El formato de intercambio de datos automatizado crea transparencia en los experimentos enzimáticos

En las ciencias catalíticas, como en todos los campos científicos, nos enfrentamos a un volumen y una complejidad de datos de investigación que aumentan rápidamente, lo que supone un desafío para el análisis y la reutilización. Un equipo dirigido por el Prof. Jürgen Pleiss del Instituto de Bioquímica y Bioquímica Técnica de la Universidad de Stuttgart ha presentado EnzymeML como un formato de intercambio de datos en un artículo de revista reciente publicado en Métodos de la naturaleza. EnzymeML sirve como un formato para informar de manera integral los resultados de un experimento enzimático y almacena los datos de forma estructurada para que sean rastreables y reutilizables.

Si bien un número creciente de investigadores genera cada vez más datos y los gastos de investigación aumentan en todo el mundo, estos datos son difícilmente manejables por la práctica académica estándar de comunicar resultados científicos. Incluso administrar sus propios datos manualmente lleva mucho tiempo y es propenso a errores, pero acceder y volver a analizar los datos de otros grupos de investigación es casi imposible. La falta de estándares, los metadatos incompletos y la falta de datos originales hacen que sea casi imposible reproducir los resultados publicados. Cada vez más investigadores sienten que se están ahogando en un tsunami de datos.

Esto también se aplica a los estudios sobre la actividad catalítica, selectividad y estabilidad de enzimas y redes enzimáticas, un campo de investigación que es igualmente importante para la biotecnología industrial y la biomedicina. Lo que también complica las cosas en esta área es el hecho de que los datos que describen los experimentos enzimáticos son particularmente complejos, porque una reacción enzimática depende de muchos factores, como la secuencia de proteínas de la enzima, el organismo huésped recombinante, las condiciones de reacción y los factores no enzimáticos. reacciones secundarias. Además, otros efectos como la inactivación o inhibición de la enzima o la evaporación del medio afectan a los resultados.

El nuevo formato estandarizado de intercambio de datos EnzymeML, presentado por 23 autores de 14 instituciones de investigación diferentes en la revista Métodos de la naturaleza aborda este dilema. EnzymeML puede registrar completamente los resultados de un experimento enzimático, desde las condiciones de reacción hasta los datos medidos, así como el modelo cinético utilizado para analizar los datos experimentales y los parámetros cinéticos estimados. Por lo tanto, el formato proporciona un canal de comunicación continuo entre plataformas experimentales, cuadernos de laboratorio electrónicos, herramientas de modelado de cinética enzimática, plataformas de publicación y bases de datos de reacciones enzimáticas.

«Demostramos la viabilidad y la utilidad de la caja de herramientas EnzymeML utilizando seis escenarios donde los datos y metadatos de varias reacciones enzimáticas se recopilan, analizan y cargan en bases de datos públicas para uso futuro», explica la primera autora Simone Lauterbach.

Los documentos de EnzymeML están estructurados y estandarizados, por lo tanto, los resultados experimentales codificados en un documento de EnzymeML son interoperables y reutilizables por otros grupos. Debido a que un documento de EnzymeML es legible por máquina, se puede usar en un flujo de trabajo automatizado para almacenar, visualizar y analizar datos, así como volver a analizar datos publicados anteriormente, sin restricciones del tamaño de cada conjunto de datos o la cantidad de experimentos. .

«La digitalización de la biocatálisis aumenta la eficiencia de la gestión, visualización y análisis de datos», dice el Prof. Jürgen Pleiss, autor correspondiente y coordinador del proyecto. Además, la digitalización mejora la reproducibilidad de los experimentos y análisis de datos, fomentando así la confianza en los resultados científicos. «La caja de herramientas EnzymeML hace un mejor uso de los datos enzimáticos de rápido crecimiento y es una herramienta útil que permite a los investigadores navegar por la ola de datos de investigación».