WSChem2008

Università di SienaUniversità di Siena

Azienda Ospedaliera Universitaria SeneseAzienda Ospedaliera Universitaria Senese

Centro NMRCentro NMR-Linee di ricerca -

Workshop di Chemiometria 2008

Gruppo Divisionale Chemiometria e Società Italiana di Chemiometria

Pisa, 14-15 maggio 2008

Dott. Marco Calderisi

calderisi@unisi.it

● PRESENTAZIONE DEL DOTTORATO

Settore: Metabonomica

Luogo: Università di Siena

Dipartimento di chimica

Centro NMR (c/o Ospedale Le Scotte, Azienda

Ospedaliera Universitaria Senese)

Tutor: Prof. Gianni Valensin

Dott. Antonio Vivi

Dott. Marina Cocchi

● CENTRO NMR

Il Centro NMR (Centro Universitario di Risonanza

Magnetica Nucleare), è un Centro Servizi dell'Università

degli Studi di Siena

● UNISI: Dip. Farmaco-Chimico e Tecnologico, Biologia

Molecolare, Chimica, Neuroscienze

● AOUS: Neuropsichiatria Infantile, U.O. Chirurgia dei

Trapianti (Rene)

● Esterni: Novartis

● CENTRO NMR

● Il Centro NMR occupa circa 257m2 di cui la metà è occupata dagli spettrometri

● Mantiene la stumentazione in modo autonomo (a questo servono i laboratori meccanico ed elettronico)

● Svolge attività di ricerca in campo biomedico con personale proprio

Chemical Lab23 m2

Biological Lab25 m2

Electronical Lab18 m2

Mechanical Lab22 m2

600 MHz NMR36 m2

500 MHz NMR26 m2

200+300 MHz NMR32 m2

400 MHz NMR WB27 m2

Adm Office24 m2

257 m2 Workstation24 m2

● CENTRO NMR

● Bruker DRX Avance 600MHz

● Bruker DRX Avance 500MHz

● Bruker AMX 400 Mhz Wide Bore

● Varian VXR 300MHz

● Varian Gemini 200MHz

● CENTRO NMR

● PROGETTI IN CORSO

1) Metabolites patterns in kidney transplant patients

2) Analysis of candidate genetic regions and peptides and

metabolites profile in autism (progetto Telethon)

● KIDNEY TRANSPLANT

Dr. M. Carmellini (Dip. di Chirurgia e Bioigegneria, Univ. di

Siena)

Dr. J. Trygg (Dip. di Chimica, Univ. di Umeå, Svezia)

Obiettivo:

Identificazione, mediante spetroscopia H1-NMR, di biopattern

dinamici (ovvero traiettorie individuali per ciascun paziente)

relativi all'andamento del recupero post-operatorio di pazienti

trapiantati di rene

● KIDNEY TRANSPLANT

DATI

1) spettri NMR (32K) di campioni di urina raccolti durante il

periodo post-operatorio [pazienti x spettri x tempo (giorni)]

2) dati clinici (glucosio, numero di dialisi, diuresi, terapia

farmacologica)

● KIDNEY TRANSPLANT

Elaborazione unsupervised mediante PCA

-140

-120

-100

-80

-60

-40

-20

0

20

40

60

80

-100 0 100

t[2]O

t[1]P

Vivi_transplant2005_Eigen.M41 (OPLS), Group 1 (10,14,15,18,20,22,23)t[Comp. 1]/t[Comp. 2]Colored according to classes in M41

R2X[1] = 0,256169 R2X[2] = 0,170422 Ellipse: Hotelling T2 (0,95)

1310 1

1310 2

1310 3 1310 41310 5

1310 6

1310 7

1310 8

1314 11314 2

1314 3

1314 4

1314 5 1314 61314 71314 8

1315 1

1315 2

1315 3

1315 41315 7

1315 8

1315 9

1315 10

1318 1

1318 21318 3 1318 6

1318 7

1318 81318 91318 101320 1

1320 2

1320 3

1320 4

1320 5

1322 1

1322 2

1322 3

1322 4

1322 5

1322 6

1323 11323 3

1323 41323 5

1323 6

1323 71323 8

1323 9

1323 10

SIMCA-P 11 - 2006-03-22 09:39:26

00 11

Individuazione di due

cluster correlati con il

decorso post

operatorio

(0=start, 1=end)

● KIDNEY TRANSPLANT

Elaborazione supervised mediante O-PLS-DA

● KIDNEY TRANSPLANT

è evidente che i pazienti 1317,

1324 e 1325 non hanno una

traiettoria simile agli altri pazienti.

I primi due mostrano infatti una

traiettoria che ha direzione opposta,

il 1325 non ha addirittura traiettoria

● KIDNEY TRANSPLANT

Dialisi (18 pazienti x 16 giorni) – cluster analysis

● KIDNEY TRANSPLANT

Glucosio (18 pazienti x 16 analisi) - PCA

2 4 6 8 1 0 1 2 1 4 1 60

1

2

3

4

5

6

7

8

9

S a m p l e

Q R

esid

uals

(20.

66%

)

1 3 0 9

1 3 1 0 1 3 1 1

1 3 1 2

1 3 1 3

1 3 1 4

1 3 1 5 1 3 1 6

1 3 1 7 1 3 1 8 1 3 1 9 1 3 2 0 1 3 2 2 1 3 2 3 1 3 2 4

1 3 2 5

1 3 2 7

S a m p l e s / S c o r e s P l o t o f g l u c o

1 2 3 4 7 8- 1 . 5

- 1

- 0 . 5

0

0 . 5

1

1 . 5

2

d a y

Q R

esid

ual C

ontri

butio

n

S a m p l e 1 6 1 3 2 5 Q R e s i d u a l = 8 . 0 5 4

0

1

2

3

7

14

● SPIEGAZIONE

Considerando i risultati derivanti sia dall'elaborazione dei dati

NMR, che dalle elaborazione dei dati clinici, è possibile notare

che i 3 pazienti outliers (1317, 1324, 1325) sono stati

sottoposti a un elevato (quantomeno rispetto agli altri) numero

di dialisi, ben 6 in 15 giorni.

Inoltre, il paziente 1325, che non mostra alcuna traiettoria

nell'analisi chemiometrica (modello O-PLS-DA), ha valori di

glucosio marcatamente anomali nei primi giorni successivi al

trapianto.

● AUTISMO (work in progress)

Prof. R. A. Wevers (Laboratorio di Pediatria e Neurologia,

Univ. di Nijmegen)

Prof. R. Wehrens (Dip. di Chimica Analitica, Univ. Di

Nijmegen)

Obiettivo:

L'autismo è la descrizione di un comportamento, non una

diagnosi specifica, pertanto attraverso l'individuazione di

pattern metabolici si intende verificare la presenza di

sottogruppi diagnostici specifici

● AUTISMO (work in progress)

DATI

FID e corrispondenti spettri NMR di campioni di urina di più

di 100 pazienti affetti da autismo

● AUTISMO (work in progress)

STRATEGIA OPERATIVA

● Elaborazione del dominio dei tempi (FID) e delle

frequenze (spettri NMR)

● Selezione dei più appropriati metodi di pretrattamento

del segnale, tra cui l'impiego delle wavelet sui segnali

FID

● Elaborazione dei segnali (usupervised e supervised)

● Definizione di criteri di valutazione della performance

degli algoritmi di elaborazione

● AUTISMO (work in progress)

RISULTATI ATTESI

Descrizione del sistema osservato

Identificazione di clusters

Identificazione di outliers

Input per successiva caratterizzazione genetica

● AUTISMO (work in progress)

TOOLBOX

● AUTISMO (work in progress)

ESEMPIO TOOLBOX

● AUTISMO (work in progress)

ESEMPIO TOOLBOX

● AUTISMO (work in progress)

ESEMPIO TOOLBOX

● AUTISMO (work in progress)

ESEMPIO TOOLBOX

● PROSPETTIVE FUTURE

● Kidney transplant: sviluppo del modello per studiare la

tossicità del trattamento farmacologico post operatorio,

(attualmente biopsia). CAC 2008.

● Autismo: migliorare la caratterizzazione della tipologia di

autismo, migliorare le possibilità di trattamento

farmacologico

● Sviluppo di una toolbox per il pretrattamento e l'analisi

dei segnali fid mediante wavelet

● FINE!!

Grazie per l'attenzione!