Targeting the metabolism is of high interest as cancer cells differ in this regard from their normal counterparts. Also, there is a higher genetic heterogeneity within a tumor and in between tumors than in resulting metabolic phenotypes. However, to fully understand the functional links, it is necessary to examine all layers of cellular regulation, to which the investigation of the metabolic fluxes (fluxomics) contributes a holistic, dynamic view. Fluxomics open up new chances in understanding diseases and thus revealing new biomarkers and therapeutic targets. Mass spectrometry and stable isotope labeling experiments are widely used methods to track the fluxes of small molecules through the metabolic network. Here I present a set of three novel computational solutions to major bottlenecks in those comprehensive and data-intensive techniques. It is shown that the tool CorrectOverloadedPeaks helps to increase the total number of detected metabolites per experimental run by correcting overloaded signals and extending the dynamic measuring range. Metabolites can be identified by comparison of the experimental data to reference spectra in specialized libraries. When comparability and coverage are low due to technical and biological variance the compounds remain “unknown” i.e. unidentified. The tool InterpretMSSpectrum is able to assign sum formulas to complex mass spectra, acquired with different high-resolution technologies, based on tailored rule sets of chemical plausibility in metabolites and common adducts and neutral losses in soft ionization techniques. With HiResTEC a sensitive and robust tracer enrichment calculation for fluxomics data handling is at hand, which, like the other tools, can be easily integrated into existing data handling pipelines. It detects tracer enrichment already from 1 % and removes 95 % of uninformative and false positive peaks by exploiting an experiment-wide deconvolution algorithm and further evaluation heuristics. It was rigorously tested with data from cancer cell culture samples and systematically evaluated against existing tools and data sets. It outperforms the existing solutions and provides cross-platform compatibility for different high-resolution mass spectrometry technologies. All three software packages are developed in the open source language R and are freely available online.
Die Möglichkeit der medizinischen Intervention im zellulären Stoffwechsel ist von großem Interesse, da sich Krebszellen diesbezüglich von normalen Zellen unterscheiden. Zudem gibt es innerhalb eines Tumors und zwischen Tumoren eine höhere genetische Heterogenität als daraus resultierende metabolische Phänotypen. Um die funktionalen Zusammenhänge vollständig zu verstehen, müssen jedoch alle Ebenen der zellulären Regulation untersucht werden, zu denen die Untersuchung der metabolischen Flüsse (Fluxomics) eine ganzheitliche, dynamische Sichtweise beiträgt. Fluxomics eröffnet neue Möglichkeiten, Krankheiten zu verstehen und neue Biomarker und Therapieziele aufzuzeigen. Massenspektrometrie und stabile Isotopenmarkierungsexperimente sind weit verbreitete Methoden, um die Flüsse kleiner Moleküle durch das metabolische Netzwerk zu verfolgen. Hier präsentiere ich drei Software-Tools/Berechnungslösungen für einige der größten Engpässe in diesen umfassenden und datenintensiven Techniken. Das Tool CorrectOverloadedPeaks trägt dazu bei, die Gesamtzahl der erkannten Metaboliten pro Versuchslauf zu erhöhen, indem überladene Signale korrigiert und der dynamische Mess-Bereich erweitert wird. Metaboliten können durch Vergleich der experimentellen Daten mit Referenzspektren in Spezialbibliotheken identifiziert werden. Wenn Vergleichbarkeit und Abdeckung aufgrund technischer und biologischer Varianz gering sind, bleiben die Verbindungen "unbekannt", d. h. nicht identifiziert. Das Tool InterpretMSSpectrum ist in der Lage den mit verschiedenen hochauflösenden Technologien gewonnenen komplexen Massenspektren Summenformeln zuzuordnen, die auf maßgeschneiderten Regelsätzen zu chemischer Plausibilität, häufigen Addukten und neutralen Verlusten bei sanften Ionisierungstechniken beruhen. Mit HiResTEC steht eine empfindliche und robuste Anreicherungsberechnung für das Fluxomic-Datenhandling zur Verfügung, die wie die anderen Tools problemlos in vorhandene Datenverarbeitungs-Pipelines integriert werden kann. Es erkennt bereits Tracer-Anreicherungen von 1 % und entfernt 95 % der nicht-informativen und falsch positiven Peaks, indem ein experimentübergreifender Dekonvolutionsalgorithmus und weitere Bewertungsheuristiken genutzt werden. Es wurde umfassend mit Daten aus Krebszellkulturproben getestet und systematisch anhand vorhandener Tools und Datensätze bewertet. Es übertrifft die bestehenden Lösungen und bietet eine plattformübergreifende Kompatibilität für verschiedene hochauflösende MS-Technologien. Alle drei Softwarepakete wurden in der Open-Source-Sprache R entwickelt und sind online frei verfügbar.
