Search

Background & aims: Acute decompensation (AD) of cirrhosis is a heterogeneous clinical entity associated with moderate mortality. In some patients, this condition develops quickly into the more deadly acute-on-chronic liver failure (ACLF), in which other organs such as the kidneys or brain fail. The aim of this study was to characterize the blood lipidome in a large series of patients with cirrhosis and identify specific signatures associated with AD and ACLF development. Methods: Serum untargeted lipidomics was performed in 561 patients with AD (518 without and 43 with ACLF) (discovery cohort) and in 265 patients with AD (128 without and 137 with ACLF) in whom serum samples were available to perform repeated measurements during the 28-day follow-up (validation cohort). Analyses were also performed in 78 patients with AD included in a therapeutic albumin trial (43 patients with compensated cirrhosis and 29 healthy individuals). Results: The circulating lipid landscape associated with cirrhosis was characterized by a generalized suppression, which was more manifest during AD and in non-surviving patients. By computing discriminating accuracy and the variable importance projection score for each of the 223 annotated lipids, we identified a sphingomyelin fingerprint specific for AD of cirrhosis and a distinct cholesteryl ester and lysophosphatidylcholine fingerprint for ACLF. Liver dysfunction and infections were the principal net contributors to these fingerprints, which were dynamic and interchangeable between patients with AD whose condition worsened to ACLF and those who improved. Notably, blood lysophosphatidylcholine levels increased in these patients after albumin therapy. Conclusions: Our findings provide insights into the lipid landscape associated with decompensation of cirrhosis and ACLF progression and identify unique non-invasive diagnostic biomarkers of advanced cirrhosis. Lay summary: Analysis of lipids in blood from patients with advanced cirrhosis reveals a general suppression of their levels in the circulation of these patients. A specific group of lipids known as sphingomyelins are useful to distinguish between patients with compensated and decompensated cirrhosis. Another group of lipids designated cholesteryl esters further distinguishes patients with decompensated cirrhosis who are at risk of developing organ failures.

Food industry is demanding for fast screening methodologies in order to guaranty food quality and safety. These methodologies should allow high throughput with sufficient accuracy and reproducibility. In this context, MS-Sensor is a challenging approach since it allows simultaneous determination of compounds in food matrices and complex mixtures with a high sample throughput. The basic working principle of MS-Sensor systems is based on the introduction of volatile components extracted from the headspace of a sample into the ionization chamber of a mass spectrometer. The mass spectra resulting from the ionization and fragmentation of this extract constitute a very complex ionization pattern that can be seen as a 'fingerprint' which is characteristic of the matrix being analyzed. These ionisation patterns are then processed by pattern recognition engines to perform tasks such as classification, recognition and, to a limited extent, quantification.This thesis is devoted to study the possibilities and capabilities of MS-Sensor approach to its application in several food quality related problems such as the determination rancidity levels in crisps; the detection of fungal spoilage in bakery products, the monitoring of sardines freshness under cold storage; the classification of virgin olive oils according its organoleptic properties and the discrimination of two Iberian ham qualities according pig's feeding. In each one of these applications it has been demonstrated the feasibility of using a MS-Sensor to solve the food quality problem under study. It has been widely demonstrated that the MS-Sensor profile can be considered as a useful fingerprint technique for characterization of the targeted quality property and, as in certain cases, even for quantification of several parameters correlated with this problem.Despite that feasibility of MS-Sensor has been widely demonstrated for the applications under study, this approach stills suffer from some weakness or drawbacks that may influence performance of MS-Sensor. Main drawbacks are the inherent high dimensionality of data response matrices and the low selectivity of m/z fragments pseudosensors used as variables in these matrices.These two drawbacks could be responsible for the lack of reproducibility showed by MS-Sensor systems in certain applications mentioned above. In order to success in the development of such applications it was necessary to figure out different strategies for overcoming this high dimensionality and the low selectivity. In order to handle the low selectivity of m/z fragments several new methodologies based on the use of multi-way algorithms has been implemented for the first time in the framework of this thesis. Besides, new variable selection algorithms has been developed and implemented in order to avoid high dimensionality modelling. It has been demonstrated that use of the developed algorithms leads to a simpler and more parsimonious models and consequently to a better performance and more reproducible results.In addition, several issues related to use of MS-Sensor in food analysis has been studied: the use of different headspace sampling techniques; the comparison of MS-Sensor systems performance against classical MOS based 'electronic noses'; the application of new algorithms for pre-processing MS-Sensor signals; the correlation of MS-Sensor response and the well-established methods to assess the quality property under study, etc.MS-Sensor is a powerful device set-up, capable of producing large amounts of highly selective information. Optimal use of this device implies both, a correct use of analytical techniques (sample handling and instrumental) and a rational use of subsequent data analysis. That can be only attained if analytical people in charge of experimental set-up work side by side with data analysis and software developers. This thesis aims to bring nearer this close collaboration., La indústria alimentària exigeix el desenvolupament de mètodes analítics que puguin donar resposta immediata i que al mateix temps puguin garantir la qualitat i la seguretat dels productes de forma acurada i reproduïble. En aquests context, els mètodes que utilitzen un sistema MS-Sensor poden ser uns bons candidats ja que permeten fer l'anàlisi de volàtils de matrius complexes d'una manera ràpida i també permeten processar moltes mostres en poc temps. El funcionament d'un MS-Sensor es basa en la introducció dels compostos volàtils que s'extreuen de l'espai de cap d'una mostra en la font d'ionització d'un espectròmetre de masses sense prèvia separació cromatogràfica i sense necessitat d'una preparació de mostra prèvia. L'espectre de masses resultat de la ionització i fragmentació de tots els compostos volàtils presents en l'extracte es pot considerar com una empremta digital característica de la matriu que s'està analitzant. Els espectres de masses generats es processen a posteriori amb un sistema de reconeixement de patrons per tal de realitzar tasques associades a aquests sistemes com son la classificació i el reconeixement de noves mostres i dins de certs límits la quantificació d'aquestes.Aquesta tesi està dedicada a l'estudi de les capacitats i possibilitats d'aquests sistema a donar resposta a tot un seguit d'aplicacions relacionades amb l'anàlisi de la qualitat de diferents tipus d'aliments com son: la determinació del grau d'enranciment de patates fregides; la detecció del creixement fúngic en productes de brioxería industrial; la monitorització del grau de frescor de sardines guardades en fred; la classificació de diversos olis d'oliva en base a les seves propietats organolèptiques i la classificació del pernil ibèric en base a la seva qualitat determinada per l'alimentació del porc. Per cada una d'aquests aplicacions s'ha demostrat l'aplicabilitat i la fiabilitat del sistema MS-Sensor a l'hora de resoldre les diferents qüestions plantejades sobre qualitat alimentària. S'ha demostrat àmpliament que el perfil de volàtils que s'obté amb un MS-Sensor pot cosiderar-se com una empremta digital vàlida i molt útil en la caracterització del problema que es vol resoldre i fins i tot en alguns casos, s'ha demostrat que aquesta mateixa empremta es pot correlacionar amb el paràmetres d'anàlisi clàssics que s'usen més habitualment per tal de resoldre aquests problema o que inclús aquests sistema es pot fer servir per predir-los.Encara que la viabilitat del sistema MS-Sensor en les aplicacions plantejades ha estat demostrada àmpliament en el decurs d'aquesta tesis, aquests sistema té petits inconvenients o punts febles que resten per resoldre. Aquests inconvenients poden afectar de manera directa els resultants que se n'obtenen. Els principals punts febles del MS-Sensor son d'elevada dimensionalitat de les matrius de resposta que s'obtenen que és inherent al propi sistema i la baixa selectivitat del fragments m/z considerats com a variables en aquestes matrius.Aquests dos inconvenients poden ser els responsables de la falta de reproductibilitat que s'ha obtingut en algunes aplicacions. Per tal d'obtenir bons resultats en alguna d'aquestes aplicacions es van haver de plantejar noves estratègies que poguessin salvar les dificultat derivades de la baixa selectivitat de les variables i de la seva elevada dimensionalitat. Per primera vegada i dins del marc d'aquesta tesis s'ha plantejat l'ús d'algoritmes multi-way i la inclusió del temps de retenció com a variable que pugui reportar informació addicional en el processat de les respostes del MS-Sensor. A la vegada, s'ha desenvolupat i implementat nous algoritmes per a la selecció de variables per tal d'evitar en la mesura del possible l'elevada dimensionalitat en les matrius de resposta. S'ha demostrat que l'ús d'aquests nous algoritmes permet obtenir models més simples i robustos i per tant podem aconseguir un millor funcionament del sistema i resultats més reproduïbles.A més a més s'han estudiat diferents aspectes relacionats amb la utilització d'un sistema MS-Sensor per a l'anàlisi d'aliments com son: l'ús de diferents tècniques de mostreig d'espai de cap, la comparació del sistema MS-Sensor amb sistemes clàssics d'olfacte electrònic, l'aplicació i desenvolupament d'algoritmes de pre-processament dels espectres generats, la correlació de les respostes obtingudes amb un sistema MS-Sensor amb mètodes d'anàlisi d'aliments tradicionals, etc.El MS-Sensor es un dispositiu molt potent, capaç de produir una elevada quantitat de dades. L'ús òptim d'aquests sistema es composa d'una banda d'un ús correcte dels aspectes instrumentals com son el propi sistema en si i les tècniques de mostreig i per altra banda d'un ús racional de les tècniques d'anàlisi de dades. Això només s'aconsegueix si els analítics que treballen amb el set-up de l'experiment treballen colze a colze i en estreta col·laboració amb la gent encarregada de fer l'anàlisi de dades. Aquesta tesi, pretén fer més estret l'espai entre aquests dues disciplines i dóna les eines per ajuntat i promoure aquesta col·laboració.

El fum de tabac residual (Thirdhand smoke en anglès, THS) és una forma d'exposició passiva als residus del fum del tabac que es dipositen, envelleixen i romanen en les superfícies molt temps després de fumar. A causa de la presència ubiqua intrínseca del THS, caracteritzar l'impacte de la seva exposició sobre la salut ha esdevingut una prioritat en salut pública, particularment en poblacions vulnerables com ara els nens petits. Fins la data, l'estudi dels efectes de toxicitat derivats del THS es limita a mecanismes anticipats, estudiats mitjançant mètodes dirigits i reduccionistes. Aquesta tesi té com a objectiu ampliar el coneixement actual sobre els efectes sobre la salut derivats de l'exposició al THS utilitzant per primera vegada mètodes avançats de metabolòmica no dirigida. Per acomplir aquest objectiu, s'han utilitzat dos models de vertebrats: ratolins exposats a THS imitant l'exposició de no fumadors que conviuen amb no fumadors, i embrions de peix zebra, un model emergent per a estudiar la toxicitat durant el desenvolupament primerenc. Els resultats obtinguts demostren variacions metabòliques induïdes per l'exposició al THS, sent el metabolisme del triptòfan una de les principals vies alterades. Aquesta resposta està acompanyada amb un augment de l’estrès oxidatiu, efecte que es pot monitoritzar de forma no invasiva en orina. El humo de tabaco residual (Thirdhand smoke en inglés, THS) es una forma de exposición pasiva a los residuos del humo del tabaco que se depositan, envejecen y permanecen en las partículas y las superficies mucho tiempo después de haber fumado. Debido a la presencia ubicua del THS, caracterizar el impacto de su exposición sobre la salud se ha convertido en prioridad de salud pública, particularmente en poblaciones vulnerables, incluidos los niños pequeños. Hasta la fecha, el estudio de los efectos de toxicidad derivados del THS se limita a mecanismos conocidos, estudiados a través de métodos dirigidos y reduccionistas. Esta tesis tiene como objetivo ampliar el conocimiento actual sobre los efectos en la salud derivados de la exposición al THS usando por primera vez métodos avanzados de metabolómica no dirigida. Se han utilizado dos modelos de vertebrados para este fin: ratones expuestos a THS que imitan la exposición de no fumadores que conviven con fumadores, y embriones de pez cebra, un modelo emergente para estudiar la toxicidad durante el desarrollo temprano. Los resultados obtenidos demuestran variaciones metabólicas inducidas por la exposición al THS, siendo el metabolismo del triptófano una de las principales vías alteradas. Esta respuesta está acompañada por un incremento del estrés oxidativo, efecto que se puede monitorizar de forma no invasiva en orina Thirdhand smoke (THS) is a form of passive exposure to residues of tobacco smoke that deposits, ages and remains in fabrics, surfaces, and airborne and settled dust particles long after smoking has ceased. Due to the intrinsic ubiquitous presence of THS residues, characterizing the impact of THS exposure on health has turned into a major public health issue, particularly in vulnerable populations including young children. To date, the study of THS-derived toxicity effects is constrained to those anticipated mechanisms, studied through targeted and rather reductionist methods. This thesis aims to expand the current knowledge of the health effects derived from THS exposure by using advanced untargeted metabolomics approaches for the first time. Two vertebrate models have been used to this end: mice exposed to THS mimicking exposure of non-smokers living in smokers’ homes, and zebrafish embryos, an emerging model to study toxicity during early development. The results presented here demonstrate a THS-induced metabolic response in mice upon its exposure with the tryptophan metabolism among the top disrupted pathways. This response is compatible with increased oxidative stress, which can be monitored non-invasively in urine. The results also demonstrate that the exposure to specific THS toxicants induce embryotoxicity in an early development zebrafish model, and that this model is capable of metabolizing such toxicants indicating its suitability for THS-toxicity based assays as an alternative animal model compliant with the twenty-first century guidelines on toxicity testing.

La biologia molecular ha avançat considerablement gràcies a importants progressos com la seqüenciació del ADN o la seva modificació per CRISPR. Tot i això, per entendre el metabolisme requerim estudiar els perfils metabòlics i les seves reaccions metabòliques. L™objectiu d™aquesta tesi és contribuir en aquest estudi del metabolism, el qual unifica dels camps de la proteòmica i la metabolòmica. Tradicionalment, l™anàlisi de dades òmiques es basa en el tractament independent de les diferents variables encara que està profundament establert que els mecanismes moleculars són controlats per la interacció de diferents molècules, i per tant seria més correcte tractar les dades de la mateixa manera. Avui dia, s™han descrit una gran quantitat de vies metabòliques, incluint els enzims responsables de les transformacions dels metabòlits que les formen, aquesta informació s™ha recopilat en bases de dades, que a la vegada poden ser utilitzades per a construir xarxes metabòliques. En aquesta tesi, s™han utilitzat xarxes metabòliques per a desenvolupar un algoritme que prediu metabòlits desregulats basant-se en el perfil d™expressió d™enzims gràcies a proteòmica quantitativa. Per a validar tals prediccions, és possible mesurar l™abundància d™aquests metabòlits, o el seu flux, o sigui la velocitat a la que s™han transformat, utilitzant experiments de marcatge amb isòtops estables, mesures completades mitjançant metabolòmica. Aqui, mostrem els productes del desenvolupament de dos mètodes per a l™anàlisi de dades de metabolòmica per a experiments amb isòtops estables: el primer per a la quantificació dirigida del flux en metabòlits del metabolisme central; i un segon, per la detecció no-dirigida de metabòlits marcats amb isòtops en altres vies metabòliques. Aquests mètodes han sigut provats en diferents estudis on han aportat resultats remarcables, revelant nous mecanismes moleculars en una complicació de la diabetes o en relació al metabolisme del càncer. La biología molecular ha avanzado considerablemente gracias a progresos como la secuenciación de ADN o su modificación por CRISPR. Sin embargo, para entender el metabolismo es indispensable estudiar los perfiles metabólicos y sus reacciones metabólicas. El objetivo de esta tesis es contribuir en el estudio del metabolismo, el cual implica los campos de la proteómica y la metabolómica. Tradicionalmente, el análisis de datos ómicas se basa en el tratamiento independiente de las diferentes variables aunque está profundamente aceptado que los mecanismos moleculares son controlados por la interacción de diferentes moléculas, y por lo tanto sería más correcto tratar los datos de esa manera. Hoy día, se han descrito una gran cantidad de vías metabólicas, incluyendo las enzimas responsables de las transformaciones de los metabolitos que las forman, esta información se ha recopilado en bases de datos, que a su vez pueden ser utilizadas para construir redes metabólicas . En esta tesis, se han utilizado redes metabólicas para desarrollar un algoritmo que predice metabolitos desregulados basándose en el perfil de expresión de enzimas por proteómica cuantitativa. Para validar tales predicciones, es posible medir la abundancia de estos metabolitos, o su flujo, o sea la velocidad a la que se han transformado, utilizando experimentos de marcado con isótopos estables, estas medidas se obtienen por metabolómica. Aquí, mostramos los productos del desarrollo de dos métodos para el análisis de datos de metabolómica para experimentos con isótopos estables: el primero para la cuantificación dirigida del flujo en metabolitos del metabolismo central; y un segundo, para la detección no-dirigida de metabolitos marcados con isótopos en otras vías metabólicas. Estos métodos han sido probados en diferentes estudios donde han aportado resultados interesantes, revelando nuevos mecanismos moleculares en una complicación de la diabetes o en relación al metabolismo del cáncer. Understanding the molecular basis of life has been in the spotlight of biochemistry research for more than a century already. Molecular biology has taken medicine forward thanks to technological breakthroughs like DNA sequencing and CRISPR editing. However, in order to understand metabolism we must rely on the study of metabolite profiles and metabolic reactions. The purpose of this thesis to contribute to this area, which unites the fields of proteomics and metabolomics. Traditionally, omics data analysis treats variables independently even if it is strongly settled that molecular mechanisms involve the interaction of diverse pathways, therefore data should be analyzed correspondingly. A vast amount of metabolic pathways have been described, together with enzymes that are responsible for metabolite transformations, this information has been assembled in databases that, in turn, can be used to build metabolic networks. In here, we use metabolic networks to predict metabolite dysregulation based on quantitative proteomics profiles. To validate the predictions, it is possible to measure the abundance of metabolites or their flux, namely the rate at which they are transformed, using stable isotope labelling experiments, both measurements can be performed by metabolomics. In this thesis, two different metabolomics-based stable isotope labelling approaches have been developed, one for the study of central carbon metabolites and one for the unbiased detection of deregulated fluxes in other metabolic pathways. These approaches have been tested on different datasets and have proven valuable to obtain remarkable results, unraveling molecular mechanisms in diabetes complications or novel metabolic hallmarks of cancer.

L’objectiu general d’aquesta tesi doctoral va ser desenvolupar, analitzar i validar noves eines bioinformàtiques que converteixin les dades crues de metabolòmica (adquirides per espectrometria de masses) en coneixement biològic amb la finalitat d’estudiar les alteracions en el proteoma i metaboloma de cèl·lules humanes del pigment retinal exposades a condicions de hiperglucèmia i/o hipòxia. Per assolir aquest objectiu general, aquesta tesi s'ha estructurat en dos blocs principals: ⁻ Objectius metodològics: (i) Hem analitzat les bases de dades espectrals de masses de metabolòmica basades en LC / MS. (ii) Finalment, hem generat i millorat la caracterització de les dades de metabolómica de LC / MS centrant-nos en l'anotació de MS1 i MS2. ⁻ Objectius biològics: (iii) Hem proposat un nou mètode que detecta i analitza els canvis en les xarxes d'interacció proteïna-proteïna (PPI) per condicions d’hiperglucèmia i / o hipòxia. (iv) Hem presentat un flux de treball nou que és capaç de predir i validar les alteracions metabòliques degudes a condicions d’hiperglucèmia i / o hipòxia integrant a la vegada les dades d'expressió de proteïnes en les xarxes metabòliques. El objetivo general de esta tesis doctoral fue desarrollar, analizar y validar nuevas herramientas bioinformáticas que conviertan los datos crudos de metabolómica (adquiridos por espectrometría de masas) en conocimiento biológico con el fin de estudiar las alteraciones en el proteoma y metaboloma de células humanas del pigmento retinal expuestas a condiciones de hiperglucemia y / o hipoxia. ⁻ Objetivos metodológicos: (i) Hemos analizado las bases de datos espectrales de masas de metabolómica basada en LC / MS. (ii) Finalmente, hemos generado y mejorado la caracterización de los datos de metabolómica de LC / MS centrándonos en la anotación de MS1 y MS2. ⁻ Objetivos biológicos: (iii) Hemos propuesto un nuevo método que detecta y analiza los cambios en las redes de interacción proteína-proteína (PPI) por condiciones hiperglucemia y / o hipoxia. (iv) Hemos presentado un flujo de trabajo novedoso que es capaz de predecir y validar las alteraciones metabólicas debidas a condiciones hiperglucemia y / o hipoxia integrando a la vez los datos de expresión de proteínas en las redes metabólicas. The general objective of this doctoral thesis was to develop, analyse and validate new bioinformatic tools for converting raw MS-based metabolomics data into biological knowledge, in order to study alterations in the proteome and metabolome of human retinal pigment epithelium cells exposed to hyperglycemic and/or hypoxic conditions. To reach this general objective, this thesis has been structured in two main blocks: ⁻ Methodological aims: (i) We have analysed mass spectral databases for LC/MS-based untargeted metabolomics. (ii) Finally, we have generated and improved the characterization of LC/MS metabolomics data focusing on MS1 and MS2 annotation. ⁻ Biological aims: (iii) We have proposed a novel method that detects and analyses changes in protein-protein interaction (PPI) networks by hyperglycemic and/or hypoxic conditions. (iv) We have presented a novel workflow which is able to predict and validate metabolite alterations due to hyperglycemic and/or hypoxic conditions integrating protein expression data in metabolic networks.