Innovative Tools and Strategies for Metabolomics Data Analysis

La metabolòmica és un bon enfocament per comprendre els fenotips. Això és valuós en aplicacions biomèdiques, ja que els metabòlits proporcionen informació sobre els processos bioquímics en temps real. La volatilòmica es centra en els compostos orgànics volàtils (VOCs), molècules petites amb potencial per a diagnòstics no invasius. Tècniques com la cromatografia de gasos acoblada a l’espectrometria de masses (GC-MS) i la cromatografia de gasos bidimensional (GC×GC-MS) ofereixen alta sensibilitat i capacitats d’alt rendiment per al seu anàlisi. Tanmateix, desafiaments com el processament de dades de gran dimensionalitat, la variabilitat metodològica i la manca d’estandardització en els resultats limiten la adopció clínica més àmplia. Aquesta tesi aborda aquests desafiaments mitjançant el desenvolupament d’eines i estratègies per automatitzar i estandarditzar els fluxos de treball en metabolòmica, impulsant el potencial clínic de la metabolòmica i la volatilòmica. El treball se centra en tres objectius principals: millorar l’anàlisi de dades de GC×GC-MS, perfeccionar les metodologies per a l’anàlisi de VOCs en orina i millorar la integració de dades entre estudis. La tesi presenta GcDUO, un programari de codi obert en R per al processament en bloc de dades complexes de GC×GC-MS en metabolòmica. GcDUO és escalable i personalitzable, resolent barreres clau en la gestió de conjunts de dades de gran dimensionalitat. En el segon objectiu es va compilar una base de dades amb 841 VOCs urinàries i es va validar el mètode de GC-MS basat en SPME Arrow, demostrant la seva reproductibilitat i utilitat per a aplicacions clíniques. Per abordar la variabilitat en la nomenclatura dels metabolits, s’ha desenvolupat dues eines. L’Estratègia d’Unificació de Metabolits que estandarditza els identificadors de metabolits per millorar la integració de conjunts de dades, mentre que Amanida, una eina de metanàlisi, sintetitza resultats de diversos estudis. Amanida, disponible com a paquet de R i aplicació Shiny. Aquestes innovacions automatitzen el processament de dades, estandarditzen metodologies i milloren la comparabilitat dels resultats, enfortint el paper de la metabolòmica en la recerca clínica.