Nouvelles approches métabolomiques en nutrition, apports et
Transcription
Nouvelles approches métabolomiques en nutrition, apports et
TECHNOLOGIE APPLIQUÉE Estelle PUJOSGUILLOT1,2, *, Jean-Louis SÉBÉDIO1,2 Nouvelles approches métabolomiques en nutrition, apports et limites de la spectrométrie de masse RÉSUMÉ Le développement rapide de la métabolomique a été rendu possible grâce aux progrès des techniques analytiques, telle que la spectrométrie de masse et les couplages qui lui sont associés, en particulier celui avec la chromatographie liquide. La metabolomique peut être définie comme l’analyse globale de petites molécules présentes dans une matrice biologique, produites ou modifiées suite à un stimulus (intervention nutritionnelle, prise de médicaments…). L’acquisition des données peut être conduite soit par une approche ciblée, dans laquelle des voies métaboliques particulières sont analysées, soit par une approche globale, sans sélection préalable des voies d’intérêt. Même si la spectrométrie de masse présente des atouts certains, l’application de la métabolomique au domaine de la nutrition se heurte encore à de nombreux challenges analytiques. MOTS- CLÉS Métabolique, spectrométrie de masse, nutrition Nutrition metabolomic, approaches and tools SUMMARY Omique qu The rapidly expanding field of metabolomics has been driven by major advances in analytical tools such as mass spectrometr y and hyphenated methods, in particular the coupling of mass spectrometr y with high performance liquid chromatography. Metabolomics can be described as a global analysis of small molecules of a biological matrix, which are produced or modified as a result of a stimuli (nutritional inter vention, drug etc). The data acquisition and retrieval may be achieved by a targeted analysis where specific pathways are analysed or an untargeted analysis where no prior selection of pathways is performed. Even if mass spectrometr y has a high potential in this area, many challenges still exist in nutritional metabolomics. KEYWORDS Metabolomic, mass spectrometry, nutrition I - Introduction En nutrition, l’approche traditionnelle a longtemps consisté à étudier l’effet d’un nutriment donné sur une fonction particulière ou un organe cible, dans le but d’obtenir une meilleure connaissance du mécanisme d’action des nutriments, notamment en tant que régulateurs des voies métaboliques. Le récent développement de techniques analytiques très performantes et d’outils à haut débit ouvre maintenant un champ d’investigation beaucoup plus large permettant d’intégrer un ensemble de réponses biologiques résultant de la complexité de l’aliment et des régimes alimentaires. La métabolomique est définie comme la mesure quantitative des réponses métaboliques multivariées de cellules, tissus, ou d’un organisme à un stimulus physiopathologique ou environnemental, ou à une modification génétique (1). En nutrition, il s’agit de mesurer les effets (ou conséquences métaboliques) d’une intervention nutritionnelle, par la mesure du changement de profil métabolique induit. *Pour correspondance 1 INRA, UMR 1019 Nutrition Humaine, Plateforme d’Exploration du Métabolisme, Centre de Recherche de Clermont-Ferrand/Theix, F-63122 St-Genès-Champanelle 2 Clermont Université, UFR médecine, UMR 1019 Nutrition Humaine, Clermont-Ferrand SPECTRA ANALYSE n° 269 • Septembre - Octobre 2009 41 TECHNOLOGIE APPLIQUÉE Figure 1 Les étapes d’une étude métabolomique. Acquisition de profils Métaboliques (RMN, SM) Collecte et traitement de l'échantillon Voies métaboliques METABOLOMIQUE Traitements des données Identification des métabolites Analyses statistiques multivariées Bases de données L’objectif peut également viser l’identification des biomarqueurs de maladies métaboliques (maladies cardiovasculaires, cancers, ostéoporose, stress oxydant…). Une étude métabolomique est constituée de différentes étapes (figure 1), impliquant des outils et compétences diverses. Chaque étude commence par l’analyse simultanée le plus souvent par RMN et/ou différents couplages, HPLC-MS ou GC-MS, de quelques centaines d’échantillons biologiques, sous divisés en différents groupes correspondant à différents phénotypes. Après une mise au point méthodologique des étapes de prélèvement, de préparation de l’échantillon (purification) et d’analyses, les données sont collectées pour chaque échantillon. La première étape de retraitement informatique consiste en l’alignement des données (correction en masse) et l’intégration des pics chromatographiques. Une matrice est alors constituée avec l’ensemble des ions détectés dans chaque échantillon, caractérisés par leurs temps de rétention, leurs masses exactes, et leurs intensités. Cette matrice est ensuite soumise à des analyses statistiques, dans le but d’identifier les ions variant de façon significative d’un phénotype à l’autre. A l’issue de cette étape, l’objectif est d’effectuer une identification de ces ions dans le but de comprendre les principales voies métaboliques affectées. L’interprétation des données est complexe notamment en raison du degré de redondance de l’information contenue dans la matrice des marqueurs. En effet, un ion peut être un métabolite, mais aussi son isotope, un adduit ou un fragment de ce métabolite, généré lors du processus 42 SPECTRA ANALYSE n° 269 • Septembre - Octobre 2009 Intégration des données d’ionisation au sein de la source du spectromètre de masse. L’identification des métabolites est aujourd’hui envisagée soit par comparaison avec les bases de données chimiques et biochimiques existantes, soit par des analyses complémentaires en spectrométrie de masse (fragmentations MSn) ou par d’autres techniques (RMN…). Ce type d’approche génère un challenge analytique important. En effet, il s’agit de développer des méthodes permettant la détection d’un grand nombre de métabolites, d’une grande diversité chimique (pKa, polarité, masse) et présents à des concentrations très variables dans des matrices complexes. La spectrométrie de masse offre, de part la multiplicité de ses techniques, une certaine universalité, une grande sensibilité et permet l’accès à des informations structurales et quantitatives. Cependant, un choix de la technique séparative, du type d’ionisation et du type d’analyseur, ainsi qu’une optimisation des paramètres analytiques sont indispensables pour obtenir ce niveau de performance. II - Avantages de la spectrométrie de masse Si la RMN a été la technique qui a permis à la métabolomique de voir le jour, la spectrométrie de masse et les différents couplages qu’elle permet de mettre en œuvre ont joué un rôle essentiel dans son essor (2, 3). La combinaison de plusieurs plateformes analytiques est souvent nécessaire pour couvrir les différentes classes de métabolites et leur large gamme de concentrations dans les matrices biologiques (4-6). Technologie appliquée Nouvelles approches métabolomiques en nutrition, apports et limites de la spectrométrie de masse La chromatographie en phase gazeuse couplée à la spectrométrie de masse (GC-MS) permet d’obtenir des données très reproductibles. En particulier, l’ionisation par impact électronique permet l’obtention de spectres standardisés facilitant l’étape d’identification dans les bases de données. En revanche, elle ne permet l’accès qu’à un nombre limité de métabolites et elle requiert généralement de longues étapes de préparation de l’échantillon. Ainsi, une réaction de dérivation est très souvent nécessaire pour réduire la polarité des molécules, augmenter leur stabilité thermique et les rendre plus volatiles (2). Afin d’accroître le nombre de métabolites séparés, l’utilisation de la chromatographie multidimensionnelle fait l’objet d’un intérêt croissant (7, 8). Cependant le traitement des données est rendu encore plus complexe et aucune solution informatique efficace n’est aujourd’hui disponible (8). Les progrès réalisés dans le domaine du couplage de la chromatographie et de la spectrométrie de masse (electrospray et APCI) en font une technique de choix pour une prise d’empreintes métaboliques. Les échantillons d’urine peuvent être injectés directement après une simple dilution alors que l’analyse du plasma requiert au préalable une précipitation des protéines (9). Le principal problème de la LC-MS est le phénomène de suppression d’ionisation qui dépend de la nature des composés de la matrice et qui est fréquent en particulier lorsque l’electrospray est utilisé comme méthode d’ionisation. Palier ce problème nécessite le développement de séparations chromatographiques de plus en plus performantes (10, 11). L’utilisation de techniques de chromatographie liquide multidimensionnelle est envisagée pour la caractérisation de matrices biologiques très complexes (12, 13) ces techniques requiert toutefois des compétences pointues. La mise en œuvre de phases particulaires de très petit diamètre, dites sub-2-micrométriques, constitue une solution d’intérêt pour analyser avec une résolution maximale des mélanges complexes de métabolites (14). Plusieurs études ont montré que l’utilisation de l’UPLC® (UltraPerformance LC, une technique due à la société Waters) en métabolomique permettait notamment de détecter un plus grand nombre de métabolites, avec des rapports signal/bruit améliorés facilitant l’intégration des pics mais également l’interprétation des spectres (15). Enfin, la miniaturisation des sources et plus particulièrement l’utilisation des sources nanospray est une perspective intéressante, en particulier pour les analyses en infusion directe (16). L’électrophorèse capillaire constitue également une technique pouvant présenter un intérêt en métabolomique grâce à son importante capacité séparative. Cependant, les temps de migration ne sont souvent pas assez reproductibles pour les besoins des études métabolomiques (5). L’utilisation de sources MALDI a également été envisagée, mais ce processus d’ionisation est généralement moins quantitatif pour les petites molécules que l’ionisation par electrospray (17). III - Applications à la nutrition : deux types d’approche Compte tenu de la complémentarité des différentes techniques, la tendance actuelle est d’utiliser une approche multi-plateformes, qui permet de couvrir un domaine plus important de polarité, structures chimiques et concentrations (5, 18, 19). Deux principaux types d’approches sont envisagées en nutrition pour permettre l’analyse de fluides biologiques. La première consiste en une approche de métabolomique non ciblée. Elle s’est révélée très prometteuse notamment pour caractériser des biomarqueurs de la consommation de phytomicronutriments, elle a également permis de mieux comprendre leur métabolisme, leurs effets biologiques et le rôle qu’ils peuvent jouer dans la prévention nutritionnelle de pathologies comme le cancer et les maladies cardiovasculaires (20). Autre exemple, une étude de Williams et al. portant sur la caractérisation de profils plasmatiques de rats obèses, ou non, illustre également la plus-value associée à une approche multi-plateformes dans le cadre de la caractérisation de biomarqueurs de pathologies. La seconde approche est quant-à elle plus ciblée, elle a été plus particulièrement développée dans le domaine de l’analyse des lipides. La « lipidomique » a été définie comme « La caractérisation complète des molécules lipidiques du vivant et leur organisation supramoléculaire, mais aussi la caractérisation de leur rôle biologique propre ou via leur interaction avec les protéines, aboutissant in fine à la régulation des gènes cibles » (21). La tendance actuelle est de développer une méthode permettant l’analyse simultanée des centaines de structures moléculaires composants l’extrait lipidique (22, 23). Cette stratégie d’analyse globale inclut soit l’infusion directe de l’extrait lipidique dans le spectromètre de masse, technique appelée « shotgun lipidomics » ou la chromatographie liquide haute performance couplée à la spectrométrie de masse. IV - Limitations actuelles et perspectives 1. Préparation d’échantillon En nutrition, la variabilité des échantillons est souvent plus forte que les changements induits par les interventions nutritionnelles. Il est donc SPECTRA ANALYSE n° 269 • Septembre - Octobre 2009 43 TECHNOLOGIE APPLIQUÉE particulièrement important de quantifier et minimiser la variabilité analytique. Les principales sources de variations d’une étude humaine ont été décrites par Maher et al. (24), elles incluent la collecte d’échantillons, leur stockage et pré- traitement, la stabilité instrumentale et les variations intra et inter-individuelles. L’étude menée par Bruce et al. (25) a décrit une méthode permettant d’évaluer un protocole métabolomique de l’étape de préparation d’échantillons jusqu’à celle de traitement des données. Quoi qu’il en soit, si de nombreuses études donnent des recommandations pour le traitement des échantillons biologiques, aucune procédure standardisée n’est encore disponible 2. Outils de traitement de données et bioinformatique De nombreuses difficultés sont aujourd’hui liées au traitement des très importantes quantités de données générées. L’étape d’extraction des différents chromatogrammes et spectres est critique puisque les analyses statistiques dépendent de la justesse de cette opération. De nombreux logiciels d’extraction automatique ont été développés, à la fois par les constructeurs sous des formats propriétaires et par des équipes académiques sous forme de logiciels libres. Tous utilisent des algorithmes complexes et parfois peu explicités, nécessitant l’optimisation de nombreux paramètres lors de chaque utilisation. En effet, la variabilité induite par les variations des temps de rétention, des valeurs de masses, et d’intensité (notamment dues à l’encrassement de la source) sont souvent la cause d’un mauvais alignement des données et de la présence d’ions dupliqués dans la matrice des biomarqueurs, posant problème lors des analyses statistiques. 3. Base de données et identification des métabolites L’identification des métabolites est certainement l’étape limitante de l’utilisation de la spectrométrie de masse en métabolomique. La principale raison est la grande diversité de molécules présentes dans les matrices biologiques. Les mesures de masses exactes, en particulier réalisées grâce à des spectromètres très haute résolution, permettent la détermination de formules brutes mais il existe de nombreuses structures pour une même composition atomique. Des expériences de fragmentation MS/MS faisant appel à la spectrométrie de masse en tandem sont ensuite souvent appliquées afin d’obtenir des informations structurales, mais l’identification reste difficile souvent par manque de signal et de spécificité lors des fragmentations. Stoll et al. (26) ont développé une stratégie d’identification basée sur l’utilisation des 44 SPECTRA ANALYSE n° 269 • Septembre - Octobre 2009 ratios isotopiques afin de réduire le nombre de formules brutes potentielles. Un algorithme dérivé de sept règles heuristiques a été proposé par Kind et Fiehn pour permettre la détermination d’une formule brute à partir d’un spectre haute résolution (28). Une approche complémentaire consiste à effectuer une identification au moyen de requêtes automatisées dans des bases de données, telles que KEGG (http://www.genome.jp/kegg/), à partir des masses exactes mesurées. Cependant, en fonction de l’espèce et du type de métabolisme étudié, ces bases peuvent se révéler incomplètes. Les bases de données les plus utiles à l’identification sont celles contenant des spectres de masses de composés standard purs, comme Metlin (http://metlin.scripps.edu), HMDB, ou Mass bank (http://www.massbank.jp). Cependant, peu de composés sont aujourd’hui répertoriés et aucun standard n’a été encore établi par la communauté internationale concernant les conditions analytiques d’acquisition des spectres, pour pouvoir réellement mutualiser les différentes bases et couvrir la grande diversité des métabolites étudiés. V - Conclusion Nous avons assisté ces dernières années à une évolution des méthodes utilisées dans le domaine de la biologie et les approches métabolomiques ouvrent des perspectives nouvelles dans le domaine de la nutrition. Le développement rapide de la métabolomique n’est pas seulement lié au progrès des techniques d’analyse mais également à l’utilisation d’outils bioinformatiques. Les nouveaux développements visent en particulier une intégration des données obtenues à plusieurs niveaux d’investigation sub-cellulaires de manière à appréhender les liens entre génotypes et phénotypes. Cependant, l’identification des métabolites reste aujourd’hui le facteur limitant. La constitution de bases de données en nutrition devrait faciliter l’interprétation biologique des jeux données obtenues. La plateforme d’exploration du métabolisme de l’UMR 1019 INRA/Université d’Auvergne participe à ce développement en partenariat avec le Centre de Bioinformatique de Bordeaux (CBIB, www.cbib.u-bordeaux2.fr) en particulier dans le cadre de l’ANR Metaprofile. L’objectif poursuivi est de structurer une base de données en nutrition incluant non seulement des données de métabolomique mais également des données complémentaires de transcriptomique et de protéomique afin d’interroger et de croiser les différents jeux de données et, ainsi, obtenir l’ensemble des informations des gènes aux métabolites. Technologie appliquée Nouvelles approches métabolomiques en nutrition, apports et limites de la spectrométrie de masse BIBLIOGRAPHIE (1) NICHOLSON JK, LINDON JC, HOLMES E., ‘Metabonomics’: understanding the metabolic responses of living systems to pathophysiological stimuli via multivariate statistical analysis of biological NMR spectroscopic data, Xenobiotica, 1999, 29, 1181-1189. (16) BOERNSEN KO, GATZEK S., IMBERT G., Controlled protein precipitation in combination with chip-based nanospray infusion mass spectrometry. An approach for metabolomics profiling of plasma, Anal. Chem., 2005, 77, 7255-7264. (2) DETTMER K., ARONOV PA, HAMMOCK BD, Mass spectrometry-based metabolomics, Mass Spectrom. Rev., 2007, 26, 51-78. (17) WANG J., VAN DER HEIJDEN R., SPIJKSMA G., REIJMERS T., WANG M., XU G., HANKEMEIER T., VAN DER GREEF J., Alkaloid profiling of the Chinese herbal medicine Fuzi by combination of matrix-assisted laser desorption ionization mass spectrometry with liquid chromatography-mass spectrometry, J. Chromatogr. A, 2009, 1216, 2169-2178. (3) WERNER E., HEILIER JF, DUCRUIX C., EZAN E., JUNOT C., TABET JC, Mass spectrometry for the identification of the discriminating signals from metabolomics: current status and future trends, J. Chromatogr. B, 2008, 871, 143-163. (4) LENZ EM, WILSON ID, Analytical strategies in metabonomics, J. Proteome Res., 2007, 6, 443-58. (5) BUSCHER JM, CZERNIK D., EWALD JC, SAUER U., ZAMBONI N., Cross-Platform Comparison of Methods for Quantitative Metabolomics of Primary Metabolism, Anal. Chem., 2009, 81, 2135-2143. (6) WISHART DS, Metabolomics: applications to food science and nutrition research, Trends Food Sc. Tech., 2008, 19, 482-493. (18) WALSH MC, BRENNAN L., PUJOSGUILLOT E., SÉBÉDIO JL, SCALBERT A., FAGAN A., HIGGINS DG & GIBNEY MJ, Influence of acute phytochemical intake on human urinary metabolomic profile, Am. J. Clin. Nutr., 2007, 86, 1687-1693. (19) WILLIAMS R., LENZ EM, WILSON AJ, GRANGER J., WILSON ID, MAJOR H., STUMPF C., PLUMB R., A multi-analytical platform approach to the metabonomic analysis of plasma from normal and Zucker (fa/fa) obese rats, Mol. Biosyst., 2006, 2,174-183. (7) O’HAGAN S., DUNN WB, KNOWLES JD, BROADHURST D., WILLIAMS R., ASHWORTH JJ, CAMERON M., KELL DB, Closedloop, multiobjective optimization of twodimensional gas chromatography/mass spectrometry for serum metabolomics, Anal. Chem., 2007, 79, 464-476. (20) MANACH C., HUBERT J., LLORACH R., SCALBERT A., The complex links between dietary phytochemicals and human health deciphered by metabolomics, Mol. Nutr. Food Res., 2009, sous presse. (8) KOEK MM, MUILWIJK B, VAN STEE LL, HANKEMEIER T., Higher mass loadability incomprehensive two-dimensional gas chromatography-mass spectrometry for improved analytical performance in metabolomics analysis, J. Chromatogr. A, 2008, 1186, 420-429. (22) ORESIC M., HANNINEN VA, VIDALPUIG A., Lipidomics: a new window to biomedical frontiers, Trends Biotechnol., 2008, 26, 647552. (9) WILSON ID, PLUMB R., GRANGER J., MAJOR H., WILLIAMS R., LENZ EM, HPLC-MS based methods of the study of metabonomics, J. Chromatogr. B, 2005, 817, 67-76. (10) METZ TO, ZHANG Q., PAGE JS, SHEN Y., CALLISTER SJ, JA COBS JM, SMITH RD, The future of liquid chromatography-mass spectrometry (LC-MS) in metabolic profiling and metabolomic studies for biomarker discovery, Biomark. Med., 2007, 1, 159-185. (11) METZ TO, PAGE JS, BAKER ES, TANG K., DING J., SHEN Y., SMITH RD, High Resolution Separations and Improved Ion Production and Transmission in Metabolomics, Trends Analyt. Chem., 2008, 27, 205-214. (12) DIXON SP, PITFIELD ID, PERRETT D., Comprehensive multi-dimensional liquid chromatographic separation in biomedical and pharmaceutical analysis: a review, Biomed. Chromatogr., 2006, 20, 508-529. (13) STOLL DR, LI X., WANG X., CARR PW, PORTER SE, RUTAN SC. FAST, comprehensive two-dimensional liquid chromatography, J. Chromatogr. A, 2007, 1168, 3-43. (14) PLUMB RS, JOHNSON KA, RAINVILLE P., SHOCKCOR JP, WILLIAMS R., GRANGER JH, WILSON ID, The detection of phenotypic differences in the metabolic plasma profile of three strains of Zucker rats at 20 weeks of age using ultraperformance liquid chromatography/orthogonal acceleration time-of-flight mass spectrometry, Rapid Commun. Mass Spectrom., 2006, 20, 2800-2806. (21) SPENER F., LAGARDE A., GELOEN M., RECORD M., What is lipidomics ? Eur.J.Lipid Sci. Technol. 2003, 105, 481-482 (23) WATSON AD, Lipidomics: a global approach to lipid analysis in biological systems, J. Lipid. Res., 2006, 47, 2101-2111. (24) HAN X., GROSS RW, Shotgun lipidomics: electrospray ionization mass spectrometric analysis and quantitation of cellular lipidomes directly from crude extracts of biological samples, Mass Spectrom Rev, 2005, 24 (3), 367-412. (25) MAHER AD, SEVERINE F., ZIRAH M., HOLMES E., NICHOLSON JK, Experimental and Analytical Variation in Human Urine in 1H NMR Spectroscopy-Based Metabolic Phenotyping Studies, Anal. Chem., 2007, 79, 5204-5211. (26) BRUCE SJ, JONSSON P., ANTTI H., OLIVIER C., TRYGG J., MARKLUND SL, MORITZ T., Evaluation of a protocol for metabolic profiling studies on human blood plasma by combined ultraperformance liquid chromatography / mass spectrometry: From extraction to data analysis, Anal. Biochem., 2008, 372, 237-249. (27) STOLL N., SCHMIDT E., THUROW K., Isotope pattern evaluation for the reduction of elemental compositions assigned to high-resolution mass spectral data from electrospray ionization Fourier transform ion cyclotron resonance mass spectrometry, J. Am. Soc. Mass Spectr., 2006, 17, 1692-1699. (28) KIND T., FIEHN O., Seven Golden Rules for heuristic filtering of molecular formulas obtained by accurate mass spectrometry, BMC Bioinformatics, 2007, 8, 105. (15) NORDSTROM A., O’MAILLE G., QIN C., SIUZDAK G., Nonlinear data alignment for UPLC-MS and HPLC-MS based metabolomics: quantitative analysis of endogenous and exogenous metabolites in human serum, Anal. Chem., 2006, 78, 3289-3295. SPECTRA ANALYSE n° 269 • Septembre - Octobre 2009 45