Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4
Uso de tecnologías ómicas en el aprovechamiento
de subproductos para el desarrollo de alimentos
funcionales y nutracéuticos
Resumen
Introducción
77
sobre la complejidad de los sistemas biológicos (Silvestri et al., 2011). Estos beneficios
se pueden obtener a costos y esfuerzos relativamente pequeños. Las OMICS son disci-
plinas que engloban la descripción de acontecimientos e interacciones de la estructura
celular y procesos fisiológicos; desde el ADN (p. ej., genes) a la función biológica.
Las principales tecnologías ómicas disponibles en la actualidad para investigación en
ciencia y tecnología de alimentos, así como en ciencias de la salud son la epigenómica,
la genómica, la proteómica y la metabolómica. La epigenómica que emplea la secuen-
ciación alelo específica por bisulfito con el fin de saber su patrón de metilación (Cha-
tterjee et al., 2012), sabiendo que la metilación es la forma de regulación epigenética
más común (Phillips, 2008) y la pirosecuenciación (Colella et al., 2003). La Genómica
que utiliza técnicas tales como los arrays de polimorfismo de nucleótido simple (aS-
NPs) (Wang et al., 2014), arrays de hibridación genómica comparativa (aCGH) (Pinkel
& Albertson, 2005), hibridación fluorescente in situ (FISH) (Hein et al., 2008) y la tan
esencial reacción en cadena de la polimerasa en tiempo real (RT-PCR). La Proteómica
utiliza técnicas para la separación y el análisis de mezclas complejas proteicas, como
el gel de poliacrilamida de dodecil sulfato de sodio de 2D (Vercauteren et al., 2006),
cromatografía de líquidos de alta resolución (Mitulović & Mechtler, 2006), arreglos de
proteínas, técnicas de espectrometría de masas como la desorción láser asistida por la
matriz con detección de masas por tiempo de vuelo (MALDI-TOF) (Neto et al., 2006),
entre muchas otras. La metabolómica emplea técnicas cromatográficas, como la de
gases acoplada a espectrometría de masas (GS-MS) o la de líquidos de alta resolución
(HPLC); asimismo, la resonancia magnética nuclear (NMR), la espectroscopia de infra-
rrojo cercano (Cevallos-Cevallos et al., 2009), entre otras.
Estas técnicas en la actualidad son elementales para la investigación en las ciencias
de los alimentos, ya que permiten identificar las actividades de los componentes de la
dieta tanto nutricios como no nutricios. Estos componentes interactúan con el organis-
mo a nivel sistémico, orgánico, celular y molecular, brindando la información necesaria
para caracterizar y recomendar los alimentos y nutracéuticos, así como determinar las
dosis de su consumo seguro que muestren adicionalmente beneficios en la conserva-
ción de la salud y la prevención de enfermedades.
78
cho de los procesos principales de producción tales como la industria de lácteos, jugos,
cereales, etc. Esto es sin lugar a dudas una obligación ética y gran área de oportuni-
dad, debido a que los desechos de tales industrias pueden servir como base para otros
alimentos y para el aislamiento de principios bioactivos, tales como los nutracéuticos.
El concepto de nutracéutico fue acuñado por primera vez por el médico Stephen
Defelice en 1989 y el término engloba los conceptos de nutrición y farmacéutico (Kal-
ra, 2003). De acuerdo con su definición, un nutracéutico es un alimento o parte de un
alimento que provee beneficios médicos o a la salud, incluyendo la prevención o tra-
tamiento de una enfermedad (Trottier et al., 2009). Otro concepto íntimamente relacio-
nado con los nutracéuticos es el de los alimentos funcionales, los cuales son alimentos
comunes que tienen componentes incorporados a ellos para producir algún beneficio a
la salud aunado a su valor nutricional (Kalra, 2003).
Los nutracéuticos pueden tener mecanismos de acción variados; algunos pueden
funcionar como sustrato para reacciones bioquímicas, cofactores enzimáticos, inhibi-
dores enzimáticos, eliminadores de radicales libres, mejora de la absorción de nutrien-
tes esenciales, ligandos que pueden interactuar con receptores celulares, etc. (Chauhan
et al., 2013). Es aquí donde radica la importancia de este tipo de compuestos, a pesar
de carecer de valor nutricional, promueven un buen estado de salud y reducen el riesgo
de incidencia de enfermedades crónicas no transmisibles.
Al extraer selectivamente compuestos de interés de una matriz, se requiere sortear
distintos obstáculos, tales como la polaridad y estabilidad de los compuestos extraíbles,
la pureza, toxicidad y volatilidad del solvente de extracción, así como la cantidad y
complejidad de la muestra que será sujeta a la extracción. En la actualidad existen
distintas técnicas para extraer compuestos bioactivos, las cuales incluyen los procedi-
mientos de extracción clásicos (en el cual se realiza una extracción con solventes or-
gánicos con distintas polaridades, agua o una mezcla de ambas), la extracción asistida
por ultrasonido, la extracción asistida por microondas, extracción con líquidos iónicos,
extracción acelerada con disolventes, extracción con fluidos supercríticos, extracción
en fases sólidas, extracción facilitada con enzimas, etc. (Bucar et al., 2013). La industria
alimentaria provee una gran variedad de subproductos que pueden ser aprovechados
para la obtención de bioactivos, como por ejemplo las hojas y semillas de Crataegus
pinnatifida que pueden ser ricas en fitoquímicos con alta actividad antioxidante y an-
tiinflamatoria (Huang et al., 2015), la recuperación de polifenoles de los residuos de
la industria del vino (Louli et al., 2004) con potencial uso como agentes anti-oscure-
cimiento, anti microbianos, saborizantes y colorantes (Ayala-Zavala et al., 2011), así
como para la obtención de fibra dietética y funcional a partir de subproductos (Sharma
et al., 2016), e incluso durante la fermentación alcohólica por levaduras es posible
obtener productos como terpenos bioactivos (Hock et al., 1984). Dicho lo anterior, es
posible comprender que los subproductos agroindustriales representan una fuente de
gran potencial para el aislamiento de principios activos con efectos benéficos a la salud.
79
La genómica es el estudio del genoma de los seres vivos. El genoma es el total de la in-
formación genética que posee un organismo. Según el dogma central de la vida es que
la información del ADN se transcribe a ARN y este es traducido a proteínas, las cuales
son esenciales para el funcionamiento y mantenimiento de las rutas bioquímicas del
organismo. Desde el ambicioso proyecto del genoma humano fue posible dilucidar que
está compuesto por 3.2 mil millones de pares de bases (Baltimore, 2001) y que existen
aproximadamente 30,000 genes que codifican para proteínas. Este proyecto permitió la
identificación de diferentes secuencias pequeñas o polimorfismos de nucleótido simple
(SNPs) que se dan cada 1,500 pares de bases (Livingston et al., 2004), los cuales van a
contribuir a obtener diferentes respuestas a nutrientes específicos por parte de la pobla-
ción (Subbiah et al., 2007).
En nuestros días sabemos que tanto los nutrientes como los componentes bioactivos
de los alimentos, son capaces de afectar la expresión del genoma a distintos niveles
(ARNm y proteínas) y de esta manera afectar la producción de metabolitos (Müller &
Kersten, 2003). Este conocimiento ha llevado a estudiar como la dieta afecta la relación
entre las enfermedades y la salud. Así surgió el concepto de nutrigenómica, que es el
estudio científico de la forma en la cual actúan componentes bioactivos alimenticios y
genes específicos; este concepto no debe confundirse con la nutrigenética que estudia
como la variabilidad genética influye en la respuesta de un organismo a los nutrientes.
La transcriptómica se encarga del estudio del ARN mensajero (ARNm) total (transcripto-
ma) de una célula u organismo, e indica los genes que se encuentran expresados en un
momento o condiciones determinadas. Esta es la tecnología ómica que parece ser más
promisoria en los estudios nutrigenómicos debido a sus características de eficiencia
(Kato, 2008). El análisis de los patrones de cambio en la expresión del ARNm debido a
componentes bioactivos de la dieta, es un paso primordial para estudiar el flujo mole-
cular del genoma al proteoma y metaboloma (Müller & Kersten, 2003).
En años anteriores las técnicas disponibles sólo permitían el análisis individual de
genes, utilizando técnicas clásicas como Northen Blot, la cual fue reemplazada paula-
tinamente por técnicas más sensibles como la reacción en cadena de la polimerasa en
tiempo real (RT-PCR). La RT-PCR se basa en la cuantificación de un grupo fluorescente
reportero (Heid et al., 1996), el cual es proporcional a la cantidad de producto de la
reacción en cadena de la polimerasa (PCR) que se haya generado.
Esta técnica mide la amplificación durante la fase exponencial de la amplificación y
por tanto requiere 1000 veces menos ADN que una PCR en punto final. La RT-PCR es,
hoy por hoy, la herramienta más usada para la expresión de uno ó un pequeño número
de genes (Giulietti et al., 2001) y los resultados de la expresión genética pueden ob-
tenerse aproximadamente en 2 a 3 h. A pesar de su utilidad ambas técnicas presentan
80
una limitante importante para el estudio de la nutrigenómica, esto debido a que sólo
se puede estudiar un número muy reducido de genes a la vez, lo que no permite una
vinculación acertada entre el componente bioactivo y su efecto biológico (Gohil &
Chakraborty, 2004).
Por otra parte, el análisis masivo de genes puede proporcionar una mejor perspectiva
del efecto de los componentes bioactivos en las vías metabólicas y la homeostasis, así
como la manera en que este efecto es alterado durante algunas enfermedades crónicas
(Hu & Kong, 2004). En el presente, tenemos dos principales plataformas para la ex-
presión masiva de genes: las que se basan en la secuenciación del ADN (Morozova &
Marra, 2008) y Microarreglos de ADN. Esta última tecnología es la más común para el
análisis de los perfiles de expresión y consiste en un arreglo predefinido de múltiples
secuencias de prueba, las cuales se emplean para el arreglo de múltiples genes.
Los Microarreglos de ADN, dependen de los ADN complementarios (ADNc) amplifi-
cados por PCR (100-3000 pares de bases), de los oligonucleóticos cortos (15-25 mers)
y de los largos (50-120 mers), mismos que generan señales por fluorescencia. Esta tec-
nología resulta muy útil porque permite el análisis de los niveles de expresión, siendo
usada para la investigación de la regulación genética e interacción a nivel genoma; por
ejemplo, en comparaciones entre tejidos enfermos y sanos (Li et al., 2004), las respues-
tas de cultivos celulares a diferentes tratamientos (Buchholz et al., 2005), así como en la
exploración del efecto de subproductos de la pulpa del vino como el ácido oleanólico
y su efecto sobre la expresión de genes lipogénicos, de gluconeogénesis y citocinas pro
inflamatorias (Yunoki et al., 2008).
Indudablemente, sus principales ventajas son su alta eficiencia y la sensibilidad que
muestran en comparación a las técnicas como el Blotting. Sin embargo, se pueden
resaltar algunos problemas que se tienen con esta tecnología, las formas variables de
manejo de datos y muestras entre laboratorios, distintas plataformas de microarrays y
los tiempos de realización del experimento, producen una falta de homogeneidad que
complica la comparación entre resultados obtenidos. Para la reducción de problemas
por falta de normalización, se establecieron las guías de información mínima acerca
de los experimentos de microarrays (MIAME) para los reportes de datos (Brazma et al.,
2001).
Existen múltiples estudios en los que la tecnología de los microarrays de ADN ha
sido aplicada en las ciencias de los alimentos para probar distintos componentes bioac-
tivos de la dieta en las respuestas celulares y los perfiles del transcriptoma obtenidos
en estos experimentos permiten la identificación de sus dianas moleculares. El perfil
del transcriptoma obtenido con moléculas bioactivas permite identificar el efecto del
compuesto en algunas patologías. Por ejemplo, se han probado polifenoles como la
epigalocatequina-3-galato en células bronquiales epiteliales (Vittal et al., 2004) y célu-
las HT-29 (McLoughlin et al., 2004), antocianinas y su efecto sobre adipocitos humanos
81
4.2.1. Proteómica
El proteoma se define como el conjunto de todas las proteínas expresadas en una cé-
lula, tejido u organismo (Theodorescu & Mischak, 2007). La proteómica se encarga del
estudio a gran escala y los cambios (p. ej. anabolismo, catabolismo y modificaciones
postraduccionales) que ocurren en el proteoma expresado a partir del genoma (Jeon et
al., 2007; Lyakhovich et al., 2007; Petricoin et al., 2002).
La proteómica nace como un complemento a la genómica cuando su potencial y
limitaciones se hicieron evidentes. La proteómica es una tecnología muy promisoria
en la investigación biológica (Marte, 2003). A pesar de que en tiempos recientes se ha
avanzado en la adquisición y procesamiento de información por la proteómica, ésta
tiene algunos problemas inherentes como lo son su vasto campo de estudio (>100,000
proteínas) y la limitación en la detección de proteínas poco abundantes. Es importante
señalar que el proteoma ofrece una promisoria fuente de biomarcadores, debido a que
es una imagen en tiempo real de los genes expresados en ese instante de tiempo y los
factores ambientales. Esto ocasiona que el proteoma sea diferente entre individuos y las
propias células, brindando información durante patologías, ya que es probable que las
proteínas sean afectadas durante la enfermedad (Rifai et al., 2006).
El flujo para hacer análisis en proteómica es la preparación de la muestra, la se-
paración de las proteínas, su cuantificación, identificación y el análisis de datos y su
interpretación. Generalmente, la extracción de proteínas puede ser difícil por sí misma,
por lo que cada técnica se concentra en un tipo particular de proteínas debido a su
complejidad química y su gran diversidad. Las técnicas de prefraccionamiento como la
separación de orgánulos utilizando diferentes densidades de ultracentrifugación pue-
82
den ser útiles para la obtención de las proteínas objetivo (Ho et al., 2006). Debido a
que la popularidad de la proteómica ha ido en aumento, se han sofisticado distintos
métodos de análisis de proteínas, aquellos basados en separaciones en gel o las cuan-
titativas sin gel.
Ambas técnicas proporcionan una visión de la expresión proteica desde la identi-
ficación a la cuantificación (Szopinska & Morsomme, 2010). Ningún proteoma es lo
suficientemente simple para ser analizado directamente por técnicas de espectrometría
de masas. Esto conlleva la realización de una separación preliminar para reducir la
complejidad de la muestra.
La separación por técnicas basadas en gel incluye principalmente a la electroforesis
bidimensional en gel de poliacrilamida (2D), la cual permite identificar de 1000 a 2000
proteínas en un solo gel, esto con el fin de separar, visualizar y cuantificar proteínas en
una imagen para dar paso a otras técnicas más sensibles (Panchaud et al., 2008). Esta
separación consiste en aislar las proteínas de acuerdo con dos parámetros importan-
tes: su punto isoeléctrico (pI), usando un gradiente de pH y su peso molecular por una
combinación secuencial de isoelectroenfoque y electroforesis en gel de poliacrilamida
en gradiente por SDS (SDS-PAGE) (Vercauteren et al., 2006).
Una vez que las proteínas se encuentran separadas se obtienen los mapas de pro-
teínas utilizando distintas técnicas de tinción para visualizarlas, tales como el azul de
coomassie, el radio marcaje y la fluorescencia (Miller et al., 2006). Con ello es posible
identificar las proteínas expresadas en un momento dado, debido a que la intensidad
de cada mancha indica la expresión de una determinada proteína. Sin embargo, esta
electroforesis tiene un problema principal y es que pueden existir distintas variaciones
gel-gel y es difícil discernir entre una variación por el manejo de la muestra o por va-
riación biológica.
Para eliminar este problema se resolvió con la electroforesis diferencial en gel (DIGE),
en la cual se cargan las muestras en el mismo gel (Marouga et al., 2005) e implica el uso
con colorantes fluorescentes altamente sensibles (Cy3, Cy5 y Cy2). Después del análisis
de imagen de los geles en 2D, las manchas de proteína de interés son posteriormente
digeridas por una proteasa (tripsina) para someterla a un análisis de espectrometría de
masas (MS).
La proteómica basada en espectrometría de masas es una herramienta útil y se ha
usado para diagnóstico e identificación de marcadores de cáncer (Zhang et al., 2007).
Entre sus principales atributos están su alta sensibilidad, especificidad, velocidad y re-
solución de masas. Las herramientas más utilizadas son la desorción-ionización láser
asistida por matriz con detección de iones por tiempo de vuelo (MALDI-TOF), la ioni-
zación por electrospray (ESI-MS) y la espectrometría de masas por tiempo de vuelo me-
diante desorción-ionización por láser de superficie (SELDI-TOF-MS) y la más sensible
y con mayor poder de resolución la resonancia ciclotrónica de iones por transformada
83
de Fourier (FTICR-MS) (Bogdanov & Smith, 2005). La notable potencia que muestra el
análisis proteómico por técnicas de espectrometría de masas puede inclusive incre-
mentarse si se combina con alguna técnica de separación como cromatografía de gases
(GC), cromatografía líquida (LC), electroforesis capilar (CE) o el Tándem MS/MS.
La aplicación de estas técnicas proteómicas a la investigación en compuestos bioac-
tivos presentes en alimentos y subproductos agroindustriales es muy importante, ya que
tanto tejidos como fluidos biológicos (sangre, orina, saliva) contienen proteómicas que
pueden ser útiles en cuanto a diagnósticos se refiere. El mayor reto que sigue enfrentan-
do la investigación proteómica no es la resolución (>100,000), la sensibilidad absoluta
(actualmente en el rango picomolar) o la exactitud de las masas (subpartes por millón),
sino el rango dinámico de proteínas (~1000) en sangre (Jacobs et al., 2005). Las téc-
nicas actuales de espectrometría de masas únicamente pueden trabajar en el rango
de 104, lo que provoca que la atención en el proteoma poco abundante y por lo tanto
inaccesible, se dirija hacia las proteínas que muestren mayor abundancia.
Actualmente, es posible encontrar también nuevas tecnologías como los arrays
de proteínas, los cuales están compuestos de anticuerpos inmovilizados o de proteí-
nas recombinantes en una superficie de alta densidad. Existen dos principales clases
de arreglos para proteína: los analíticos y los funcionales, siendo los microarreglos de
anticuerpo los más comunes (Wingren & Borrebaeck, 2007). Estos pueden fabricarse
con un gran número de anticuerpos específicos y son capaces de proveer los perfiles de
proteínas inclusive de las poco abundantes en mezclas muy complejas. Los microarre-
glos permiten generar un mapa proteómico para así dilucidar el proteoma, al facilitar
también la realización del análisis estadístico de los resultados obtenidos.
Hoy en día es posible encontrar múltiples estudios donde se aplica la proteómica
en las ciencias de los alimentos, lo que ha dado lugar a la identificación de nuevas
proteínas y que se consideren tanto a los alimentos como a los compuestos bioactivos
contenidos en ellos como agentes profilácticos. En 2010, se aisló mediante cromatogra-
fía de intercambio iónico y se identificó un pentapéptido en salvado de arroz mediante
MALDI-TOF-MS; se encontró que éste poseía actividades antiproliferativas contra cé-
lulas de cáncer intestinal (Caco-2), hepático (HepG2), de mama (MCF-7) y de pulmón
(A-549) (Kannana et al., 2010).
Se han encontrado biomarcadores para deficiencias de vitamina A en plasma me-
diante SELDI-TOF-MS (Linke et al., 2004); se ha demostrado la actividad anticanceríge-
na del estilbeno resveratrol en células de hígado, haciendo uso de 2DE y MALDI-TOF
(Choi et al., 2009); se han detectado cinco péptidos alérgenos de cacahuates procesa-
dos mediante LC con nano-ESI-Q-TOF-MS/MS (Chassaigne et al., 2007); se ha analiza-
do el patrón de expresión proteica y su patrón de fosforilación inducido por colesterol,
mediante el uso de los arrays de proteína (Puskas et al., 2006); se han utilizado arreglos
para el conocimiento del patrón pro-inflamatorio ocasionado por dieta (Fenton et al.,
84
4.2.2. Metabolómica
85
(Rezzi et al., 2007). Otros autores se han centrado en la importancia que tiene la dieta
en la regulación de la microbiota intestinal (Jacobs et al., 2008), en la identificación de
metabolitos en plasma mediante HPLC (Juan et al., 2010), en el papel de la microbiota
en la fermentación de polifenoles y en el perfil metabólico de sus productos por GC-MS
(Grün et al., 2008), en el acoplamiento de técnicas como CE/LC-MS para la observación
del efecto antiproliferativo de polifenoles en células de cáncer HT-29 (Ibáñez et al.,
2012), entre múltiples estudios encontrados en la literatura.
Con ello es inevitable percibir que la metabolómica es una ciencia que permite y per-
mitirá en el futuro aumentar el conocimiento acerca de los efectos de los componentes
dietarios y su impacto en la salud de las personas.
Conclusión
El avance en las tecnologías ómicas en las ciencias de los alimentos, tiene como objeti-
vo principal ayudar en la comprensión de cómo los componentes bioactivos presentes
en los alimentos y sus subproductos ayudan a la prevención y mejora del estado de
salud al interferir con el desarrollo de enfermedades como el cáncer, las enfermedades
cardiovasculares, entre otras.
Estas tecnologías permitirán tener un mejor conocimiento de la relación entre la
nutrición y la enfermedad, y con ello será posible realizar recomendaciones persona-
lizadas de nutrición como tratamientos preventivos, siempre apoyándose en las he-
rramientas como la transcriptómica, proteómica y metabolómica para tener un mejor
entendimiento de la función celular, de tejidos y organismos, lo cual es un punto de
partida para el entendimiento de los complejos sistemas biológicos y su importancia
en la naturaleza. Por otro lado, gracias al aprovechamiento de los subproductos agroin-
dustriales es posible obtener compuestos de interés, que vienen a darle valor agregado
a materiales que son considerados como un desecho, con lo cual no sólo se puede
reducir el volumen generado sino también, obtener nutracéuticos con reconocidas ac-
tividades biológicas.
87
Bibliografía
88
Choi, H. Y., Chong, S. A., & Nam, M. J. 2009. Resveratrol Induces Apoptosis in Hu-
man SK HEP-1 Hepatic Cancer Cells. Cancer Genomics & Proteomics, 6(5), 263-68.
Colella, S., Shen, L., Baggerly, K. A., Issa, J. P., & Krahe, R. (2003). Sensitive and
quantitative universal Pyrosequencing methylation analysis of CpG sites. BioTechni-
ques, 35(1), 146-150.
Coppens, P., Da Silva, M. F., & Pettman, S. (2006). European regulations on nutraceu-
ticals, dietary supplements and functional foods: a framework based on safety. Toxico-
logy, 221, 59-74.
Dunn, W. B., & Ellis, D. I. (2005). Metabolomics, current analytical platforms and
methodologies. Trends in Analytical Chemistry, 24, 285-294.
Fenton, J. I., Nuñez, N. P., Yakar, S., Perkins, S. N., Hord, N. G., & Hursting, S. D.
(2009). Diet-induced adiposity alters the serum profile of inflammation in C57BL/6N
mice as measured by antibody array. Diabetes, Obesity & Metabolism, 11(4), 343-354.
Fiehn, O. (2002). Metabolomics-the link between genotypes and phenotypes. Plant-
Molecular Biology, 48, 155-171.
Giulietti, A., Overbergh, L.,Valckx, D., Decallonne, B., Bouillon, R., & Mathieu, C.
(2001). An overview of real-time quantitative PCR: applications to quantify cytokine
gene expression. Methods, 25, 386-401.
Gohil, K., & Chakraborty, A. A. (2004). Applications of microarray and bioinformatics
tools to dissect molecular responses of the central nervous system to antioxidant micro-
nutrients. Nutrition, 20, 50-55.
Grün, C. H., van Dorsten, F. A., Jacobs, D. M., Le Belleguic, M., van Velzen, E. J.,
Bingham, M. O., Janssen, H. G., & van Duynhoven, J. P. (2008). GC-MS methods for
metabolic profiling of microbial fermentation products of dietary polyphenols in human
and in vitro intervention studies. Journal of Chromatography. B, Analytical Technologies
in the Biomedical & Life Sciences, 871(2), 212-219.
Guzmán, A. B., Juárez, H. E., Ortega, E. S., Romero, V. R., Silencio, B. J. L. (2009).
Los nutracéuticos, lo que es conveniente saber. Revista Mexicana de Pediatría, 76(3),
136-145.
Heid, C. A., Stevens, J., Livak, K. J., & Williams, P. M. (1996). Real time quantitative
PCR. Genome Research, 6, 986–994.
Hein, E. M., Rose, K., van’t Slot, G., Friedrich, A. W., & Humpf, H. U. (2008). De-
conjugation and Degradation of Flavonol Glycosides by Pig Cecal Microbiota Cha-
racterized by Fluorescence in Situ Hybridization (FISH). Journal of Agricultural Food
Chemistry, 56(6), 2281-2290.
Ho, E., Hayen, A., & Wilkins, M. R. (2006). Characterization of organellar proteomes:
a guide to subcellular proteomic fractionation and analysis. Proteomics, 6, 5746-5757.
89
Hock, R., Benda, I., & Schreier, P. (1984). Formation of terpenes by yeasts during al-
coholic fermentation. Zeitschriftfür Lebensmittel-Untersuchung und -Forschung, 179(6),
450-452.
Hsu, Y. C., Chen, M. J., & Huang, T. Y. (2014). Inducement of mitosis delay by cucur-
bitacin E, a novel tetracyclic triterpene from climbing stem of Cucumismelo L., through
GADD45γ in human brain malignant glioma (GBM) 8401 cells. Cell Death & Disease,
5(2): e1087.
Hu, R., & Kong, A. N. (2004). Activation of MAP kinases, apoptosis and nutrigeno-
mics of gene expression elicited by dietary cancer-prevention compounds. Nutrition,
20(1), 83-88.
Huang, X. X., Bai, M., Zhou, L., Lou, L. L., Liu, Q. B., Zhang, Y., Li, L. Z., & Song, S.
J. (2015). Food byproducts as a new and cheap source of bioactive compounds: lignans
with antioxidant and anti-inflammatory properties from Crataegus pinnatifida seeds.
Journal of Agricultural & Food Chemistry, 63 (32), 7252-7260.
Ibáñez, C., Simó, C., García-Cañas, V., Gómez-Martínez, A., Ferragut, J. A., & Ci-
fuentes, A. (2012). CE/LC-MS multiplatform for broad metabolomic analysis of dietary
polyphenols effect on colon cancer cells proliferation. Electrophoresis, 33(15): 2328-
2336.
Ikeda, A., Nishiumi, S., Shinohara, M., Yoshie, T., Hatano, N., & Okuno, T. (2012).
Serum metabolomics as a novel diagnostic approach for gastrointestinal cancer. Biome-
dical Chromatography, 26(5): 548-558.
Jacobs, D. M., Deltimple, N., van Velzen, E., van Dorsten, F. A., Bingham, M., Vau-
ghan, E. E., van Duynhoven, J. (2008). 1H NMR metabolite profiling of feces as a tool to
assess the impact of nutrition on the human microbiome. NMR in Biomedicine, 21(6),
615-626.
Jacobs, J. M., Adkins, J. N., Qian, W. J., Liu, T., Shen, Y., Camp, D. G., & Smith, R. D.
(2005). Utilizing human blood plasma for proteomic biomarker discovery. Journal of
Proteome Research, 4, 1073-1085.
Jeon, H. B., Choi, E. S., Yoon, J. H., Hwang, J. H., Chang, J. W., Lee, E. K., Choi, H.
W., Park, Z. Y., & Yoo, Y. J. (2007). A proteomics approach to identify the ubiquitinated
proteins in mouse heart. Biochemical & Biophysical Research Communications, 357,
731-736.
Juan, M. E., Maijó, M., & Planas, J. M. (2010). Quantification of trans-resveratrol and
its metabolites in rat plasma and tissues by HPLC. Journal of Pharmaceutical & Biome-
dical Analysis, 51(2), 391-398.
Kaddurah-Daouk, R., Kristal, B. S., & Weinshilboum, R. M. (2008). Metabolomics: a
global biochemical approach to drug response and disease. Annual Reviewof Pharma-
cology & Toxicology, 48, 653-683.
Kalra, E. K. (2003). Nutraceutical-definition & introduction. American Association of
Pharmaceutical Scientists, 5(3): 27-28.
90
Kannana, A., Hettiarachchya, N. S., Layb, J. O., & Liyanageb, R. (2010). Human can-
cer cell proliferation inhibition by a pentapeptide isolated and characterized from rice
bran. Peptides, 31(9), 1629-1634.
Kato, H. (2008). Nutrigenomics: the cutting edge and Asian perspectives. Asian Paci-
fic Journal of Clinical Nutrition, 17(1), 12-15.
Kussmann, M., Rezzi, S., & Daniel, H. (2008). Profiling techniques in nutrition and
health research. Current Opinion in Biotechnology, 19(2), 83-99.
Lenz, E. M., Bright, J., Wilson, I. D., Morgan, S. R., & Nash, A. F. (2003). A 1H
NMR-based metabonomic study of urine and plasma samples obtained from healthy
human subjects. Journal of Pharmaceutical & Biomedical Analysis, 33(5), 1103-1115.
Li, X., Rao, S., Wang, Y., & Gong, B. (2004). Gene mining: a novel and powerful
ensemble decision approach to hunting for disease genes using microarray expression
profiling. Nucleic Acids Research, 32, 2685–2694.
Linke, T., Ross, A. C., & Harrison, E. H. (2004). Profiling of rat plasma by surface-en-
hanced laser desorption/ionization time-of-flight mass spectrometry, a novel tool for
biomarker discovery in nutrition research. Journal of Chromatography A, 1043(1), 65-
71.
Livingston, R. J., von Niederhausern, A., Jegga, A. G., Crawford, D. C., Carlson, C. S.,
Rieder, M. J., Gowrisankar, S., Aronow, B. J., Weiss, R. B., & Nickerson, D. A. (2004).
Pattern of sequence variation across 213 environmental response genes. Genome Re-
search, 14, 1821-1831.
Louli, V., Ragoussis, N., & Magoulas, K. (2004). Recovery of phenolic antioxidants
from wine industry by-products. Bioresource Technology, 92, 201-208.
Lyakhovich, A., Canals, F., Nosov, M., & Surralles, J. (2007). A DIGEbased approach
to study interacting proteins. Journal of Biochemical & Biophysical Methods. 70, 693-
695.
Marouga, R., David, S., & Hawkins, E. (2005). The development of the DIGE system:
2D fluorescence difference gel analysis technology. Analytical & Bioanalytical Chemis-
try, 382(3), 669-678.
Marte, B. (2003). Introduction Proteomics. Nature, 422, 191.
McAlindon, T. E. (2006). Nutraceuticals: do they work and when should we use
them?. Clinical Rheumatology, 20, 99-115.
McLoughlin, P., Roengvoraphoj, M., Gissel, C., Hescheler, J., Certa, U., Sachinidis, A.
(2004). Transcriptional responses to epigallocatechin-3 gallate in HT 29 colon carcino-
ma spheroids. Genes Cells, 9, 661-669.
Miller, I., Crawford, J, & Gianazza, E. (2006) Protein stains for proteomic applica-
tions: Which, when, why? Proteomics, 6(20), 5385-5408.
91
Mitulović, G., & Mechtler, K. (2006). HPLC techniques for proteomics analysis a short
overview of latest developments. Briefings in Functional Genomics & Proteomics, 5(4),
249-260.
Morozova, O., & Marra, M. A. (2008). Applications of next-generation sequencing
technologies in functional genomics. Genomics, 92(5), 255-264.
Müller, M., & Kersten, S. (2003). Nutrigenomics: goals and strategies. Nature Review
Genetics, 4(4), 315-322.
Murtaza, I., Marra, G., Schlapbach, R., Patrignani, A., Künzli, M., Wagner, U., Saba-
tes, J., & Dutt, A. (2006). A preliminary investigation demonstrating the effect of quer-
cetin on the expression of genes related to cell-cycle arrest, apoptosis and xenobiotic
metabolism in human CO115 colon-adenocarcinoma cells using DNA microarray. Bio-
technology & Applied Biochemistry, 45(1), 29-36.
Neto, C. C., Krueger, C. G., Lamoureaux, T. L., Kondo, M., Vaisberg, A. J., Hurta, R. A.,
Curtis, S., Matchett, M. D., Yeung, H., Sweeney, M. I., & Reed, J. D. (2006). MALDI-TOF
MS characterization of proanthocyanidins from cranberry fruit (Vaccinium macrocar-
pon) that inhibit tumor cell growth and matrix metalloproteinase expression in vitro.
Journal of the Science of Food & Agriculture, 86, 18-25.
Panchaud, A., Affolter, M., Moreillon, P., & Kussmann, M. (2008). Experimental and
computational approaches to quantitative proteomics: status quo and outlook. Journal
of Proteomics, 71(1), 19-33.
Petricoin, E., Zoon, K., Kohn, E., Barrett, J., & Liotta, L. (2002). Clinical proteomics:
translating benchside promise into bedside reality. Nature Reviews, 1,683-695.
Phillips, T. (2008). The role of methylation in gene expression. Nature Education,
1(1),116.
Pinkel, D., & Albertson, D.G. (2005).Comparative Genomic Hybridization. Annual
Review of Genomics & Human Genetics, 6, 331-354.
Puskás, L. G., Menesi, D., Feher, L. Z., & Kitajka, K. (2006). High-throughput func-
tional genomic methods to analyze the effects of dietary lipids. Current Pharmaceutical
Biotechnology, 7(6), 525-529.
Puskás, L. G., Nagy, Z. B., Giricz, Z., Onody, A., Csonka, C., Kitajka, K., Hackler, L.,
Zvara, A., & Ferdinandy, P. (2004). Cholesterol diet-induced hyperlipidemia influences
gene expression pattern of rat hearts: a DNA microarray study. FEBS Letters, 562(1-3):
99-104.
Ramírez, G. X. S. (2009). Alimentos funcionales, etnobotánica y nutrición. Ide@
sConcyteg. 4 (49), 787-791. Rezzi, S., Ramadan, Z., Fay, L. B., & Kochhar, S. (2007). Nu-
tritional metabonomics: applications and perspectives. Journal of Proteome Research,
6, 513-525.
Rifai, N., Gillette, M. A., & Carr, S. A. (2006). Protein biomarker discovery and valida-
tion: the long and uncertain path to clinical utility. Nature Biotechnology, 24, 971-983.
92
Rimbach, A., Boesch-Saadatmandi, C., Frank, J., Fuchs, D., Wenzel, U., Daniel, H.,
Hall, W. L., & Weinberg, P. D. (2008). Dietary isoflavones in the prevention of cardio-
vascular disease-a molecular perspective. Food Chemical Toxicology, 46, 1308-1319.
Schmidt, C. (2004). Metabolomics takes its place as latest up-and-coming “omic”
science. Journal of the National Cancer Institute, 96, 732-734.
Sharma, S. K., Bansal, S., Mangal, M., Dixit, A. K., Gupta, R. K., & Mangal, A. K.(2016).
Utilization of food processing by-products as dietary, functional, and novel fiber: are-
view. Critical Reviews of Food Science & Nutrition, 56(10), 1647-1661.
Shellie, R. A., Welthagen, W., Zrostliková, J., Spranger, J., Ristow, M., Fiehn, O., &
Zimmermann, R. (2005). Statistical methods for comparing comprehensive two-di-
mensional gas chromatography-time-of-flight mass spectrometry results: metabolomic
analysis of mouse tissue extracts. Journal of Chromatography A, 1086, 83-90.
Silvestri, E., Lombardi, A., de Lange, P., Glinni, D., Senese, R., Cioffi, F., Lanni, A., Go-
glia, F., & Moreno, M. (2011). Studies of complex biological systems with applications
to molecular medicine: The need to integrate transcriptomic and proteomic approaches.
Journal of Biomedicine & Biotechnology, (pp.1-19).
Sloan, A. E. (2000). The top 10 functional food trends. Food Technology, 54, 33-62.
Subbiah, M. T. (2007). Nutrigenetics and nutraceuticals: the next wave riding on per-
sonalized medicine. Translational Research, 149, 55-61.
Szopinska, A., & Morsomme, P. (2010). Quantitative proteomic approaches and their
application in the study of yeast stress responses. Omics; A Journal of Integrative Biolo-
gy, 14, 639-649.
Theodorescu, D., & Mischak, H. (2007). Mass spectrometry based proteomics in uri-
ne biomarker discovery. World Journal of Urology, 25, 435-443.
Trottier, G., Boström, P. J., Lawrentschuk, N., & Fleshner, N. E. (2009). Nutraceuticals
and prostate cancer prevention: a current review. Nature Reviews Urology, 7(1), 21-30.
Trujillo, E., Davis, C., & Milner, J. (2006). Nutrigenomics, proteomics, metabolomics,
and the practice of dietetics. Journal of American Diet Association, 106(3), 403-413.
Tsuda, T., Ueno, Y., Yoshikawa, T., Kojo, H., & Osawa, T. (2006). Microarray profiling
of gene expression in human adipocytes in response to anthocyanins. Biochemical Phar-
macology, 71(8), 1184-1197.
Vercauteren, F. G. G., Arckens, L., & Quirion, R. (2006). Applications and current
challenges of proteomic approaches, focusing on twodimensional electrophoresis. Ami-
no Acids, 31, 485-488.
Vittal, R., Selvanayagam, Z. E., Sun, Y., Hong, J., Liu, F., Chin, K. V., & Yang, C. S.
(2004). Gene expression changes induced by green tea polyphenol (S)-epigallocate-
chin-3-gallate in human bronchial epithelial 21BES cells analyzed by DNA microarray.
Molecular Cancer Therapeutics, 3, 1091-1099.
Walsh, M. C., Brennan, L., Malthouse, J. P., Roche, H. M., & Gibney, M. J. (2006).
Effect of acute dietary standardization on the urinary, plasma, and salivary metabolomic
profiles of healthy humans. American Journal of Clinical Nutrition, 84(3), 531-539.
93
Wang, S., Wong, D., Forrest, K., Allen, A., Chao, S., Huang, B. E., Maccaferri, M.,
Salvi, S., Milner, S. G., Cattivelli, L., Mastrangelo, A. M., Whan, A., Stephen, S., Barker,
G., Wieseke, R., Plieske, J., International Wheat Genome Sequencing Consortium, Lille-
mo, M., Mather, D., Appels, R., Dolferus, R., Brown-Guedira, G., Korol, A., Akhunova,
A.R., Feuillet, C., Salse, J., Morgante, M., Pozniak, C., Luo, M.-C., Dvorak, J., Morell,
M., Dubcovsky, J., Ganal, M., Tuberosa, R., Lawley, C., Mikoulitch, I., Cavanagh, C.,
Edwards, K. J., Hayden, M., & Akhunov, E. (2014). Characterization of polyploid wheat
genomic diversity using a high-density 90 000 single nucleotide polymorphism array.
Plant Biotechnology Journal, 12, 787-796.
Wei, H., Pasman, W., Rubingh, C., Wopereis, S., Tienstra, M., & Schroen, J. (2012).
Urine metabolomics combined with the personalized diagnosis guided by Chinese me-
dicine reveals subtypes of pre-diabetes. Molecular BioSystems, 8(5), 1482-1491.
Wingren, C., & Borrebaeck, C. A. K. (2007). Progress in miniaturization of protein
arrays-a step closer to high-density nanoarrays. Drug Discovery Today, 19(20), 813-819.
Wisharta, D. S. (2008). Metabolomics: applications to food science and nutrition re-
search. Trends in Food Science & Technology, 19(9), 482-493.
Yunoki, K., Sasaki, G., Tokuji, Y., Kinoshita, M., Naito, A., Aida, K., & Ohnishi, M.
(2008). Effect of Dietary Wine Pomace Extract and Oleanolic Acid on Plasma Lipids in
Rats Fed High-Fat Diet and Its DNA Microarray Analysis. Journal of Agricultural & Food
Chemistry, 56(24), 12052-12058.
Zeisel, S. H. (1999). Regulation of nutraceuticals. Science, 285, 1853-1855.
Zhang, X. W., Wei, D., Yap, Y. L., Li, L., Guo, S. Y., & Chen, F. (2007). Mass spectro-
metry-based “omics” technologies in cancer diagnostics. Mass Spectrom Reviews, 26,
403-431.
94