Analyse af stofskiftestrømme

Fluxbalanceanalyse ( FBA ) er en metode til matematisk modellering af metabolisme, der giver dig mulighed for at bestemme reaktionshastigheden i et metabolisk netværk (en vej eller et sæt stier). Metoden bruges til at modellere forskellige effekter på en celle eller optimere betingelserne for dens vækst. Metodens nøgletræk er brugen af en stationær tilnærmelse (antagelsen om, at koncentrationen af hvert stof anses for konstant) og et lavt behov for computerkraft.

Beskrivelse af metoden

Metaboliske reaktioner er repræsenteret som en støkiometrisk matrix (S) af størrelse n ved m. Hver række i denne matrix beskriver et stof (for et system med m stoffer), og hver kolonne repræsenterer en reaktion (n reaktioner). Værdierne i hver kolonne svarer til de støkiometriske koefficienter for de metabolitter, der er involveret i reaktionen. Negative koefficienter tildeles henholdsvis til hver forbrugt metabolit og positive til hver produceret. En støkiometrisk koefficient på nul svarer til metabolitter, der ikke deltager i denne særlige reaktion. Da kun få forskellige metabolitter er involveret i de fleste biokemiske reaktioner, indeholder S-matricen mange nul-elementer. Strømmen gennem alle reaktioner i netværket er repræsenteret af en vektor , der har længden n. Koncentrationerne af alle metabolitter er repræsenteret af en vektor x, med længden m. Systemet af ligninger af materialebalancen i den stationære tilstand (dx/dt = 0) i dette tilfælde er udtrykt ved formlen: $v$

\qquad S\cdot \mathbf {v} =\mathbf {0}

Det siges, at enhver , der opfylder ligningen, annullerer rummets dimension . Men i enhver realistisk metabolisk model er antallet af reaktioner altid større end antallet af metabolitter (n > m). Med andre ord er antallet af ubekendte større end antallet af ligninger, derfor er der ingen unik løsning på et sådant system, og mange løsninger kan være fuldstændig uegnede fra et biologisk synspunkt. Løsningsrummet kan dog være begrænset, og der kan søges en løsning, der opfylder et eller andet kriterium. Dette kriterium er fastsat af den såkaldte objektivfunktion, som afspejler en eller anden parameter i systemet, og der søges en løsning, hvor denne funktion f.eks. har den maksimale værdi. Derudover er opløsningsrummet stærkt begrænset af per-flow-begrænsningen. Således er det for eksempel muligt at beregne, hvilket punkt i opløsningsrummet, der svarer til den maksimale væksthastighed eller maksimale ATP-output i en bestemt organisme ud fra de pålagte restriktioner. (Fig. 1) $v$ $\qquad S\cdot \mathbf {v} =\mathbf {0}$ $S$

Formålet med AML er at søge at minimere eller maksimere objektivfunktionen Z = c Tv , som generelt kan være en hvilken som helst kombination af flows, hvor c er vægtvektoren, der angiver, hvordan hver reaktion i systemet bidrager til målet . funktion (produktion af det undersøgte produkt, f.eks. biomasse). I praksis, når kun én reaktion skal maksimeres eller minimeres, er c en vektor af 0s og 1s for den reaktion, vi er interesseret i.

Optimeringen af et sådant system opnås ved lineær programmering (1e). Således kan AMP defineres som brugen af en lineær programmeringsmetode til at løse en ligning givet et sæt af øvre og nedre grænser og en lineær kombination af flows som den objektive funktion. Resultatet af AMP er et sæt af hastigheder v, som svarer til maksimum eller minimum af objektivfunktionen. [en] $\qquad S\cdot \mathbf {v} =\mathbf {0}$ $v$

Opbygning af modellen

De vigtigste trin i at skabe en model er: at skabe et komplet metabolisk netværk, at pålægge modellen begrænsninger og definere en objektiv funktion.

Metabolisk netværk

Metaboliske netværk kan betragtes som en enkelt metabolisk vej eller som en hel celle, væv eller organisme. Hovedkravet til det metaboliske netværk for AMP er fraværet af huller. At skabe et komplet metabolisk netværk er et meget stort arbejde, der tager måneder og år. Til dato er der komplette metaboliske netværk for nogle modelorganismer, især for E. coli [2] .

Begrænsninger

En central del af AMP er at pålægge begrænsninger på strømningshastigheden i det metaboliske netværk, så deres værdier ligger inden for et vist interval. Dette giver dig mulighed for mere præcist at gengive det virkelige stofskiftesystem. Disse restriktioner falder i to hovedkategorier: dem, der er forbundet med cellens optagelse eller frigivelse af stoffer, og restriktioner for strømninger i selve cellen. Matematisk gør anvendelsen af begrænsninger det muligt at reducere løsningsrummet for AMP-modellen.

Disse grænser kan bestemmes både ud fra teoretiske overvejelser og ud fra måleresultater.

De mest åbenlyse teoretiske begrænsninger er termodynamiske. De bestemmer retningen af reaktionen. Hvis forskellen mellem de frie energier af reaktionsprodukterne og reaktanterne er mindre end nul, forløber reaktionen i fremadgående retning og omvendt.

Hastigheden af nogle strømme kan måles eksperimentelt, og strømmen i modellen kan begrænses til et vist område af værdier omkring den målte:

$v_{i,m}-\varepsilon <v_{i}<v_{i,m}+\varepsilon$

Den nemmeste måde at måle hastigheden af absorption og sekretion af stoffer. Normalt bestemmes absorptionshastigheden af et stof fra det ydre miljø af dets tilgængelighed, koncentration, diffusionshastighed (jo højere den er, jo hurtigere absorption) og absorptionsmetoden (aktiv transport, faciliteret diffusion eller blot diffusion) .

Interne fluxer kan måles ved hjælp af radioaktiv mærkning af stoffer, NMR og nogle andre metoder.

Objektiv funktion

AMP-systemet har ikke en entydig løsning, men ved at pålægge restriktioner er det muligt at reducere antallet. I fremtiden vælges den løsning, der maksimerer eller minimerer den objektive funktion. En objektiv funktion er en lineær kombination af flow, der udtrykker en bestemt parameter i systemet.

Denne parameter er sædvanligvis biomasseudbyttet eller proliferationshastigheden i tilfælde af celler eller for eksempel ATP -udbyttet, hvis glykolyse eller en anden energivej overvejes.

FBA-opgaven præsenteres således i følgende form:

$\max _{\vec {v}}\ v_{b}\qquad {\textrm {st}}\qquad \mathbf {S} \,{\vec {v}}=0$

Ansøgninger

AML kræver ikke stor regnekraft, så det er muligt at variere simuleringsbetingelserne ganske effektivt.

Sletning af reaktioner

For at bestemme de reaktioner (såvel som de enzymer, der katalyserer dem og deres gener), der er nøglen til at producere biomasse (eller en anden målparameter for systemet), kan de fjernes en efter en fra det metaboliske netværk og systemet løses. Hvis biomasseudbyttet ved løsning af systemet falder kraftigt, er denne reaktion den vigtigste; hvis den ikke ændrer sig eller ændrer sig lidt, er den ikke den vigtigste.

Reaktioner kan fjernes i par. Dette bruges ved modellering af virkningerne på systemet af lægemidler eller deres kombinationer.

Desuden kan reaktionsinhibering i stedet for fuldstændig fjernelse simuleres ved at ændre grænsebetingelserne.

Optimering af vækstbetingelser

AMP kan bruges til at optimere vækstbetingelserne, dvs. til at vælge sammensætningen af dyrkningsmediet . Ved at variere begrænsningen på næringsstofforbrugsstrømme fra miljøet og optimere biomasseudbyttet er det muligt at vælge deres optimale koncentrationer for den maksimale cellevæksthastighed.

Udvidelser

Fluxvariabilitetsanalyse

Analyse af ikke-stationære metaboliske flows (ANMF) er en metode, der gør det muligt at løse det omvendte problem for AMP. Ved brug af ANMP er resultatet værdierne af flowgrænserne for hver reaktion, som i den rigtige kombination med andre flows reproducerer den optimale løsning. Reaktioner, der er karakteriseret ved lav variabilitet, har stor betydning for organismen. Og ANMP er en lovende metode til at identificere sådanne vigtige reaktioner [3] .

Minimering af metabolisk justering

Ved arbejde med modificerede bakterielle knockouts eller mikroorganismer dyrket på næringsmedier, men ikke udsat for langvarigt evolutionært pres, opnås steady state, som er en nødvendig betingelse for anvendelse af AMP-metoden, med meget varierende tidsintervaller eller ikke kl. alle. For eksempel vil væksthastigheden af E. coli på glycerol som den primære kulstofkilde ikke matche den hastighed, der forudsiges af AMP-metoden. Men med yderligere 40-dages dyrkning, hvor der sker en ændring på mere end 700 generationer, har bakterierne tid til at tilpasse sig, så deres væksthastighed falder sammen med forudsigelserne af AMP [4] .

Med alle former for metaboliske forstyrrelser forårsaget af en ændring i koncentrationen af substratet, når det kommer ind i næringsmediet eller en knockout af et gen, der udtrykker et enzym i den metaboliske vej, er det mest interessante observationen af øjeblikkelige virkninger, der opstår i systemet under forstyrrelser. Processer, der tager længere tid, har til formål at omorganisere flows for at opnå en optimal stofskiftehastighed. Metabolisk reguleringsminimering (MMR) forudsiger øjeblikkelig suboptimal fluxfordeling ved at minimere den euklidiske afstand mellem vildtypefluxfordelingen opnået af AMP og mutantfluxfordelingen opnået ved kvadratisk programmering . Dette resulterer i følgende optimeringsproblem:

\min \ ||\mathbf {v_{w}} -\mathbf {v_{d}} ||^{2}\qquad

på betingelse

\mathbf {S} \cdot \mathbf {v_{d)) =0

hvor afspejler fordelingen af vildtypefluxer (en tilstand uden forstyrrelser) og repræsenterer fordelingen af fluxer under gendeletion. Denne ligning er forenklet til formen: $\mathbf {v_{w))$ $\mathbf {v_{d))$

\min \ {\frac {1}{2))\,{\mathbf {v_{d)) }^{T}\,\mathbf {I} \,\mathbf {v_{d)) + (\mathbf {-v_{w}} )\cdot \mathbf {v_{d}} \qquad

på betingelse

\mathbf {S} \cdot \mathbf {v_{d)) =0

Sådan ser tilstanden af MMP-problemet ud [5] .

Regulatory On-Off Minimering (ROOM) Metode

ROOM er en forbedret metode til at forudsige en organismes metaboliske status efter en gen-knockout. Præmissen for metoden er den samme som i MOMA: organismen vil efter en knockout søge at genoprette fordelingen af fluxer så tæt som muligt på vildtypen. Men det antages endvidere, at steady state vil blive nået gennem en række kortsigtede metaboliske ændringer, og at organismen vil have en tendens til at minimere antallet af regulatoriske ændringer, der sigter mod at opnå vildtypetilstanden. I stedet for at bruge den metriske afstandsminimeringsmetode, bruger ROOM den blandede heltal lineære programmeringsmetode [6] .

Sammenligning med andre metoder

Chokepunktsanalyse

Chokepunktsanalyse [7] tager kun hensyn til netværkspunkter, hvor metabolitter blev produceret, men ikke forbrugt, eller omvendt (det vil sige, at kun enten venstre eller højre side af reaktionen tages i betragtning). I modsætning hertil er ABP en komplet metabolisk netværksmodel, da den tager højde for både forbrugte og producerede metabolitter på alle stadier af analysen. Den største ulempe ved choke point-analyse til modellering af netværkseffekter er, at hver reaktion i netværket betragtes separat, og det overordnede billede af den metaboliske vej tages ikke i betragtning. Hvis vejen er lang, så kan reaktioner, der påvirker hinanden, men er langt væk, ikke gengives ved hjælp af denne metode.

Dynamisk metabolisk simulering

Dynamisk modellering [8] bruger i modsætning til BPA ikke den stationære tilnærmelse. For eksempel kan ABP ikke bruges til at modellere nervecellers funktion. Da BPA ikke tager højde for koncentrationen af metabolitter, er det muligt, at koncentrationerne bliver for høje for det biologiske system. Med dynamisk simulering kan disse problemer undgås. Men ABP bruger til gengæld meget færre computerressourcer.

Software

COBRA værktøjskasse
Vælg Flux
FASIMU
SurreyFBA
WEbcoli
agern
BERØMMELSE
GEMSiRV
MetaFluxNet
FBA-SimVis
Vælg Flux
Insilico Discovery

Noter

↑ Orth, JD; Thiele, I.; Palsson, B.Ø. Hvad er fluxbalanceanalyse? (engelsk) // Nature Biotechnology : journal. - Nature Publishing Group , 2010. - Vol. 28 . - S. 245-248 . - doi : 10.1038/nbt.1614 . — PMID 20212490 .
↑ Barabási A.-L., Almaas E.; Oltvai ZN, Kovacs B.; Vicsek T. Global organisation af metaboliske fluxer i bakterien Escherichia coli (engelsk) // Nature : journal. - 2004. - Bd. 427 . - s. 839-843 . - doi : 10.1038/nature02289 .
↑ Mahadevan R.; Schilling CH Effekterne af alternative optimale løsninger i begrænsningsbaserede metaboliske modeller i genomskala (engelsk) // Metabolic Engineering : journal. - 2003. - Bd. 5 , nr. 4 . - S. 264-276 . - doi : 10.1016/j.ymben.2003.09.002 .
↑ Ibarra, Rafael U.; Edwards, Jeremy S.; Palsson, Bernhard O. Escherichia Coli K-12 gennemgår adaptiv evolution for at opnå i Silico forudsagt optimal vækst // Nature : journal. - 2002. - Bd. 420 , nr. 6912 . - S. 186-189 . - doi : 10.1038/nature01149 .
↑ Segre, Daniel; Vitkup, Dennis; Church, George M. Analyse af Optimality in Natural and Perturbed Metabolic Networks // Proceedings of the National Academy of Sciences of the United States of America : journal . - 2002. - Bd. 99 , nr. 23 . - P. 15112-15117 . - doi : 10.1073/pnas.232349399 . — PMID 12415116 .
↑ Ruppin E., Shlomi; Berkman O., Tomer. Regulatory On / Off Minimering af metaboliske fluxændringer efter genetiske forstyrrelser // Proceedings of the National Academy of Sciences of the United States of America : tidsskrift. - 2005. - Bd. 102 , nr. 21 . - P. 7695-7700 . - doi : 10.1073/pnas.0406346102 .
↑ Syed Asad Rahman, Dietmar Schomburg. Observation af lokale og globale egenskaber ved metaboliske veje: 'belastningspunkter' og 'chokepunkter' i de metaboliske netværk // Bioinformatik. - 2006-07-15. - T. 22 , nej. 14 . - S. 1767-1774 . — ISSN 1367-4803 . - doi : 10.1093/bioinformatik/btl181 . Arkiveret fra originalen den 15. april 2017.
↑ Kansuporn Sriyudthsak, Fumihide Shiraishi, Masami Yokota Hirai. Matematisk modellering og dynamisk simulering af metaboliske reaktionssystemer ved hjælp af Metabolome tidsseriedata // Frontiers in Molecular Biosciences. — 2016-01-01. — Bd. 3 . — ISSN 2296-889X . - doi : 10.3389/fmolb.2016.00015 .

Links

Ordbøger og encyklopædier	stor kinesisk