente proporcional a su relación
masa-a-carga (m/z) y directamente
proporcional a la fuerza del campo magnético aplicado. Así, los
iones con baja m/z tienen frecuencias de ciclotrón mayores que
aquellos de con alta m/z.
Cuando los iones que tienen m/z están presentes
en la célula de para atrapar al ion, el conjunto de ion es excitado
a órbitas más grandes de ciclotrón aplicando una excitación de
radiofrecuencia barrida. La excitación de radiofrecuencia barrida
contiene componentes de frecuencia que corresponden al rango de
frecuencia ciclotrónica de interés. Las nubes de iones que orbitan
-iones en cada órbita de m/z a una frecuencia única de ciclotrón-
inducen una corriente de imagen en dos o más de los electrodos de
detección del espectrómetro. La corriente de imagen produce ondas
sinusoidales que tienen la frecuencia de ciclotrón de cada nube
excitada de iones. Esta señal es una superposición de ondas
sinusoidales que, cuando se somete transformadas de Fourier, rinde
una medida extremadamente exacta de las frecuencias de ciclotrón de
cada constituyente del conjunto de iones. En particular, este
esquema no destructivo de detección de la corriente de imagen hace
único al FTMS y proporciona una ventaja distintiva en la
sensibilidad y la versatilidad comparada con los métodos
convencionales de detección destructivos. Este esquema no
destructivo de detección de FTMS se puede explotar para una nueva
medida de iones, dando mejoras en la sensibilidad de las múltiples
medidas de la misma población de iones. La relación señal a ruido
aumenta inversamente a la raíz cuadrada del número de medidas; por
ejemplo, después de cuatro mediciones la relación señal a ruido
mejora dos veces. Otra manera de aumentar la señal es "bombear"
bastantes iones a la celda para aumentar la señal. Una vez que la
celda este "llena", se realiza el análisis. MSn donde n>2,
por ejemplo, estudios de espectrometría de masas tándem o
multigradual extendida, se puede también realizar en una población
de iones en la cual los iones del fragmento de interés se puedan
conservar selectivamente en la célula de FTMS, disociados
adicionalmente y detectados otra vez. Estos estudios multigraduales
proveen de información estructural creciente con un mejoramiento
significativo en la sensibilidad total. FTMS es capaz de
proporcionar una sensibilidad fentomolar de
detección.
detección.
Al realizar la fragmentación del ion, la
experiencia de un espectroscopista de masas desempeña un papel
importante. Las moléculas que corresponden a los picos de intensidad
reducida podrían fragmentarse, pero no todos los fragmentos pueden
ser identificados porque la intensidad será demasiado pequeña. Si
hay también demasiado fragmentos, algunos se pueden "extinguir"
por otros.
HICS-FTMS aplica FTMS para
analizar mezclas biológicas extremadamente complejas que pueden
proporcionar hasta varios cientos de picos dentro de un rango de
masas relativamente estrecho. Inesperadamente, la alta resolución de
FTMS es necesaria para distinguir los componentes complejos de una
mezcla que se pueden espaciar de cerca en términos de m/z. FTMS
proporciona una resolución más alta suministrando "canales"
para masa más distinguibles. La mayoría de las moléculas biológicas
que corresponden a picos observados en este tipo de análisis no son
identificables, por lo menos inicialmente, hasta que las bases de
datos de los perfiles de picos de HICS-FTMS y las
identidades de las moléculas que corresponden a esos picos
individuales se compilen. La alta exactitud de la medición de masa
alcanzable con FTMS se puede explotar para identificar las
estructuras químicas y/o las secuencias. FTMS es capaz de
proporcionar rutinariamente los errores de la medición de masa que
son menos que (\pm) -3 PPM y, por lo tanto, se resuelven
diferencias de masas extremadamente pequeñas. Por ejemplo,
C_{13}H_{20}N_{2}O_{3} y C_{14}H_{24}N_{2}O_{2}
tienen la misma masa nominal (MW = 252.1468 y 252.1832,
respectivamente), y aún así se pueden resolver usando FTMS en virtud
de la diferencia de 0.0364 Da (o error relativo de 144 ppm) en sus
masas reales.
Cualquier espectrómetro de masas por
transformadas de Fourier comercialmente disponible se puede utilizar
en el screening (investigación, tamizado y selección) y/o análisis
de HIC. En una realización, el espectrómetro de masas es de marca
Ultima FT (suministrado en combinación de ESI y sistemas de
ionización MALDI y está disponible con 4.7, 7.0 o 9.4T imanes;
IonSpec Corporation, lrvine, California). En otra realización, el
espectrómetro de masas usado para practicar la presente invención es
FT/MS® 1000, 2000; FT/MS 2001; T30 FT/MS, T70 FT/MS o NewStar
(Finnigan San Jose, California). En una realización preferida, el
espectrómetro de masas es APEX III (Bruker Daltonics, Inc.;
Billerica, Massachusetts), disponibles con un imán 9.4T y fuentes de
ESI y de MALDI.
El FTMS se puede conducir en un laboratorio de
servicio de FTMS tal como el Laboratorio Nacional de Campo
Magnético Alto en Tallahassee, Florida; el Laboratorio de Ciencia
Molecular Ambiental (EMSL; el Departamento de Energía, Laboratorio
Nacional del Noroeste Pacífico (PNNL), Richland, Washington)
proporciona una instalación pública disponible de FTMS (con
espectrómetro de masas por transformadas de Fourier con alto
rendimiento abertura amplia 11.5T y un espectrómetro de masas por
transformadas de Fourier 7T ESI).
La capacidad del campo magnético del
espectrómetro de masas es crítica para alcanzar la resolución
requerida para el análisis de HIC y tamizarla por FTMS.
Preferiblemente, se utiliza un imán de por lo menos 7 Tesla (para
un límite superior de detección de masas de 66 kDa,
aproximadamente). Más preferiblemente aún, se utiliza imán de 9.4
Tesla (para un límite superior de detección de masas de 120 kDa,
aproximadamente).
Las muestras biológicas de la invención se
pueden introducir al espectrómetro de masas manualmente (por
ejemplo, con una pipeta o una jeringuilla accionada con la mano) o
robóticamente. Para un screening a gran escala mediante
HICS-FTMS, se prefiere una carga robotizada para una
eficacia mejorada.
En una realización ejemplar, las muestras
biológicas se introducen al espectrómetro de masas vía un tubo de
64 P. i.d. PEEK que se conecta a un robot automuestreador (GILSON,
modelo 215). El robot automuestreador se puede programar para
recoger volúmenes pequeños (30 Pl) de aproximadamente 960 pozos de
muestra. Si cada muestra se prepara como un extracto 100 Pl, se
pueden guardar 70 Pl para uso futuro. Entre cada inyección a la
línea de transferencia, la aguja y el inyector se lavan con 500 Pl
de solución para evitar la contaminación cruzada. Un caudal
constante de una fase móvil (30 Pl/min consistentes de 49:49:2,
metanol, agua, y ácido acético v:v) se entrega a la fuente de ESI.
Las alícuotas de muestras recuperadas por el automuestreador son
inyectadas por un bucle hacia dentro de esta corriente. En estas
condiciones se puede lograr una velocidad de aproximadamente 1
muestra en 3 minutos. Una vez se hayan recogido y almacenado
digitalmente los espectros para las 960 muestras, se pueden
introducir al espectrómetro de masas otras 960 muestras. El robot
se puede programar para múltiples corridas.
Además, se puede utilizar una variedad de
programas para maximizar y para explotar las técnicas presentes.
Por ejemplo, se puede lograr cargar cantidades pequeñas,
reproducibles de muestras usando una variedad de técnicas de micro
fluidos incluyendo técnicas capilares de electroforesis que cargan
muestras usando empalmes o conexiones capilares, formando "T"s.
Esto puede dar lugar a muestras partidas, en donde una porción se
inyecta al FTMS y una porción o bien se almacena o se utiliza para
otros análisis; por ejemplo, las pruebas biológicas se pueden correr
en una porción de la muestra. Además, los caudales pueden ser
ajustados; por ejemplo, cuando un pico de interés es eluído de la
columna de HPLC, el caudal se puede disminuir, por ejemplo para
permitir la fragmentación subsecuente.
Opcionalmente, según lo esbozado arriba, el
espectrómetro de masas se acopla a un robot de HPLC para una
separación previa de la muestra antes de su introducción al
espectrómetro de masas. La calibración estándar del sistema se hace
adicionalmente.
Como con cualquier otro método de alto
rendimiento capaz de recolectar rápidamente un cuerpo grande de
información, la gestión de datos es un problema importante. Con la
invención descrita en la presente, los tipos principales de
información serán relacionados con los perfiles de FTMS en
diferentes tipos de células (tratadas con una molécula de prueba
vs. una no tratada; una enferma vs. una normal; diferentes tejidos;
diferentes muestras de pacientes; células de diferentes estados de
diferenciación o tensión, etc.), e indirectamente, las moléculas que
difieren entre los diferentes tipos de célula, y por lo tanto, el
efecto de una droga dada o de un estado de enfermedad en la
molécula.
Como será apreciado por aquellos versados en el
arte, hay una variedad amplia de métodos y sistemas que se pueden
utilizar para recopilar y para procesar la información.
La adquisición y el análisis básico de los
espectros de HICS-FTMS o de
HICA-FTMS pueden explotar el software comercial,
fácilmente disponible, diseñado para el análisis de datos
complejos. En una realización, la versión 7 del software Omega,
32-bit, Windows 98 se utiliza para la adquisición y
el análisis de espectros de masas por transformadas de Fourier
(IonSpec Corporation, Irvine, California). En otra realización, se
emplea MassSpec Calculator (ChemSW, Fairfield, California) que es
software optimizado para procesadores de 32-bit
(Windows 95, 98 o NT). MassSpec Calculator™ Professional suministra
capacidades de dibujo, fragmentación, autofragmentación. El software
soporta 79 elementos, incluyendo todos los datos elementales, tales
como masa, número de isótopos, y la masa y la abundancia relativa de
cada isótopo. En otra realización, se usa software tal como XMASS™ o
HYSTAR™ utilizado en la adquisición y el análisis de los espectros
de masas por transformadas de Fourier (Bruker Daltonics, Inc.;
Billerica, Massachusetts). En otra realización, se emplea Charisma
Software (Finnigan San Jose, California).
Los datos obtenidos usando el software básico se
pueden manejar de manera conveniente usando formatos de datos
relacionales o de hoja de cálculo estandarizados. Además, en muchos
casos será útil buscar con cada secuencia molecular obtenida
recientemente en bases de datos locales, por ejemplo frente a
estructuras identificadas a través de experimentos no públicos, y
eventualmente en bases de datos globales.
Se pueden prever herramientas especializadas
para visualizar los datos que se obtienen de los presentes métodos
para interpretar los patrones de expresión del gen y de la proteína
y el espectro de los efectos biológicos, incluyendo metabólicos,
producidos por los tratamientos o los estados particulares de la
enfermedad en tipos específicos de célula u organismo. Por ejemplo,
tales herramientas pueden implicar comparaciones múltiples por
parejas, o un método de promediar o sumar que represente resultados
acumulativos de varios experimentos, por ejemplo para identificar
aquellos picos de HICS-FTMS alterados que o bien son
los más frecuentemente alterados por el tratamiento con una clase
particular de drogas, o bien con mayor frecuencia asociados a un
efecto secundario específico como subproducto de diferentes
terapias. Muchas bases de datos, paquetes de análisis, motores de
búsqueda, e interfaces gráficas se pueden adaptar a
HICS-FTMS o diseñar especialmente para estos
propósitos. Así, el ajuste de la línea base, programas de
reconocimiento de señal/pico, programas de sumas de picos, un gran
número de programas de análisis estadístico incluyendo el cálculo
del promedio de picos o media aritmética, el promedio de espectros
de masa, desviaciones estándar, prueba de hipótesis, intervalos de
confianza, análisis de cluster, etc. Una variedad amplia de análisis
estadísticos se describe generalmente en textos tales como Freund y
Walpole, Estadística Matemática, Prentice Hall, Inc. New Jersey,
1980.
Un método ejemplar, preferido para identificar
componentes celulares cuyos niveles cambian en un tipo diferente de
célula comprende los pasos siguientes:
- 1.
- Seleccionar picos que satisfacen criterios dados de cada uno de los espectros de interés y escribir información de picos en archivos (véase fig. 1);
- 2.
- Extraer los picos de diversos directorios de datos de espectros, asociar el tratamiento necesario y las condiciones experimentales y combinar los datos en un solo archivo. Ajustar picos entre espectros usando algoritmos de cluster y re-etiquetar cada pico con el promedio de las masas del cluster correspondiente (véanse figuras 2 y 3);
- 3.
- Analizar los datos resultantes (condiciones de tratamiento, masa promedio del cluster e intensidad relativa) buscando influencia de tratamientos variantes en intensidad relativa (abundancia) por cada cluster (racimo) de masa (entidad química).
Selección del pico: en referencia a la fig. 1,
en el paso 110 se obtienen espectros de masas de un espectrómetro de
masas Apexce II y se procesan. Una macro escrita para el software
XMASS (versión 5.0.10, Bruker Daltonics, Inc..) utiliza una
instalación de macro interna de XMASS para abrir un conjunto
predeterminado de espectros de masas, uno a la vez (véanse los pasos
115, 135, y 140), en el paso 120 "Spec [i]" significa el
espectro i-ésimo entre todos los espectros.
En los parámetros del paso 125 que regulan la
sensibilidad (PC), se establecen el número (MaxPks), y el rango (pp)
para seleccionar picos. PC es la sensibilidad de selección de picos,
relacionada con la relación aceptable señal a ruido. Los valores más
altos (>= 10) de PC seleccionan solamente los picos altos
sobresalientes de un espectro. Valores más bajos de PC (<= 2,5)
toman números mayores de picos que son distinguidos del fondo menos
bien, permitiendo la selección de picos de abundancia baja junto con
ruido.
Una realización preferida utiliza valores de
2.5, 5, y 10. Estos valores fueron seleccionados con base en
observaciones empíricas. MaxPks es el número máximo de picos que
serán seleccionados. Si MaxPks = 1, entonces solamente un pico
(usualmente el más distinguido) es seleccionado, sin importar el
ajuste de los otros parámetros. En una realización preferida, este
valor se fija a un número muy alto (por ejemplo, 10.000) de tal modo
que todos los picos que satisfacen las restricciones de otros
parámetros serán seleccionados.
pp es la función llamada para escoger realmente
los picos. Cuando se llama esto, el rango del espectro que debe ser
considerado se proporciona como coordenadas de x y y.
Puesto que todos los picos en los espectros observados estaban por
debajo de 1000 m/z y no había picos mayores de 1.5, en una
realización preferida estos valores se fijan para estar: x0 = 0, y0
= 0, x1 = 1000, y y1 = 2.0.
En el paso 130 el algoritmo de selección de pico
XMASS (pp) en el espectro se utiliza para seleccionar los picos
basados en los parámetros establecidos en el paso 125. Los picos que
resultan se ponen por escrito en un archivo de texto ASCII (escribe
- picos o writePeaks). Los datos en estos archivos incluyen la masa
en cada pico seleccionado y la intensidad relativa a la cual fue
medida.
Combinación de datos de picos de todos los
espectros: En referencia a la fig. 2, en el paso 210 los picos
de cada espectro se almacenan por XMASS como un archivo separado en
un subdirectorio con el espectro correspondiente.
Se ordena una breve explicación de cómo el
software XMASS organiza los espectros. La organización se basa
enteramente en jerarquías de directorios. Se selecciona un
directorio donde los datos se deben almacenar a medida que se
procesan las muestras. Mientras que se procesan las muestras, se
numeran a partir de uno hasta el número total de muestras, y cada
resultado de muestra (espectro e información de soporte) se pone en
un subdirectorio nombrado según el número de la muestra (XMASS se
refiere a esto como la número del experimento). Dentro de estos
directorios del número del experimento, hay un subdirectorio llamado
el pdata, que tiene subdirectorios numerados, comenzando con 1, para
cada vez que se analiza la muestra (cada una tiene su propio
espectro). Es dentro de este directorio que los archivos de picos
ASCII están escritos. Debido a que el software XMASS no tiene
ninguna manera conveniente de seguir condiciones experimentales, se
deben tomar notas cuidadosas durante el procesamiento de muestras
para relacionar los números generados del experimento con estas
condiciones.
En el paso 220 los datos de estos archivos se
extraen y se combinan en un solo archivo junto con la información
relevante sobre el tratamiento y las condiciones experimentales
asociados a la muestra medida que cada espectro representa. Una
realización preferida de la invención objeto de la presente
comprende un programa (mostrado abajo) en el lenguaje de
programación Perl (Perl, versión 5.0.6, copyright
1987-2000, Larry Wall) que mapea las condiciones
experimentales con los números de experimento, abre cada archivo de
pico, lee el contenido de ese archivo y pone por escrito en un
archivo las condiciones experimentales junto con los datos de masa e
intensidad relativa. Todas las muestras de interés deben ser hechas
al mismo tiempo para que los datos se puedan escribir en un archivo
común. Se repite este proceso cada vez que los picos se reprocesen
con valores diferentes para los parámetros de sensibilidad.
# descripción: Este escrito analiza
sintácticamente un sistema de archivos de picos XMASS, agrega
# información de soporte con respecto a las
condiciones de tratamiento de la muestra y las
# juntas en un solo fichero de datos delimitado
por una coma.
Los datos de este archivo combinado se importan
luego hacia un ambiente de programación estadístico (R, Versión
1.01, Ihaka y Gentleman (1996), "R: Un lenguaje para el análisis
de datos y gráficos ", Journal of Computational and Graphical
Statistics 5:299-314).
Es muy común que haya allí variaciones pequeñas
en las masas máximas divulgadas que representan la misma entidad
química entre espectros. Por lo tanto, para permitir una comparación
significativa de picos entre espectros, los picos que corresponden
probablemente a la misma entidad química deben ser identificados y
etiquetados apropiadamente. Se logra esta tarea usando un algoritmo
que forme clusters.
En referencia de nuevo a la fig. 2, en el paso
130 se fijan los parámetros de sensibilidad del cluster. Los
parámetros del pico en sensibilidad del cluster (racimo), sin
importar el algoritmo usado para formar el cluster, preferiblemente
se seleccionan con base en experiencia práctica con los datos. La
meta es combinar todos los espectros cruzados de masas que, se cree,
representan la misma entidad química, y no ninguna otra. En el paso
140, los picos comunes entre espectros se encuentran usando un
algoritmo que forma cluster. Para el proceso de formación de cluster
de este paso (ilustrado adicionalmente en la fig. 3) y los datos en
mano de experimentos múltiples, se ha encontrado que un valor
maxDist de 0.0008 se realiza notablemente bien. Los picos
colindantes se mezclan raramente y los picos que parecen
corresponder se agrupan juntos.
Usando funciones codificadas habituales, los
picos comunes entre los espectros de masas se identifican usando el
algoritmo que forma cluster relativamente directo, con parámetros
especificados de sensibilidad, lo cual se ilustra en la fig. 3.
En referencia a la fig. 3, en el paso 310 se
fija un maxDist variable, la distancia máxima permitida entre las
masas máximas dentro de un clúster. En el paso 315, se crea y se
clasifica numéricamente massVec, un vector de masas únicas de todos
los picos seleccionados de todos los espectros. Una realización
preferida utiliza un algoritmo que clasifica provisto por R, aunque
los expertos en la materia reconocerán que otros algoritmos de
clasificación se podrían utilizar en este contexto. Los picos
seleccionados de todos los espectros son los picos en el fichero de
datos combinado cuya creación se describe en los pasos 210 y 220
(véase fig. 2). En el paso 220, el contador mCnt que se utiliza para
iterar sobre el vector massVec, se fija inicialmente en 2; un vector
growClust se fija inicialmente en el valor escalar de
massVec[1] y se inicializa una variable clustDict como un
arreglo asociativo vacío (también designado como un "hash" o
una lista).
En el paso 325, el contador mCnt se compara con
la longitud del massVec. Si el mCnt no es mayor que la longitud de
(número de elementos adentro) massVec, entonces en el paso 330 el
valor del massVec[mCnt] - massVec[mCnt - 1] se
compara con el maxDist. Si el valor del massVec[mCnt] -
massVec[mCnt - 1] no es mayor que maxdist, entonces se
presume que el pico representado por el massVec[mCnt]
pertenece al mismo clúster máximo que el massVec[mCnt - 1],
de tal manera que en el paso 335 el elemento massVec[mCnt] se
empuja sobre el extremo del vector growClust, que contiene ya el
massVec[mCnt - 1], incrementando de esa manera la longitud
del growClust en un elemento. En el paso 340, el contador mCnt es
incrementado en 1, y se repite el paso 325.
Si en el paso 330, el valor del
massVec[mCnt] - massVec[mCnt -1] es mayor que maxDist,
entonces se presume que el pico representado por
massVec[mCnt] pertenece a un cluster máximo nuevo, de modo
que en el paso 345 las masas máximas que corresponden al cluster
anterior contenido en el vector growClust se agregan al diccionario
de cluster clustDict y se da el promedio simple no ponderado de los
elementos en growClust como el nombre del cluster. En el paso 350,
la variable growClust se asigna al elemento massVec[mCnt],
sobreescribiendo el contenido anterior de growClust. En el paso 340,
el contador mCnt es incrementado en 1, y se repite el paso 325.
Si en el paso 325 el valor de mCnt es mayor que
la longitud de massVec, de modo que todas las masas máximas hayan
sido aglomeradas (clustered), entonces en el paso 355 el contenido
final de growClust se agrega a clustDict como en el paso 345. En el
paso 360, se utiliza el diccionario de cluster clustDict para
re-etiquetar cada masa máxima en el conjunto de
datos de todos los picos seleccionados creados en el paso 220 (véase
fig. 2).
Aquellos versados en la materia reconocerán que
los algoritmos que forman clusteres diferentes de aquellos
ilustrados en la fig. 3 podrían ser utilizados en la invención
objeto de la presente. Una referencia estándar para otros métodos de
análisis de cluster es: Kaufman, L. y Rousseeuw, P.J. (1990).
Encontrar grupos en datos: Una introducción al análisis de cluster.
Wiley, Nueva York. Realizaciones preferidas de manera alterna de la
invención objeto de la presente aplican algoritmos de cluster
divulgados en la referencia antedicha (u otras referencias conocidas
a los versados en la materia), cada uno con su propio conjunto de
parámetros de sensibilidad para ajustar, para obtener un nivel
aceptable de reproducibilidad no supervisada cuando se aplican a los
patrones de los picos resultantes del análisis de diversos
experimentos.
En referencia otra vez a la fig. 2, una vez se
identifican todos los clusteres de picos, la masa para cada pico en
cada espectro se re-etiqueta como el promedio
ponderado de las masas dentro del cluster correspondiente. Con la
información relevante sobre el tratamiento y la condición
experimental (por ejemplo, droga, concentración de la droga, y tipo
de la muestra), la masa media de cluster y la intensidad relativa,
los datos son suficientemente informativos para el análisis, en el
paso 260.
Efectos del tratamiento de análisis sobre las
intensidades máximas relativas: En una realización preferida, el
análisis primario que se lleva a cabo busca relaciones entre las
condiciones experimentales y la intensidad relativa (abundancia
química) para el pico de cada entidad (químico) una a la vez y en
combinación. Los ejemplos incluyen, pero no se limitan a, analizar
los efectos de variar las concentraciones de la droga para una droga
dada, variar los tiempos de exposición a una droga, las
comparaciones de variar las concentraciones de la droga y/o los
tiempos de exposición entre muchas drogas, y las comparaciones de la
respuesta de la droga entre muchos tipos de muestras biológica y
médicamente relevantes y condiciones experimentales. Usando el
ambiente de programación R, se utilizan gráficos de alto nivel,
modelos lineales generales, y métodos de análisis de cluster y de
reconocimiento de patrón para identificar picos y patrones del pico
del interés.
Los expertos en la materia reconocerán que hay
muchas otras maneras de usar esta clase de datos para tratar
cuestiones de interés en la industria farmacéutica y
biotecnológica. Los ejemplos de otros contextos en los que el
método divulgado sería aplicable se divulgan en la sección
5.6-5.10, infra, e incluyen, pero no se
limitan a, usar modelos basados en células biológicamente relevantes
y muestras de pacientes para lo siguiente: (1) medición y análisis
simultáneos del impacto de la droga sobre rutas metabólicas enteras;
(2) asignación de drogas y de compuestos químicos conocidos y/o
desconocidos en grupos funcionales basados en su impacto total sobre
la actividad metabólica; (3) identificación de nuevos metabolitos o
catabolitos o rutas bioquímicas; (4) definiciones de los perfiles de
picos metabólicos para drogas y compuestos químicos; y (5)
subagrupamiento de paciente con base en perfiles metabólicos basales
y/o perfiles en respuesta al tratamiento de la droga para permitir
una sensible acomodación a requisitos particulares de los regímenes
de tratamiento; y (6) análisis SAR en combinación o no con software,
tal como la catálisis (MSI) para realizar data mining (minería de
datos) y/o para crear nuevas moléculas activas.
La determinación de la identidad de un pico en
el perfil se puede hacer de una variedad de maneras. Las moléculas
que pueden estar presentes en una muestra biológica incluyen las
moléculas proteicas (que incluyen pero no se limitan a las
glicoproteínas, las lipoproteínas, las proteínas, los polipéptidos,
los péptidos, los peptoides, y los aminoácidos), los ácidos
nucleicos (que incluyen pero no se limitan a los polinucleótidos,
los oligonucleotidos, los nucleótidos, los nucleosidos, DNA o un
derivado, o RNA o un derivado), los carbohidratos (que incluyen pero
no se limitan a los polisacáridos, los oligosacáridos, y los
sacáridos), los lípidos (que incluyen pero no se limitan a los
fosfolipidos, a los glicolípidos, a los lipopolisacáridos, a las
lipoproteínas, al colesterol y a los análogos de los mismos, y a los
glicéridos saturados y no saturados) y las moléculas pequeñas
(incluyendo moléculas orgánicas y moléculas inorgánicas).
Cualesquiera de estas moléculas pueden estar presentes en su estado
nativo o en formas químicamente modificadas.
La comparación de espectros de masas de
extractos de muestras bajo prueba (por ejemplo, de células
potencialmente enfermas o de células tratadas con un compuesto bajo
prueba) comparadas con las muestras de control o las de referencia
(por ejemplo, de células normales o no tratadas) permite la
identificación de los picos que se aumentan o se disminuyen (por
ejemplo, con la dosis de las drogas o la severidad de la enfermedad)
así como los picos que no varían. Conociendo la masa exacta del
pico, podría ser fácil identificar la molécula (ya sea directamente
en el caso de una molécula pequeña o dilucidando la fórmula química
de uno o más fragmentos en el caso de una molécula grande). El
primer paso es determinar los picos para las moléculas pequeñas. Hay
por lo menos dos maneras de determinar la fórmula general. La
primera, elementos comunes, incluyendo pero sin limitar a C, N, H y
O, se utilizan en una combinación lineal para reconstituir la
molécula. Como será apreciado por aquellos versados en el arte, en
algunos casos la masa molecular tomará en cuenta un protón adicional
o un átomo adicional (por ejemplo un átomo de sodio en el caso
cuando el compuesto se sodifica). Se evalúan múltiples posibilidades
usando probabilidades estadísticas asociadas. Un segundo enfoque es
buscar en las bases de datos adecuadas basándose en la masa
molecular conocida, tomando en cuenta la abundancia del isótopo. De
los candidatos posibles, solamente las entradas o artículos
biológicos serán considerados. Para las moléculas grandes, se
utiliza un paso de la fragmentación para permitir la identificación
de la molécula. Además, será utilizada la consideración de picos
cargados de manera múltiple.
Los caminos metabólicos en sistemas biológicos
se caracterizan bien la mayoría de las veces y todos los picos
identificados (moléculas) se podrían posicionar en la carta que
representa caminos o rutas metabólicos. Identificando una molécula
en una ruta metabólica que se altera por una droga o está en un
estado de enfermedad, es posible sugerir un mecanismo de acción para
esto. Si la molécula todavía no se conoce, su identificación podría
conducir al descubrimiento de un nuevo metabolito o un nuevo camino
bioquímico. Los efectos de Pleiotropic se pueden descubrir
también.
Para dilucidar la estructura química de una
molécula grande de interés, la molécula preferiblemente se fragmenta
y la estructura de uno o más de sus fragmentos se identifica. Sin
embargo, antes de la fragmentación, la naturaleza de la molécula se
puede determinar por uno de dos enfoques.
Primero está el enfoque bioquímico. La muestra
de un pico particular FTMS se puede tratar con una enzima tal como
la nucleasa, que hidroliza los ácidos nucleicos. La muestra tratada
será sometida otra vez a FTMS. La ausencia o la presencia del pico
determinarán si la muestra contiene ácidos nucleicos. La muestra
puede tratarse de manera similar con una o más proteasas,
glucosidasas y lipasas para determinar la presencia de proteínas, de
azúcares o de lípidos en la molécula que da lugar a pico del
interés. Preferiblemente, las clases múltiples de enzimas se
utilizan de modo que las moléculas que comprenden más de una clase
de componentes (por ejemplo, glicolípidos, lipoproteínas) puedan ser
identificadas así como proteína y azúcar. Un segundo método que
puede ser utilizado ocasionalmente es un enfoque químico. Una
muestra se puede identificar por sus características reactivas
químicas.
La dilucidación estructural se puede realizar en
el instrumento de FTMS mediante fragmentación del ion de interés
(ion del precursor). Para hacer esto, un pulso de aislamiento se
utiliza primero para "barrer hacia fuera" todos los iones
excepto la población precursora del ion. Una vez más la ventaja se
toma de la relación de frecuencia del ciclotrón y se aplica un campo
rf que está en frecuencia con todos los iones que se expulsarán de
la célula (detector). Los iones absorben de manera resonante esta
radiación y, con bastante energía, se excitan desde los límites de
la célula. Esto permite solo al ion padre atrapado dentro de la
célula.
Al siguiente paso se refieren como al proceso de
activación del ion (paso de fragmentación). Esto puede realizarse en
principio usando varios métodos, pero aquel usado la mayoría de las
veces en FTMS es la disociación activada por colisión (CAD) o la
disociación infrarroja-multifotón (IRMPD). El
proceso CAD es logrado poniendo una frecuencia de rf que esté en
resonancia con la del ion del precursor. Al ion se entrega bastante
energía para excitar su órbita de ciclotrón. Debido a que la
frecuencia del ion se conserva, se aumenta su velocidad angular (es
decir gana energía cinética). Una válvula a pulsos se acciona para
introducir una explosión de gas de colisión hacia el área de la
célula donde se atrapan los iones. Además, como será apreciado por
aquellos versados en el arte, pueden ser utilizados gases diferentes
(gases más pesados producen generalmente más fragmentos). Los iones
precursores excitados tienen colisiones enérgicas con este gas y
esto induce a la fragmentación. Después de un breve retraso de
bombeo (para que los neutrales sean evacuados) el producto o los
iones de fragmento se detectan con todas las capacidades normales
según lo descrito en la sección 5.2, supra.
La IRMPD (disociación multifotón infrarrojo) es
en principio incluso más simple de poner en ejecución. Los iones
aislados se someten a una haz intenso de fotones IR. Se absorben
estos fotones y los iones se ponen "calientes" por vibración
hasta el punto de activación. Se detectan los productos que resultan
de la fragmentación.
Cualquier método produce un espectro de la
fragmentación (en referencia al espectro de MS/MS). Esta clase de
datos es instrumental en la dilucidación de la estructura. Por
ejemplo, si un ion precursor que consiste de un
C_{13}H_{20}N_{2}O_{3} o C_{14}H_{24}N_{2}O_{2} se
somete a un experimento de MS/MS, puede ser observado un pico que
es 46.005 Da más bajo en masa del precursor sugiriendo que la
estructura ha perdido C H_{2}O_{2} y contiene por lo menos un
grupo carboxilato (es decir ácido carboxílico, azúcar, lípido).
El ciclo del aislamiento y de fragmentación se
puede pasar a iones de fragmento siguientes (es decir MSn). FTMS y
otros métodos de atrapar iones son capaces de realizar varias etapas
de fragmentación.
Una vez que la secuencia entera o parcial del
aminoácido de una proteína aislada se haya determinado
experimentalmente, se puede utilizar una computadora (ordenador)
para buscar en las bases de datos disponibles una secuencia del
aminoácido que concuerde o encaje o una secuencia del nucleótido,
incluyendo una etiqueta expresada de la secuencia (EST), cuya
secuencia predicha de aminoácido concuerda con la secuencia de
aminoácido determinada experimentalmente. Si no se encuentra ninguna
secuencia del nucleótido que concuerde, se puede producir por
ingeniería inversa un conjunto degenerado de secuencias del
nucleótido que codifica la secuencia del aminoácido determinada
experimentalmente mediante técnicas bien conocidas en el arte; tal
conjunto degenerado de secuencias de nucleótido es útil para clonar
el gen que codifica la proteína aislada y para expresar el fragmento
secuenciado de la proteína o del péptido. Alternativamente, si el
pico de FTMS corresponde a un ácido nucleico, el ácido nucleico se
fragmenta y se secuencian fragmentos del mismo. Las secuencias del
fragmento se pueden utilizar para identificar el gen al cual
corresponden, por ejemplo, Genbank. Si la(s)
secuencia(s) del fragmento no corresponde(n) al (los)
gen(es) conocido(s),
se puede preparar o amplificar sintéticamente un ácido nucleico mediante PCR de acuerdo con métodos que son bien conocidos a aquellos con habilidad en el arte; ver por ejemplo, Métodos de enzimología, volumen 152, "Guía para las técnicas moleculares de la clonación", ed. Berger y Kimmel (prensa académica 1987); Maniatis et al., "Clonación molecular: Un manual de laboratorio" (Cold Spring Harber Laboratory 1982), ambas son incorporadas a la presente por referencia en su totalidad. Los ácidos nucleicos generados así se pueden utilizar para tamizar y seleccionar (screen) una biblioteca de genoma o de DNA para identificar el gen de longitud plena al cual corresponde el fragmento. Alternativamente, la secuencia del gene o por lo menos un marco abierto de lectura del mismo, a la cual corresponde el ácido nucleico puede ser identificada compilando la información obtenida mediante secuenciación de fragmentos traslapados del ácido nucleico del pico original de interés HICS-FTMS.
se puede preparar o amplificar sintéticamente un ácido nucleico mediante PCR de acuerdo con métodos que son bien conocidos a aquellos con habilidad en el arte; ver por ejemplo, Métodos de enzimología, volumen 152, "Guía para las técnicas moleculares de la clonación", ed. Berger y Kimmel (prensa académica 1987); Maniatis et al., "Clonación molecular: Un manual de laboratorio" (Cold Spring Harber Laboratory 1982), ambas son incorporadas a la presente por referencia en su totalidad. Los ácidos nucleicos generados así se pueden utilizar para tamizar y seleccionar (screen) una biblioteca de genoma o de DNA para identificar el gen de longitud plena al cual corresponde el fragmento. Alternativamente, la secuencia del gene o por lo menos un marco abierto de lectura del mismo, a la cual corresponde el ácido nucleico puede ser identificada compilando la información obtenida mediante secuenciación de fragmentos traslapados del ácido nucleico del pico original de interés HICS-FTMS.
Las células modificadas por ingeniería genética
para expresar tal proteína recombinante se pueden utilizar para
producir cantidades grandes de la proteína recombinante, por
ejemplo, para administración terapéutica. La posesión del gen
clonado permite que la terapia genética substituya o supla una
proteína cuya ausencia o expresión disminuida se asocie a una
enfermedad. La posesión del gene clonado permite además el uso de
terapia antisense o de triple-hélice para suprimir
la expresión de una proteína cuya presencia o expresión realzada se
asocie a enfermedad o expresión recombinante de explotación de la
proteína en suficientes cantidades para la inmunoterapia, por
ejemplo, cultivando un anticuerpo monoclonal además, que puede ser
quimerizado (Morrison, et del al., 1984, Proc. Nacional. Acad. Sci.,
81, 6851-6855; Neuberger, et al., 1984,
Nature 312, 604-608; Takeda, et al., 1985,
Nature 314, 452-454) o humanizado (véase, por
ejemplo, Queen, patente estadounidense No. 5.585.089 y Winter
patente estadounidense No. 5,225,539) antes de la administración
terapéutica.
Los resultados del análisis de FTMS en un perfil
de picos. Un perfil de picos es la representación gráfica de lo que
se detecta por el detector del FTMS; el perfil contiene una
multiplicidad de picos que corresponden a las diferentes
biomoléculas (así como los diferentes picos de la misma molécula con
diferentes isótopos) y fragmentos de biomoléculas así como moléculas
de cargas múltiples. Un perfil de picos de una muestra particular,
tratado de una manera particular, es esencialmente una "huella
digital" del estado de la muestra; mientras que dos estados
pueden tener presente cualquier biomolécula particular de manera
similar, la evaluación de un número de biomoléculas permite
simultáneamente la generación de un perfil se picos único al estado
de la célula. Esto es análogo al perfil de "huellas digitales"
de la expresión del gen hecho en los biochips. Es decir, un tejido
normal puede ser distinguido de un tejido canceroso de pecho, y
dentro del tejido canceroso de pecho se pueden determinar estados
distintos de diagnóstico (perspectivas de supervivencia a largo o
corto plazo, por ejemplo) pueden ser determinados. De manera
similar, los perfiles de picos del tejido pulmonar se pueden
comparar con el tejido del riñón, los perfiles de las muestras de
cáncer de pecho de diversos pacientes se pueden comparar, los
perfiles de muestras antes, durante o después del tratamiento con
una droga, o en diferentes concentraciones de la droga, todo se
puede evaluar según lo descrito en la
presente.
presente.
Como será apreciado por aquellos versados en el
arte, estos tipos de comparaciones se pueden hacer usando un solo
perfil de picos de la muestra, o múltiples perfiles de picos; por
ejemplo, la muestra se puede preparar o separar de varias maneras y
los picos se pueden analizar individualmente, o sobrepuestos y
combinados.
Comparando perfiles de picos de muestras en
diversos estados, se obtiene la información con respecto a las
biomoléculas es importante (incluyendo regulaciones tanto ascendente
como descendente) en cada uno de estos estados. La identificación
de las biomoléculas presentes de manera diferenciada (incluyendo
tanto apariencia o aspecto como desaparición o cambios en
intensidad máxima) permite el uso de esta información de un número
de maneras según lo esbozado en la presente. Por ejemplo, se puede
hacer el diagnóstico y el monitoreo de la enfermedad; puede ser
evaluada la evaluación de un régimen particular de tratamiento: si
una droga quimioterapéutica actúa para mejorar el pronóstico a largo
plazo en un paciente particular. De manera similar, se puede hacer o
confirmar el diagnóstico comparando muestras de pacientes con los
perfiles de picos conocidos. Además, estos perfiles permiten la
investigación, tamizado y selección (screening) de las drogas
candidatas con perspectiva hacia imitar o alterar un perfil de picos
particular; por ejemplo, el screening se puede hacer para drogas que
suprimen el perfil de picos del cáncer de pecho o convierten un mal
perfil de pronóstico a un perfil mejor de pronóstico.
Así, la presente invención encuentra utilidad en
una variedad amplia de aplicaciones. En una realización preferida,
los métodos esbozados en la presente se utilizan para analizar
muestras y para construir y tener acceso a bases de datos. En una
realización preferida, los métodos permiten la generación de una
variedad amplia de bases de datos, particularmente para, pero sin
limitarse a, moléculas pequeñas, puesto que el FTMS permite tal alta
precisión.
Así, en una realización preferida, la presente
invención se utiliza para identificar rápidamente componentes
celulares o de una muestra. Usando FTMS conjuntamente con otro
software computacional de química, tal como MSI CATALYST, se puede
hacer una identificación y caracterización rápidas de moléculas
activas nuevas. CATALYST es un programa que explora el aspecto o la
forma activa posible de las drogas candidatos. Haciendo correr una
biblioteca pequeña de compuestos y buscando atributos deseables del
espectro, se puede generar una "descripción del farmacóforo"
usando CATALYST o programas similares. Esta "descripción" se
puede utilizar entonces para tamizar (screen) bibliotecas virtuales
buscando y seleccionando candidatos adicionales generados que pueden
luego ser probados o ensayados.
Además, se debe anotar que la cuantificación y
la comparación de distintos espectros se pueden hacer de una
variedad de maneras. En una realización, la muestra es
electroaspergida (prefiriéndose el uso de una fuente doble de
aerosol), junto con una aspersión simultánea de una muestra de
referencia, para permitir la cuantificación y la comparación.
Alternativamente, la referencia se agrega a la muestra. Finalmente,
otra alternativa es normalizar usando componentes conocidos que sean
aproximadamente iguales a las muestras en cuestión, por ejemplo
usando genes o proteínas o metabolitos celulares caseros diferentes
que están bajo homeostasis.
Así, haciendo correr una gran cantidad de
muestras de una variedad de fuentes diferentes y bajo diferentes
condiciones, son generadas bases de datos. Éstas se pueden utilizar
de una variedad de maneras. En una realización preferida, las bases
de datos se utilizan en otros experimentos para identificar picos.
Alternativamente, pueden ser utilizadas para comparar muestras o los
efectos de drogas o de agentes candidatos sobre muestras, para
identificar señalando caminos o rutas y componentes terapéuticamente
relevantes.
Además, cuando se generan las bases de datos,
ellas pueden ser visualizadas usando cualquier número de software
para representación gráfica, incluyendo software de visualización
tal como SPOTFIRE®, mapeo de contorno en 3D, mapeo topológico,
técnicas de triangulación, etc.
La presente invención proporciona métodos para
analizar una muestra biológica compleja, que comprenden los pasos
de someter la muestra a FTMS, lo que proporciona un perfil de picos
de la muestra, y para evaluar el perfil de picos de la muestra. En
una realización, los métodos además comprenden comparar el perfil de
picos de la muestra con un perfil de picos de una muestra de
referencia. Por consiguiente, la muestra biológica puede ser una
muestra para prueba o ensayo. La muestra de referencia puede ser
predeterminada, es decir, es una muestra histórica. El perfil de
picos de la muestra de referencia puede ser el perfil de picos de
una muestra o un perfil de picos promedio de dos o más muestras. En
una realización, la muestra de referencia se deriva de una célula
normal y de la muestra bajo prueba de una célula enferma del mismo
tipo. En otra realización, la muestra de referencia se deriva de una
célula enferma o normal y la muestra bajo prueba se deriva de una
célula enferma después de que la célula enferma se haya expuesto a
un biomodulador tal como una droga o una hormona.
La presente invención proporciona además métodos
para detectar una respuesta de una célula a un biomodulador, que
comprenden comparar un perfil de picos de FTMS de una primera
muestra biológica derivada de una célula que no se ha expuesto al
biomodulator con un perfil de picos de FTMS de una segunda muestra
biológica derivada de una célula que se ha expuesto al
biomodulador.
La presente invención además proporciona métodos
para identificar un marcador de una respuesta de una célula a un
biomodulator, que comprenden detectar una respuesta de la célula al
biomodulador según el método de las reivindicaciones tal como está
descrito en la presente, e identificar un pico que se diferencie en
intensidad entre los perfiles de picos para la primera y la segunda
muestras biológicas, cuyo pico no corresponde a la masa molecular
del dicho biomodulador, en donde un pico identificado así
corresponde a un marcador de una respuesta de la célula al
biomodulador.
La presente invención además proporciona métodos
para caracterizar un marcador de una respuesta de una célula a un
biomodulador, que comprenden identificar un marcador de una
respuesta de una célula a un biomodulador de acuerdo con los métodos
descritos en la presente, aislar un ion del marcador que tiene el
cociente m/z de dicho marcador; y obtener la secuencia molecular o
la estructura química de dicho ión o de un fragmento del mismo.
La presente invención además proporciona métodos
para identificar una molécula cuya concentración en una célula
cambia cuando la célula entra en contacto con un biomodulador, que
comprenden comparar un perfil de picos de FTMS de una primera
muestra biológica derivada de una célula que no se ha expuesto al
biomodulador con un perfil de picos de FTMS de una segunda muestra
biológica derivada de una célula que se ha expuesto al biomodulador,
e identificar un pico que se diferencie en intensidad entre los
perfiles de picos para la primera y la segunda muestras biológicas,
dicho pico no corresponde a la masa molecular del dicho
biomodulador, en donde un pico identificado así corresponde a una
molécula cuya concentración en una célula cambia cuando la célula
entra en contacto con un biomo-
dulador.
dulador.
La presente invención además proporciona métodos
para identificar por lo menos un marcador de una enfermedad o de
una condición, que comprenden comparar un perfil de picos de FTMS de
una primera muestra biológica derivada de una célula normal con un
perfil de picos de FTMS de una segunda muestra biológica derivada de
una célula que tiene la enfermedad o la condición, e identificar un
pico que se diferencie en intensidad entre los perfiles de picos
para la primera y la segunda muestras biológicas, en donde un pico
identificado así corresponde a un marcador de dicha enfermedad o
condición.
La presente invención además proporciona métodos
para diagnosticar una enfermedad o una condición en un paciente, que
comprenden identificar (por lo menos uno) un marcador de dicha
enfermedad o condición de acuerdo con los métodos descritos en la
presente, y determinar la intensidad del pico que corresponde al
marcador dicho en una muestra biológica obtenida de una célula de
dicho paciente, en donde la intensidad del pico es indicativa de la
presencia o del grado de la enfermedad o de la condición en el
paciente dicho.
La presente invención además proporciona métodos
para supervisar la eficacia de un tratamiento terapéutico en un
paciente que sufre de una enfermedad o de una condición, que
comprenden identificar un marcador de dicha enfermedad o condición
de acuerdo con los métodos descritos en la presente; y determinar la
intensidad del pico que corresponde al marcador dicho en una muestra
biológica obtenida de una célula del paciente dicho después de que
haber sometido al paciente a tratamiento terapéutico, en donde la
intensidad del pico es indicativa de la presencia o el grado de la
enfermedad o la condición en el paciente dicho y un reflejo de la
eficacia del tratamiento terapéutico dicho.
La presente invención además proporciona métodos
para identificar una molécula provocada para el desarrollo de la
droga, que comprenden identificar un marcador de una enfermedad o
condición de acuerdo con los métodos descritos en la presente, para
dicha enfermedad o condición se desea la identificación de una
molécula provocada para el desarrollo de la droga; obtener un perfil
de picos de FTMS de una muestra derivada de una célula, con una
concentración característica de dicho marcador, de la enfermedad o
condición, dicha muestra es derivada de la célula dicha después de
que la célula se haya expuesto a una molécula bajo prueba; y
determinar si la célula con la concentración del marcador dicho es
alterada por la molécula bajo prueba; dicha determinación comprende
medir la intensidad del pico a la cual el marcador corresponde, en
donde un cambio en la concentración del marcador dicho (dicho cambio
se aproxima a los niveles normales del marcador dicho) indica que la
molécula bajo prueba es una molécula provocada para el desarrollo de
la droga para el tratamiento o la prevención de la enfermedad o la
condición dicha.
Además, la presente invención se puede utilizar
en el desarrollo de compuesto guía o inicial en relaciones de
estructura-actividad (SAR). Así, el análisis de los
espectros de compuestos relacionados puede servir para correlacionar
la estructura del compuesto con su actividad deseada.
La presente invención además proporciona métodos
para identificar objetivos toxicológicos de drogas, que comprenden
comparar tres perfiles de picos de FTMS, en donde los tres perfiles
de picos de FTMS corresponden a una primera muestra biológica
obtenida de una célula que se ha expuesto a una primera droga con un
efecto secundario tóxico; una segunda muestra biológica obtenida de
una célula que se ha expuesto a una segunda droga sin un efecto
secundario tóxico, en donde la primera droga y la segunda droga
pertenecen a la misma clase de drogas; y una tercera muestra
biológica obtenida de una célula que no se ha expuesto a ningún
miembro de dicha clase de drogas; e identificar un pico que sea
similar en intensidad entre los perfiles de FTMS de la segunda y la
tercera muestras pero se diferencia en intensidad en el perfil de
FTMS de la primera muestra, en donde un pico identificado así se
correlaciona con un efecto tóxico para el desarrollo de la
droga.
La presente invención además proporciona otros
métodos para identificar los objetivos toxicológicos de drogas, que
comprenden comparar tres perfiles de picos de FTMS, en donde los
tres perfiles de picos de FTMS corresponden a una primera muestra
biológica obtenida de una célula que se ha expuesto a una primera
droga con un efecto secundario tóxico; una segunda muestra biológica
obtenida de una célula que se ha expuesto a una segunda droga que
tiene el mismo efecto secundario tóxico; y una tercera muestra
biológica obtenida de una célula que no ha expuesto a ninguna droga
que tiene dicho efecto secundario tóxico; e identificar un pico que
sea similar en intensidad entre los perfiles de FTMS de la primeras
y segunda muestras pero se diferencia en intensidad en el perfil de
FTMS de la tercera muestra; en donde un pico identificado así se
correlaciona con un efecto tóxico para el desarrollo de la
droga.
La presente invención además proporciona los
métodos para caracterizar las características tóxicas de un agente
de prueba que comprende determinar la intensidad de un pico en un
perfil de picos de FTMS de una muestra biológica obtenida de una
célula que se ha expuesto al dicho agente de prueba, dicho pico que
ha sido identificado como un objetivo toxicológico por uno o más de
los métodos descritos en la presente, en donde la intensidad del
pico es indicativa de la toxicidad del agente de prueba.
La presente invención proporciona además métodos
para análisis de alto contenido de información (HIC) de una muestra
biológica compleja, que comprenden someter la muestra a una
pluralidad de casos de Espectrometría de masas por transformadas de
Fourier (FTMS); y para cada caso de FTMS, generar información de un
perfil de picos de FTMS para la muestra; aplicar un algoritmo máximo
de recolección de picos a la información de perfil de picos generada
para seleccionar los picos que satisfacen criterios dados; y aplicar
un algoritmo de formación de clusteres a los picos seleccionados
para identificar picos que probablemente correspondan a la misma
entidad química.
En una realización, la información de perfil de
picos se escribe en un archivo separado para cada caso de FTMS, y
además comprende el paso de crear un solo archivo que abarque la
información de cada uno de los dichos archivos separados para los
picos seleccionados por el algoritmo de recolección de picos. En un
modo de la realización, el algoritmo de formación de clusteres se
aplica a la información contenida en dicho archivo único que abarca
información de cada uno de dichos archivos separados para los picos
seleccionados por el algoritmo de recolección de picos.
En otra realización, cada uno de los picos
seleccionados se re-etiqueta con el promedio de
masas de un cluster correspondiente de picos.
La presente invención proporciona métodos para
generar espectros de FTMS de muestras biológicas complejas y
analizar los perfiles de pico en los espectros. Las muestras
biológicas complejas incluyen muestras derivadas de material
biológico que incluye pero no se limita al suero de sangre, células
cultivadas, biopsias de tejido. El análisis comparativo de los
espectros generados para las células en diferentes estados o de
diferentes tipos es útil para las diferencias fenotípicas
específicas que existen entre células y/o tejidos del mismo tipo
normales y anormales, por ejemplo no-enfermos y
enfermos,. Además, una vez se hayan identificado que las diferencias
fenotípicas específicas en forma de picos de FTMS de intensidad
diferenciada, las moléculas a las cuales corresponden los picos
pueden ser identificadas y/o ser utilizadas como biomoléculas
provocadas para el desarrollo de diagnóstico y/o farmacéutico.
Los métodos de la presente invención además
comprenden identificar un pico o un patrón de picos de
HICS-FTMA que son característicos de una patología
particular o de una clase particular de patologías. Tales perfiles
de picos proporcionan información valiosa, útil para definir y
clasificar más completa y exactamente subtipos de patología.
Utilizando los principios de la presente
invención, se pueden recoger y someter a HICA-FTMS
las muestras de muchos pacientes diferentes que han conocido
condiciones de salud. Los perfiles generados se analizan para
identificar picos que están presentes o ausentes, de manera única,
en las muestras derivadas de células de pacientes que tienen
diversas condiciones de la salud, y los datos resultantes se
utilizan para crear una base de datos que incorpora todos los picos
que se identifican así. Los datos referentes a las muestras
obtenidas de los pacientes que exhiben una patología o una
enfermedad de interés se pueden extraer luego para el análisis y
comparar con los registros restantes en la base de datos para
identificar picos o patrones de picos de interés que serían
predictivos del estado de la patología o de la enfermedad.
En ciertas realizaciones,
HICA-FTMS es por lo tanto una herramienta para
generar perfiles de picos y para identificar un patrón de picos
moleculares, o picos del marcador, que es característico de una
patología o de una clase particular de patologías. Se puede usar la
supervisión de las intensidades del marcador que representan la
cantidad relativa de las moléculas del marcador a las cuales
corresponden los picos, en los perfiles de picos generados de la
misma fuente de la muestra bajo diversas condiciones o puntos de
tiempo en la progresión de monitoreo de la respuesta a la terapia de
una enfermedad y al descubrimiento de una droga, accionada por el
objetivo, para la enfer-
medad.
medad.
Utilizando los principios de la presente
invención, se pueden someter a HICS-FTMS las
muestras de tejido o de célula de los animales experimentales que
son modelos para una enfermedad tratada con una de las terapias
conocidas en la gestión o el tratamiento de la enfermedad, o las
muestras biológicas de los seres humanos que experimentan estos
tratamientos o un modelo de cultivo de célula de las mismas, y los
datos resultantes se usan para crear una base de datos que
incorpora todos los picos comunes y únicos que están presentes o
ausentes en las muestras de los objetos tratados (el humano o el
modelo animal) por comparación con sus contrapartes no tratadas. Las
moléculas del marcador que corresponden a los picos del marcador se
pueden utilizar como objetivos para el desarrollo de una terapia o
un fármaco. De manera similar, los perfiles de picos de las muestras
biológicas derivadas de las plantas normales se pueden comparar con
los perfiles de picos de las muestras biológicas derivadas de
plantas tratadas con drogas fitosanitarias, herbicidas u hormonas, o
de plantas infectadas con patógenos tales como virus. Las moléculas
del marcador que corresponden a los picos del marcador identificados
en estos screenes pueden ser objetivos para el desarrollo de
insecticidas. También de manera similar, los perfiles de picos de
muestras biológicas derivadas de microorganismos que se han tratado
con antibióticos pueden ser comparados con los perfiles de picos de
muestras biológicas derivadas de microorganismos no tratados de la
misma especie, por ejemplo para identificar moléculas del marcador
de resistencia antibiótica que se pueden utilizar como marcadores de
screening de la
droga.
droga.
Además de supervisar respuestas a droga,
HICS-FTMS se puede emplear para supervisar la droga
misma. Así, los atributos particulares de una droga objetivo pueden
revelarse, como por ejemplo los perfiles de separación,
interacciones y modificaciones moleculares, metabolismo de la droga,
modo de acción, y la localización subcelular.
La presente invención proporciona métodos para
identificar drogas nuevas que son útiles en el tratamiento de una
enfermedad o de un desorden para el o la cual se conozca ya una
droga actual, por ejemplo identificar una droga con una eficacia
creciente, una tolerancia más alta. Los espectros de
HICS-FTMS se generan para muestras de extracto de
célula, de tejido fino o de cultivo de célula que son (i) no
tratadas, (ii) tratadas con la droga conocida, o (iii) tratada con
una molécula de prueba. Las moléculas de prueba que obtienen cambios
en los picos de FTMS similares a aquellos vistos en extractos de
muestras de cultivo celular que han sido tratadas con la droga
conocida son entonces compuestos candidatos guías o iniciales para
el descubrimiento de la droga. Mientras se utilizan células o
tejidos cultivados en la práctica de la presente invención, por
ejemplo como sistema modelo para el descubrimiento de la droga, las
células se pueden mermar o enriquecer isotópicamente para facilitar
la caracterización y la sensibilidad.
Las pruebas de screening (investigación,
tamizado y selección) de la presente invención permiten la
identificación de los picos que son objetivos o metas de drogas
individuales y de los picos comunes presentes en muestras de células
han sido expuestas a, o de organismos que han experimentado el
tratamiento con diversos miembros de, una clase de drogas de
interés, por ejemplo, drogas anti-hiperlipidémicas.
Al mismo tiempo, pueden ser observados los picos objetivo que están
presentes o ausente en las muestras tratadas solamente con una droga
o un subconjunto de la clase de drogas, y estos picos
correlacionados con las actividades que son únicas a esa(s)
droga(s). Un aumento o una disminución de la intensidad de
ese tal pico puede correlacionarse con actividades o características
deseables de la(s) droga(s), por ejemplo una actividad
que disminuya la glucosa en una droga
anti-hiperlipidémica, o una actividad o una
propiedad indeseable, tal como la tendencia a inducir náusea o
vértigos como efecto secundario del tratamiento. Esta información se
puede utilizar en el descubrimiento de drogas que, después de la
exposición a los sistemas biológicos, obtienen solamente respuestas
deseadas.
Ciertas drogas ejercerán sus efectos a través de
un número grande de objetivos o metas celulares, mientras que otras
con efectos más limitados influenciarán solamente pocos objetivos.
De manera similar, algunas drogas ejercerán sus efectos sobre tipos
múltiples de célula mientras que otras afectarán solamente uno o
algunos tipos de la célula.
Hay un número de ejemplos esbozados abajo.
El síndrome metabólico o el síndrome X es
manifestado por un metabolismo defectuoso de la glucosa (resistencia
de insulina), la presión arterial elevada (hipertensión), un
desequilibrio del lípido de la sangre (dislipidemia, incluyendo
niveles de triglicéridos altamente circulante y niveles bajos de
colesterol circulante "bueno", o HDL) y la obesidad central
(tejido graso excesivo en la región abdominal) (véase, por ejemplo,
Reaven, 1993, Annu. Rev. Med. 44:121-131). Los
pacientes del síndrome X son actualmente drogas administradas por
separado para tratar los síntomas individuales, porque las drogas
comercialmente disponibles se han optimizado para modular un
objetivo específico o para regular un parámetro específico de un
estado de la enfermedad. El uso de drogas múltiples aumenta el
riesgo de efectos secundarios serios y compromete la calidad de
vida. HICS-FTMS puede permitir la identificación de
drogas nuevas que tienen múltiples efectos terapéuticos simultáneos.
Esto es virtualmente imposible usando el enfoque de HTS basado en
objetivos sencillos o solos.
El número de los pacientes del síndrome X está
aumentando rápidamente y parece estar asociado a la forma de vida
occidental; particularmente los factores del alto riesgo son la edad
y la dieta. Se necesitan urgentemente drogas para el síndrome X que
tienen efectos pleiotropic, es decir, drogas que controlan múltiples
o preferiblemente todos los síntomas del síndrome X.
HICS-FTMS también permite la
identificación de las moléculas del marcador que son específicas a
tejidos que se pueden utilizar como marcadores para el screening
subsecuente en drogas específicas a tejidos. Tales drogas tendrían
gran utilidad en regímenes terapéuticos. Por ejemplo, a los
diabéticos insulina-resistentes les dan drogas de
tiazolidinadiona (TZD) para manejar su enfermedad. Las TZDs activan
el gamma receptor de proliferadores de peroxisoma activada (PPAR).
La sensibilización de la insulina se aumenta después del tratamiento
con TZDs, pero también aumenta la deposición de grasa en tejido
adiposo. Recientemente, un TZD guía o inicial, Rezulin, fue
recordado debido al efecto secundario serio de enfermedad del
hígado, marcado por la ictericia, la náusea, el vómito, el dolor
abdominal, la fatiga, la carencia del apetito, y la orina oscura,
conduciendo a la muerte y/o a la necesidad de trasplantes del
hígado. HICS-FTMS es un método opcional para hacer
screen para y para identificar drogas que, como TZDs, promueven la
sensibilización de la insulina, aunque a diferencia de TZDs no
conduce a la enfermedad del hígado.
En otra realización, en la cual una droga ejerce
sus efectos a través de blancos u objetivos múltiples,
HICS-FTMS permite la caracterización de análogos
mejorados. Se pueden identificar moléculas que ejercen esos mismos
efectos con más eficacia y/o con efectos no específicos reducidos,
una separación más rápida. Esencialmente, los perfiles de picos de
HICS-FTMS se generan para muestras expuestas a una
droga conocida o a una clase conocida de drogas, y se identifican
los picos que se correlacionan con las características terapéuticas
de la droga. La química combinatoria se puede utilizar para generar
bibliotecas de los análogos de la droga, y estos análogos se pueden
utilizar en pruebas de HICS-FTMS usando el modelo
experimental como fue utilizado para identificar los picos
beneficiosos asociados a la droga parental. Análogos con eficacia
mayor que la droga parental, por ejemplo aquellos que afectan los
picos del objetivo o blanco en concentraciones menores que lo que
afecta la droga parental, se utilizan luego como compuestos guías o
iniciales para el desarrollo de la droga.
En ciertas realizaciones de la presente
invención, el descubrimiento de la droga se alcanza sin comparación
con las drogas conocidas, basados puramente en la capacidad de una
molécula de prueba de obtener cambios específicos en los perfiles de
picos de FTMS a concentraciones muy bajas (en el rango nanomolar).
La identidad de los picos afectados por la molécula de prueba se
identifica luego, según lo descrito en la sección 5.5, supra,
lo que puede proporcionar una guía en cuanto a qué camino modula la
molécula de la prueba, y por lo tanto para cual de las enfermedades
la molécula de prueba puede ser probada como droga. Las pruebas
in vivo de la molécula bajo prueba pueden ser realizadas
inicialmente usando una célula representativa o un estado de la
enfermedad (por ejemplo, línea de célula tumoral), o en un animal,
preferiblemente en un modelo animal para la enfermedad,
preferiblemente en ratas o ratones, antes de proceder a los ensayos
clínicos. Las drogas para el uso como antibióticos se pueden probar
en cultivos bacterianas. Las drogas de la planta (por ejemplo,
antivirales) se pueden probar en una instalación de laboratorio
controlado antes de liberarlas al ecosistema.
Hay varias fuentes comunes de los compuestos
guías o iniciales (drogas candidatos), incluyendo colecciones del
producto natural, las colecciones químicas sintéticas, y las
bibliotecas químicas combinatorias sintéticas, tales como
nucleótidos, péptidos, u otras moléculas poliméricas.
Las moléculas de prueba de la presente invención
se pueden obtener usando cualesquiera de los numerosos enfoques en
los métodos combinatorios de biblioteca conocidos en el arte,
incluyendo: bibliotecas biológicas; bibliotecas de fase sólida o de
fase de solución, paralelas espacialmente accesibles; métodos de
biblioteca sintética que requieren deconvolución; el método de
biblioteca de "un grano un compuesto"; y métodos de biblioteca
sintética que usan selección de cromatografía por afinidad. El
enfoque biológico de la biblioteca se limita a las bibliotecas del
péptido, mientras que los otros cuatro enfoques son aplicables al
péptido, al oligómero no péptido o a las bibliotecas de moléculas
pequeñas de compuestos (Lam, 1997, Anticáncer Drug Des..
12:145).
En el arte se pueden encontrar ejemplos de los
métodos para la síntesis de bibliotecas moleculares, por ejemplo en:
DeWitt et al., 1993, Proc. Natl. Acad. Sci. E.E.U.U. 90:6909;
Erb et al., 1994, Proc. Natl. Acad. Sci. USA 91:11422;
Zuckermann et al.,1994, J. Med. Chem. 37:2678; Cho et
al., 1993, Science 261:1303; Carrell et al., 1994, Angew.
Chem. Int. Ed. Engl. 33:2059; Carell et al., 1994, Angew.
Chem. lnt. Ed. Engl. 33:2061; and Gallop et al., 1994, J.
Med. Chem. 37:1233.
Las bibliotecas de compuestos se pueden
presentar en solución (por ejemplo, Houghten, 1992, Bio/Techniques
13:412-421), o en granos (Lam, 1991, naturaleza
354:82-84), chips (Fodor, 1993, Nature
364:555-556), bacterias (Patente de EEUU No.
5.223.409), esporas (Patente de EEUU los Nos. 5.571.698; 5.403.484;
y 5,223,409), plasmidas (Cull et al., 1992, Proc. Nacional.
Acad. Sci. E.E.U.U. 89:1865-1869) o fagos (Scott y
Smith, 1990, Ciencia 249:386-390; Devlin, 1990,
Ciencia 249:404-406; Cwirla et al., 1990,
Proc. Natl. Acad. Sci. E.E.U.U. 87:6378-6382; y
Felici, 1991, J. Mol. Biol. 222:301-310).
Los métodos de la presente invención se pueden
aplicar a la selección de pacientes para el tratamiento mediante una
droga.
Las muestras de tales individuos, por ejemplo,
se pueden someter a HICS-FTMS para determinar si un
pico asociado con una sensibilidad o una resistencia particular a
una droga o una alergia a una clase de la droga está presente o
ausente de sus perfiles de picos de FTMS. Un pico asociado con una
sensibilidad particular a una droga es predeterminado mediante
comparación de los espectros de HICS-FTMS de los
individuos tratados con la droga o la clase de drogas y mediante
identificación de esos picos cuya intensidad relativa se
correlaciona con una sensibilidad o una resistencia al
tratamiento.
Los métodos presentados aquí se pueden utilizar
para determinar la dosis óptima de una droga. Los perfiles de picos
de HICS-FTMS de extractos de células tratadas con
distintas concentraciones de una droga se comparan en las
intensidades de uno o más picos que correspondan a una respuesta
favorable a la droga, por ejemplo de una molécula objetivo de la
droga. Los mismos perfiles de picos también se analizan para
determinar las intensidades de unos o más picos asociados con una
respuesta desfavorable a la droga, por ejemplo toxicidad. De esa
manera se identifica una dosis o un rango de dosificaciones en las
cuales la droga obtiene una respuesta favorable máxima con toxicidad
mínima.
La tecnología de HICS-FTMS se
puede también utilizar generalmente para caracterizar respuestas
celulares o del organismo a las moléculas señalizadoras, tales como
hormonas, factores del crecimiento, citoquinas, y
neurotransmisores. Así, una comparación de perfiles de picos
derivada de muestras que comprenden extractos de célula de células
tratadas con un factor particular de crecimiento puede demostrar un
patrón asociado al factor del crecimiento. Los estudios del curso
del tiempo se pueden conducir, por ejemplo para investigar los
picos asociados a respuestas tempranas vs. tardías al factor de
crecimiento. La identificación de picos distintivos da lugar a la
identificación de marcadores, y la dilucidación química subsecuente
de los iones correspondientes puede en últimas ayudar en el diseño
farmacéutico.
Similar a la aplicación de
HICS-FTMS para el estudio de enfermedades, se pueden
determinar respuestas biológicas a la introducción de una
perturbación genética a nivel celular o del organismo. Una
perturbación genética puede ser una mutación hipomórfica,
hipermórfica o neomórfica en un gen nativo, una sobreexpresión
recombinante de un gen nativo que se puede expresar o no expresar
normalmente en la célula de interés, una expresión recombinante de
un gen extranjero, el uso de anticuerpos contra un producto del gen,
la introducción del ácido nucleico antisense o la molécula de triple
hélice que inhibirían el gen. Las comparaciones de los perfiles de
picos de extractos de células que son de tipo silvestre,
heterocigótico y/o homocigótico para un gen, y/o
sobre-expresión del gen, pueden producir información
útil con respecto a la localización (locus) genética, tal
como los caminos bioquímicos en los cuales el gene esté involucrado,
el grado de perturbación del sistema como resultado de la
perturbación del gen, los objetivos celulares del producto mutado
del gen (por ejemplo, receptores, complejos enzimáticos,
substratos). El gen que sufre la mutación no necesita ser
identificado de antemano, de tal manera que el método de
HICS-FTMS tamice y seleccione por desconocido
aquello que, como resultado de la mutación, afecta una selección de
moléculas de interés. El método es igualmente aplicable cuando la
mutación es de ocurrencia natural.
En una aplicación particular, se puede utilizar
HICS-FTMS para supervisar alimentos o productos
alimenticios de fuentes vegetales o animales. Los perfiles de picos
de cada producto se pueden obtener para servir como referencia para
las pruebas de control de calidad, o para asegurar la integridad de
lo almacenado supervisando la variación genética en el tiempo.
Similar a las pruebas de screening de droga,
HICS-FTMS puede ser utilizado para seleccionar y
mantener rasgos favorables, mientras que se identifican los rasgos
indeseados.
Esta tecnología también tiene aplicación
potencial a nivel sistémico, tal como ecosistemas acuáticos,
composiciones del suelo y sistemas atmosféricos. Estos sistemas
biológicos complejos se pueden caracterizar mediante
HICS-FTMS, y los perfiles de picos se toman en el
tiempo para supervisar cualquier cambio natural o cambios debido a
la intervención humana.
La presente invención facilita de gran manera el
campo del diagnóstico. En una realización, una muestra de suero de
un paciente se puede someter a HICS-FTMS, y el
perfil de picos o "perfil de picos" generado de tal modo
proporcionaría una instantánea de los parámetros del suero del
paciente que de otra manera requerirían una prueba individual. Los
picos individuales conocidos para representar los parámetros de
interés se comparan con un rango correspondiente de picos de
individuos normales para determinar su concentración en el suero.
Los parámetros que pueden ser probados incluyen pero no se limitan
al colesterol, ácidos grasos, lipoproteínas, glucosa, hemoglobina,
citoquinas, hormonas (por ejemplo, insulina, TSH, T4, T3),
anticuerpos (por ejemplo, para las enfermedades autoinmunes tales
como lupus sistémico eritematoso, enfermedad de Hashimoto),
antígenos del tumor (por ejemplo, PSA).
En otra realización, el fluido cerebroespinal de
un paciente se prueba para la presencia o las intensidades de los
marcadores de desórdenes neurodegenerativos tales como la enfermedad
de Alzheimer, la enfermedad de Parkinson, enfermedades anteriores,
la demencia frontotemporal. Ciertos marcadores para estas
enfermedades se conocen ya (por ejemplo, proteína fosforilatada de
tau o la forma del aminoácido 42 del péptido
A\beta(Amiloide) en la enfermedad de Alzheimer), y los
marcadores o los picos adicionales del marcador se pueden
identificar por los métodos divulgados en la presente. Un pico del
marcador puede ser un pico cuya intensidad aumenta o disminuye con
la progresión de un desorden neurodegenerativo.
Los métodos de la presente invención se pueden
también aplicar para supervisar el progreso de una enfermedad en el
paciente o en la respuesta del paciente al tratamiento. Los perfiles
de picos múltiples de HICS-FTMS de las muestras del
paciente (suero, biopsia del tejido) se generan siguiendo
indicaciones de un alto riesgo de una enfermedad o del diagnóstico
del paciente con una enfermedad (con o sin tratamiento). Por
ejemplo, una persona con niveles intermedios de uno o más
marcadores asociados a desórdenes neurodegenerativos cuyos niveles
no son suficientemente altos para señalizar un estado de enfermedad
aunque estén por encima del promedio, puede ser supervisada
periódicamente para determinar si los picos del marcador se elevan a
un nivel indicativo de un estado de la enfermedad para que el
tratamiento pueda comenzar. Alternativamente, un paciente que ha
sido diagnosticado con una enfermedad puede ser supervisado para
determinar la eficacia del medicamento (si está en tratamiento) o la
progresión de la enfermedad (si la enfermedad es incurable), por
ejemplo supervisando los niveles de antígenos asociados a desórdenes
neurodegenerativos después de haberse diagnosticado un desorden
neurodegenerativo.
HICS-FTMS se puede utilizar
generalmente para caracterizar consecuencias toxicológicas de
tratamientos con droga. Por ejemplo, un perfil de picos de
HICS-FTMS se puede obtener de un objeto bajo prueba
que experimenta un tipo particular de efecto secundario de la droga.
Los perfiles de picos de cada droga conocida que produzca un efecto
secundario substancialmente similar se pueden comparar para
descubrir patrones que pueden probar el diagnóstico o una
característica con un efecto secundario toxicológico particular.
Este análisis puede ser extendido para caracterizar los efectos
secundarios causados por las terapias de combinación cuyos perfiles
de picos de HICS-FTMS pueden ser predictivos de
combinaciones indeseables de la droga. Además, los perfiles de picos
se pueden obtener para muchas diversas dosificaciones de una droga
específica, así como para producir la capacidad predictiva con
respecto a la dosificación apropiada.
El objeto bajo prueba puede ser seres humanos,
animales de laboratorio, cultivos de célula, modelos de levadura,
modelos bacterianos, sistemas sin células, u otros sistemas in
vitro.
Los perfiles de picos pueden ser obtenidos
analizando biopsias, explantes de tejidos, cultivos de célula, o
fluídos corporales. Los marcadores toxicológicos no necesitan
encontrarse en las células o los tejidos en los cuales la droga
ejerce su efecto terapéutico. Por ejemplo, aunque una droga puede
tener un efecto localizado, la toxicidad de la droga puede ser
debido a sus metabolitos que se podrían encontrar en el hígado, la
circulación sanguínea y/o la orina.
Dados los perfiles de picos de
HICS-FTMS que caracterizan un efecto secundario
particular, los picos específicos se pueden señalar como marcadores
toxicológicos para ese efecto secundario. Estos marcadores pueden
servir como método de diagnóstico rápido. Además, la identificación
de estos marcadores puede dilucidar los caminos toxicológicos y así
en últimas ser útil para el diseño de la terapéutica. Ciertos
marcadores pueden estar presentes solamente en un subconjunto de
temas, reflejando sensibilidades individuales a las medicaciones.
Esta variabilidad en la sensibilidad de la droga se puede explotar
para definir además los marcadores toxicológicos para diversos
subgrupos.
La construcción de los perfiles de picos de
HICS-FTMS en puntos de tiempo múltiples a través de
un curso del tratamiento puede identificar etapas intermedias en un
episodio toxicológico. Así, se pueden encontrar no sólo perfiles de
picos característicos de HICS-FTMS para los puntos
finales (efecto secundario contra ningún efecto secundario), sino
que los perfiles de picos HICS-FTMS pueden permitir
la identificación de varias etapas intermedias hacia cualquier punto
final. Estas etapas intermedias perceptibles se podrían utilizar
luego para supervisar efectos toxicológicos y su desaparición
durante un régimen de tratamiento.
Una vez se haya creado una base de datos de
espectros generados por HICS-FTMS a partir de las
diversas respuestas de la droga, un perfil de picos de
HICS-FTMS obtenido de un objeto bajo prueba expuesto
a una droga novedosa o un nuevo régimen de tratamiento puede
predecir efectos secundarios potencialmente adversos. Así, los
tratamientos o las dosificaciones se podrían ajustar ante la
administración.
La utilidad práctica de esta tecnología se puede
ejemplificar por un curso de tratamiento para bajar el colesterol de
suero. Muchas drogas se han utilizado en el tratamiento del
colesterol alto de suero, incluyendo resinas enlazantes de ácido
biliar (por ejemplo, colestiramina (Questran Light®,
Bristol-Myers Squibb), clorhidrato del colestipol
(Cotestid®, el Upjohn Company), estatinas (por ejemplo, lovastatina
(Mevacor®, Merck & Co., Inc.), pravastatina (Pravachol®,
Bristol-Myers Squibb Co.), atovastatina (Lipitor;
Parke Davis)), ácido nicotínico, fibrato (por ejemplo, clofibrato
(Atromid-S®. Laboratorios de
Wyeth-Ayerst)), gemfibrozil (Lopid®,
Parke-Davis), estrógeno oral, ácidos carboxícilicos
con cadena larga (por ejemplo, ácidos
\alpha,\omega-dicarboxílicos de cadena larga,
ácidos,
\beta,\beta,\beta',\beta'-tetrasubstituidos
\alpha,\omega-alkanodioicos).
Desafortunadamente, estos medicamentos se han asociado a efectos
secundarios numerosos, incluyendo desórdenes gastrointestinales,
deficiencias selectivas de vitamina, disfunción del hígado y de
riñones, cáncer, enfermedad de la vesícula biliar, enfermedad
tromboembólica, adenoma hepático, rabdomiólisis, presión arterial
elevada, intolerancia a la glucosa, y hipercalcemia. Muchas otras
moléculas que tienen actividad in vivo y/o in vitro,
incluyendo los compuestos guías o iniciales para el desarrollo de la
droga anti-hipercolesterolémica, nunca no se han
explotado en los regímenes terapéuticos para una variedad de
razones. Por lo tanto, hay una necesidad clara de desarrollar la
terapéutica que carezca de efectos secundarios, y aún así que
combate el colesterol alto de suero y las enfermedades que resultan
de un metabolismo de lípidos indeseable.
Los perfiles de picos de
HICS-FTMS se podrían obtener para cada régimen de
tratamiento y para cada compuesto pre-clínico que
tenga la actividad deseada. La comparación de los perfiles de picos
entre tratamientos puede distinguir ciertos picos asociados a los
efectos deletéreos de la droga. Estos picos distintivos pueden
proporcionar una prueba para screening (investigación, tamizado o
cribado y selección) de los compuestos ofrecidos para uso en el
tratamiento del colesterol alto de suero que tienen efectos
secundarios indeseados. Por otra parte, la identificación de los
compuestos representados por estos picos puede proporcionar pistas
para el diseño de la droga que evitaría efectos secundarios. La
investigación adicional mediante HICS-FTMS del curso
del tiempo del tratamiento de la droga puede revelar el modo de la
acción o indicar puntos novedosos para una intervención.
Una estrategia similar a ésa propuesta para
estudiar la toxicología de la droga se podría adaptar para las
respuestas biológicas deletéreas a los agentes carcinógenos, a los
venenos, y a la radiación. Los perfiles de picos característicos de
respuestas a estos agentes se pueden determinar, comparar con las
muestras no tratadas para identificar picos de marcador, y después
usados para supervisar respuestas biológicas o tamizar o cribar
desconocidos para agentes potencialmente adversos. Una vez que se
identifiquen los picos característicos, un agente de prueba de
características desconocidas se puede probar, por ejemplo para su
carcinogenidad, determinando su grado, si hay alguno, al cual el
agente puede aumentar o inhibir el o los picos de interés.
HICS-FTMS tiene la capacidad de
caracterizar virtualmente todas las diferencias moleculares que
ocurren entre las células y/o los tejidos normales y enfermos del
mismo tipo, o entre las células tratadas con una molécula de prueba
tal como una droga y sus contrapartes no tratadas. Los métodos de
HICS-FTMS de la presente invención proporcionan
mucha más información que los métodos para descubrimiento objetivos
existentes tales como técnicas de la expresión del genoma o
diferencial que se enfocan en la detección de cambios genotípicos y
detectan cambios solamente de DNA o mRNA; por otra parte, proteómica
no detecta droga o enfermedad objetivos no proteínicos, y por lo
tanto se relaciona solamente con las proteínas codificadas por las
secuencias particulares. No hay actualmente métodos disponibles por
los cuales se pueden evaluar las diferencias en el contenido de
metabolito de células. Por el contrario, los métodos de la presente
invención permiten la detección de todos los tipos de droga o de
enfermedad objetivos (target), en los cuales los objetivos podrían
ser proteínas, péptidos pequeños, carbohidratos, ácidos nucleicos,
metabolitos, o cualquier molécula que tenga una masa o una
estructura capaz de ser detectada mediante FTMS. La información
producida por HICS-FTMS se puede compilar en bases
de datos, para usar como puntos de referencia en tamizajes o
cribados futuros de HICS-FTMS, para comparaciones
complejas de una gran cantidad de perfiles de picos.
Los métodos de la presente invención se pueden
utilizar además para supervisar respuestas celulares o de organismos
a la tensión y para identificar componentes clave que se pueden
utilizar como objetivos para el descubrimiento de agentes que imitan
o inhiban las respuestas de tensión. Según lo utilizado en la
presente, por tensión se entiende cualquier tipo de efecto sobre el
ambiente o sobre la integridad de una célula o de un organismo.
Tales efectos incluyen pero no se limitan a temperaturas extremas, a
tensión emocional (terror, choque), heridas, privación de
nutrientes, respuestas metabólicas, infección con patógenos
intracelulares y radicales del oxígeno.
Brevemente, los perfiles de picos de FTMS se
obtienen para células u organismos en sus estados normales y en
varios puntos de tiempo después de la exposición a una lesión. Los
picos que están presentes en niveles significativamente más altos
en las células dañadas son potenciales generadores de efectos de la
respuesta celular o del organismo a la lesión. Una vez se ha
identificado un generador de efectos, HICS-FTMS o el
diseño racional de la droga se puede utilizar además en el
descubrimiento de análogos/agonistas y antagonistas del generador de
efectos. Si la respuesta es beneficiosa (por ejemplo, insecticidas
naturales de vegetales producidos en respuesta al ataque de una
peste), los análogos o agonistas del generador de efectos se pueden
desarrollar para tratar o prevenir los efectos futuros. Si la
respuesta es deletérea (por ejemplo, choque anafiláctico en
respuesta a la mordedura de un insecto), los antagonistas del
generador de efectos pueden ser desarrollados para prevenir la
respuesta adversa después de los efectos futuros. Las drogas así
identificadas se pueden probar en su eficacia para la modulación las
respuestas de modelos animales que se exponen a los mismos
efectos.
Una rata macho Sprague-Dawley
fue anestesiada mediante administración de pentobarbitol de sodio en
dosis de 50 mg/kg de la masa corporal con inyección
intraperitoneal. La perfusión in situ del hígado fue
realizada como sigue. El abdomen del animal fue abierto, la vena
porta fue canulada y el hígado inundado con solución de WOSH (149 mM
de NaCl, 9.2 mM de Na HEPES, 1.7 mM de fructosa, 0.5 mM de EGTA, 10
U/ml heparina, pH 7.5) en un caudal de 30 ml/min por 6 minutos. Para
hacer digestión del hígado, la solución de DSC (6.7 mM de KCl, 143
mM de NaCl, 9.2 mM de Na HEPES, 5 mM de
CaCl_{2}-2H_{2}O, 1.7 mM de fructosa, 0.2% BSA,
100 U/ml de colagenas tipo 1,80 U/ml, 160 BAEE/ml, de inhibidor de
tripsina, pH 7.5) fue difundida a través del hígado en un caudal de
30 ml/min durante 6 minutos a una temperatura de 37ºC. Después de la
digestión, las células fueron dispersadas en una solución de
DMEM-(DMEM que contenía 2 mM de GlutMax-1, 0.2% BSA,
el 5% FBS, 12 nM de insulina, 1.2 PM de hidrocortisona.) para parar
el proceso de la digestión. La suspensión de la célula cruda fue
filtrada a través de tres capas de un tamiz de acero inoxidable con
tamaños de poro de 250, 106, y 75 \mum respectivamente. Las
células filtradas fueron centrifugadas 50 x g durante minutos y se
desechó el flotante. La bolita de la célula fue suspendida de nuevo
en DMEM- y centrifugada otra vez. Esta bolita final de la célula fue
suspendida de nuevo en la solución de DMEM+HS (DMEM que contenía 2
mM de GlutMax-1, 20 nM de ácido
delta-aminolevulínico, 17.4 mM MEM de aminoácidos no
esenciales, 20% FBS, 12 nM de insulina, 1.2 uM de hidrocortisona) y
chapado para formar cultivos monocapas a una densidad de 100 x 103
células/cm^{2} sobre platos de cultivo recubiertos de colágeno.
Cuatro horas después del chapado inicial, los medios fueron
cambiados a SF-DMEM+ (DMEM que contiene 2 mM de
GlutMax-1, 20 nM de ácido
delta-aminolevulínico, 17.4 mM MEM de aminoácidos no
esenciales, 12 nM de insulina, 1.2 PM de hidrocortisona) y dejados
sobre células durante la noche.
Para evaluar los efectos de la lovastatina en
las células de hepatocito, las células fueron expuestas a
concentraciones crecientes que se extendían desde 0.03 a 30 PM
durante 4 horas. Fueron expuestas células de control a los mismos
medios que carecían lovastatina. Para preparar los medios que
contenían lovastatina, una solución de lovastatina de 30 mM en
dimetilsulfoxido fue preparada bajo condiciones asépticas. En un
gabinete de seguridad biológica y estéril fue preparada la
concentración de 30 PM diluyendo 1:1000 la formulación de solución
de DMSO en SF-DMEM+. Fueron preparadas
concentraciones más bajas mediante dilución de la solución de 30 PM
con 0.1% de DMSO en SF-DMEM+. Para tratar las
células, fueron quitados los medios y fueron agregados 100 PL por
pozo de lovastatina formulada. Las células fueron incubadas por 4
horas a 37ºC en aire humedecido al 95% y 5% de ambiente de CO_{2}.
Al terminar la incubación, los medios fueron retirados y extraídos
sobre hielo con 2 volúmenes de metanol: agua: ácido acético
(MeOH:DIW:HAc;49:49:2). Las células fueron extraídas 3 veces con 200
PL de cada uno de MeOH:DIW:HAc. Las sales fueron retiradas de ambos
medios y de los extractos de célula con la resina catiónica AG®
50W-X9 (Bio-Bio-Rad
laboratorios, Hércules, CA). Para retirar la resina, las muestras
fueron centrifugadas a 1000 RPM y los flotantes fueron transferidos
a los frascos de la muestra de HPLC.
Todas las mediciones fueron realizadas en un
Bruker APEX II FTMS equipado con un magneto o imán de 7.0 Tesla. Los
medios de cultivo y las células fueron extraídos por diversos
solventes, transferidos a los frascos individuales de la muestra y
puestos en una bandeja para automuestreo. Se usó un manejador de
líquidos Gilson 215 para automuestreo de los 200 pozos. El control
del Gilson 215 fue manejado a través del paquete XMAS S, que también
actúa como la plataforma principal del software para controlar el
espectrómetro FTMS. La detección total exacta fue realizada con el
uso de calibración externa. El espectrómetro de masas fue calibrado
antes de la corrida del automuestreo usando una mezcla de péptidos
estándares. Los datos de masas exactos fueron luego analizados
usando rutinas de Tcl/Tk, que buscan en serie los espectros de masas
de cada pozo para la composición química de los productos
metabólicos.
Después de que los espectros exactos de FTMS
fueran recogidos y analizados, el software de análisis de datos de
HlCS-FTMS (descrito en la sección 5.3.1,
supra) fue utilizado para seleccionar, comparar y analizar
picos de los espectros. Las porciones de la muestra de los espectros
generados se muestran en la fig. 4, con las puntas de flecha
indicando los picos ejemplares cuyas intensidades fueron
amplificadas con el tratamiento de lovastatina.
El software de análisis de datos de
HICS-FTMS fue utilizado para analizar datos de los
espectros de FTMS de muestras de los hepatocitos tratados con
diversas concentraciones de lovastatina. 82 picos de baja masa
molecular fueron seleccionados y además analizados en el formato
gráfico, el cual se representa como la intensidad relativa del pico
en cada concentración de lovastatina (normalizada frente a
mediciones obtenidas de animales no tratados vs. la concentración en
PM (véase fig. 5a-5h). LOWESS, un procedimiento
robusto de ajuste local, fue utilizado para realizar el ajuste
lineal y no lineal de la curva. La regresión logística también fue
utilizada para refinar el ajuste de curva y para proporcionar
medidas estadísticas exactas; la regresión linear también se puede
utilizar para este propósito.
Algunos gráficos mostraron una buena correlación
entre la concentración de lovastatina y la intensidad relativa,
mientras que otros mostraron poca correlación. Los gráficos que
muestran poca o ninguna correlación pueden ser artifactuales y son
de poco interés en este punto. Las moléculas de significancia
práctica son aquellas que muestran una correlación fuerte entre la
concentración de la droga y la intensidad relativa. Tales picos de
interés pueden aumentar o disminuir linealmente o sigmoidalmente con
la concentración de la droga. Estos picos se pueden considerar los
más relevantes para la actividad terapéutica, los efectos tóxicos
y/u otros efectos biológicos en ese contexto.
Un aspecto del resultado digno de observación es
la sensibilidad de FTMS en la separación de picos en este sistema
celular complejo. Por ejemplo, fueron identificados dos picos en las
masas moleculares de 85.02815 y 85.64405, una diferencia en masa de
0.7%. Mientras que el pico en la masa molecular 85.02815 mostró una
tendencia decreciente al aumentar las concentraciones de
lovastatina, el pico en la masa molecular 85.64405 mostró una
tendencia creciente. Claramente y de dos diversas maneras fueron
afectadas por la droga dos moléculas de masas moleculares distintas
pero cercanas y estas diferencias fueron resueltas con éxito por
HICS-FTMS.
Los datos demuestran la detección de cambios
tanto dependientes del tratamiento como independientes del
tratamiento en componentes intracelulares y extracelulares. La
abundancia de compuesto parental y de varios metabolitos se
correlaciona con las variaciones en la abundancia de otras moléculas
pequeñas presentes en los pozos. Además, la exactitud de masa
demostrada para cada una de las muestras (< 2 ppm) proporciona
información inequívoca sobre la estructura y las fórmulas de los
productos metabólicos.
Tres ratas fueron tratadas diariamente con 100
mg/kg de
6-(6-hidroxi-5,5-dimetilhexiloxi)-2,2-dimetilhexan-1-ol
mediante alimento forzado oral, en el curso de una semana. El
6-(6-hidroxi-5,5-dimetilhexiloxi)-2,2-dimetilhexan-1-ol
aumenta el colesterol HDL y mejora la utilización de la glucosa en
ratas experimentales (véase la solicitud estadounidense con número
de serie 09/540.738, presentada marzo 31.2000). Al final de la
semana, se sacó la sangre de cada una de las tres ratas, como
también de las tres ratas (no tratadas) de control. Se dejo coagular
la sangre y se preparó el plasma para FTMS agregando una solución de
agua y metanol (49:49:2, agua:metanol:ácido acético v:v:v) para
cada una de las preparaciones del plasma. La mezcla fue enfriada
para precipitar las proteínas al fondo del tubo. Cada tubo fue
centrifugado, decantado el flotante y la muestra desalinizada
agregando aproximadamente 100 mg de resina de intercambio iónico
DOWEX a cada frasco e incubando la muestra con la resina durante
aproximadamente 10 minutos. La muestra fue centrifugada luego y el
flotante retirada. Esta solución fue introducida luego al
espectrómetro de masas FT.
Una región seleccionada de perfil de picos para
las muestras se muestra en la fig. 6. La FIG. 6A-C
muestra espectros de las muestras derivadas del plasma de ratas no
tratadas, mientras que la FIG. 6D-F muestra
espectros de las muestras derivadas del plasma de las ratas tratadas
con
6-(6-hidroxi-5,5-dimetilhexiloxi)-2,2-dimetilhexan-1-ol.
Por lo menos dos picos correspondientes a las moléculas de masa
molecular de aproximadamente 766.4 y 766.8 Daltons tienen
intensidades reproducibles más altas en los espectros de las
muestras derivadas del plasma de las ratas tratadas con
6-(6-hidroxi-5,5-dimetilhexiloxi)-2,2-dimetilhexan-1-ol.
Este experimento demuestra la utilidad de los
métodos de la invención en screening (tamizado o cribado y
selección) para marcadores de respuestas biológicas a las drogas en
el material biológico obtenido de tejido mamífero.
a Resistencia a la insulina y la prevalencia del
síndrome X está aumentando en la población. El agrupamiento de la
resistencia a la insulina, la hipertensión, la hipertrigliceridemia
y el colesterol HDL de plasma bajo son sellos del Síndrome X
(Comicelli, 1997, Atherosclerosis
2(2):43-49).
Varias drogas están disponibles para tratar
pacientes con síndrome X, incluyendo drogas de sulfonilurea,
biguanidas y derivados de TZD. Las drogas de sulfonilurea son
toleradas razonablemente bien, pero después de varios años de
tratamiento la capacidad de las drogas para controlar la glucosa
disminuye notablemente. Las biguanidas se utilizan ampliamente pero
pueden inducir efectos secundarios serios, por ejemplo, acidosis
láctica y desórdenes gastrointestinales. Los derivados de TZD
inducen aumento del peso corporal y falla del hígado. Las drogas que
están actualmente en desarrollo para el tratamiento de los
desórdenes relacionados con el síndrome X son, por prevalencia,
ligandos receptores/activadores nucleares. Varios estudios in
vitro e in vivo han demostrado que los agonistas
PPAR\gamma reducen los triglicéridos y aumenta la sensibilización
a la insulina.
Otras drogas útiles para tratar el síndrome X
-mediante la regulación del colesterol y de la bilis, de la función
de adipocita y el metabolismo de la glucosa activan otros receptores
nucleares, por ejemplo, RXR (receptor de ácido retinoico), FXR
(receptor del ácido biliar), LXR (receptor del oxisterol).
Los cultivos de hepatocita, enterocita,
adipocita y de células humanas de músculo se tratan
independientemente con (i) compuestos útiles para manejar por lo
menos un aspecto del síndrome X en seres humanos (por ejemplo,
drogas eficaces en disminuir triglicéridos y colesterol LDL así como
también aumentar el HDL, por ejemplo, fenofibrato, bezafibrato y
gemfibrozil); (ii) compuestos conocidos por ser activos in
vitro y por haber sido validados en un modelo animal pero no han
sido desarrollados para el uso humano
(FMOC-L-Leucine, descrito por ser un
activador de PPAR\gamma en el XII simposio internacional de
Estocolmo sobre ateroesclerosis; ácido retinoico y
6-(6-hidroxi-5.5-dimetilhexiloxi)-2.2-6-(6-hidroxi-5,5-dimetilhexiloxi)-2,2-dimetil-hexan-1-ol);
y (iii) compuestos cuya actividad se ha establecido in vitro
pero para los cuales todavía no se han desarrollado modelos
animales.
Usando los screens (cribado o tamizaje) de
HICS-FTMS múltiples descritos en la presente, los
perfiles de picos son de muestras derivadas de contenidos de células
y de flotantes celulares, de células expuestas individualmente;
arriba se han descrito miembros múltiples de cada clase de los
compuestos, preferiblemente en triplicado, preferiblemente usando
diferentes tipos de célula y preferiblemente cada uno en un rango de
concentraciones y un rango de períodos de incubación para cada
compuesto. Los perfiles de pico dentro de cada clase de compuestos y
entre las clases de compuestos se comparan para cada tipo de la
célula.
Se identifican y se caracterizan los picos que
están comúnmente presentes en muestras preparadas de células en
contactadas para fibratos, glitazonas y biguanidas.
Se identifican y se caracterizan los picos que
son comunes para el ácido retinoico, especialmente 24232,
FMOC-L-fMOC-L-Leucine.
Preferiblemente, se identifican los picos que
están comúnmente presentes o ausentes en perfiles de picos de
muestras derivadas de células tratadas con todas las tres clases de
drogas.
Después de que se identifican los picos comunes,
los animales modelo experimentales (las ratas de Zucker, el modelo
de rata diabética (inyección de estreptozotocina), los ratones
ob/ob, hámster sirios tratados con estreptozotocina (que tienen
proteína de transferencia del éster de colesterol de CETP, esencial
para el metabolismo de HDL, presente en el hombre y ausente en ratas
y ratones)) se tratan durante 2 a 4 semanas con drogas diferentes, y
muestras de sangre se toman en diversos puntos de tiempo y se
analizan mediante FTMS según lo descrito en la sección 7,
supra. Los picos en los diversos espectros de masas se
comparan. Una vez más los picos comunes a todas las drogas se
caracterizan.
Una colección de compuestos (de bibliotecas
combinatorias y de bibliotecas comercialmente disponibles) se
incuba con diferentes líneas celulares humanas (adipocitos,
hepatocitos, enterocitos, células de los músculos).
El contenido y los sobreflotantes de la célula
son analizados mediante FT-MS. Se comparan los
compuestos que aumentan picos similares como moléculas de
referencia en células y animales y se determinan las relaciones de
la estructura con la actividad. Las moléculas se comparan usando
software de cómputo químico tal como Catalyst (MSI). Se identifican
los farmacóforos y se generan las hipótesis.
Las hipótesis se utilizan luego para screen
(tamizado o cribado y selección) de la biblioteca virtual de
compuestos. Los más activos son probados luego en animales en un
proceso iterativo.
Pruebas de farmacóforos/generación de hipótesis,
síntesis de nuevas entidades químicas, identificación de los
compuestos más activos. Los compuestos novedosos identificados de
este modo son compuestos guía o iniciales para el desarrollo de la
droga.
Claims (39)
1. Un método para identificar unas o más
moléculas que se diferencian en abundancia entre una primera
población de células y una segunda población de células, que
comprende: (a) comparar un primer perfil de picos de Espectrometría
de Masas por Transformadas de Fourier (FTMS, por sus siglas en
inglés) obtenido de la primera población de células con un segundo
perfil de picos de FTMS obtenido de la segunda población de células,
en donde el primer perfil de picos y el segundo perfil de picos no
se obtienen de manera concurrente y en donde la primera y la segunda
poblaciones de células no contienen una etiqueta; y (b) identificar
uno o más picos que se diferencian en intensidad en el primer perfil
de picos de FTMS con relación al segundo perfil de picos de FTMS, en
el cual uno o más picos corresponden a una o más moléculas que se
diferencian en abundancia entre una primera población de células y
una segunda población de células, identificando así una o más
moléculas que se diferencian en abundancia entre una primera
población de células y una segunda población de células.
2. Un método para identificar unas o más
moléculas que se diferencian en abundancia entre una primera
población de células y una segunda población de células, que
comprende: (a) comparar un primer perfil de picos de Espectrometría
de Masas por Transformadas de Fourier (FTMS, por sus siglas en
inglés) obtenido de la primera población de células con un segundo
perfil de picos de FTMS obtenido de la segunda población de células,
en donde el primer perfil de picos y el segundo perfil de picos se
obtienen independientemente; y (b) identificar uno o más picos que
se diferencian en intensidad en el primer perfil de picos de FTMS
con relación al segundo perfil de picos de FTMS, en el que uno o más
picos corresponden a una o más moléculas que se diferencian en
abundancia entre una primera población de células, en donde las
moléculas que se diferencian en abundancia se seleccionan del grupo
de lípidos, de ácidos nucleicos, de carbohidratos, de metabolitos o
de moléculas pequeñas.
3. El método de la reivindicación 2, en el cual
las moléculas que se diferencian en abundancia son moléculas
pequeñas de menos de 2500 Daltons.
4. El método de cualesquiera de las
reivindicaciones 1 a 3, que comprende además: (c) antes del paso
(a), obtener el primer perfil de picos de FTMS de la primera
población de células sometiendo dicha primera población de células a
FTMS.
5. El método de cualesquiera de las
reivindicaciones 1 a 4, que comprende además: (c) antes del paso
(a), obtener el segundo perfil de picos de FTMS de la segunda
población de células sometiendo dicha segunda población de células a
FTMS.
6. El método de las reivindicaciones 1 a 5, en
donde la primera población de células es una población de células de
referencia y la segunda población de células es una población de
células bajo prueba.
7. El método de la reivindicación 6, en donde la
primera y la segunda población de células son de diferentes tipos
de células.
8. El método de la reivindicación 7, en donde la
primera y la segunda poblaciones de células son de diferentes tipos
de tejido del mismo organismo.
9. El método de la reivindicación 7, en donde la
primera y la segunda poblaciones de células son del mismo tipo de
tejido de organismos diferentes.
10. El método de la reivindicación 6, en donde
la primera y la segunda poblaciones de células son del mismo tipo
de células.
11. El método de la reivindicación 10, en donde
la primera población de células es una población normal de células
y la segunda población de células es una población enferma de
células.
12. El método de la reivindicación 11, en donde
la población enferma de células es una población de células
cancerosas.
13. El método de la reivindicación 12, en donde
la población de células cancerosas es una población de células de
melanoma, leucemia mieloide o carcinoma.
14. El método de la reivindicación 13, en donde
el carcinoma es de pulmón, pecho, ovarios, colon, riñón, próstata,
páncreas, estómago, cerebro, del sistema linfático, timo, tiroides,
suprarrenales o testículo.
15. El método de la reivindicación 11, en donde
la población de células enfermas es de un individuo con enfermedad
cardiovascular.
16. El método de la reivindicación 15, en donde
la población de células enfermas es una población de cardiomiocitos,
de células endoteliales, de macrófagos, de hepatocitos, de
adipocitos, de células de músculo liso o de células
intestinales.
17. El método de la reivindicación 11, en donde
la población de células enfermas es de un individuo con
diabetes.
18. El método de la reivindicación 17, en donde
la población de células enfermas es una población de cardiomiocitos,
de células endoteliales, de macrófagos, de células pancreáticas, de
hepatocitos, de adipocitos, de células del músculo liso o de células
intestinales.
19. El método de la reivindicación 11, en donde
la población de células enfermas es de un individuo obeso.
20. El método de la reivindicación 19, en donde
la población de células enfermas es una población de cardiomiocitos,
de células endoteliales, de macrófagos, de células pancreáticas, de
hepatocitos, de adipocitos, de células del músculo liso o de células
intestinales.
21. El método de la reivindicación 10, en donde
la primera población de células no se ha sometido a un agente de
prueba y la segunda población de células se ha sometido al agente de
prueba.
22. El método de la reivindicación 21, en donde
el agente de prueba es una droga conocida.
23. El método de la reivindicación 21, en donde
el agente de prueba es un candidato a droga.
24. El método de la reivindicación 22 o 23, en
donde el agente de prueba es una molécula pequeña.
25. El método de la reivindicación 22 o 23, en
donde el agente de prueba es una proteína.
26. El método de la reivindicación 25, en donde
la proteína es una hormona, un factor de crecimiento, una
citoquina, un ligando o un anticuerpo.
27. El método de la reivindicación 22 o 23, en
donde el agente de prueba es un ácido nucleico.
28. El método de la reivindicación 27, en donde
el ácido nucleico es un ácido nucleico de antisense, un ácido
nucleico de triple hélice, o una ribozima.
29. El método de la reivindicación 27, en donde
el ácido nucleico es un DNA, un RNA, o un híbrido de
DNA-RNA.
30. El método de la reivindicación 6, en donde
el primer perfil de picos de FTMS es un control histórico.
31. El método de la reivindicación 6, en donde
el primer perfil de picos de FTMS es un control concurrente.
32. El método de cualquiera de las
reivindicaciones 1 a 5, en donde la primera y la segunda poblaciones
de la célula son poblaciones de células primarias de un tejido o de
un órgano.
33. El método de la reivindicación 32, en donde
en las células primarias son células del cerebro, de la piel, del
pulmón, endoteliales, epiteliales, adiposas, del músculo, del hueso,
del estómago, del colon, del bazo, del páncreas, del riñón, de la
vejiga, del corazón, del sistema linfático, de la sangre o del
hígado.
34. Un método según cualquiera de las
reivindicaciones 1 a 33, en donde el primer perfil de picos y el
segundo perfil de picos se obtienen de extractos enteros de
células.
35. El método de la reivindicación 34, en donde
el extracto entero de células es un extracto de células extraído con
solventes.
36. El método de la reivindicación 34, en donde
el extracto entero de la célula es desalinizado.
37. El método de la reivindicación 34, que
abarca adicionalmente: (c) antes del paso (a), obtener el primer
perfil de picos de FTMS de la primera población de células
sometiendo dicha primera población de células a FTMS.
38. El método de la reivindicación 34, que
comprende además: (c) antes del paso (a), obtener el segundo perfil
de picos de FTMS de la segunda población de células sometiendo dicha
segunda población de células a FTMS.
39. El método de la reivindicación 34, en donde
la primera población de células es una población de células de
referencia y la segunda población de células es una población de
células bajo prueba.
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US21766300P | 2000-07-10 | 2000-07-10 | |
US217663P | 2000-07-10 | ||
US735707 | 2000-12-12 | ||
US09/735,707 US6680203B2 (en) | 2000-07-10 | 2000-12-12 | Fourier transform mass spectrometry of complex biological samples |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2259668T3 true ES2259668T3 (es) | 2006-10-16 |
Family
ID=26912131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES01958911T Expired - Lifetime ES2259668T3 (es) | 2000-07-10 | 2001-07-10 | Espectrometria de masas por transformadas de fourier de muestras biologicas complejas. |
Country Status (10)
Country | Link |
---|---|
US (2) | US6680203B2 (es) |
EP (1) | EP1299730B1 (es) |
JP (1) | JP2004503749A (es) |
AT (1) | ATE316656T1 (es) |
AU (1) | AU2001280517A1 (es) |
CA (1) | CA2415940A1 (es) |
DE (1) | DE60116882T2 (es) |
ES (1) | ES2259668T3 (es) |
HK (1) | HK1051068A1 (es) |
WO (1) | WO2002004957A2 (es) |
Families Citing this family (99)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6969614B1 (en) * | 1999-02-16 | 2005-11-29 | The United States Of America As Represented By The Department Of Health And Human Services | Methods for the isolation and analysis of cellular protein content |
US7057168B2 (en) * | 1999-07-21 | 2006-06-06 | Sionex Corporation | Systems for differential ion mobility analysis |
CA2387500C (en) * | 1999-10-20 | 2007-07-31 | Gentra Systems, Inc. | Mixing and pouring apparatus with rotatable arm and related vessel |
CA2298181C (en) | 2000-02-02 | 2006-09-19 | Dayan Burke Goodnough | Non-targeted complex sample analysis |
AU2001262943A1 (en) | 2000-04-14 | 2001-10-30 | Metabolon, Inc. | Methods for drug discovery, disease treatment, and diagnosis using metabolomics |
US7329489B2 (en) * | 2000-04-14 | 2008-02-12 | Matabolon, Inc. | Methods for drug discovery, disease treatment, and diagnosis using metabolomics |
WO2001099043A1 (en) | 2000-06-19 | 2001-12-27 | Correlogic Systems, Inc. | Heuristic method of classification |
US6680203B2 (en) * | 2000-07-10 | 2004-01-20 | Esperion Therapeutics, Inc. | Fourier transform mass spectrometry of complex biological samples |
BR0112667A (pt) * | 2000-07-18 | 2006-05-09 | Correlogic Systems Inc | processo de distinção entre estados biológicos baseados em padrões ocultos de dados biológicos |
US8568766B2 (en) * | 2000-08-24 | 2013-10-29 | Gattadahalli M. Anantharamaiah | Peptides and peptide mimetics to treat pathologies associated with eye disease |
CA2427014A1 (en) * | 2000-11-02 | 2002-08-22 | Cornell Research Foundation, Inc. | In vivo multiphoton diagnostic detection and imaging of a neurodegenerative disease |
US6585646B2 (en) * | 2000-11-29 | 2003-07-01 | Hermetic Diagnostics, Inc. | Screening test and procedure using skin patches |
EP1344065A2 (en) * | 2000-12-14 | 2003-09-17 | Paul Stroobant | Differential phage capture proteomics |
CA2349265A1 (en) * | 2001-05-30 | 2002-11-30 | Andrew Emili | Protein expression profile database |
US7274015B2 (en) * | 2001-08-08 | 2007-09-25 | Sionex Corporation | Capacitive discharge plasma ion source |
US6727496B2 (en) * | 2001-08-14 | 2004-04-27 | Sionex Corporation | Pancake spectrometer |
CA2464474C (en) * | 2001-10-24 | 2011-12-20 | The Regents Of The University Of California | Measurement of protein synthesis rates in humans and experimental systems by use of isotopically labeled water |
US20040002842A1 (en) * | 2001-11-21 | 2004-01-01 | Jeffrey Woessner | Methods and systems for analyzing complex biological systems |
US20030108876A1 (en) * | 2001-12-11 | 2003-06-12 | Speir Johnny Paul | Method for the application of FTMS to drug testing |
EP1483399B1 (en) * | 2002-02-12 | 2008-10-29 | The Regents of the University of California | Measurement of biosynthesis and breakdown rates of biological molecules that are inaccessible or not easily accessible to direct sampling, non-invasively, by label incorporation into metabolic derivatives and catabolitic products |
US6771369B2 (en) * | 2002-03-12 | 2004-08-03 | Analytical Spectral Devices, Inc. | System and method for pharmacy validation and inspection |
NZ534751A (en) * | 2002-03-22 | 2007-05-31 | Phenomenome Discoveries Inc | Method of visualizing non-targeted metabolomic data generated from fourier transform ion cyclotron resonance mass spectrometers |
AR040711A1 (es) | 2002-07-29 | 2005-04-13 | Us Agriculture | Un metodo para verificacion de calidad/control de calidad para proceso de bioensayo de alto rendimiento |
EP1546364A4 (en) * | 2002-07-30 | 2006-09-06 | Univ California | METHOD FOR THE LARGE-SCALE AUTOMATIC MEASUREMENT OF PROTEOMIC OR ORGANOMOMIC MOLECULAR FLOW RATES BY MASS SPECTROMETRY |
US6822223B2 (en) * | 2002-08-29 | 2004-11-23 | Siemens Energy & Automation, Inc. | Method, system and device for performing quantitative analysis using an FTMS |
WO2004021863A2 (en) * | 2002-09-04 | 2004-03-18 | The Regents Of The University Of California | Methods for measuring rates of replication and death of nfectious microbial agents in an infected host organism |
DE60324950D1 (de) * | 2002-09-13 | 2009-01-08 | Univ California | Verfahren zur messung der geschwindigkeiten des cholesterinrückwärtstransports in vivo als index für anti-artherogenese |
US20070248540A1 (en) * | 2002-09-16 | 2007-10-25 | The Regents Of The University Of California | Biochemical methods for measuring metabolic fitness of tissues or whole organisms |
US7544932B2 (en) * | 2002-10-21 | 2009-06-09 | The United States Of America, As Represented By The Secretary, Of The Department Of Health And Human Services | Contiguous capillary electrospray sources and analytical devices |
AU2003291731B2 (en) | 2002-11-04 | 2009-09-10 | The Regents Of The University Of California | Deuterated glucose or fat tolerance tests for high-throughput measurement of the metabolism of sugars or fatty acids in the body |
US20040121305A1 (en) * | 2002-12-18 | 2004-06-24 | Wiegand Roger Charles | Generation of efficacy, toxicity and disease signatures and methods of use thereof |
WO2004081527A2 (en) * | 2003-03-10 | 2004-09-23 | Sionex Corporation | Systems for differential ion mobility analysis |
US7425700B2 (en) | 2003-05-22 | 2008-09-16 | Stults John T | Systems and methods for discovery and analysis of markers |
US7262020B2 (en) * | 2003-07-03 | 2007-08-28 | The Regents Of The University Of California | Methods for comparing relative flux rates of two or more biological molecules in vivo through a single protocol |
EP1649281A4 (en) * | 2003-08-01 | 2007-11-07 | Correlogic Systems Inc | MULTIPLE HIGH RESOLUTION SERUM PROTEOMIC CHARACTERISTICS FOR THE DETECTION OF OVARIAN CANCER |
US6984820B2 (en) * | 2003-11-20 | 2006-01-10 | Siemens Energy & Automation, Inc. | Method and apparatus for analyzing hydrocarbon streams |
US20050202406A1 (en) | 2003-11-25 | 2005-09-15 | The Regents Of The University Of California | Method for high-throughput screening of compounds and combinations of compounds for discovery and quantification of actions, particularly unanticipated therapeutic or toxic actions, in biological systems |
WO2005060608A2 (en) * | 2003-12-11 | 2005-07-07 | Correlogic Systems, Inc. | Method of diagnosing biological states through the use of a centralized, adaptive model, and remote sample processing |
TW200538738A (en) | 2004-02-20 | 2005-12-01 | Univ California | Molecular flux rates through critical pathways measured by stable isotope labeling in vivo, as biomarkers of drug action and disease activity |
WO2005085838A2 (en) * | 2004-03-02 | 2005-09-15 | Vanderbilt University | Computational analysis of mass spectroscopic lipid data |
US20050201937A1 (en) * | 2004-03-11 | 2005-09-15 | The Regents Of The University Of California | Temporal or spatial characterization of biosynthetic events in living organisms by isotopic fingerprinting under conditions of imposed isotopic gradients |
US20050238577A1 (en) * | 2004-03-29 | 2005-10-27 | The Regents Of The University Of California | Isolation of epithelial cells or their biochemical contents from excreta after in vivo isotopic labeling |
US7651847B2 (en) * | 2004-06-22 | 2010-01-26 | The Regents Of The University Of California | Methods of oligosaccharide profiling for the detection of cancer |
JP2006119017A (ja) * | 2004-10-22 | 2006-05-11 | Oki Electric Ind Co Ltd | 熱分解ガスクロマトグラフィーを用いた植物の品種判定方法 |
DK1814590T4 (da) * | 2004-11-01 | 2014-02-24 | Amylin Pharmaceuticals Llc | Behandling af obesitet og beslægtede sygdomme. |
SG123632A1 (en) * | 2004-12-15 | 2006-07-26 | Nanyang Polytechnic | Method of generating and representing gene differential expression profiles by applying fourier transform |
GT200600026A (es) * | 2005-01-25 | 2006-11-07 | Bayer Cropscience Sa | Metodo para analizar el acido fosforoso, el fosetil-al o ambos simultaneamente |
US20070003996A1 (en) * | 2005-02-09 | 2007-01-04 | Hitt Ben A | Identification of bacteria and spores |
JP4118918B2 (ja) * | 2005-02-28 | 2008-07-16 | シャープ株式会社 | 信号品質評価装置、情報記録再生装置、信号品質評価方法、記録条件決定方法、信号品質評価プログラム、信号品質評価プログラムを記録したコンピュータ読み取り可能な記録媒体 |
EP2368561B1 (en) | 2005-04-29 | 2013-12-04 | The Regents of The University of California | Peptides and peptide mimetics to treat pathologies characterized by an inflammatory response |
WO2007120154A2 (en) * | 2005-05-04 | 2007-10-25 | The Regents Of The University Of California | Methods of oligosaccharide profiling for the detection of ocular rosacea |
WO2006124628A2 (en) * | 2005-05-12 | 2006-11-23 | Correlogic Systems, Inc. | A model for classifying a biological sample in relation to breast cancer based on mass spectral data |
TW200711660A (en) * | 2005-06-10 | 2007-04-01 | Univ California | Monitoring two dimensions of diabetes pathogenesis separately or concurrently (insulin sensitivity and beta-cell sufficiency): uses in diagnosis, prognosis, assessment of disease risk, and drug development |
EP1875401B1 (en) * | 2005-06-30 | 2014-03-05 | BIOCRATES Life Sciences AG | Device for quantitative analysis of a metabolite profile |
CA2881326A1 (en) * | 2005-09-12 | 2007-03-22 | Phenomenome Discoveries Inc. | Methods for the diagnosis of colorectal cancer and ovarian cancer health states |
WO2007120373A2 (en) * | 2006-01-26 | 2007-10-25 | Sionex Corporation | Differential mobility spectrometer analyzer and pre-filter apparatus, methods and systems |
DK2013619T3 (en) * | 2006-04-10 | 2017-12-04 | Wisconsin Alumni Res Found | METHODS FOR USING HUMAN EMBYO STEM CELLS FOR EVALUATION OF THE PHARMACEUTICAL SUBSTANCE AND OTHER CHEMICALS |
DE102006021493B4 (de) | 2006-05-09 | 2010-04-01 | Bruker Daltonik Gmbh | Massenspektrometrische Messung mikrobieller Resistenzen |
US7742880B2 (en) * | 2006-06-20 | 2010-06-22 | Seer Technology, Inc. | Apparatus, system, and method for broad spectrum chemical detection |
US7806963B2 (en) * | 2006-06-20 | 2010-10-05 | Seer Technology, Inc. | Apparatus, system, and method for improved power utilization in a gas chromatography sensor |
EP2049137A4 (en) | 2006-08-08 | 2013-05-01 | Univ California | SALICYLANILIDES AS AMPLIFIERS OF THE ORAL RELEASE OF THERAPEUTIC PEPTIDES |
WO2008033575A2 (en) * | 2006-09-15 | 2008-03-20 | Metabolon, Inc. | Methods of identifying biochemical pathways |
US8395112B1 (en) * | 2006-09-20 | 2013-03-12 | Mark E. Bier | Mass spectrometer and method for using same |
JP4811467B2 (ja) * | 2006-11-15 | 2011-11-09 | 株式会社島津製作所 | 質量分析データ解析方法及び装置 |
US10928366B2 (en) * | 2007-01-26 | 2021-02-23 | Sigma-Aldrich Co. Llc | Compositions and methods for combining protein precipitation and solid phase extraction |
US10434492B2 (en) * | 2007-01-26 | 2019-10-08 | Sigma-Aldrich Co. Llc | Compositions and methods for solid phase extraction of lipids |
TW200849843A (en) * | 2007-06-01 | 2008-12-16 | Vivatom Element Co Ltd | Communication module having a biomodulator |
WO2008156485A1 (en) * | 2007-06-19 | 2008-12-24 | Gary Bodily | Apparatus, system, and method for broad spectrum chemical detection |
BRPI0813002A2 (pt) | 2007-06-29 | 2017-05-02 | Correlogic Systems Inc | marcadores preditivos para o câncer ovariano |
US20090046274A1 (en) * | 2007-08-16 | 2009-02-19 | Mchugh Mark A | Light Scattering Methods and Systems Using Supercritical Fluid Solvents to Measure Polymer Molecular Weight and Molecular Weight Distribution |
JP2010538005A (ja) * | 2007-08-28 | 2010-12-09 | ユーエービー リサーチ ファウンデーション | 合成アポリポ蛋白質e模倣ポリペプチドおよび使用方法 |
EP2195340A4 (en) | 2007-08-28 | 2011-05-11 | Uab Research Foundation | SYNTHETIC APOLIPOPROTEIN E-IMITATING POLYPEPTIDES AND METHOD OF USE |
US20090134325A1 (en) * | 2007-11-27 | 2009-05-28 | Goldman Mildred M | Methods for detecting estradiol by mass spectrometry |
US8916385B2 (en) * | 2007-12-13 | 2014-12-23 | Quest Diagnostics Investments, Inc. | Methods for detecting estrone by mass spectrometry |
US9468758B2 (en) | 2008-11-27 | 2016-10-18 | E-Qure Corp. | Wound diagnosis |
US8855779B2 (en) * | 2008-11-27 | 2014-10-07 | Adb International Group Inc. | Methods of diagnosis and treatment of wounds, methods of screening for electrical markers for wounds prognosis in patients |
WO2010100816A1 (ja) * | 2009-03-05 | 2010-09-10 | 株式会社 日立ハイテクノロジーズ | 分析装置 |
KR101069629B1 (ko) * | 2009-12-29 | 2011-10-05 | 한국기초과학지원연구원 | 파이프라인방식의 이온 싸이클로트론 공명 질량 분석 제어장치 및 방법 |
EP2550365B1 (en) | 2010-03-22 | 2018-07-04 | Stemina Biomarker Discovery, Inc. | Predicting human developmental toxicity of pharmaceuticals using human stem-like cells and metabolomics |
US9459247B2 (en) * | 2010-03-29 | 2016-10-04 | Academia Sinica | Quantitative measurement of nano/micro particle endocytosis with cell mass spectrometry |
US9673030B2 (en) | 2010-05-17 | 2017-06-06 | Emory University | Computer readable storage mediums, methods and systems for normalizing chemical profiles in biological or medical samples detected by mass spectrometry |
EP2447980B1 (en) * | 2010-11-02 | 2019-05-22 | Thermo Fisher Scientific (Bremen) GmbH | Method of generating a mass spectrum having improved resolving power |
JP5408107B2 (ja) * | 2010-11-10 | 2014-02-05 | 株式会社島津製作所 | Ms/ms型質量分析装置及び同装置用プログラム |
CA2823324C (en) | 2010-12-28 | 2019-12-31 | Quest Diagnostics Investments Incorporated | Quantitation of insulin by mass spectrometry |
US8728824B2 (en) | 2011-06-22 | 2014-05-20 | Quest Diagnostics Investments Inc. | Mass spectrometric determination of fatty acids |
JP2014526685A (ja) | 2011-09-08 | 2014-10-06 | ザ・リージェンツ・オブ・ザ・ユニバーシティ・オブ・カリフォルニア | 代謝流量測定、画像化、および顕微鏡法 |
EP3435088A1 (en) | 2011-12-07 | 2019-01-30 | GlaxoSmithKline LLC | Methods for determining total body skeletal muscle mass |
US8946648B2 (en) | 2012-01-19 | 2015-02-03 | Princeton Gamma-Tech Instruments Llc | Dual range digital nuclear spectrometer |
DE102012100781B4 (de) * | 2012-01-31 | 2013-08-14 | Eberhard-Karls-Universität Tübingen Universitätsklinikum | Forensisches Verfahren |
US9134319B2 (en) | 2013-03-15 | 2015-09-15 | The Regents Of The University Of California | Method for replacing biomarkers of protein kinetics from tissue samples by biomarkers of protein kinetics from body fluids after isotopic labeling in vivo |
US10335789B2 (en) * | 2013-07-26 | 2019-07-02 | The Trustees Of The University Of Pennsylvania | Magnetic separation filters for microfluidic devices |
KR20170028322A (ko) * | 2014-05-28 | 2017-03-13 | 비토 엔브이 | 상이한 생물학적 샘플의 혼합물에 포함된 화학적 화합물의 상대적인 정량화 방법 |
CN107074923B (zh) | 2014-07-31 | 2021-08-03 | Uab研究基金会 | Apoe模拟肽及对清除血浆胆固醇的较高效力 |
US10324082B2 (en) | 2015-03-03 | 2019-06-18 | Quest Diagnostics Investments Llc | Methods for quantitation of insulin levels by mass spectrometry |
CN106053299B (zh) * | 2015-04-12 | 2020-10-30 | 艾斯拜克特Ai有限公司 | 非圆形横截面管道中的流体的nmr成像 |
WO2018002673A1 (en) | 2016-07-01 | 2018-01-04 | N4 Pharma Uk Limited | Novel formulations of angiotensin ii receptor antagonists |
CN110914691B (zh) | 2017-03-31 | 2024-07-26 | 奎斯特诊断投资有限公司 | 用于定量胰岛素和c-肽的方法 |
SG11202110398QA (en) | 2019-03-28 | 2021-10-28 | Univ California | Concurrent analysis of multiple analytes |
CN114651058B (zh) | 2019-08-05 | 2023-07-28 | 禧尔公司 | 用于样品制备、数据生成和蛋白质冠分析的系统和方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4224031A (en) | 1977-11-15 | 1980-09-23 | Mee John M L | CI Mass spectrometric analysis of physiologically active compounds |
GB9315847D0 (en) * | 1993-07-30 | 1993-09-15 | Isis Innovation | Tag reagent and assay method |
US5538897A (en) | 1994-03-14 | 1996-07-23 | University Of Washington | Use of mass spectrometry fragmentation patterns of peptides to identify amino acid sequences in databases |
US6177266B1 (en) * | 1996-04-29 | 2001-01-23 | The United States Of America As Represented By The Secretary Of The Army | Rapid identification of bacteria by mass spectrometry |
US6207370B1 (en) * | 1997-09-02 | 2001-03-27 | Sequenom, Inc. | Diagnostics based on mass spectrometric detection of translated target polypeptides |
US6428956B1 (en) * | 1998-03-02 | 2002-08-06 | Isis Pharmaceuticals, Inc. | Mass spectrometric methods for biomolecular screening |
WO1999046047A2 (en) | 1998-03-10 | 1999-09-16 | Large Scale Proteomics Corporation | Detection and characterization of microorganisms |
US6723564B2 (en) | 1998-05-07 | 2004-04-20 | Sequenom, Inc. | IR MALDI mass spectrometry of nucleic acids using liquid matrices |
US6037118A (en) | 1998-05-14 | 2000-03-14 | University Of Maryland Baltimore County | Viral characterization by direct detection of capsid proteins |
WO2000003240A1 (en) | 1998-07-10 | 2000-01-20 | Cetek Corporation | Method to detect and analyze tight-binding ligands in complex biological samples |
US6183950B1 (en) * | 1998-07-31 | 2001-02-06 | Colorado School Of Mines | Method and apparatus for detecting viruses using primary and secondary biomarkers |
WO2000029987A1 (en) | 1998-11-17 | 2000-05-25 | University Of Maryland | Methods for identifying and classifying organisms by mass spectrometry and database searching |
WO2000048004A1 (en) * | 1999-02-11 | 2000-08-17 | Maxygen, Inc. | High throughput mass spectrometry |
CA2298181C (en) | 2000-02-02 | 2006-09-19 | Dayan Burke Goodnough | Non-targeted complex sample analysis |
US6680203B2 (en) * | 2000-07-10 | 2004-01-20 | Esperion Therapeutics, Inc. | Fourier transform mass spectrometry of complex biological samples |
-
2000
- 2000-12-12 US US09/735,707 patent/US6680203B2/en not_active Expired - Fee Related
-
2001
- 2001-07-10 WO PCT/US2001/021913 patent/WO2002004957A2/en active IP Right Grant
- 2001-07-10 ES ES01958911T patent/ES2259668T3/es not_active Expired - Lifetime
- 2001-07-10 AT AT01958911T patent/ATE316656T1/de not_active IP Right Cessation
- 2001-07-10 EP EP01958911A patent/EP1299730B1/en not_active Expired - Lifetime
- 2001-07-10 AU AU2001280517A patent/AU2001280517A1/en not_active Abandoned
- 2001-07-10 CA CA002415940A patent/CA2415940A1/en not_active Abandoned
- 2001-07-10 DE DE60116882T patent/DE60116882T2/de not_active Expired - Fee Related
- 2001-07-10 JP JP2002509776A patent/JP2004503749A/ja active Pending
-
2003
- 2003-05-06 HK HK03103212A patent/HK1051068A1/xx not_active IP Right Cessation
- 2003-09-08 US US10/657,810 patent/US6974702B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
WO2002004957A2 (en) | 2002-01-17 |
US6680203B2 (en) | 2004-01-20 |
WO2002004957A3 (en) | 2002-11-21 |
JP2004503749A (ja) | 2004-02-05 |
HK1051068A1 (en) | 2003-07-18 |
US20050118650A1 (en) | 2005-06-02 |
EP1299730A2 (en) | 2003-04-09 |
AU2001280517A1 (en) | 2002-01-21 |
ATE316656T1 (de) | 2006-02-15 |
DE60116882T2 (de) | 2006-11-02 |
CA2415940A1 (en) | 2002-01-17 |
US6974702B2 (en) | 2005-12-13 |
EP1299730B1 (en) | 2006-01-25 |
DE60116882D1 (de) | 2006-04-13 |
US20020019023A1 (en) | 2002-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2259668T3 (es) | Espectrometria de masas por transformadas de fourier de muestras biologicas complejas. | |
Přichystal et al. | Structural analysis of natural products | |
Liu et al. | A model for random sampling and estimation of relative protein abundance in shotgun proteomics | |
Robinette et al. | Statistical spectroscopic tools for biomarker discovery and systems medicine | |
US20040121305A1 (en) | Generation of efficacy, toxicity and disease signatures and methods of use thereof | |
Ulintz et al. | Comparison of MS2-only, MSA, and MS2/MS3 methodologies for phosphopeptide identification | |
JP2008547030A (ja) | 代謝産物特性分析のための機器及び方法 | |
JP2003532117A (ja) | 並列質量分析によるプロテオミクス解析 | |
Liu et al. | A review of current applications of mass spectrometry for neuroproteomics in epilepsy | |
Song et al. | Metabolic perturbation score-based mass spectrometry imaging spatially resolves a functional metabolic response | |
Shao et al. | A chemical approach for profiling intracellular AKT signaling dynamics from single cells | |
EP1650568A1 (en) | Fourier transform mass spectrometry for diagnosis of diseases | |
Guise et al. | TDP-43-stratified single-cell proteomic profiling of postmortem human spinal motor neurons reveals protein dynamics in amyotrophic lateral sclerosis | |
US7172739B2 (en) | Protein fractionation | |
Masuo et al. | Brain proteomics: sample preparation techniques for the analysis of rat brain samples using mass spectrometry | |
Gadher et al. | 1st Central and Eastern European Proteomic Conference & 3rd Czech Proteomic Conference 29–31 October 2007, Prague, Czech Republic | |
Deng et al. | Exploring the Accumulation Behavior and Heterogeneity of Perfluorooctanesulfonic Acid in Zebrafish Primary Organ Cells by Single-Cell Mass Cytometry | |
Patel et al. | Proteomics in the Pharmaceutical Industry: Prospects and Challenges | |
Meyer et al. | Peptide Identification and Quantification by Gas Phase Fractionation Enables Proteomics Without Liquid Chromatography | |
Wang et al. | Innovating cancer drug discovery with refined phenotypic screens | |
Nortcliffe | Analysis of Non-covalent Systems Through Mass Spectrometry Techniques | |
Rao et al. | From the clinic to the bench and back again in one dog year: identifying new treatments for sarcoma using a cross-species personalized medicine pipeline | |
HANKEMEIER | More with Less: Single-cell Metabolomics by Mass Spectrometry | |
Beusch | Chemical Proteomics for Drug Target Deconvolution and to Study Biological Systems | |
Rogerson | Studying mutualism and pathogenesis using UPLC-HRMS based metabolomics |