Refine
Has Fulltext
- yes (15)
Is part of the Bibliography
- yes (15)
Year of publication
Document Type
- Journal article (11)
- Doctoral Thesis (4)
Keywords
- metabolomics (15) (remove)
Institute
- Julius-von-Sachs-Institut für Biowissenschaften (5)
- Medizinische Klinik und Poliklinik I (4)
- Theodor-Boveri-Institut für Biowissenschaften (4)
- Comprehensive Cancer Center Mainfranken (2)
- Institut für Pharmazie und Lebensmittelchemie (2)
- Center for Computational and Theoretical Biology (1)
- Graduate School of Life Sciences (1)
- Institut für Pharmakologie und Toxikologie (1)
- Institut für Rechtsmedizin (1)
- Klinik und Poliklinik für Mund-, Kiefer- und Plastische Gesichtschirurgie (1)
Sonstige beteiligte Institutionen
Context:
Adrenal tumors have a prevalence of around 2% in the general population. Adrenocortical carcinoma (ACC) is rare but accounts for 2–11% of incidentally discovered adrenal masses. Differentiating ACC from adrenocortical adenoma (ACA) represents a diagnostic challenge in patients with adrenal incidentalomas, with tumor size, imaging, and even histology all providing unsatisfactory predictive values.
Objective:
Here we developed a novel steroid metabolomic approach, mass spectrometry-based steroid profiling followed by machine learning analysis, and examined its diagnostic value for the detection of adrenal malignancy.
Design:
Quantification of 32 distinct adrenal derived steroids was carried out by gas chromatography/mass spectrometry in 24-h urine samples from 102 ACA patients (age range 19–84 yr) and 45 ACC patients (20–80 yr). Underlying diagnosis was ascertained by histology and metastasis in ACC and by clinical follow-up [median duration 52 (range 26–201) months] without evidence of metastasis in ACA. Steroid excretion data were subjected to generalized matrix learning vector quantization (GMLVQ) to identify the most discriminative steroids.
Results:
Steroid profiling revealed a pattern of predominantly immature, early-stage steroidogenesis in ACC. GMLVQ analysis identified a subset of nine steroids that performed best in differentiating ACA from ACC. Receiver-operating characteristics analysis of GMLVQ results demonstrated sensitivity = specificity = 90% (area under the curve = 0.97) employing all 32 steroids and sensitivity = specificity = 88% (area under the curve = 0.96) when using only the nine most differentiating markers.
Conclusions:
Urine steroid metabolomics is a novel, highly sensitive, and specific biomarker tool for discriminating benign from malignant adrenal tumors, with obvious promise for the diagnostic work-up of patients with adrenal incidentalomas.
Predicting hypertension subtypes with machine learning using targeted metabolites and their ratios
(2022)
Hypertension is a major global health problem with high prevalence and complex associated health risks. Primary hypertension (PHT) is most common and the reasons behind primary hypertension are largely unknown. Endocrine hypertension (EHT) is another complex form of hypertension with an estimated prevalence varying from 3 to 20% depending on the population studied. It occurs due to underlying conditions associated with hormonal excess mainly related to adrenal tumours and sub-categorised: primary aldosteronism (PA), Cushing’s syndrome (CS), pheochromocytoma or functional paraganglioma (PPGL). Endocrine hypertension is often misdiagnosed as primary hypertension, causing delays in treatment for the underlying condition, reduced quality of life, and costly antihypertensive treatment that is often ineffective. This study systematically used targeted metabolomics and high-throughput machine learning methods to predict the key biomarkers in classifying and distinguishing the various subtypes of endocrine and primary hypertension. The trained models successfully classified CS from PHT and EHT from PHT with 92% specificity on the test set. The most prominent targeted metabolites and metabolite ratios for hypertension identification for different disease comparisons were C18:1, C18:2, and Orn/Arg. Sex was identified as an important feature in CS vs. PHT classification.
Despite considerable morbidity and mortality, numerous cases of endocrine hypertension (EHT) forms, including primary aldosteronism (PA), pheochromocytoma and functional paraganglioma (PPGL), and Cushing’s syndrome (CS), remain undetected. We aimed to establish signatures for the different forms of EHT, investigate potentially confounding effects and establish unbiased disease biomarkers. Plasma samples were obtained from 13 biobanks across seven countries and analyzed using untargeted NMR metabolomics. We compared unstratified samples of 106 PHT patients to 231 EHT patients, including 104 PA, 94 PPGL and 33 CS patients. Spectra were subjected to a multivariate statistical comparison of PHT to EHT forms and the associated signatures were obtained. Three approaches were applied to investigate and correct confounding effects. Though we found signatures that could separate PHT from EHT forms, there were also key similarities with the signatures of sample center of origin and sample age. The study design restricted the applicability of the corrections employed. With the samples that were available, no biomarkers for PHT vs. EHT could be identified. The complexity of the confounding effects, evidenced by their robustness to correction approaches, highlighted the need for a consensus on how to deal with variabilities probably attributed to preanalytical factors in retrospective, multicenter metabolomics studies.
In the last few years, quantitative analysis of metabolites in body fluids using LC/MS has become an established method in laboratory medicine and toxicology. By preparing metabolite profiles in biological specimens, we are able to understand pathophysiological mechanisms at the biochemical and thus the functional level. An innovative investigative method, which has not yet been used widely in the forensic context, is to use the clinical application of metabolomics. In a metabolomic analysis of 41 samples of postmortem cerebrospinal fluid (CSF) samples divided into cohorts of four different causes of death, namely, cardiovascular fatalities, isoIated torso trauma, traumatic brain injury, and multi-organ failure, we were able to identify relevant differences in the metabolite profile between these individual groups. According to this preliminary assessment, we assume that information on biochemical processes is not gained by differences in the concentration of individual metabolites in CSF, but by a combination of differently distributed metabolites forming the perspective of a new generation of biomarkers for diagnosing (fatal) TBI and associated neuropathological changes in the CNS using CSF samples.
Marine invertebrate-associated symbiotic bacteria produce a plethora of novel secondary metabolites which may be structurally unique with interesting pharmacological properties. Selection of strains usually relies on literature searching, genetic screening and bioactivity results, often without considering the chemical novelty and abundance of secondary metabolites being produced by the microorganism until the time-consuming bioassay-guided isolation stages. To fast track the selection process, metabolomic tools were used to aid strain selection by investigating differences in the chemical profiles of 77 bacterial extracts isolated from cold water marine invertebrates from Orkney, Scotland using liquid chromatography-high resolution mass spectrometry (LC-HRMS) and nuclear magnetic resonance (NMR) spectroscopy. Following mass spectrometric analysis and dereplication using an Excel macro developed in-house, principal component analysis (PCA) was employed to differentiate the bacterial strains based on their chemical profiles. NMR H-1 and correlation spectroscopy (COSY) were also employed to obtain a chemical fingerprint of each bacterial strain and to confirm the presence of functional groups and spin systems. These results were then combined with taxonomic identification and bioassay screening data to identify three bacterial strains, namely Bacillus sp. 4117, Rhodococcus sp. ZS402 and Vibrio splendidus strain LGP32, to prioritize for scale-up based on their chemically interesting secondary metabolomes, established through dereplication and interesting bioactivities, determined from bioassay screening.
Die zunehmende Entstehung von Resistenzen macht die Entwicklung neuer potenter Wirkstoffe zur Therapie von Infektionskrankheiten immer wichtiger. Dieser Aufgabe stellt sich auch der interdisziplinär aufgebaute SFB 630, in den sich die vorliegende Arbeit eingliedert. Innerhalb des SFBs wurden Isochinolinalkaloid-Derivate (IQs) synthetisiert, die aktiv gegen verschiedene Mikroorganismen sind. Bioinformatische Modellierungen bilden die für den jeweiligen Mikroorganismus spezifischen Stoffwechselwege ab. In Netzwerkanalysen können Änderungen metabolischer Flüsse durch pharmakologisch aktive Substanzen vorhergesagt werden. Gemeinsam mit bioinformatischen Modellen liefern die Metabolommessungen Hinweise auf mögliche Wirkmechanismen. Im Rahmen der vorliegenden Arbeit wurden verschiedene analytische Methoden etabliert, um antiinfektive Wirkungen dieser verheißungsvollen Leitstrukturen auf das Metabolom verschiedener Mikroorganismen zu untersuchen. Die aus den Metabolommessungen erhaltenen Daten fließen in diese Modelle ein und tragen zu deren Optimierung bei. Die Mikroorganismen wurden für die Metabolomanalysen mit aktiven IQs (für S. aureus und C. albicans GB-AP-143, für L. major GB-AP-304) inkubiert. Bei C. albicans erfolgte die Probennahme zu unterschiedlichen Zeitpunkten (lag-, log-, stationäre Phase), um auch die Zeitabhängigkeit der Effekte zu untersuchen. Zusätzlich dienten bei C. albicans als Kontrollen neben parallel angesetzten Zellkulturen ohne Inhibitor, auch Zellkulturen, denen das Lösungsmittel DMSO zugegeben wurde. Es wurden Extraktionsmethoden für die betreffenden Metabolite der hier untersuchten Mikroorganismen (S. aureus, C. albicans, L. major) etabliert. Dabei lag der Fokus auf polaren Metaboliten, da bioinformatische Modellierungen für die Effekte der IQs Änderungen vor allem im Purin- und Pyrimidinstoffwechsel der Mikroorganismen vorhersagten. Zur Analyse des Nukleotidstoffwechsels wurde eine ionenpaarchromatographische HPLC-Methode entwickelt und optimiert. Mit dieser Methode konnten Nicotinamidderivate und Nukleotide des Purin- und Pyrimidinstoffwechsels in Zellextrakten von S. aureus, C. albicans und L. major quantifiziert werden. Für eine Analyse des Wirkmechanismus von GB-AP-143 wurde die Zusammensetzung des Metaboloms von C. albicans mittels einer GC/MS-Methode bestimmt. Nach einer Derivatisierung des Extrakts mit Methoxyamin-HCl und MSTFA konnten in einem Lauf zugleich Target- und Fingerprintanalytik durchgeführt werden. Die Auswertung der Targetanalytik fand unter Anwendung der NIST-Datenbank und Vermessung von Standards statt. Hierbei konnten vor allem Aminosäuren quantitativ erfasst werden. Der Fingerprint wurde durch Einsatz multivariater statistischer Verfahren ausgewertet. Die Daten für die mit GB AP 143 behandelten S. aureus und die mit GB AP 304 behandelten L. major-Promastigoten liefern Hinweise auf eine Wirkung der IQs auf den Komplex-I der mitochondrialen Atmungskette. Für die Behandlung der C. albicans-Kulturen mit GB-AP-143 konnten komplexe Änderungen im Nukleotid- und Aminosäurestoffwechsel gemessen werden. So beeinflusste bereits der Zeitpunkt der Probennahme (lag-, log- oder stationäre Wachstumsphase) die Zusammensetzung des Metaboloms und auch das Lösungsmittel, das für die IQs verwendet wurde, verursachte komplexe Änderungen im Metabolom von C. albicans. Zusätzlich wurden Nukleotid- und Aminosäurekonzentrationen Fluconazol-resistenter C. albicans-Mutanten (TAC, UPC und MRR) untersucht. Im Nukleotidstoffwechsel waren sowohl Konzentrationssteigerungen als auch ein Absinken der Konzentrationen im Vergleich zum Wildtyp zu verzeichnen. Der Aminosäurestoffwechsel zeigte insgesamt einen verminderten Gehalt an Aminosäuren der Mutanten gegenüber dem Wildtyp. Da GB-AP-143 auch Aktivität gegen diese Mutanten zeigte, wurde exemplarisch die MRR-Mutante mit GB-AP-143 inkubiert, um zu untersuchen, ob die durch GB-AP-143 hervorgerufenen Änderungen im Nukleotid- und Aminosäurestoffwechsel ähnlich zu denen des Wildtyps sind. Es konnten im Nukleotidstoffwechsel gegenläufige Effekte für die Inkubation von GB-AP-143 des Wildtyps und der Mutante verzeichnet werden. Die Daten aus den HPLC/UV- und GC/MS-Messungen werden von der Bioinformatik zur Optimierung der verwendeten Modelle genutzt, um auf diese Weise die Wirkmechanismen der IQs besser modellieren zu können. Da das Cytochrom-P-450-Enzymsystem am Metabolismus von etwa 95 % aller Arzneistoffe beteiligt ist, wurden die Effekte ausgewählter IQs auf die sechs wichtigsten arzneistoffmetabolisierenden Enzyme (CYP1A2, 2C8, 2C9, 2C19, 2D6 und 3A4) mit Hilfe eines bereits etablierten CYP-Assays analysiert und näher charakterisiert. Im CYP-Assay zeigte sich für drei IQs eine CYP2D6-Hemmung. Die ausgeprägte CYP2D6-selektive Hemmung von GB-AP-110 ergab einen IC50-Wert von nur 109 nM. Die Charakterisierung der Hemmung ergab einen reversiblen, kompetitiven Inhibitionsmechanismus.
Durch das Auftreten neuer Stämme resistenter Krankheitserreger ist die Suche nach neuartigen Wirkstoffen gegen diese, sich ständig weiter ausbreitende Bedrohung, dringend notwendig. Der interdisziplinäre Sonderforschungsbereich 630 der Universität Würzburg stellt sich dieser Aufgabe, indem hier neuartige Xenobiotika synthetisiert und auf ihre Wirksamkeit getestet werden. Die hier vorgelegte Dissertation fügt sich hierbei nahtlos in die verschiedenen Fachbereiche des SFB630 ein: Sie stellt eine Schnittstelle zwischen Synthese und Analyse der Effekte der im Rahmen des SFB630 synthetisierten Isochinolinalkaloid-Derivaten. Mit den hier angewandten bioinformatischen Methoden wurden zunächst die wichtigsten Stoffwechselwege von S. epidermidis R62A, S. aureus USA300 und menschlicher Zellen in sogenannten metabolischen Netzwerkmodellen nachgestellt. Basierend auf diesen Modellen konnten Enzymaktivitäten für verschiedene Szenarien an zugesetzten Xenobiotika berechnet werden. Die hierfür benötigten Daten wurden direkt aus Genexpressionsanalysen gewonnen. Die Validierung dieser Methode erfolgte durch Metabolommessungen. Hierfür wurde S. aureus USA300 mit verschiedenen Konzentrationen von IQ-143 behandelt und gemäß dem in dieser Dissertation vorgelegten Ernteprotokoll aufgearbeitet. Die Ergebnisse hieraus lassen darauf schließen, dass IQ-143 starke Effekte auf den Komplex 1 der Atmungskette ausübt – diese Resultate decken sich mit denen der metabolischen Netzwerkanalyse. Für den Wirkstoff IQ-238 ergaben sich trotz der strukturellen Ähnlichkeiten zu IQ-143 deutlich verschiedene Wirkeffekte: Dieser Stoff verursacht einen direkten Abfall der Enzymaktivitäten in der Glykolyse. Dadurch konnte eine unspezifische Toxizität dieser Stoffe basierend auf ihrer chemischen Struktur ausgeschlossen werden. Weiterhin konnten die bereits für IQ-143 und IQ-238 auf Bakterien angewandten Methoden erfolgreich zur Modellierung der Effekte von Methylenblau auf verschiedene resistente Stämme von P. falciparum 3D7 angewandt werden. Dadurch konnte gezeigt werden, dass Methylenblau in einer Kombination mit anderen Präparaten gegen diesen Parasiten zum einen die Wirkung des Primärpräparates verstärkt, zum anderen aber auch in gewissem Maße vorhandene Resistenzen gegen das Primärpräparat zu verringern vermag. Somit konnte durch die vorgelegte Arbeit eine Pipeline zur Identifizierung der metabolischen Effekte verschiedener Wirkstoffe auf unterschiedliche Krankheitserreger erstellt werden. Diese Pipeline kann jederzeit auf andere Organismen ausgeweitet werden und stellt somit einen wichtigen Ansatz um Netzwerkeffekte verschiedener, potentieller Medikamente aufzuklären.
Nonlimited proliferation is one of the most striking features of neoplastic cells. The basis of cell division is the sufficient presence of mass (amino acids) and energy (ATP and NADH). A sophisticated intracellular network permanently measures the mass and energy levels. Thus, in vivo restrictions in the form of amino acid, protein, or caloric restrictions strongly affect absolute lifespan and age-associated diseases such as cancer. The induction of permanent low energy metabolism (LEM) is essential in this process. The murine cell line L929 responds to methionine restriction (MetR) for a short time period with LEM at the metabolic level defined by a characteristic fingerprint consisting of the molecules acetoacetate, creatine, spermidine, GSSG, UDP-glucose, pantothenate, and ATP. Here, we used mass spectrometry (LC/MS) to investigate the influence of proliferation and contact inhibition on the energy status of cells. Interestingly, the energy status was essentially independent of proliferation or contact inhibition. LC/MS analyses showed that in full medium, the cells maintain active and energetic metabolism for optional proliferation. In contrast, MetR induced LEM independently of proliferation or contact inhibition. These results are important for cell behaviour under MetR and for the optional application of restrictions in cancer therapy.
The fruit fly Drosophila is a prime model in circadian research, but still little is known about its circadian regulation of metabolism. Daily rhythmicity in levels of several metabolites has been found, but knowledge about hydrophobic metabolites is limited. We here compared metabolite levels including lipids between period\(^{01}\) (per\(^{01}\)) clock mutants and Canton-S wildtype (WT\(_{CS}\)) flies in an isogenic and non-isogenic background using LC–MS. In the non-isogenic background, metabo-lites with differing levels comprised essential amino acids, kynurenines, pterinates, glycero(phospho)lipids, and fatty acid esters. Notably, detectable diacylglycerols (DAG) and acylcarnitines (AC), involved in lipid metabolism, showed lower levels in per\(^{01}\) mutants. Most of these differences disappeared in the isogenic background, yet the level differences for AC as well as DAG were consistent for fly bodies. AC levels were dependent on the time of day in WTCS in phase with food consumption under LD conditions, while DAGs showed weak daily oscillations. Two short-chain ACs continued to cycle even in constant darkness. per\(^{01}\) mutants in LD showed no or very weak diel AC oscillations out of phase with feeding activity. The low levels of DAGs and ACs in per\(^{01}\) did not correlate with lower total food consumption, body mass or weight. Clock mutant flies showed higher sensitivity to starvation independent of their background-dependent activity level. Our results suggest that neither feeding, energy storage nor mobilisation is significantly affected in per\(^{01}\) mutants, but point towards impaired mitochondrial activity, supported by upregulation of the mitochondrial stress marker 4EBP in the clock mutants
Metabonomics bildet das Ende der Omics-Kaskade und stellt eine top-down-Strategie zur Erfassung und Interpretation des Metaboloms, d. h. der Gesamtheit aller niedermolekularen Metaboliten in einem intakten Organismus, dar. Ziel der Technik ist es, mittels geeigneter ungerichteter Screeningverfahren in nicht-invasiv zu gewinnenden biologischen Proben wie Urin oder Blut charakteristische Metabolitenprofile zu bestimmen. Im Kontext des Metabonomics wurde in Anlehnung an den Geno- bzw. Phänotyp hierfür der Begriff „Metabotyp“ geprägt. Durch biostatistische Methoden, die auf Mustererkennung (pattern recognition) basieren, können Signaturen gegenübergestellt und auf diesem Weg gruppenspezifische Metaboliten, d. h. Biomarker bzw. Metabolitenmuster, extrahiert werden. Metabonomics kann folglich als Fusion klassischer bioanalytischer und biostatistischer Verfahren aufgefasst werden. Seit der Einführung im Jahr 1999 hat sich das Konzept des Metabonomics in mehrere Richtungen weiterentwickelt. So gab es Bestrebungen, die Technik, die ursprünglich zur Prädiktion von toxischen Effekten bei der Arzneistoffentwicklung etabliert wurde, auf Fragestellungen zu übertragen, die den Menschen im Mittelpunkt haben. Neben präklinischen Anwendungen verfolgt man mit Metabonomics zunehmend das Ziel, einer personalisierten Medizin und Ernährung einen Schritt näher zu kommen. Da sich die ursprünglich eingesetzte NMR-Technik als zu unempfindlich und die resultierenden Metabolitenprofile als zu anfällig gegenüber biologischen und analytischen Einflussgrößen (Confoundern) erwiesen haben, wurde parallel auf sensitivere Verfahren wie die Massenspektrometrie gesetzt. Insbesondere die Kopplung mit der Hochdruckflüssigchromatographie erwies sich hierbei für das Metabolitenscreening als geeignet. Schnell wurde allerdings klar, dass aus den klassischen full scan/TOF-Methoden Datensätze resultierten, die häufig zu komplex waren, um mit nachgeschalteten chemometrischen Verfahren die „Spreu vom Weizen trennen“ zu können. Da sich Metabolitendatenbanken bisher noch im Aufbau befinden, ist die Identifizierung der Marker mit zusätzlichen Schwierigkeiten verbunden und bedarf aufwändiger analytischer Verfahren. Eine Strategie stellt daher die Beschränkung auf ein Metabolitensubset dar. Indem man sich auf Metabolitenklassen fokussiert, die einen Bezug zum untersuchten Mechanismus haben, können die Erfolgsaussichten bei der Identifizierung charakteristischer Biomarker deutlich erhöht werden. Aufgrund zahlreicher exogener und endogener Faktoren (Arzneistoffe, Industriechemikalien, Nahrungsbestandteile, Tabakrauchbestandteile, Produkte der Lipidperoxidation etc.) ist der menschliche Organismus stets einer Vielzahl an elektrophilen Verbindungen ausgesetzt. Oxidative Schädigungen an Strukturen wie der DNA, Proteinen und Lipiden werden mit einer Reihe von Krankheitsbildern in Zusammenhang gebracht, darunter Parkinson, Alzheimer, Krebs und Volkskrankheiten wie Arteriosklerose, Allergien und koronare Herzerkrankungen. Mit dem Glutathionsystem verfügt der Körper über einen wirksamen Detoxifizierungsmechanismus. Das Tripeptid Glutathion reagiert als Nukleophil mit den exogen oder endogen gebildeten elektrophilen Intermediaten. Endprodukte sind Merkaptursäuren (N-Acetyl-L-Cystein-Addukte) bzw. deren Sulfoxide, die in erster Linie mit dem Urin ausgeschieden werden. Folglich besteht zwischen diesen Merkaptursäurederivaten und der elektrophilen Belastung eines Organismus ein direkter Zusammenhang. Vor diesem Hintergrund war es das Ziel der Arbeit, einen nicht-invasiven Metabonomicsansatz zur Anwendung am Menschen zu entwickeln. Durch die Fokussierung des Metabolitenscreenings auf die Effekt-, Dosis- und Suszeptibilitätsmarkerklasse der Merkaptursäuren sollten hierbei die Erfolgsaussichten im Hinblick auf die Identifizierung potentieller Biomarker für diverse toxikologische sowie medizinische Endpunkte erhöht werden.