Aplicação de transcriptômica e proteômica como avaliação complementar de alimentos através de análise multivariada

Abstract

A crescente presença de novos produtos alimentícios no mercado desperta discussões relacionadas à segurança de alimentos. Cada país ou região tem suas próprias leis para liberação de novos alimentos para consumo, porém existe um consenso internacional no que diz respeito às regulamentações para segurança do consumo destes produtos, inclusive de alimentos provenientes de tecnologia de DNA recombinante. O conceito de equivalência substancial tem sido utilizado com este fim, fundamentado no fato de que os alimentos já existentes no comércio são admitidos como seguros para o consumo e servem como base para comparação por meio e análises de componentes específicos. Apesar de convenientes, estas análises-alvo são bastante limitadas por pesquisarem a presença de somente alguns elementos previamente conhecidos. Deste modo, abordagens mais completas para avaliação de alimentos têm sido propostas, como análises transcriptômica e proteômica. Como estas análises geram um grande volume de dados, enfoques utilizando análise estatística multivariada têm sido sugeridos para interpretação dos resultados. Neste trabalho verificou-se a aplicação de ferramentas estatísticas multivariadas para análises transcriptômica (microarranjo) e proteômica (eletroforese bidimensional) com vistas à sua utilização como análise complementar na avaliação de segurança de novos alimentos. Para isso, analisaram-se cinco variedades de batatas reconhecidas como seguras para consumo (Biogold, Fontane, Innovator, Lady Rosetta e Maris Piper). As análises do transcriptoma das amostras revelaram que foi possível a classificação das amostras utilizando a ferramenta SIMCA com uma classe. Foram desenvolvidos dois cenários contendo um conjunto de cinco classificadores e, em cada cenário, foram testadas duas amostras independentes sabidamente seguras, porém analisadas em diferentes momentos (incluindo, assim, variabilidade técnica no teste). Em cada conjunto de classificadores, as amostras teste que foram mais vezes classificadas como não pertencentes aos modelos (ou seja, não classificadas como seguras) representam as amostras com maior variabilidade técnica, pois foram cultivadas e analisadas em tempos diferentes daquelas utilizadas para a construção dos classificadores. Já as amostras que foram reconhecidas como seguras na maioria dos classificadores possuem menor variabilidade técnica. Foi também realizada a análise proteômica por eletroforese bidimensional destas amostras. Utilizou-se tiras de gradiente de pH imobilizado (IPG) de dois comprimentos diferentes, 13 e 24 cm, todas na faixa de pH de 4-7, e os conjuntos de dados gerados, representando a porcentagem de volume de spots (tendo os valores omissos substituídos ou simplesmente eliminados), foram visualizados por diagramas de análise de componentes principais (PCA). Foi verificada clara separação das variedades já nos dois primeiros componentes principais do conjunto de dados contendo valores omissos substituídos. Estes resultados revelam a possibilidade de se construir ferramentas de classificação por técnicas de análise ampla de perfil como a transcriptômica e proteômica, explorando assim uma nova abordagem para avaliação de segurança de alimentos. Para aprimorar o trabalho, a análise de um maior número de amostras permitirá maior precisão dos resultados, incluindo-se assim um alto nível de variabilidade técnica na construção dos classificadores. Desta forma, será possível a reprodução em pequena escala de situações reais de avaliação de segurança de alimentos.<br>

Abstract : The increasing occurrence of new food products in the market stimulates ever more discussions related to food safety. Each country or region possess their own laws for releasing new foods for consumption, but there is an international consensus regarding the regulations for the safety of consumption of these products, including foods derived from recombinant DNA technology. The concept of substantial equivalence has been used for this purpose, based on the fact that food already commercialized are accepted as safe for consumption and serve as basis for comparison through analysis of specific components recognized as toxic. These targeted analyzes are convenient, but they are rather limited because they search for the presence of only a few elements which are previously known. Thus, more comprehensive approaches such as transcriptomics and proteomics analyses have been proposed for food safety evaluation. Multivariate statistical approaches have been suggested for interpretation of results, given that these analyzes generate a large amount of data. On this study the application of multivariate statistical tools for analysis of data from transcriptomics (microarray) and proteomics (two-dimensional electrophoresis) techniques was verified, aiming its use as a complementary tool in safety assessment of novel foods. For that, five varieties of potatoes recognized as safe for consumption (Biogold, Fontane, Innovator, Lady Rosetta and Maris Piper) were analyzed. Transcriptome analysis of samples showed that it was possible to classify the samples using the SIMCA one class. Two scenarios containing a set of five classifiers have been developed, and each set of two independent samples considered as safe were tested, but analyzed at different time points (including technical variability in the test). In each set of classifiers, the test samples which were most often classified as not belonging to the models (i.e. not classified as safe) represent the samples with higher technical variability, given they were grown and analyzed at different time points from those used to construct the classifiers. However, the samples that have been recognized as safe in most classifiers have lower technical variability. In addition, proteomic analysis using two-dimensional electrophoresis was performed with these samples. Immobilized pH Gradient (IPG) strips pH 4-7 of two different lengths, 13 and 24 cm, were used, and the generated datasets representing percentage of volume of spots (missing values have been replaced or simply removed) were visualized by PCA. Clear separation of the varieties was verified already in the first two principal components of the dataset containing replaced missing values. These results reveal the possibility of building classification tools through profiling techniques such as transcriptomics and proteomics, thus exploring a complimentary approach for food safety assessment. To improve the work, analysis of an increased amount of samples will enable more accurate results, thus including a high level of technical variability in the construction of classifiers. As a result, it is possible to represent real situations of food safety assessment in small-scale.