Nachrichten

Wann kommt das Molekül aus der Säule?

---

Ob in der Wirkstoffsuche, der Umweltanalytik oder der Metabolomik: Wer komplexe biologische Proben untersucht, muss häufig herausfinden, welche kleinen Moleküle darin enthalten sind. Forscher der Friedrich-Schiller-Universität Jena haben gemeinsam mit demm Helmholtz Zentrum München und der Technischen Universität München ein Verfahren entwickelt, das ein seit Jahrzehnten bestehendes Problem der analytischen Chemie adressiert. In der aktuellen Ausgabe des Fachmagazins „Nature Methods“ stellt das Team um Bioinformatiker Prof. Dr. Sebastian Böcker sein neues Tool vor.

In biologischen Proben wie Blut, Zellmaterial oder Bakterienkulturen können sehr viele unterschiedliche Moleküle vorkommen. Während DNA und Proteine heute mit etablierten Verfahren vergleichsweise gut analysiert werden können, ist die Vielfalt kleiner Moleküle — sogenannter Metabolite — besonders groß. Zu ihnen gehören Stoffwechselprodukte, Naturstoffe, Gifte, Abbauprodukte und viele Arzneistoffe.

Um solche Moleküle voneinander zu trennen, wird häufig Flüssigchromatographie eingesetzt. Dabei wandert ein Stoffgemisch durch eine Trennsäule; einzelne Moleküle werden unterschiedlich stark zurückgehalten und treten deshalb zu verschiedenen Zeiten aus der Säule aus. Diese sogenannte „Retentionszeit“ liefert einen wichtigen Hinweis darauf, welche Substanz in einer Probe vorliegt. Doch wann genau kommt ein bestimmtes Molekül aus der Säule heraus? Genau diese Frage beschäftigt die analytische Chemie seit Jahrzehnten.

Bisherige Modelle mussten häufig mit Daten aus genau dem Messsystem trainiert oder nachjustiert werden, auf dem sie später Vorhersagen machen sollten. Das ist aufwendig, teuer und für viele Anwendungen schlicht nicht möglich.

Der neue Ansatz aus Böckers Team ist nicht auf ein System beschränkt, sondern kann Vorhersagen selbst für neue Systeme und unbekannte Moleküle machen. Die Methode fokussiert sich dabei auf die am häufigsten verwendete Art von Flüssigchromatographie, den sogenannte „Reversed-phase“-Modus, und arbeitet in zwei Schritten: Im ersten Schritt berechnet ein maschinelles Lernmodell für ein Molekül einen sogenannten Retention Order Index. Dieser Index beschreibt nicht unmittelbar eine Zeit, sondern die Position eines Moleküls in der erwarteten Abfolge der Retentionsordnung. Im zweiten Schritt wird dieser Index mithilfe weniger bekannter Referenzpunkte auf konkrete Retentionszeiten übertragen.

Der Ansatz kann überall dort helfen, wo unbekannte kleine Moleküle identifiziert werden sollen.

Foto: Nicole Nerger/Uni Jena

Weitere Meldungen aus dieser Rubrik