Alkaloidien molekyyliverkostoanalytiikka

Abstract

Alkaloidit ovat yleisesti kasvikunnassa esiintyviä, typpeä sisältäviä erikoistuneita metaboliitteja, jotka tunnetaan korkeasta bioaktiivisuudestaan. Tästä syystä ne ovat potentiaalinen tutkimuskohde muun muassa lääkekehityksessä. Erittäin korkean erotuskyvyn nestekromatografiaan (UHPLC) ja korkean resoluution massaspektrometriaan (HR-MS) pohjaavien analyysimenetelmien kehittyessä, näytematriisista havaittavien yhdisteiden määrä on noussut voimakkaasti, jopa tuhansiin yhdisteisiin näytettä kohden. Näin suurien datamäärien hallintaan on pitänyt kehittää tehokkaita in silico -työkaluja. Tandemmassaspektrometriaan (MS/MS) pohjaavasta molekyyliverkostoanalytiikasta on tullut yksi käytetyimmistä bioinformatiikan työkaluista, joka mahdollistaa tuhansien erilaisten yhdisteiden havaitsemisen, karakterisoinnin, kvantitoinnin ja kemiallisen diversiteetin visualisoinnin HR-MS–datasta. Tässä tutkimuksessa kehitettiin tehokas, ei-kohdehakuiseen metabolomiikkaan soveltuva UHPLC-HR-MS/MS–analyysimenetelmä molekyyliverkosto- analytiikan vaatimukset huomioon ottaen. Tuotetun HR-MS–datan avulla optimoitiin in silico -menetelmin molekyyliverkosto, jota käytettiin apuna 62 Panamasta kerätyn kasvilajin sisältämien alkaloidien havaitsemisessa, karakterisoinnissa ja alkaloididiversiteetin määrittämisessä, yhdessä perinteisten analyysimenetelmien kanssa. HR-MS–data saatiin onnistuneesti analysoitua molekyyliverkostoanalytiikan avulla ja kasvilajeista havaittiin tutkimuksessa yhteensä 133 eri alkaloidia, jotka kuuluivat todellisten alkaloidien pääryhmän indoli- ja isokinoliinialaluokkiin. Alkaloidit ryhmittäytyivät molekyyliverkostossa omiksi kokonaisuuksiksi, yhdisteiden MS-fragmentaation samankaltaisuuden perusteella. Molekyyliverkostoanalytiikka osoittautui tutkimuksessa eritäin potentiaaliseksi työkaluksi alkaloidien analysointiin.