Chiralify: A Framework for Fragmentation Modeling and Advanced Chiral Metabolite Annotation

In elke levende cel pulseert een uitgestrekt chemisch landschap van activiteit. Deze wereld van kleine moleculen, bekend als het metaboloom, fungeert als de uiteindelijke aflezing van biologische processen en weerspiegelt alles van de energie die een cel verbruikt tot de signalen die zij naar haar buren stuurt. Wetenschappers gebruiken deze chemische kaart al lang om ziekten te begrijpen, waarbij ze zoeken naar specifieke moleculen die veranderen wanneer een organisme ziek wordt. Jarenlang was de standaardmethode om deze moleculen te catalogiseren op basis van hun gewicht en de manier waarop ze onder een microscoop uiteenvallen. Echter, deze methode heeft een blinde vlek. Veel moleculen bestaan in twee vormen die elkaars spiegelbeeld zijn, vergelijkbaar met een linker- en een rechterhand. Hoewel ze precies hetzelfde wegen en identiek lijken voor traditionele instrumenten, kunnen hun biologische effecten totaal verschillend zijn. De ene vorm kan een vitale voedingsstof zijn, terwijl zijn spiegelbeeld inactief of zelfs schadelijk kan zijn. Tot nu toe konden de instrumenten die deze chemische landschappen scanden deze spiegelbeelden niet van elkaar onderscheiden, waardoor een cruciale laag van biologische complexiteit voor het blote oog verborgen bleef.

Onderzoekers hebben onlangs een nieuw computationeel kader ontwikkeld genaamd Chiralify om dit probleem op te lossen. Het team, geleid door wetenschappers van de University of Texas at Austin en de Libera Università Mediterranea, creëerde een systeem dat de detectie van deze spiegelbeeldmoleculen, ook wel enantiomeren genoemd, in complexe biologische monsters automatiseert. Het werk pakt een langdurige beperking in het vakgebied aan: hoewel wetenschappers manieren hebben gevonden om deze spiegelbeelden fysiek in het laboratorium te scheiden, bleef het analyseren van de resultaten een traag, handmatig proces dat moeilijk op te schalen is. Chiralify verandert dit door een open-source softwareplatform te bieden dat duizenden datapunten snel kan verwerken en deze spiegelbeeldmoleculen met een hoge mate van betrouwbaarheid kan identificeren en koppelen.

De kern van dit nieuwe systeem berust op een slimme chemische truc gecombineerd met geavanceerde computermodellering. Om de spiegelbeelden onderscheidbaar te maken, behandelen de onderzoekers de biologische monsters eerst met een specifiek chemisch agens dat zich aan de moleculen hecht. Dit agens reageert anders met de linkerhandige en rechterhandige vormen, waardoor ze op verschillende tijdstippen uiteenrijten terwijl ze door een kolom stromen. De onderzoekers gebruiken vervolgens een hogeresolutiemassaspectrometer om de moleculen te wegen en te registreren hoe ze uiteenvallen in kleinere stukjes. De uitdaging is altijd geweest om deze uiteenvallingspatronen, of fragmentatiespectra, te interpreteren om te weten welk molecuul precies welk is. Om dit te overwinnen, bouwde het team een enorme digitale bibliotheek met de voorspelde uiteenvallingspatronen voor meer dan 9.000 verschillende moleculen. Ze gebruikten computersimulaties om te berekenen hoe deze moleculen uiteen zouden vallen na behandeling met het chemische agens, waardoor een referentiegids ontstond die de software kan gebruiken om met echte gegevens te vergelijken.

Zodra de gegevens zijn verzameld, neemt Chiralify het zware werk over. De software vergelijkt de experimentele gegevens met de digitale bibliotheek en zoekt naar overeenkomsten op basis van gewicht en uiteenvallingspatronen. Vervolgens voert het een cruciale controle uit: het zoekt naar paren moleculen die zich als spiegelbeelden gedragen. Bij een succesvolle identificatie vindt de software twee moleculen die hetzelfde gewicht en zeer vergelijkbare uiteenvallingspatronen hebben, maar die van plaats wisselen in hun timing wanneer het experiment wordt uitgevoerd met de tegenovergestelde versie van het chemische agens. Als één molecuul in de eerste run als eerste naar buiten komt, komt zijn partner als eerste naar buiten in de tweede run. Deze omkering van de volgorde is het kenmerkende bewijs dat de twee moleculen inderdaad elkaars spiegelbeeld zijn. Het systeem is ontworpen om flexibel te zijn, waardoor onderzoekers de instellingen kunnen aanpassen aan hun specifieke experimenten, en het bevat een visuele interface die wetenschappers helpt de resultaten te inspecteren om de nauwkeurigheid te waarborgen.

Om te testen of hun systeem werkte, draaiden de onderzoekers het eerst op een bekende mengeling van 43 verschillende moleculen. De software identificeerde de spiegelbeeldparen succesvol en filterde de ruis eruit, waarbij ongeveer 50 procent van de extra signalen die geen doelmoleculen waren, correct werd gemarkeerd. Ze ontdekten dat het trainen van het computermodel met echte experimentele gegevens hun vermogen verbeterde om te voorspellen hoe moleculen uiteenvallen, wat de identificatie nauwkeuriger maakte. Toen ze het systeem toepasten op kankercellen van verschillende soorten tumoren, waaronder hersen- en pancreaskanker, waren de resultaten opmerkelijk. De software identificeerde honderden nieuwe kandidaat-spiegelbeeldparen die nog nooit eerder waren gecatalogiseerd. In sommige gevallen stelden ze vast dat slechts één specifiek spiegelbeeld van een molecuul de verschillen tussen gezonde en kankercellen aanstuurde, een detail dat door oudere methoden gemist zou zijn.

De onderzoekers demonstreerden ook de kracht van het systeem door een specifieke nieuwe bevinding te valideren. Ze identificeerden een molecuul genaamd 2-aminoadipinezuur in kankercellen en gebruikten de software om te bepalen welk spiegelbeeld aanwezig was. Door hun resultaten te vergelijken met een zuiver monster van het molecuul, bevestigden ze dat de software de specifieke vorm die in de cellen aanwezig was, correct had geïdentificeerd. Deze validatiestap is cruciaal omdat de computer soms moleculen kan verwarren die erg op elkaar lijken maar geen exacte spiegelbeelden zijn. De studie toont aan dat hoewel de software een krachtige eerste stap is, het bevestigen van de identiteit van nieuwe ontdekkingen nog steeds controle tegen echte, fysieke standaarden vereist.

De implicaties van dit werk reiken verder dan alleen het vinden van nieuwe moleculen. Door de analyse van spiegelbeeldmoleculen geautomatiseerd en schaalbaar te maken, opent Chiralify de deur naar een completer begrip van hoe het leven op chemisch niveau werkt. Het stelt wetenschappers in staat om het chirale metaboloom te verkennen — de wereld van spiegelbeeldmoleculen — op een manier die voor grootschalige studies voorheen onmogelijk was. Deze capaciteit is bijzonder belangrijk voor ziekten zoals kanker, waarbij subtiele veranderingen in de balans van deze spiegelbeelden als vroege waarschuwingssignalen of doelwitten voor behandeling kunnen dienen. Het framework is geen definitieve oplossing voor elk probleem in het vakgebied, aangezien het onderscheiden tussen zeer vergelijkbare structuren moeilijk blijft, maar het biedt een gestandaardiseerde, betrouwbare basis voor toekomstige ontdekkingen. Door een arbeidszame, handmatige taak te veranderen in een gestroomlijnd digitaal proces, hebben de onderzoekers de wetenschappelijke gemeenschap een nieuw venster gegeven om naar de ingewikkelde chemie van het leven te kijken.