Towards NMR 1D and 2D targeted annotation from reference matrices

Poster présenté lors des 9èmes journées Scientifique du Réseau Français de Métabolomique et Fluxomique (RFMF) 2015.La spectrométrie de RMN 1D proton reste largement utilisée pour caractériser des extraits ou biofluides lors d’analyses métabolomiques. Un spectre de mélange complexe RMN 1D proton est une signature (pattern) ou une empreinte (fingerprint) résultant de la superposition de tous les spectres des molécules pondérés par leur concentration, composant ce mélange. Il en résulte que l’identification de certains composés ne repose parfois que sur une seule résonance, que seul un expert peut valider non sans avoir recours à des expériences RMN 2D de type HSQC ou JRES, pour être conforme aux directives de la Metabolomics Standards Initiative (MSI) concernant l’identification des métabolites. Aussi vouloir identifier et plus encore quantifier un grand nombre de composés requiert une très bonne connaissance de la composition de la matrice étudiée. Une recherche de composés candidats au sein d’une librairie de spectres RMN 1D proton qui couvrirait tous les règnes et un grand nombre de voies métaboliques fournirait certes une information très riche mais inextricable sans le regard d’un expert. C’est pourquoi, la stratégie retenue pour une recherche automatique de métabolites candidats au sein de la signature spectrale d’un mélange complexe, consiste à i) capitaliser la connaissance des experts pour chaque matrice modèle sous la forme de profils métaboliques annotés avec l’ensemble des composés de référence d’intérêts, ii) constituer une librairie des spectres de référence RMN 1D proton et 2D proton/proton et proton/carbone des composés d’intérêts constituant une matrice donnée, et acquis dans les mêmes conditions de pH que l’extrait issue de cette matrice, iii) procéder, à l’aide d’algorithmes de « peak matching », à la recherche de candidats ciblés sur la librairie correspondante à la matrice modèle la plus proche. Pour cela, l’ensemble des spectres de composés de référence et des mélanges complexes issus de matrices modèles seront modélisés, stockés et gérés dans la « PeakForest database », développée dans le cadre WP Bioinformatique du projet IA ANR MetaboHUB.