Upload
others
View
6
Download
0
Embed Size (px)
Citation preview
UNIVERSIDAD DE CÓRDOBA
INSTITUTO DE ESTUDIOS DE POSTGRADO
MÁSTER EN BIOTECNOLOGÍA
Trabajo Fin de Máster
Análisis metabolómico de especies forestales, la
encina (Quercus ilex)
Cristina López Hidalgo 20224320Y
Departamento Bioquímica y Biología Molecular
Director: Jesús Valentín Jorrín Novo
Codirector: Luis Valledor González
Córdoba, 06/2017
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina2
PROPUESTA DE REVISORES
Jesús Valentín Jorrín Novo y Luis Valledor González, directores del trabajo fin de máster
titulado “Análisis metabolómico de especies forestales, la encina (Quercus ilex)”, proponen como
posibles revisores del mismo a:
o Elena Prats Pérez. Resistencia a estreses bióticos y abióticos. Instituto de Agricultura
Sostenible, Consejo Superior de Investigaciones Científicas.
o Feliciano Priego Capote. Departamento de Química Analítica. Universidad de Córdoba.
o Mónica Meijón Vidal. Biología de Organismos y Sistemas. Universidad de Oviedo.
Jesús Valentín Jorrín Novo
Fdo.
Luis Valledor González
Fdo.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina4
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
AGRADECIMIENTOS
Hace nada estaba en esta misma situación, escribiendo los agradecimientos para mi trabajo de
fin de grado. Y de la misma forma que en esa ocasión debo agradecer a muchísima gente su ayuda,
compañía y consejos. Espero no olvidarme de nadie. Este año se me ha pasado fugazmente y podría
afirmar que ha sido mi mejor año tanto profesionalmente como personalmente.
A Jesús, por su invalorable paciencia y disponibilidad absoluta. Gracias por tus ánimos y tus palabras
que me motivan a continuar trabajando. Y por supuesto gracias por seguir confiando en mí y
permitirme continuar en este grupo. Gracias a Luis y a Mónica y a la gente de su grupo, que hicieron
mi estancia en Oviedo muy agradable y en la que aprendí muchas cosas que me han permitido
desarrollar este trabajo. No me puedo olvidar de Macarena, responsable del área de metabolómica del
SCAI, por su amabilidad y su interés en escucharme y enseñarme multitud de cosas.
También gracias a Rosa, mi compañera de viaje y de laboratorio, y a quien ya considero una amiga.
Del mismo modo, debo agradecer a su hermana Silvia, Daniel, Leticia, Kamilla, Patricia, Víctor,
Isabel, y mucha gente más que han pasado por el laboratorio estos meses. También debo agradecer a
Ana Maldonado y Manolo Rodríguez que han sido profesores del máster, de los cuales he aprendido
mucho. Por supuesto, no me puedo olvidar de Maricarmen, por su paciencia y su máxima atención a
que nuestras condiciones de trabajo sean siempre las mejores.
A mi familia por apoyarme en todo momento. Y, por último, a mi mejor amigo y compañero del día a
día y que es la persona que más admiro. Me soporta (que es muy difícil hacerlo), me conoce, y
comprende que mi trabajo es una parte fundamental en mi vida y posee una enorme paciencia con lo
que todo esto conlleva.
Gracias a todos.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina6
ÍNDICE
PROPUESTA DE REVISORES............................................................................................................ 2
AGRADECIMIENTOS ......................................................................................................................... 4
ÍNDICE DE ILUSTRACIONES ........................................................................................................... 8
ÍNDICE DE TABLAS ......................................................................................................................... 10
RESUMEN .......................................................................................................................................... 12
OBJETIVOS ........................................................................................................................................ 14
1. INTRODUCCIÓN .................................................................................................................... 16
2. MATERIALES Y MÉTODOS ................................................................................................. 22
2.1. Material vegetal, condiciones de crecimiento y muestreo ................................................. 22
2.2. Extracción de metabolitos y derivatización ....................................................................... 24
2.3. Análisis por GC-MS .......................................................................................................... 26
2.4. Alineamiento de los cromatogramas y cuantificación de los metabolitos ......................... 27
2.5. Identificación de metabolitos ............................................................................................. 27
2.6. Análisis estadístico y bioinformático ................................................................................ 28
3. RESULTADOS......................................................................................................................... 28
4. DISCUSIÓN ............................................................................................................................. 36
5. CONCLUSIONES .................................................................................................................... 40
REFERENCIAS ................................................................................................................................... 41
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina8
ÍNDICE DE ILUSTRACIONES
Ilustración 1 - Diversidad de metabolitos secundarios y rutas metabólicas principales de
biosíntesis………………………………………………………………………….……………..…..19
Ilustración 2 - Flujo de trabajo de un análisis metabolómico……………….………………......……20
Ilustración 3 - Esquema básico de un sistema GC-MS……………….………………....................…21
Ilustración 4 - Material vegetal……………...….………………......………………………......……23
Ilustración 5 - Protocolo de extracción de metabolitos……………….…………….........………..…25
Ilustración 6 - Protocolos de rampas de temperatura de la separación cromatográfica………....……26
Ilustración 7 - Cromatogramas de GC-MS de los tres órganos……………….……...…..…......……29
Ilustración 8 - Diagrama de Venn y diagrama de barras……………………………….……......……33
Ilustración 9 - Análisis de componentes principales (PCA) de los tres órganos………………...……34
Ilustración 10 - Heat maps de los metabolitos asignados en los tres órganos……………….…..……35
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina1
0
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
ÍNDICE DE TABLAS
Tabla 1 - Metabolitos asignados por las diferentes bases de datos correspondientes a la Fracción
Polar………………………………………………………………………….………………………30
Tabla 2 - Metabolitos asignados por las diferentes bases de datos correspondientes a la Fracción
Apolar...………………………………………………………………………………………………31
Tabla 3 - Metabolitos asignados por las diferentes bases de datos……………………………………32
Tabla 4 - Resumen de resultados de trabajos previos de metabolómica no dirigida sobre especies
vegetales……………………………………………………………………………………………...37
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina1
2
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
RESUMEN
El presente trabajo fin de máster, titulado “Análisis metabolómico de especies forestales, la
encina (Quercus ilex)” ha constituido una primera aproximación al análisis del perfil metabolómico de
distintos órganos de encina (hojas y raíces de plantones de encina crecidos en invernadero y de semillas
recogidas en campo). Con el objetivo de relacionar las diferencias fenotípicas de los órganos con sus
fenotipos moleculares y metabólicos se ha comparado los perfiles de metabolitos. Se ha realizado la
extracción de los metabolitos mediante un procedimiento de dobles solventes, obteniéndose dos
extractos de metabolitos de distinta polaridad. A partir de los datos de obtenidos por cromatografía de
gases acoplado a espectrometría de masas (GC-MS) y el empleo de novedosas herramientas
bioinformáticas se han resuelto un total de 461 picos, 156 en semillas, 146 en hojas y 159 en raíces, y
se han identificado un total de 87 compuestos, 74 en semillas, 79 en hojas y 71 en raíces. La
identificación de los 87 compuestos permitió establecer distintas familias químicas (aminoácidos
proteicos y no proteicos, carbohidratos, ácidos orgánicos, ácidos grasos, y compuestos fenólicos) y su
cuantificación permitió la discriminación de los tres órganos analizados. Destacan diferencias
cualitativas y cuantitativas entre órganos, como mayor contenido de ácidos orgánicos y compuestos
fenólicos en hojas; un mayor contenido de aminoácidos proteicos, azúcares y carbohidratos en bellota
y la presencia única de ácido salicílico en raíz. La interpretación de las diferencias entre los perfiles
metabolómicos de los distintos órganos ha permitido establecer relaciones con las características o
propiedades biológicas de cada órgano.
Palabras clave: Metabolómica; Quercus ilex; hoja; bellota; raíz; GC-MS
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina1
4
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
OBJETIVOS
Como continuación del trabajo recientemente iniciado (López Hidalgo, 2016) sobre análisis
metabolómico en encina (Quercus ilex subsp. ballota (Desf.) Samp), se planteó, como objetivo general,
el análisis del perfil metabólico en diferentes órganos de la planta (hoja, raíz y semillas), utilizando
cromatografía de gases acoplada a masas (GC-MS). Dicho objetivo general se dividió en los siguientes
objetivos específicos:
i. Optimizar protocolos de extracción y análisis metabolómico por GC-MS. Extracción
secuencial de metabolitos polares y apolares. Identificación y cuantificación mediante el
empleo de diferentes algoritmos.
ii. Análisis del perfil metabólico en hojas y raíces de plantones de encina crecidos en invernadero
y de semillas recogidas en campo.
iii. Análisis comparativo del perfil de metabolitos de los tres órganos analizados y relación con
sus características o propiedades biológicas.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina1
6
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
1. INTRODUCCIÓN
Tres son los elementos básicos que definen una investigación biológica, el sistema
experimental, la pregunta o hipótesis y la metodología. En la presente Tesis de Máster dichos
elementos quedan recogidos en el título de la misma, “Análisis metabolómico de especies forestales,
la encina (Quercus ilex)”: la encina, como sistema de estudio, su metaboloma, como pregunta, y el uso
de una aproximación holística de análisis de biomoléculas, la metabolómica.
El trabajo queda encuadrado dentro de la línea de investigación que sobre aproximaciones moleculares
al estudio de especies forestales (Sghaier-Hammami et al., 2013, Romero-Rodríguez et al., 2014)
lleva a cabo el Grupo de Investigación “Bioquímica, Proteómica y Biología de Sistemas Vegetal y
Agroforestal,” (AGR-164). En trabajos previos (López-Hidalgo, 2016) se planteó el uso de esta
aproximación holística (-ómicas) en la caracterización del perfil metabolómico en encina, teniendo un
carácter básicamente metodológico, empleando distintas técnicas y metodologías, desde técnicas
clásicas, determinaciones mediante bioquímica clásica, como más novedosas, espectroscopía de
infrarrojo cercano (NIRS), resonancia magnética nuclear (NMR) y cromatografía de gases acoplada a
espectrometría de masas (GC-MS). A partir de esta base de conocimiento, se plantea el uso de una
aproximación holística por cromatografía de gases acoplada a espectrometría de masas para la
caracterización de los perfiles metabolómicos de tres órganos (semilla, hoja y raíz). Se pretende
implementar otras técnicas utilizadas previamente en el grupo (bioquímica clásica, proteómica y
transcriptómica), encaminando la investigación con esta especie forestal en la dirección de la definida
Biología de Sistemas.
La encina (Quercus ilex subsp. Ballota [Desf.] Samp) es la especie predominante del bosque
mediterráneo, en general, y del ecosistema agrosilvopastoral dehesa, en particular. Como podemos
afirmar para un gran número de especies forestales, catalogadas como huérfanas y recalcitrantes, la
encina, a pesar de su importancia medioambiental e interés económico, es una gran desconocida a
nivel biológico, en especial desde un punto de vista molecular. Los problemas históricos de
sobreexplotación, los actuales de pérdida de masa forestal por enfermedades y estreses ambientales (la
seca de la encina) y los asociados a un escenario de futuro cambio climático, hacen que el estudio de
su biología pase a ser una prioridad de cara a diseñar programas de manejo y conservación que
aseguren su valor medioambiental y agrosilvopastoral (Jorrín-Novo et al., 2014).
De todas las actuaciones biotecnológicas que se pueden utilizar en el ámbito agroforestal, mejora
clásica, transgénesis, mutación y explotación de la biodiversidad natural, es esta última, y la selección
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina1
7
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
de genotipos “élite” o “plus” la más adecuada o única viable. Esto es debido a las características de las
especies forestales (ciclos de vida muy largos y no domesticadas), lo que dificulta los programas de
mejora clásica, o la posición europea frente a los transgénicos. En dicho marco, la selección de
individuos con determinadas características fenotípicas, como las de adaptación y tolerancia a
condiciones ambientales adversas (sequía y patógenos, fundamentalmente) (Simova-Stoilova et al.,
2015), sería un logro importante. Por otra parte, el estudio metabolómico puede llevarnos a la
identificación de compuestos que, por su actividad biológica y potencial uso aplicado, pueden darle
valor añadido a la especie de estudio.
Trabajos previos han mostrado la existencia de una elevada variabilidad poblacional y polimorfismo
en Quercus spp. Dicha conclusión se ha alcanzado gracias a estudios anatómicos y morfométricos
(Castro-Díez et al., 1997), bioquímicos (Valero et al., 2010), de marcadores de DNA (Jiménez et al.,
2004, Lumaret et al., 2009) y proteínas (Jorge et al., 2005, Valero et al., 2011). También se han
llevado a cabo análisis del contenido en fenólicos en Quercus ilex L., como componentes antioxidantes
útiles para la preservación de alimentos en la industria alimentaria (Cantos et al., 2003, Karioti et al.,
2011, Yarnes et al., 2006).
La pregunta que justifica este trabajo ha sido la siguiente, ¿las diferencias fenotípicas observadas entre
órganos estarían asociadas a una composición química diferencial a causa de un metabolismo
diferenciado? Para resolver dicha pregunta se necesita alcanzar un conocimiento del perfil de
metabolitos de los distintos órganos de encina. Con ello, pretendemos abordar los dos principales
objetivos anteriormente señalados, la caracterización del metaboloma y la búsqueda de compuestos
bioactivos.
Debido al importante papel del género Quercus en el sector agroalimentario, a causa de su elevado
potencial antioxidante y antibacteriano (Güllüce et al., 2004) de diversos extractos alcohólicos, o su
consideración como una fuente rica en fenólicos, como proantocianidinas y taninos, la identificación
de estos compuestos empleando técnicas metabolómicas, permiten alcanzar un mayor conocimiento
de éstos y, por último, asociarlos a dicha variabilidad fenotípica.
La aproximación experimental, la metabolómica, ha constituido el principal reto de este trabajo. Las
técnicas metabolómicas son una herramienta importante para el diagnóstico y estudio de las respuestas
fisiológicas de las especies vegetales a los cambios ambientales y ofrecen la oportunidad de obtener
conocimiento de los mecanismos implicados en la correcta relación biodiversidad-ecosistema
(Scherling et al., 2010).
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina1
8
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
La metabolómica, término empleado por primera vez por Oliver Fiehn (Fiehn, 2002), entendida como
la disciplina científica o aproximación metodológica del área de la bioquímica, tiene por objeto el
análisis cualitativo y cuantitativo de forma exhaustiva de todos los metabolitos de un sistema biológico
dado, bajo un conjunto de condiciones ambientales determinadas (Sheth et al., 2014).
Analiza el metaboloma, término sugerido por Oliver et al. (1998) (Oliver et al., 1998). Este se define
como el conjunto completo de pequeñas moléculas, metabolitos, producidos por las diversas unidades
biológicas (desde organismos, órganos, tejidos, células y orgánulos o compartimentos celulares), en
un estado de desarrollo específico y bajo determinadas condiciones ambientales.
Los diversos metabolitos son pequeñas moléculas resultantes de las múltiples reacciones enzimáticas
durante el metabolismo que constituyen un grupo de compuestos de bajo peso molecular (normalmente
menores de 1500 Da) que incluyen: aminoácidos, péptidos, ácidos grasos, lípidos, purinas, pirimidinas,
azúcares y otras moléculas.
La gran diversidad de moléculas se refleja en una amplia gama de polaridades, pesos moleculares,
grupos funcionales, estabilidad y reactividad química, entre otras propiedades. Esto obliga
irremediablemente la utilización de múltiples plataformas y configuraciones analíticas que maximicen
la cobertura del metaboloma analizado.
Considerada como la más reciente de las grandes ómicas, la metabolómica permite la descripción,
identificación y cuantificación, desde una perspectiva holística de todos los metabolitos, considerados
como los productos finales de la expresión génica.
Al igual que el transcriptoma y el proteoma, el metaboloma es dinámico, experimenta cambios muy
rápidos que proporciona una visión del estado celular. Sin embargo, al contrario que los genes y las
proteínas, cuyas funciones están sujetas a la regulación epigenética y a las modificaciones
postraduccionales, respectivamente, los metabolitos actúan como indicadores directos de la actividad
bioquímica y son, por tanto, fácilmente correlacionados con el fenotipo (Sheth et al., 2014). Por dicho
motivo, la metabolómica está llamada a complementar la información bioquímica obtenida de los
genes y las proteínas, facilitando las reconstrucciones genómicas actuales del metabolismo y
mejorando nuestra comprensión de la biología celular y fisiología de diferentes sistemas biológicos.
La plasticidad vegetal que permite la adaptación de estos organismos sésiles al medio y a los cambios
ambientales origina una elevada diversidad físico-química en las estructuras moleculares y la
naturaleza química de los metabolitos, especialmente los denominados metabolitos secundarios.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina1
9
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Se ha estimado que existen aproximadamente 200.000 metabolitos en plantas. Cada planta puede
producir entre 5.000-25.000 metabolitos diferentes (Trethewey, 2004). Además de los carbohidratos,
ácidos grasos y proteínas, se han identificado más de 100.000 metabolitos secundarios, como los
isoprenoides, fenilpropanoides y alcaloides (Ilustración 1). La biosíntesis y la acumulación de los
metabolitos secundarios muestran una gran especificidad espacio-temporal y son, en ocasiones,
compuestos únicos en ciertas especies vegetales (Sumner et al., 2003, Schawab, 2003, Kim et al.,
2015).
Ilustración 1. Diversidad de metabolitos secundarios y rutas metabólicas principales de biosíntesis. Se muestran
los metabolitos secundarios mayoritarios en el reino vegetal y las principales rutas metabólicas de origen (Glucolisis,
Ciclo de Krebs y Ciclo de Calvin). Esquema adaptado de Tissier et al, 2014.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina2
0
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Al contrario que las proteínas, la estructura química no puede ser predicha basándonos en la secuencia
del genoma, haciendo incluso más difícil la determinación. Tal complejidad es un reto analítico
enorme, necesitándose poderosas herramientas para la separación y la caracterización de las muestras.
Son múltiples las metodologías que se emplean para la detección, cuantificación y elucidación de la
estructura de los metabolitos.
El flujo de trabajo de un análisis metabolómico (Ilustración 2) comprende al menos 5 etapas
fundamentales; (1) la preparación de la muestra, (2) el empleo de métodos analíticos para la
adquisición de los datos, (3) el análisis de los datos y (4) la identificación y cuantificación de los datos
empleando análisis estadísticos y bioinformáticos para alcanzar (5) una aproximación o interpretación
biológica de los resultados.
Ilustración 2. Flujo de trabajo de un análisis metabolómico. En un procedimiento de metabolómica no dirigida, los
metabolitos de las muestras biológicas son previamente aislados. Subsecuentemente, se obtienen los datos espectrales
a partir de técnicas de NMR, LC-MS y GC-MS. Una vez adquiridos los datos, estos son procesados empleando diversos
softwares bioinformáticos para alcanzar la identificación del mayor número posible de compuestos y finalmente
realizar una interpretación biológica adecuada. Esquema adaptado de Alonso et al, 2015.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina2
1
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
En el intento de identificar las diferencias fenotípicas observables de los órganos para su correlación
con el fenotipo molecular y metabolómico se ha realizado la identificación y cuantificación de los
metabolitos, empleando técnicas de GC-MS (Ilustración 3).
La espectrometría de masas es una técnica analítica que permite la adquisición de datos espectrales en
función de la relación masa/carga (m/z) y la intensidad relativa de los elementos analizados Para que
el espectrómetro pueda generar los picos de señal de cada metabolito, las muestras biológicas deben
ser previamente ionizadas. Los compuestos ionizados resultantes de cada molécula generarán
diferentes patrones de picos que definen la huella o el perfil de la molécula original. En metabolómica,
generalmente se requieren de un paso previo de separación. Este paso reduce la elevada complejidad
de la muestra biológica y permite dirigir el análisis a un conjunto determinado de compuestos. Las
columnas de cromatografía de líquidos y gases (LC y GC, respectivamente) son las técnicas de
separación más comúnmente empleadas (Theodoridis et al., 2011). Dicha técnica de separación
cromatográfica está basada en la interacción de los diferentes metabolitos contenidos en la muestra
con los materiales adsorbentes en la columna cromatográfica. De este modo, los metabolitos con
diferentes propiedades químicas poseerán distintos tiempos de retención (tiempo necesario para pasar
a través de la columna). El tiempo requerido por cada metabolito, se emplea junto a los valores de la
relación masa/carga que se obtendrán en el espectrómetro de masas generando la información
necesaria para la identificación de los metabolitos empleando las distintas bases de datos disponibles
(LipidBank, LIPID MAPS, Metlin Database, NIST, MetaCyc, Golm Metabolome Database, etc). Así,
se combinan ambas técnicas, denominándose LC-MS y GC-MS.
Ilustración 3. Esquema básico de un sistema GC-MS. Se muestran los elementos constituyentes básicos de un equipo
de GC-MS, consistente en un elemento inyector de la muestra, la fuente de ionización, el analizador de masas, el
sistema de detección de los iones y finalmente un elemento procesador de los datos.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina2
2
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Para la realización de este trabajo de investigación, desde un punto de vista interdisciplinar, se ha
requerido de conceptos científicos y aproximaciones experimentales del campo de la biología y la
química (desde aspectos fisiológicos del organismo de estudio y propiedades físicas y químicas de los
componentes moleculares) para alcanzar la comprensión de los mecanismos moleculares en los
sistemas biológicos complejos.
Se debe destacar la naturaleza novedosa de esta aproximación al perfil metabolómico de los distintos
órganos de encina u otras especies forestales. Esto queda reflejado debido a la escasa bibliografía
reciente. De hecho, la mayoría de los trabajos que han enfrentado sus problemas con este tipo de
aproximación han sido referentes a la determinación del perfil metabolómico de respuesta a distintos
estreses. En ellos, han empleado 1H-NMR para la determinación del perfil en la respuesta a heridas en
el proceso de germinación de semillas de Quercus ilex (Sardans et al., 2014), GC-MS en respuesta a
estrés biótico (Adjami et al., 2016, Kersten et al., 2013) o espectroscopía FT-IR y GC en respuesta a
la desecación (Connor et al, 2003). En definitiva, no se ha realizado la determinación del perfil de
metabolitos para el estudio descriptivo del metaboloma de distintos tipos de órganos de encina como
se ha pretendido realizar en este trabajo.
2. MATERIALES Y MÉTODOS
2.1. Material vegetal, condiciones de crecimiento y muestreo
Las bellotas se recolectaron de una encina de una población de Quercus ilex procedente de la
localidad Aldea de Cuenca (Fuente Obejuna, Córdoba) (coordenadas UTM Huso 30 ETRS89 (x:
288570, y: 4238235.9)) en el año 2015 (Ilustración 4). Tras su transporte al laboratorio, se procedió
a la limpieza y selección de los frutos, siguiendo el protocolo previamente establecido por Bonner
(Bonner et al., 1987).
Los frutos se sumergieron en agua, eliminando aquellos que flotasen, y que correspondieron a frutos
dañados. Para su esterilización, las bellotas se transfirieron a una solución de agua: hipoclorito de sodio
al 2,5% (1:1; v:v) conteniendo unas gotas de Tween 20, dejándose en dicha solución durante 20
minutos. Finalmente, se lavaron abundantemente con agua, se secaron a temperatura ambiente y se
almacenaron a 4 oC en bolsas de polietileno herméticamente cerradas (Caliskan, 2014, Corbineau et
al., 2014).
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina2
3
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Las bellotas fueron germinadas. Para garantizar una germinación homogénea y evitar germinación
escalonada, se eliminó el pericarpo y la porción distal de las bellotas. Se dispusieron en macetas de 0.5
L conteniendo perlita y se llevaron, para su germinación y crecimiento, al invernadero.
El riego con agua corriente se llevó a cabo periódicamente, manteniendo condiciones altas de humedad
(capacidad de campo). A los tres meses se muestrearon las plantas, se lavaron abundantemente con
agua de grifo y agua destilada, se secaron, congelaron en nitrógeno líquido y se almacenaron a -80 ±
1 oC hasta su análisis.
Ilustración 4. Material vegetal. a. Localización de muestreo, Aldea de Cuenca (Fuente Obejuna, Provincia de
Córdoba). b. Individuo de muestreo, encina con características de individuo élite. Se observa el tamaño diferencia con
respecto a los otros individuos de la población. c. Preparación de las bellotas para su germinación. Se observan los
múltiples cotiledones. d. Plántulas de tres meses de edad recolectadas.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina2
4
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
2.2. Extracción de metabolitos y derivatización
Se llevó a cabo la extracción de metabolitos mediante un procedimiento clásico de dobles
solventes y siguiendo la metodología descrita por el Dr. Luis Valledor (Universidad de Oviedo), con
algunas modificaciones (Valledor et al., 2014a), tal y como se detalla en la Ilustración 5.
Se ajustó la relación de peso seco con los volúmenes de solventes y se optimizaron los tiempos de
incubación en baño de ultrasonidos para maximizar el contenido de metabolitos en el extracto. Los
distintos órganos a analizar (bellota sin germinar, hoja y raíz) se homogenizaron con mortero y
nitrógeno líquido. El material molido se liofilizó (Liofilizador de mesa LABOTEC) durante 24 horas.
Los extractos de metabolitos resultantes (fracción soluble en metanol: agua (fracción polar) y la
fracción soluble en cloroformo (fracción apolar)) fueron secados mediante el empleo de un
concentrador SpeedVac (Concentrator plus, Eppendorf).
La derivatización de los compuestos de la fracción polar se llevó a cabo con una mezcla de 20 mg de
clorhidrato de metoxiamina en 500 µL de piridina. La mezcla se calentó o sonicó durante 30 segundos.
Se añadieron 20 µL de dicha mezcla a la muestra y se incubó durante 30 minutos a 37 oC en un agitador
térmico. Para la sililación de los metabolitos se añadió 70 µL de MSTFA (N-metil-N-(trimetilsilil)
trifluoroacetamida, Sigma-Aldrich) a las muestras y se incubaron durante 30 minutos a 37 oC en un
agitador térmico. Los compuestos de la fracción apolar fueron derivatizados con una mezcla de 295
µL de MTBE (éter metil tert-butílico, Sigma-Aldrich) y 5 µL de TMSH (trimetilsulfonio hidróxido,
Sigma-Aldrich) durante 30 minutos a temperatura ambiente. Tras este tiempo, ambas fracciones
derivatizadas se centrifugaron durante 3 minutos a 20.000 g, transfiriendo el sobrenadante a los
microviales de GC.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina2
5
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Ilustración 5. Protocolo de extracción de
metabolitos. Se obtuvieron dos fases claramente
diferenciadas que corresponden con la fracción más
polar de los metabolitos (fase superior) y la fracción
más apolar de los metabolitos (fase inferior). Ambas
fracciones fueron analizadas independientemente
mediante GC-MS.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina2
6
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
2.3. Análisis por GC-MS
Se siguió el procedimiento y la metodología empleada en el grupo del Dr. Luis Valledor
(Meijón et al., 2016, Furuhashi et al., 2012), con algunas modificaciones.
Las medidas de GC-MS se realizaron siguiendo el procedimiento (Furuhashi et al., 2012) en un
instrumento de triple cuadrupolo (TSQ Quantum GC, Thermo) disponible en el servicio de
metabolómica del Servicio Central de Apoyo a la Investigación (SCAI-UCO,
http://www.uco.es/probiveag/proyectos.html) y un instrumento de un cuadrupolo (Agilent 5975B
GC/MSD, Agilent) de los Servicios Científico-Técnicos de la Universidad de Oviedo
(http://www.sct.uniovi.es/).
Para ambas fracciones, se inyectó 1 µL de muestra y se realizó la separación por cromatografía de
gases mediante una columna capilar HP-5MS (30m x 0,25 mm x 0,25 mm, Agilent Technologies. El
caudal del proceso cromatográfico fue de 1.2 mL/ min. La temperatura del inyector fue 230 oC. Los
rangos de temperaturas del proceso y los parámetros de adquisición de datos del espectrómetro de
masas presentaron pequeñas diferencias (Ilustración 6).
Para la fracción polar, las temperaturas del horno fueron incrementando desde 70 oC a 310 oC. Las
rampas de temperatura fueron de 70 oC a 76 oC (0.75 oC/min), luego, fue incrementando desde 76 oC
a 180 oC (6 oC/min), de 180 oC a 200 oC (3.5 oC/min) y, por último, 200 oC hasta 310 oC (6 oC/min).
Ilustración 6. Protocolos de rampas de temperatura de la separación cromatográfica. Se emplearon distintas
rampas de temperatura para las fracciones polares y apolares de los extractos de metabolitos.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina2
7
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Después de la separación, las condiciones de temperatura fueron 320 oC durante 10 minutos. El
intervalo de tiempo de detección fue de 6.10 a 50.4 minutos. El análisis de masas (m/z) se llevó a cabo
en un equipo de impacto electrónico (EI) a 70 eV en intervalos de escaneado de 40-800 m/z.
Para la fracción apolar, las temperaturas del horno fueron incrementando desde 80 oC a 270 oC. Las
rampas de temperatura fueron de 80 oC a 190 oC (8 oC/min), luego, fue incrementando desde 190 oC a
220 oC (5 oC/min) y, por último, 220 oC hasta 270 oC (5 oC/min). Después de la separación, las
condiciones de temperatura fueron 310 oC durante 10.25 minutos. El intervalo de tiempo de detección
fue de 7.00 a 34.00 minutos. El análisis de masas (m/z) se llevó a cabo en un equipo de impacto
electrónico (EI) a 70 eV en intervalos de escaneado de 40-600 m/z.
2.4. Alineamiento de los cromatogramas y cuantificación de los metabolitos
Se realizó el análisis y procesamiento de los datos obtenidos por GC-MS empleando el software
MZmine 2.24 (http://mzmine.github.io/) y AMDIS (Automated Mass Spectral Deconvolution and
Identification System; http://www.amdis.net/).
Los datos de masa fueron procesados y comparados empleando el software MZmine 2.24 (Pluskal et
al, 2010). Los espectros de masas fueron filtrados por establecimiento de un límite de intensidad de
4.5E03. Los picos fueron suavizados y deconvolucionados empleando el algoritmo de Local Minimun
Search. Los cromatogramas fueron alineados empleando el algoritmo de RANSAC con una tolerancia
de 3 ppm de m/z y 0.1 minutos de tiempo de retención. Las áreas de picos fueron normalizadas por el
área total y se emplearon para la cuantificación. Sus valores fueron transformados mediante logaritmo
en base 10 para disminuir el porcentaje del coeficiente de variación por reducción de la dependencia
media: desviación estándar.
2.5. Identificación de metabolitos
Para la identificación de los metabolitos se empleó el software AMDIS y NIST.MS Search
(versión 2.01, http://chemdata.nist.gov/mass-spc/ms-search/). Los perfiles de espectros obtenidos se
compararon con los espectros teóricos de diversas bases de datos (Alkane, Fiehn library 1 y 2, Gölm
Metabolome Database, GC-TSQ, MoSys y NIST/EPA/NIH Mass Spectral Library). Los compuestos
anotados se registraron junto a sus tiempos de retención, masas espectrales características y los valores
de área de pico.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina2
8
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
2.6. Análisis estadístico y bioinformático
Se realizó la cuantificación de los metabolitos anotados mediante las áreas de pico
correspondientes. Se emplearon 3 réplicas técnicas para realizar el análisis metabolómico de los tres
órganos. Los valores de áreas de pico de cada metabolito se normalizaron con los valores de área total
en la muestra. Este paso fue seguido de la transformación por logaritmos.
Las áreas normalizadas fueron escaladas y se realizó un análisis de componentes principales (PCA) y
análisis de agrupamiento por mapa de calor siguiendo las recomendaciones dadas (Valledor & Jorrín-
Novo, 2011). Los procedimientos estadísticos fueron realizados con el software R versión 3.4.0 (R
Development Core Team, 2017) y RStudio (RStudio Team, 2016) con las funciones estadísticas
básicas y los paquetes estadísticos, ggfortify, corrplot, gcookbook, plyr, reshape, scales, entre otros.
El diagrama de Venn fue elaborado empleando el paquete VennDiagram (Chen & Boutros, 2011). Se
construyeron los “heat maps” empleando el método de distancias euclidianas agrupando los
metabolitos por distintas familias químicas y órganos. El análisis multivariante fue llevado a cabo por
un análisis de componentes principales (PCA). Para el análisis univariante se llevó a cabo un análisis
de Shaphiro-Wilk y de Levene, seguido de los test de ANOVA de una vía y test de Friedman (P<0.05)
(Valledor et al., 2014b). Las gráficas se elaboraron empleando el paquete ggplot2 (Wickham, 2009)
y el software online MetaboAnbalyst 3.0 (Xia &Wishart, 2016).
3. RESULTADOS
Se analizaron dos órganos diferentes de encinas (hoja y raíz) y semillas mediante la técnica
GC-MS. El material vegetal se extrajo con metanol: cloroformo: agua, lo que dio lugar a dos fases que
denominaremos polar y apolar, que fueron las que se inyectaron en los equipos de GC-MS (TSQ
Quantum GC, Thermo y Agilent 5975B GC/MSD, Agilent), tras la derivatización de ambas fracciones,
previamente secadas con SpeedVac (Concentrator plus, Eppendorf). Los cromatogramas obtenidos se
recogen en la Ilustración 7.
El número total de picos resueltos para cada órgano en la fracción polar, 137 (semilla), 136 (hoja) y
155 (raíz), mientras que en la fracción apolar fueron 19 (semillas), 10 (hoja) y 14 (raíz).
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina2
9
A partir de los espectros m/z y los tiempos de retención y la posterior búsqueda en las bases de datos
(Alkane, Fiehn library 1 y 2, Gölm Metabolome Database, GC-TSQ, MoSys y NIST), utilizando los
algoritmos de búsqueda integrados en los programas AMDIS y NIST.MS Search 2.01, se asignaron
87 compuestos, algunos de ellos presentes en ambas fracciones (Tabla 1 y 2).
Ilustración 7. Cromatogramas (TIC, Total Ion Chromatogram) de GC-MS de los tres órganos. Se muestran los
valores de intensidad de señal de los cromatogramas. a. Cromatogramas superpuestos de la fracción soluble en metanol:
agua (Fracción polar). El rango de tiempo de retención (min) es de 6.1 a 50.4 minutos. b. Cromatogramas superpuestos
de la fracción soluble en cloroformo (Fracción apolar). El rango de tiempo de retención (min) es de 7.0 a 34.0 minutos.
Semilla, rojo; hoja, verde y raíz; azul.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina3
0
Tabla 1. Metabolitos asignados por las diferentes bases de datos correspondientes a la Fracción Polar. Metabolitos
asignados tras la comparación con las bases de datos (Alkane, Fiehn library 1 y 2, Gölm Metabolome Database, GC-
TSQ, MoSys y NIST). Se muestra fórmula y masa exacta de los compuestos depositados en la base de datos KEGG.
Nombre de compuesto (KEGG) RT (min) Fragmentos
principales (m/z) Fórmula Masa exacta (Da)
Ácido láctico (C00186) 10.69 147 117 191 C3H6O3 90.0317
Ácido glicólico (C00160) 11.21 147 205 177 C2H4O3 76.0160
Ácido pirúvico (C00022) 11.59 147 217 133 C3H4O3 88.0160
Alanina (C00041) 12.13 116 190 75 C3H7NO2 89.0477
Ácido oxálico (C00209) 13.35 147 133 220 C2H2O4 89.9953
Valina (C00183) 15.78 144 218 75 C5H11NO2 117.0790
Urea (C00086) 16.82 147 189 171 CH4N2O 60.0324
Ácido fosfórico (C00009) 17.22 299 314 211 H3PO4 97.9769
Leucina (C00123) 17.39 158 147 232 C6H13NO2 131.0946
Glicerol (C00093) 17.60 205 218 133 C3H9O6P 172.0137
Prolina (C00148) 17.87 142 147 75 C5H9NO2 115.0633
Isoleucina (C00407) 17.94 158 147 218 C6H13NO2 131.0946
Ácido maleico (C01384) 18.19 147 245 75 C4H4O4 116.0110
Ácido succínico (C00042) 18.40 147 247 75 C4H6O4 118.0266
Ácido glicérico (C00258) 19.03 292 147 189 C3H6O4 106.0266
Serina (C00065) 19.74 204 218 147 C3H7NO3 105.0426
Treonina (C00188) 20.38 218 291 117 C4H9NO3 119.0582
Eritrosa (C01796) 21.49 147 201 117 C4H8O4 120.0423
Ácido málico (C00149) 22.70 147 233 245 C4H6O5 134.0215
Ácido fumárico (C00122) 23.19 156 147 232 C4H4O4 116.0110
Ácido piroglutámico (C01879) 23.19 156 147 232 C5H7NO3 129.0426
Aspartato (C00049) 23.32 232 218 147 C4H7NO4 133.0375
GABA (C00334) 23.37 174 304 147 C4H9NO2 103.0633
Glutamato (C00025) 25.23 246 147 128 C5H9NO4 147.0532
Fenilalanina (C00079) 25.25 218 192 266 C9H11NO2 165.0790
Asparagina (C00152) 26.24 231 116 132 C4H8N2O3 132.0535
Arabinosa (C00259) 26.34 307 217 103 C5H10O5 150.0528
Xilulosa (C00310) 26.62 205 147 263 C5H10O5 150.0528
Ácido cis-aconítico (C00417) 27.69 147 229 375 C6H6O6 174.0164
Ácido salicílico (C00805) 27.97 267 370 193 C7H6O3 138.0317
Ácido ribónico (C01685) 28.39 292 217 147 C5H10O6 166.0477
Fructosa (C00095) 29.33 217 437 147 C6H12O6 180.0634
Ácido cítrico (C00158) 29.50 273 147 347 C6H8O7 192.0270
Ácido quínico (C00296) 30.37 345 255 147 C7H12O6 192.0634
Ácido galactónico (C0088) 30.89 205 275 147 C6H12O7 196.0583
Sorbosa (C00247) 31.08 217 307 103 C6H12O6 180.0634
Galactosa (C00124) 31.20 319 205 147 C6H12O6 180.0634
Glucosa (C00031) 31.35 319 205 147 C6H12O6 180.0634
Mio-inositol (C00137) 31.65 305 318 217 C6H12O6 180.0634
Manitol (C00392) 31.91 319 205 217 C6H14O6 182.1718
Sorbitol (C00794) 32.05 319 147 217 C6H14O6 182.079
Ácido ascórbico (C00072) 32.13 332 147 205 C6H8O6 176.0321
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina3
1
Continuación de la Tabla 1
Ácido gálico (C01424) 32.17 458 281 443 C7H6O5 170.0215
Viburnitol (C08259) 32.50 217 191 204 C6H12O5 164.0685
Ácido glucónico (C00198) 33.3073 292 319 147 C6H10O6 178.0477
Ácido palmítico (C00249) 33.50 313 117 129 C16H32O2 256.2402
Ácido glucárico (C00818) 33.63 333 292 305 C6H10O8 210.0376
Ramnosa (C00507) 33.96 204 319 220 C6H12O5 164.0685
Ácido galactárico (C00879) 34.25 217 204 292 C6H10O8 210.0376
Ácido 3-deoxy-arabinohexárico 35.53 245 147 319 C14H8O2 208.0524
Ácido oleico (C00712) 36.60 339 129 117 C18H34O2 282.2559
Ácido esteárico (C01530) 37.03 341 117 129 C18H36O2 284.2715
Glucosa 6-P (C00092) 39.08 387 299 357 C6H13O9P 260.0297
Ácido galacturónico (C00333) 39.80 217 204 292 C6H10O7 194.0427
Sacarosa (C00089) 43.56 361 217 437 C12H22O11 342.1162
Maltotriosa (C01835) 44.19 361 204 217 C18H32O16 504.1690
Melibiosa (C05402) 44.27 204 217 147 C12H22O11 342.1162
Celobiosa (C00185) 44.79 204 361 217 C12H22O11 342.1162
Maltosa (C00208) 44.89 361 204 217 C12H22O11 342.1162
Catequina (C06562) 46.10 368 355 204 C15H14O6 290.0790
Antraquinona (C16207) 46.26 369 267 204 C14H8O2 208.0524
Epigalocatequina (C12136) 46.65 456 355 345 C15H14O7 306.0740
Tabla 2. Metabolitos asignados por las diferentes bases de datos correspondientes a la Fracción Apolar. Metabolitos
asignados tras la comparación con las bases de datos (Alkane, Fiehn library 1 y 2, Gölm Metabolome Database, GC-TSQ,
MoSys y NIST). Se muestra fórmula y masa exacta de los compuestos depositados en la base de datos KEGG.
Nombre de compuesto
(KEGG) RT (min)
Fragmentos
principales (m/z) Fórmula Masa exacta (Da)
Tridecano (C13834) 9.82 112 98 85 C13H28 184.2191
Ácido palmítico (C00249) 15.92 270 227 143 C16H32O2 256.2402
Ácido linoleico (C01595) 18.36 294 263 109 C18H32O2 280.2402
Ácido oleico (C00712) 18.48 264 222 180 C18H34O2 282.2559
Ácido esteárico (C01530) 18.89 298 255 199 C18H36O2 284.2715
El número de picos no asignados (eliminando artefactos) en ambas fracciones y para semilla, hoja y
raíz fue de 4 (semilla), 6 (hoja) y 5 (raíz), lo que globalmente representa un 93% de productos
asignados. La distribución de los metabolitos asignados en los diferentes órganos se representó
mediante diagrama de Venn (Ilustración 8.a). 65 compuestos fueron comunes a los tres órganos, y 2,
8 y 1 compuestos específicos de semillas, hoja y raíz, respectivamente. Los metabolitos asignados se
clasificaron en familias químicas, según: ácidos grasos, aminoácidos proteicos y no proteicos, ácidos
orgánicos, compuestos fenólicos, carbohidratos y no identificados. En la Tabla 3 e Ilustración 8.b se
muestra dicha clasificación y número de compuestos correspondientes a cada familia y detectados en
los distintos órganos.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina3
2
Tabla 3. Metabolitos asignados por las diferentes bases de datos. Se presenta los 87 metabolitos asignados y a las
distintas familias de compuestos que pertenecen.
Naturaleza de
los compuestos Compuestos (KEGG)
Aminoácidos
proteicos
Alanina (C00041) Valina (C00183)
Leucina (C00123) Glutamato (C00025)
Prolina (C00148) Isoleucina
(C00407) Serina (C00065)
Treonina (C00188) Aspartato (C00049)
Fenilalanina (C00079) Asparagina (C00152)
Ácidos grasos Ácido palmítico (C00249)
Hexadecanoilglicerol
Ácido esteárico (C01530)
Ácido oleico (C00712) Ácido linoleico (C01595)
Tridecano (C13834)
Ácidos
orgánicos
Ácido láctico (C00186) Ácido glicólico (C00160) Ácido pirúvico (C00022) Ácido oxálico (C00209)
Ácido fosfórico (C00009) Ácido maleico (C01384)
Ácido succínico (C00042) Ácido glicérico (C00258) Ácido glucárico (C00818) Ácido quínico (C00296)
Ácido galactónico (C0088) Ácido galactárico (C00879)
Ácido fumárico (C00122) Ácido málico (C00149)
Ácido piroglutámico (C01879) Ácido 2-oxo-glutárico
Ácido cis-aconítico (C00417) Ácido salicílico (C00805) Ácido ribónico (C01685) Ácido cítrico (C00158)
Ácido glucónico (C00198) Ácido ascórbico (C00072)
Ácido gálico (C01424) Ácido 3-deoxy-arabinohexárico
Compuestos
fenólicos Antraquinona (C16207) Catequina (C06562) Epigalocatequina (C12136)
Carbohidratos
Maltosa (C00208) Arabinosa (C00259)
Cellobiitol Ácido galacturónico (C00333)
Alofuranosa Celobiosa (C00185) Eritrosa (C01796) Fructosa (C00095) Galactosa (C00124) Glucosa (C00031)
Glucosa 6-P (C00092)
Ácido 1,4-lactona lixónico Maltotriosa (C01835)
Manitol (C00392) Melibiosa (C05402) Sorbitol (C00794) Sorbosa (C00247) Sacarosa (C00089)
Viburnitol (C08259) Xilulosa (C00310) Ramnosa (C00507)
Aminoácidos no
proteicos 3-ciano-alanina
Ornitina-1,5-lactámico Ácido 4-aminobutírico (GABA) (C00334)
Otros y no
asignados
Mio-inositol (C00137) Urea (C00086)
Glicerol (C00093) Butiro-1,4-lactámico
6 no presentes en la base de datos Hidroxilamina
Monometilfosfato
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina3
3
Se llevó a cabo un análisis estadístico univariante y multivariante de los datos de las áreas de pico
normalizadas por el área total de cada muestra y transformadas por logaritmos en base 10. El análisis
de componentes principales (PCA) de los metabolitos de ambas fracciones (polar y apolar) nos permite
distinguir y agrupar las muestras pertenecientes a los tres órganos analizados (Ilustración 9.a.). El
modelo de dos componentes establecido explica el 99.4% de la variabilidad. Se muestra la
representación gráfica como cada uno de los metabolitos contribuye a la variabilidad y permite
discriminar muestras (Ilustración 9.b.).
Ilustración 8.a. Diagrama de Venn. Diagrama de
Venn comparando el número de metabolitos que se
detectan en los tres órganos. b. Diagrama de barras
de los grupos de metabolitos asignados en los
distintos órganos. Se indica el número de
compuestos de las distintas naturalezas químicas
(ácidos grasos, aminoácidos no proteicos, ácidos
orgánicos, compuestos fenólicos, aminoácidos
proteicos, carbohidratos, otros y desconocidos).
Semilla, rojo; hoja, verde y raíz; azul.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina3
4
Los valores de área de pico de los metabolitos asignados en los distintos tejidos mostraron tanto
diferencias cuantitativas, como en un número bajo de casos, diferencias cualitativas. Las diferencias
cuantitativas quedan de manifiesto cuando utilizamos un “heat map” (Ilustración 10). Se muestra la
similitud de las réplicas de los distintos órganos por agrupación por distancias euclidianas.
Ilustración 9. Análisis de componentes principales (PCA) de los tres órganos. PCA de los 87 compuestos
detectados en los distintos órganos de encina. a. Representación gráfica de las componentes. Los ejes corresponden
a las dos primeras componentes (PC1, 68% y PC2, 31.5%). Semilla (círculos rojos), hoja (triángulos verdes) y raíz
(cuadrados azules). b. Representación gráfica de las cargas (Loadings). Se muestran con flechas rojas los compuestos
empleados para la realización del modelo. La longitud de la flecha roja indica la relación entre las variables que
componen el modelo.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina3
5
Ilustración 10. Heat maps de los metabolitos asignados en los tres órganos. a. Ácidos orgánicos. b. Otros y no
identificados. c. Aminoácidos no proteicos. d. Carbohidratos. e. Aminoácidos proteicos. f. Ácidos grasos. g.
Compuestos fenólicos. Los valores de la escala van de 2 (rojo) a -2 (azul). Se representan los valores de las tres réplicas
técnicas por órgano. El color de la celda corresponde con el valor de área de pico normalizado. Semilla, rojo; hoja,
verde y raíz; azul.
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina3
6
4. DISCUSIÓN
Este trabajo ha constituido una primera aproximación a la caracterización del metaboloma de
Quercus ilex mediante el empleo de cromatografía de gases acoplada a masas (GC-MS). Es una
continuación del Trabajo Fin de Grado (López-Hidalgo, 2016), en el que se evaluaron diferentes
técnicas de análisis, incluyendo técnicas colorimétricas, resonancia magnética nuclear de 13C de
muestras sólidas (1D 13C CP-MAS NMR sólida), espectroscopía de infrarrojo cercano (NIRS) y la
propia cromatografía de gases acoplada a espectrometría de masas (GC-MS). Se ha establecido el
perfil de metabolitos de tres órganos, semilla, hojas y raíz. Se realizó la extracción de los metabolitos,
etapa clave en cualquier análisis -ómico, mediante un protocolo de extracción de dobles solventes
(metanol: cloroformo: agua) que nos permitió separar dos fases de distinta naturaleza con grupos de
metabolitos de distinta afinidad por dichos solventes (Valledor et al., 2014a). Los cromatogramas
obtenidos se mostraron en la Ilustración 7.
El número de picos resueltos (156 (semilla), 146 (hoja) y 159 (raíz)) y metabolitos anotados (74
(semilla), 79 (hoja) y 71 (raíz) está dentro del rango descrito para otras especies utilizando la misma
metodología (Tabla 4). Aún está lejos del potencial de, por ejemplo, LC-MS y representa sólo una
pequeña fracción del total de metabolitos presente en cualquier especie vegetal, cuyo número de
compuestos oscila entre 5.000 y 25.000, lo que es comparable al orden de magnitud del número de
genes (Trethewey, 2004). La necesitad de volatizar dichos compuestos mediante derivatización, es en
gran medida la causa de la elevada diferencia de picos resueltos y metabolitos anotados putativamente.
Dichos picos pertenecían a artefactos o a la derivatización diferencial de un mismo metabolito, debido
al grado de sililación con trimetilsilanol (TMS) de los grupos -OH, -COOH y NH2, afectando de este
modo a aminoácidos y carbohidratos con un elevado número de estos grupos funcionales (Rohloff,
2015).
El potencial de la metodología queda reflejado en numerosos trabajos previos sobre especies vegetales
(Tabla 4). Estos trabajos exponen el potencial de la combinación de múltiples plataformas aportando
una mayor cantidad de información. En nuestro trabajo, a pesar del empleo único de GC-MS y nuestra
especie de estudio, se obtienen resultados equiparables a los obtenidos por Safronov et al., 2017 y
Furuhashi et al., 2012. El empleo de distintos solventes para la extracción o incluso la extracción
secuencial de los permitiría abarcar un mayor número de metabolitos (Shu et al. 2008) y de familias
químicas distintas (Tablas 1, 2 y 3). Además, como nos muestra el PCA (Ilustración 9.a), la
cromatografía de gases acoplada a espectrometría de masas (GC-MS) es una estrategia analítica
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina3
7
robusta ya que los resultados fueron muy similares entre réplicas técnicas y eficientes para la
discriminación de los distintos órganos.
Tabla 4. Resumen de resultados de trabajos previos de metabolómica no dirigida sobre especies vegetales.
Referencia Organismo Instrumentos
empleados Resultados
Turner et al., 2016 10 líneas de Sorgo (Sorghum spp.) GC-MS y UPLC-MS 1181 metabolitos
Furuhashi et al., 2012 Cuscuta japonica GC-MS 31 metabolitos
Arbona et al., 2009 Citrus y Prunus GC-MS y HPLC-MS 1223 metabolitos
Moing et al., 2011 Tejidos diferentes del fruto de
melón (Cucumis melo)
1H-NMR, HPLC-PDA-
FL, GC-MS, LC-MS,
ICP-MS
2000 metabolitos
Safronov et al., 2017 Hoja y raíz de palmera (Phoenix
dactylifera) GC-MS 101 metabolitos
Kim et al., 2014 Hojas de 136 mutantes de
Arabidopsis (Arabidopsis thaliana)
11 plataformas de MS
distintas 4483 metabolitos
Los espectros de GC-MS obtenidos se compararon con los espectros teóricos disponibles en bases de
datos y se anotaron putativamente 87 compuestos. Como se ha mostrado en la Tabla 3, se detectaron
metabolitos de distintas familias químicas como, ácidos grasos, aminoácidos proteicos y no proteicos,
ácidos orgánicos, compuestos fenólicos, carbohidratos y otros. La distribución de dichas familias
químicas fue diferente en los distintos órganos, como se ha expuesto en la Ilustración 8.b. El perfil
de ácidos grasos fue cualitativamente el mismo en los tres órganos, existiendo diferencias cualitativas
entre ellos. Se observaron mayores diferencias en las otras familias químicas, destacando el mayor
perfil de ácidos orgánicos, compuestos fenólicos y carbohidratos en hojas y el mayor perfil de
aminoácidos proteicos en semillas.
Otras aproximaciones en trabajos previos han aportado información sobre la composición de semillas
y hojas. Resultados previos de análisis metabolómico de hojas de encina mediante resonancia
magnética nuclear (1H-NMR) identificaron aminoácidos proteicos, como valina, glutamato, alanina,
isoleucina y leucina. También, ácidos orgánicos como ácido fórmico, ácido málico, ácido cítrico, ácido
acético y ácido láctico (Sardans et al., 2013). Empleando espectroscopía de infrarrojo cercano (NIRS)
se analizó el perfil de compuestos mayoritarios en bellota, obteniéndose una valiosa información sobre
el perfil de ácidos grasos (ácido palmítico, ácido esteárico, ácido oleico y ácido linoleico) y el
contenido en proteínas, almidón y azúcares (Valero et al., 2012). Los compuestos detectados coinciden
con los perfiles de metabolitos obtenidos en el presente trabajo (Tabla 1 y 2).
Los metabolitos más solubles en cloroformo fueron ácidos grasos (ácido palmítico, ácido oleico, ácido
esteárico y tridecano). Los metabolitos más solubles en metanol: agua fueron de una mayor diversidad
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina3
8
de familias químicas, desde ácidos grasos y monoglicéridos (hexadecanoilglicerol), aminoácidos
proteicos y no proteicos, ácidos orgánicos, carbohidratos y compuestos fenólicos.
Los resultados obtenidos por GC-MS nos han permitido observar que las semillas, hojas y raíces de
encina poseen pequeñas diferencias en su perfil de metabolitos, fundamentalmente primarios. El perfil
de metabolitos dependió del órgano, aunque hay metabolitos comunes, siendo estos 65 compuestos
(Ilustración 8.a). Estos compuestos comunes, productos intermediarios del metabolismo, presentaron
diferencias cuantitativas en los distintos órganos. Eran fundamentalmente ácidos orgánicos
participantes en el ciclo de Krebs, aminoácidos constituyentes de proteínas, carbohidratos y ácidos
grasos. Las particularidades, tanto diferencias cualitativas como cuantitativas, se entienden teniendo
en cuenta las características biológicas de cada órgano y su metabolismo, siendo los cambios en el
metabolismo vegetal, la clave de los procesos de desarrollo de la planta. Además, los perfiles de
metabolitos aportan información funcional directa de los fenotipos metabólicos, tanto en condiciones
fisiológicas, estrés o patogenia (Meijón et al., 2016).
Como se ha expuesto en la Ilustración 10, las áreas de pico normalizadas de los 87 compuestos
permiten discriminar entre los tres órganos.
El contenido de ácidos orgánicos (Ilustración 10.a) es mayor en hojas y menor en raíces. Destaca el
contenido de ácido salicílico en raíces. El ácido salicílico juega un papel fundamental en el
crecimiento, regulador de la fotosíntesis, absorción de agua y defensa. También posee una función
esencial en la regulación de la toma de nutrientes, así como, la diferenciación vascular, el desarrollo
de hojas y la senescencia (Rubio et al, 2009). En estudios previos, se ha observado que el contenido
de ácido salicílico se ve incrementado en condiciones de estrés térmico, y éste se transporta por el
xilema desde la raíz a la parte aérea de la planta. (Liu et al. 2008). En hoja destaca el mayor contenido
de ácido ascórbico, donde principalmente es producido, para su transporte hacia otros órganos de la
planta por el floema. En la hoja se ha demostrado su participación en los procesos redox frente al estrés
oxidativo durante la fotosíntesis (Franceschi & Tarlyn, 2002). El contenido de ácidos orgánicos,
intermediarios del ciclo de Krebs, es mayor en hojas que en raíz. Estas observaciones coinciden con la
percepción clara de que ambos tejidos expresan vías regulatorias completamente diferentes, la función
principal de las hojas en la fijación de CO2 y síntesis de sacarosa y las raíces como órganos no
prototípicamente verdes como tejido de reserva y dependiente del transporte de sacarosa (Morgenthal
et al., 2006).
El contenido en aminoácidos proteicos (Ilustración 10.e) es mayor en semillas y raíz que en hoja. Los
aminoácidos libres juegan un papel primordial como molécula de almacenamiento de nitrógeno y en
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina3
9
la síntesis de proteínas (Kimball & Jefferson, 2006). El contenido en ácido gamma-aminobutírico
(GABA), aminoácido no proteico, participante en funciones de transmisión de señales (Ilustración
10.c) es mayor en semilla. Se ha demostrado que el GABA se acumula rápidamente en los tejidos en
situaciones de estrés biótico y abiótico, además de regular el crecimiento de la planta. (Ramesh et al.,
2015). Su contenido en semillas se ha relacionado como señalizador del estado del contenido de
nitrógeno en la germinación de semillas, del mismo modo que los azúcares actúan como señal de la
situación de disponibilidad de carbono en la plántula (Roberts, 2006).
En semilla, también se encuentra un mayor contenido de mio-inositol. El mio-inositol juega un papel
importante en etapas tempranas del desarrollo de las semillas, siendo determinante para la distribución
de algunos componentes de almacenamiento en semillas (Dong et al., 2013). La mayoría de los
metabolitos no identificados en las bases de datos pertenecieron a las hojas (lustración 10.b).
El contenido en azúcares y carbohidratos (oligosacáridos y monosacáridos) (Ilustración 10.d) es
mayor en semillas. En el endospermo de semillas, el alto contenido de azúcares se ha visto relacionado
con el suministro de fuente de carbono para el desarrollo del embrión de la planta (Hill et al., 2003).
En hojas, el contenido es menor, exceptuando el contenido de carbohidratos relacionados con la
celulosa, como celobiosa. En especies de plantas leñosas se han determinado mediante NIRS el
contenido de celulosa en hojas, siendo este de valores de un 15 a 25% en las distintas especies de
Quercus (Petisco et al., 2005). Además, se destaca el mayor contenido de glucosa 6-fosfato en hoja,
relacionado con un mayor metabolismo del carbono en hojas (Morgenthal et al., 2006).
No se han obtenido resultados tan claros en el perfil de ácidos grasos entre los distintos órganos y
réplicas (Ilustración 10.f). Coincidiendo con estudios previos, en los cuales se ha determinado que el
ácido oleico constituía hasta un 64% del contenido de ácidos grasos en bellota, se ha determinado un
mayor contenido de ácido oleico en semilla (Valero et al., 2012).
En especies del género Quercus, estudios previos han determinado el contenido de compuestos
fenólicos en endospermo de semillas (Cantos et al., 2003) y en hojas jóvenes (Makkar et al., 1991),
en el cual se ha detectado un elevado contenido de taninos condensados y proantocianidinas. En
nuestro caso (Ilustración 10.g), se ha determinado que los compuestos fenólicos (catequina,
antraquinona y epigalocatequina) son más abundantes en hoja. El mayor contenido en hojas ha estado
relacionado con su papel fundamental en la defensa del estrés oxidativo ocasionado por estrés biótico
y abiótico (Barbehenn et al., 2005).
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina4
0
5. CONCLUSIONES
Este trabajo ha constituido una primera aproximación al estudio del perfil metabólico de
diferentes órganos, semilla, raíz y hoja de Quercus ilex.
i. Mediante GC-MS se han resuelto un total de 461 picos, 156 en semillas, 146 en hojas y 159 en
raíces. Se han identificado un total de 87compuestos, 74en semillas, 79 en hojas y 71 en raíces.
ii. Se observaron diferencias cualitativas y cuantitativas entre órganos, representando éstas las
particularidades de cada uno de ellos. Los metabolitos comunes en los distintos órganos
correspondieron a intermediarios metabólicos del metabolismo celular, como ciclo de Krebs y
la glucolisis. Las diferencias más acusadas fueron: un mayor contenido de ácidos orgánicos y
compuestos fenólicos en hojas; un mayor contenido de aminoácidos proteicos, azúcares y
carbohidratos en bellota y la presencia única de ácido salicílico en raíz.
iii. La existencia de metabolitos únicos detectados en los órganos se ha relacionado con funciones
biológicas específicas
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina4
1
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina4
1
REFERENCIAS
Adjami, Y.; Ghanem, R.; Daas, H.; Laid-Ouakid, M.; Pujade-Villar, J.; Bairi, A. (2016) Influence of
carpophagous attack on metabolites of cork oak (Quercus suber) acorns. Turkish Journal of
Forestry, 17:51-57
Alonso, A.; Marsal, S.; Julià, A. (2015) Analytical methods in untargeted metabolomics: state of
the art in 2015. Frontiers in Bioengineering and Biotechnology, 3
Barbehenn, R.; Cheek, S.; Gasperut, A.; Lister, E. and Maben, R. (2005) Phenolic compounds in red
oak and sugar maple leaves have prooxidant activities in the midgut gluids of Malacosoma
disstria and Orgyia leucostigma Caterpillars. Journal of Chemical Ecology, 31:969-988
Bonner, F. T.; Vozzo, J. A. (1987) Seed Biology and Technology of Quercus. General Technical
Report, SO-66. New Orleans, LA: U.S. Dept. of Agriculture, Forest Service, Southern Forest
Experiment Station. 21 p.
Caliskan, S. (2014) Germination and seedling growth of holm oak (Quercus ilex L.): effects of
provenance, temperature, and radicle pruning. iForest - Biogeosciences and Forestry, 7:103-109
Cantos, E.; Espín, J. C.; López-Bote, C.; De la Hoz, L.; Ordoñez, J. and Tomás-Barberán, F. A. (2003)
Phenolic Compounds and Fatty Acids from Acorns (Quercus spp.), the Main Dietary Constituent
of Free-Ranged Iberian Pigs. Journal of Agricultural and Food Chemistry, 51:6248−6255
Castro-Díez, P.; Villar-Salvador, P.; Pérez-Rontomé, C.; Maestro-Martínez, M.; Montserrat-Martí, G.
(1997) Leaf morphology and leaf chemical composition in three Quercus (Fagaceae) species along
a rainfall gradient in NE Spain. Trees-Structure and Function, 11:127–34
Connor, K. F. and Sowa, S. (2003) Effects of desiccation on the physiology and biochemistry of
Quercus alba acorns. Tree Physiology, 23:1147-1152
Corbineau, F.; Xia, Q.; Bailly, C. and El-Maarouf-Bouteau, H. (2014) Ethylene, a key factor in the
regulation of seed dormancy. Frontiers in Plant Science, 5:539
Dong, J.; Yan W.; Bock, C.; Nokhrina, K; Keller, W. and Georges, F. (2013) Perturbing the
metabolic dynamics of myo-inositol in developing Brassica napus seeds through in vivo
methylation impacts its utilization as phytate precursor and affects downstream metabolic
pathways. BMC Plant Biology, 13:84
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina4
2
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina4
2
Fiehn, O. (2002) Metabolomics – the link between genotypes and phenotypes. Plant Molecular
Biology, 48:155–171
Franceschi, V. R. and Tarlyn, N. M. (2002) L-Ascorbic acid is accumulated in source leaf phloem
and transported to sink tissues in plants. Plant Physiology, 130:649-56
Furuhashi, T.; Fragner, L.; Furuhashi, K.; Valledor, L.; Sun, X. and Weckwerth, W. (2012) Metabolite
changes with induction of Cuscuta haustorium and translocation from host plants. Journal of
Plant Interactions, 7:84-93
Güllüce, M.; Adıgüzel, A.; Ögütçü, H.; Tengül, M.; Karaman, I. and Tahin, F. (2004) Antimicrobial
effects of Quercus ilex L. extract. Phytotherapy Research, 18:208-211
Hill, L. M.; Morley-Smith, E. R. and Rawsthorne, S. (2003) Metabolism of Sugars in the Endosperm
of Developing Seeds of Oilseed Rape. Plant Physiology, 131:228–236
Jimenez, P; de Heredia, U.L.; Collada, C.; Lorenzo, Z.; Gil, L. (2004) High variability of chloroplast
DNA in three Mediterranean evergreen oaks indicates complex evolutionary history. Heredity,
93:510–515
Jorge, I.; Navarro Cerrillo, R.M.; Lenz, C.; Ariza, D.; Porras, C.; Jorrin, J. (2005) The Holm oak leaf
proteome: analytical and biological variability in the protein expression, level assessed by 2-DE
and protein identification tandem mass spectrometry de novo sequencing and sequence
similarity searching. Proteomics, 5:222–34
Jorrín-Novo, J.; Navarro-Cerrillo, R.M. (2014) Variabilidad y respuesta a distintos estreses en
poblaciones de encina (Quercus ilex L.) en Andalucía mediante una aproximación proteómica.
Ecosistemas, 23:99-107
Karioti, A.; Sokovic, M.; Ciric, A.; Koukoulitsa, C.; Bilia, A. and Skaltsa, H. (2011) Antimicrobial
properties of Quercus ilex L. proanthocyanidin dimers and simple phenolics: Evaluation of their
synergistic activity with conventional antimicrobials and prediction of their pharmacokinetic
profile. Journal of Agricultural and Food Chemistry, 59:6412–6422
Kersten, B.; Ghirardo, A.; Schnitzler, J.P.; Kanawati, B.; Schmitt-Kopplin, P.; Fladung, M.; Schroeder,
H. (2013) Integrated transcriptomics and metabolomics decipher differences in the resistance of
pedunculate oak to the herbivore Tortrix viridana L. BCM Genomics, 4:737
Kim, T.; Dreher, K.; Nilo-Poyanco, R.; Lee, I.; Fiehn, O.; Markus Lange, B.; Nikolau, B.; Sumner, L.;
Welti, R.; Wurtele, E. S. and Rhee, S.Y. (2015) Patterns of Metabolite Changes Identified from
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina4
3
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina4
3
Large-Scale Gene Perturbations in Arabidopsis Using a Genome-Scale Metabolic Network. Plant
Physiology, 167:1685-1698
Kimball, S. R, and Jefferson, L. S. (2006) Signaling pathways and molecular mechanisms through
which branched-chain amino acids mediate translational control of protein synthesis. The
Journal of Nutrition, 136:2275-2315
Liu, H. T.; Liu, Y. P. and Huang, W. D. (2008). Root-fed salicylic acid in grape involves the
response caused by aboveground high temperature. Journal of Integrative Plant Biology, 50:761–
767
López-Hidalgo, C.; Jorrín-Novo, J. (2016). Análisis metabolómico de frutos de encina (Quercus
ilex) (Trabajo Fin de Grado) Universidad de Córdoba.
Lumaret, R.; Jabbour-Zahab, R.; (2009) Ancient and current gene flow between two distantly
related Mediterranean oak species, Quercus suber and Q. ilex. Annals of Botany, 104:725–736
Makkar, H. P. Rajinder, S., Dawra, K. and Singh, B. (1991) Tannin Levels in Leaves of Some Oak
Species at Different Stages of Maturity. Journal of the Science of Food and Agriculture, 54: 513-
519
Meijón, M.; Feito, I.; Oravec, M.; Delatorre, C.; Weckwerth, W.; Majada, J. and Valledor, L. (2016)
Exploring natural variation of Pinus pinaster Aiton using metabolomics: Is it possible to identify
the region of origin of a pine from its metabolites? Molecular Ecology, 25:959–976
Morgenthal, K; Weckwerth, W.; Steuer, R. (2006) Metabolomic networks in plants: Transitions
from pattern recognition to biological interpretation. BioSystems, 83:108–117
Oliver, S. G.; Winson, M. K.; Kell, D. B.; Baganz F. (1998) Systematic functional analysis of the
yeast genome. Trends in Biotechnology, 16:373–378
Pluskal, T.; Castillo, S.; Villar-Briones, A.; Orešič, M. (2010) MZmine 2: Modular Framework for
Processing, Visualizing, and Analyzing Mass Spectrometry Based Molecular Profile Data. BMC
Bioinformatics, 11:395
R Development Core Team (2017) A language and environment for statistical computing, Vienna,
Austria
Ramesh, S. A.; Tyerman, S. D.; Xu, B.; Bose, J.; Kaur, S.; Conn, V.; Domingos, P.; Ullah, S.; Wege,
S.; Shabala S.; Feijo, J. A.; Ryan, P. R. and Gilliham, M. (2015) GABA signalling modulates plant
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina4
4
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina4
4
growth by directly regulating the activity of plant-specific anion transporters. Nature
communications, 6:7879
Roberts, M. R. (2007) Does GABA Act as a Signal in Plants? Plant Signaling & Behavior, 2:408-
409
Romero-Rodríguez, MC.; Pascual, J.; Valledor, L.; Jorrín-Novo, J. (2014) Improving the quality of
protein identification in non-model species. Characterization of Quercus ilex seed and Pinus
radiata needle proteomes by using SEQUEST and custom databases. Journal of Proteomics,
105:85-91
RStudio Team (2016) RStudio: Integrated Development Environment for R, Boston, USA. Sanmiya
Rubio, J. S.; Garcia-Sanchez, F.; Rubio, F.; and Martinez, V. (2009). Yield, blossom end rot
incidence, and fruit quality in pepper plants under moderate salinity are affected by K+ and Ca2+
fertilization. Scientia Horticulturae, 119: 79–87
Safronov, O.; Kreuzwieser, J.; Haberer, G.; Alyousif, M. S.; Schulze, W.; Al-Harbi, N.; Arab, L.;
Ache, P.; Stempfl, T.; Kruse, J.; Mayer, K.X.; Hedrich, R.; Rennenberg, H.; Salojärvi1, J. and
Kangasjärvi, J. (2017) Detecting early signs of heat and drought stress in Phoenix dactylifera (date
palm) PLoS ONE, 12: e0177883
Sardans, J.; Gargallo-Garriga, A.; Perez-Trujillo, M.; Parella, T. J.; Seco, R.; Filella, I. and Peñuelas,
J. (2014) Metabolic responses of Quercus ilex seedlings to wounding analysed with nuclear
magnetic resonance profiling. Plant Biology, 16:395-403
Scherling, C.; Roscher, C.; Giavalisco, P.; Detlef-Schulze, E. and Weckwerth, W. (2010)
Metabolomics unravel contrasting effects of biodiversity on the performance of individual plant
species. PLoS ONE, 5:e12569
Schwab, W. (2003) Metabolome diversity: too few genes, too many metabolites? Phytochemistry,
62:817-836
Sghaier-Hammami, B.; Valero-Galván, J.; Romero-Rodríguez, M. C.; Navarro-Cerrillo, R. M.;
Abdelly, C.; Jorrín-Novo J. (2013). Physiological and proteomics analyses of Holm oak (Quercus
ilex subsp. ballota [Desf.] Samp.) responses to Phytophthora cinnamomi. Plant Physiology and
Biochemistry, 71:191–202
Sheth, B.; Thaker, V. (2014) Plant systems biology: insights, advances and challenges. Planta,
240:33-54
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina4
5
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina4
5
Shu, L.X; Frank, T.; Shu, Q.Y. and Engel, K. H. (2008) Metabolite Profiling of Germinating Rice
Seeds. Journal of Agricultural and Food Chemistry, 56: 11612-11620
Simova-Stoilova, L. P.; Romero-Rodríguez, M. C.; Sánchez-Lucas, R.; Navarro-Cerrillo, R. M.;
Medina-Aunón, J. A. and. Jorrín-Novo, J. (2015) DE proteomics analysis of drought treated
seedlings of Quercus ilex supports a root active strategy for metabolic adaptation in response to
water shortage. Frontiers in Plant Science, 6:627
Steinhauser, D.; Kopka, J. Methods, applications and concepts of metabolite profiling: primary
metabolism. En Plant Systems Biology; Baginsky, S., Fernie, R., Eds.; Birkhauser Verlag: Basel,
Switzerland, 2007; pp 171-194
Sumner, L. W.; Mendes, P.; Dixon R. Plant metabolomics: large-scale phytochemistry in the
functional genomics era (2003) Phytochemistry, 62:817-836
Theodoridis, G. A.; Gikab, H. G.; Want, E. J. and Wilson, I. D. (2011) Liquid chromatography-mass
spectrometry based global metabolite profiling: A review. Analytica Chimica Acta, 711:7–16
Tissier, A.; Ziegler, J.; Vogt, T. (2015) Specialized Plant Metabolites: Diversity and Biosynthesis.
En Krauss, G. J. and Nies, D. H. (First Edition), Ecological Biochemistry: Environmental and
Interspecies Interactions (15-37) Wiley-VCH Verlag GmbH & Co. KGaA. Published
Trethewey, R.N (2004) Metabolite profiling as an aid to metabolic engineering in plants. Current
Opinion in Plant Biology, 7:196-201
Valero-Galván, J.; Jorrín-Novo, J.; Cabrera, A.; Ariza, D.; García-Olmo, J.; Cerrillo R. (2010)
Population variability based on the morphometry and chemical composition of the acorn in
Holm oak (Quercus ilex subsp. ballota [Desf.] Samp.). European Journal of Forest Research,
131:893-904
Valero-Galván, J.; Valledor, L.; Navarro-Cerrillo R. M.; Gil-Pelegrín, E.; Jorrín-Novo J V. (2011)
Studies of variability in Holm oak (Quercus ilex subsp. ballota[Desf.] Samp.) through acorn
protein profile analysis. Journal of Proteomics, 74:1244–1255
Valledor, L. and Jorrín, J. (2011) Back to the basics: Maximizing the information obtained by
quantitative two dimensional gel electrophoresis analyses by an appropriate experimental design
and statistical analyses. Journal of Proteomics, 74:1-18
Valledor, L.; Escandón, M.; Meijón, M.; Nukarinen, E.; Cañal, M.J. and Weckwerth, W. (2014a) A
universal protocol for the combined isolation of metabolites, DNA, long RNAs, small RNAs, and
proteins from plants and microorganisms. The Plant Journal, 79:173–180
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina4
6
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina4
6
Valledor, L.; Romero-Rodríguez, M.C.; Jorrin-Novo, J.V. (2014b). Standardization of data
processing and statistical analysis in comparative plant proteomics experiment. Methods in
Molecular Biology, 1072:51–60
Wickham, H. (2009) ggplot2: Elegant graphics for data analysis. Springer - Verlag. New York.
Xia, J. and Wishart, D. S. (2016) Using MetaboAnalyst 3.0 for Comprehensive Metabolomics Data
Analysis. Current Protocols in Bioinformatics, 55:1-14
Yarnes, C.T.; Boecklen, W.J.; Tuominen, K. and Salminen, J. (2006) Defining phytochemical
phenotypes:size and shape analysis of phenolic compounds in oaks (Fagaceae, Quercus) of the
Chihuahuan Desert. Canadian Journal Botanical, 84:1233-1248
UNIVERSIDAD DE CÓRDOBA - INSTITUTO DE ESTUDIOS DE POSTGRADO
Pág
ina4
7
Análisis metabolómico de especies forestales, la encina (Quercus ilex)
Pág
ina4
7
Jesús Valentín Jorrín Novo
Fdo.
Luis Valledor González
Fdo.
Cristina López Hidalgo
Fdo.