Reducing Structural Ambiguity in Food Compound Identification via Computational Refinement: A Case Study of Catechins and Their Oxidation Products in Chinese Black Tea

Resumo Técnico: Redução da Ambiguidade Estrutural na Identificação de Compostos Alimentares via Refinamento Computacional

Definição do Problema
A caracterização de produtos naturais e seus metabólitos em matrizes alimentares complexas, especificamente no chá preto chinês, é dificultada por três desafios primários: ambiguidade isomérica, a disponibilidade limitada de padrões químicos autênticos e a presença de compostos novos ausentes em bibliotecas espectrais existentes. O chá preto contém um cenário molecular dinâmico gerado pela oxidação enzimática e não enzimática, condensação e polimerização de catequinas. Embora dímeros bem caracterizados como as teaflavinas existam, a maioria dos produtos de oxidação, incluindo as tearubiginas poliméricas e novos intermediários, carece de padrões de referência. Os fluxos de trabalho convencionais de identificação que dependem de correspondência de biblioteca espectral (MSI Nível 1) falham para esses compostos, e ferramentas computacionais padrão frequentemente têm dificuldade em distinguir entre regioisômeros quimicamente plausíveis quando os dados de treinamento são escassos, levando a uma alta ambiguidade estrutural nos Níveis 3 e 4 do MSI.

Metodologia
O estudo propõe um fluxo de trabalho de identificação estratificado por confiança, alinhado aos Níveis 1–4 do Metabolomics Standards Initiative (MSI), utilizando UHPLC-QTOF espectrometria de massas. A abordagem integra três estratégias distintas baseadas na disponibilidade de evidência estrutural:

1. MSI Nível 1 (Identificação Confirmada): Para compostos com padrões autênticos, a identificação baseia-se na correspondência concomitante do tempo de retenção (RT), massa exata (<5 ppm), padrões isotópicos e padrões de fragmentação MS/MS contra uma biblioteca interna. Esta estratégia foi usada para resolver pares isoméricos (ex: EGCG/GCG), onde os espectros MS/MS isoladamente eram insuficientes, dependendo da separação cromatográfica para a discriminação.
2. MSI Nível 2 (Anotação Putativa): Para compostos que carecem de padrões, mas estão presentes em bancos de dados públicos, o fluxo de trabalho combina a consulta de massa exata com o conjunto de software SIRIUS (v6.3.2). Isso integra análise de padrão isotópico (SIRIUS/ZODIAC) para predição de fórmula molecular, CSI:FingerID para classificação de estruturas contra bibliotecas públicas (MassBank, COCONUT, PubChem) e CANOPUS para anotação de classe de compostos.
3. MSI Níveis 3–4 (Atribuição Estrutural Tentativa): Para abordar os "conhecidos-desconhecidos" (compostos ausentes de todas as bibliotecas), os autores desenvolveram uma estratégia in silico informada por vias metabólicas.
   • Refinamento em pequena escala: Uma biblioteca de candidatos construída manualmente foi criada com base na regioseletividade conhecida da polifenol oxidase (PPO) (ex: inserção de oxigênio no benzotropolona vs. anel A). A importação dessas estruturas específicas para o SIRIUS restringiu o espaço de busca, permitindo que o CSI:FingerID classificasse regioisômeros quimicamente plausíveis acima de candidatos não relacionados.
   • Geração em larga escala: Um pipeline computacional foi desenvolvido usando Python e RDKit para gerar uma biblioteca de candidatos em larga escala (3.272 metabólitos preditos). Este pipeline utilizou dois ramos paralelos: um ramo de biotransformação (aplicando regras de reação de oxidorredutase a 41 polifenóis parentais) e um ramo de transformação química (aplicando regras de processamento térmico curadas). Os candidatos resultantes foram fundidos, deduplicados e usados para restringir o espaço de busca do SIRIUS.

Principais Resultados

• Compostos Confirmados: O fluxo de trabalho confirmou 27 compostos no MSI Nível 1, incluindo catequinas, teaflavinas e flavonoides relacionados. O estudo demonstrou que, para pares isoméricos com espectros MS/MS idênticos (ex: EGCG/GCG), o tempo de retenção cromatográfica é o fator decisivo para a confirmação de Nível 1.
• Anotações Putativas: 16 produtos de oxidação foram anotados no MSI Nível 2. A integração do SIRIUS com bibliotecas públicas identificou com sucesso derivados diméricos e galoilados (ex: teasinensinas, teacitrinas). O estudo observou que, embora isômeros como a teasinensina B e o epigalocatequina-(4β→8)-epigalocatequina-3-O-galato compartilhem fórmulas moleculares, diferenças nos padrões de fragmentação MS/MS permitiram a distinção tentativa.
• Redução da Ambiguidade: As listas de candidatos informadas por vias metabólicas melhoraram significamente a anotação para compostos ausentes de bancos de dados públicos.
  • No estudo de caso de pequena escala da oxidação de teaflavina, restringir a busca a regioisômeros quimicamente informados promoveu o isômero oxigenado em benzotropolona ao Rank 1, enquanto uma busca não restrita gerou classificações arbitrárias.
  • Na aplicação de larga escala, o pipeline customizado permitiu o upgrade de características do MSI Nível 4 (apenas fórmula molecular) para o Nível 3 (estrutura tentativa). Por exemplo, uma característica em m/z 775.1140, que não retornou candidatos estruturais em uma busca no PubChem, recebeu uma estrutura tentativa (Rank 1) quando a lista de candidatos customizada foi ativada.
• Cobertura do Espaço Químico: A análise da lista de candidatos gerada revelou que os pipelines de biotransformação e transformação química são complementares. O pipeline de biotransformação produziu produtos com alta similaridade de arcabouço (scaffold) com os parentais (razão de diversidade 0.199), enquanto o pipeline de transformação química gerou arcabouços altamente diversos (razão de diversidade 0.744), cobrindo uma gama mais ampla de espaço químico, incluindo produtos de condensação maiores e isômeros.

Significância e Alegações
O artigo alega que este fluxo de trabalho estratificado por confiança fornece uma rota sistemática para reduzir a ambiguidade estrutural na análise de matrizes alimentares processadas onde padrões autênticos não estão disponíveis. Ao integrar o conhecimento de vias metabólicas em ferramentas computacionais como o SIRIUS, o estudo demonstra que é possível ir além da simples atribuição de fórmula molecular (Nível 4) para propor candidatos estruturais tentativos (Nível 3) para produtos de oxidação derivados de processamento.

Os autores enfatizam que, embora a construção manual de listas de candidatos seja limitada em termos de rendimento (throughput), o pipeline computacional de larga escala desenvolvido oferece uma solução escalável para a caracterização da "matéria escura química" em sistemas alimentares complexos. O estudo posiciona este framework como um modelo transferível para a caracterização sistemática da química de polifenóis oxidativos em outros alimentos processados, como o chá oolong, café e cacau. Os autores reconhecem modestamente as limitações, observando que as atribuições de Nível 3–4 permanecem tentativas sem a confirmação de um padrão autêntico e que a confiança na anotação é inerentemente limitada pela diversidade estrutural dos dados de treinamento usados pelo CSI:FingerID.