Estudio metabolómico no dirigido para el análisis de la influencia de RSUME en los perfiles metabólicos de tumores von Hippel-Lindaudependientes

GUREVICH MESSINA, J. M.; GOLNISKI, D.; MONGE, M. E.; MARTINEFSKI, M. R.; TEDESCO, L.; POLLAK, C. N.; KNOTTA, M.E.; ELGUERO, B.; ARZT, E.

Santa Rosa

Congreso; 10º Congreso Argentino de Química Analítica; 2019

Sociedad Argentina de Química Analítica

Estudio metabolómico no dirigido para el análisis de la influencia de RSUME en los perfilesmetabólicos de tumores von Hippel-Lindau-dependientesM.R. Martinefskia,b, M.E. Knotta, J.M. Gurevich Messinaa, L. Tedescoc, B. Elgueroc, D. Golniskic, C. Pollakc, E. Arztc,d, M.E. Mongea*a Centro de Investigaciones en Bionanociencias (CIBION-CONICET), CABA, Argentina,C1425FQD.b Universidad de Buenos Aires, Facultad de Farmacia y Bioquímica, CABA, Argentina,C1113AAD.c Instituto de Investigación en Biomedicina de Buenos Aires (IBioBA-CONICET), Instituto Partnerde la Sociedad MaxPlanck, CABA, Argentina, C1425FQD.d Universidad de Buenos Aires, Facultad de Ciencias Exactas y Naturales, CABA, Argentina,C1428EGA.* e-mail: maria.monge@cibion.conicet.gov.arRSUME (RWD-containing sumoylation enhancer) o RWDD3 es una proteína que participa en lacascada enzimática de sumoilación, ejerciendo una acción estimuladora sobre esta vía. Se hademostrado que RSUME se expresa en gliomas, tumores de hipófisis y von Hippel-Lindau (VHL)-dependientes, haciendo de RSUME un candidato clave para el entendimiento del desarrollo dedichas patologías 1. La metabolómica es un campo emergente de la investigación ?ómica?especializado en el análisis global de metabolitos provenientes de organismos vivos a través deplataformas analíticas e informáticas 2. Mediante el análisis del metaboloma es posible revelar elcambio en el estado metabólico de un sistema biológico como consecuencia de una patología. Estetrabajo presenta resultados de un estudio metabolómico no dirigido diseñado para investigar lainteracción de RSUME con el supresor tumoral VHL en un modelo in vitro. Para ello, se desarrollóun método de extracción de metabolitos intracelulares de líneas celulares humanas de carcinomacelular renal; se desarrolló un método analítico de cromatografía líquida de ultra alta performanceen fase reversa acoplada a espectrometría de masas de alta resolución (RP-UHPLC-HRMS); y seanalizaron los datos mediante métodos de análisis estadístico multivariado y univariado a fin dedescubrir las vías metabólicas alteradas en presencia y/o ausencia de RSUME. Para la extraccióndel endometaboloma, se partió de la línea celular 786-O (VHL -/-; RSUME +/+), la cual fuetransfectada con vectores de expresión de VHL y/o de silenciamiento de RSUME o sus vectorescontroles. Los extractos de metabolitos de un total de 120 muestras se liofilizaron y reconstituyeronpara luego ser analizados por RP-UHPLC-HRMS. Los espectros de masa de alta esolución fueronadquiridos en modo de ionización negativo y positivo en el intervalo de m/z 50-1200 utilizando unespectrómetro de masas con analizador de cuadrupolo tiempo de vuelo (QTOF). Se extrajeron lasmatrices de variables metabólicas (pares tiempo de retención, relación masa/carga; Rt, m/z), paralas combinaciones binarias estudiadas. A fin de encontrar paneles de variables discriminantes quepermitieran diferenciar las clases de muestras comparadas, se optimizaron métodos de selección devariables (AlgGen, iPLSDA) acoplados al método supervisado de Análisis Discriminante porProyección a Estructuras Latentes Ortogonalizado (OPLS-DA) con validación cruzada para analizarlas matrices de datos previamente curadas de forma manual. Para la identificación de las variablesdiscriminantes se utilizó el valor m/z exacto, el análisis del perfil isotópico, la búsqueda en bases dedatos, experimentos de espectrometría de masas en tándem (RP-UHPLC-QTOF-MS/MS) y laposterior validación con estándares. Hasta el momento se han identificado 24 de 125 variablesdiscriminantes.1 Gerez J, Tedesco L, Bonfiglio JJ, Fuertes M, Barontini M, Silberstein S, Wu Y, Renner U, Páez-Pereda M, Holsboer F,Stalla GK, Arzt E, Oncogene, 34 (2015) 4855-4866.2 Monge ME, Dodds JN, Baker ES, Edison AS, Fernández FM, Annual Review of AnalyticalChemistry, 12 (2019) https://doi.org/10.1146/annurev-anchem-061318-114959.