معلومة

كيفية دمج بيانات النسخ مع النماذج الأيضية الحركية؟

كيفية دمج بيانات النسخ مع النماذج الأيضية الحركية؟


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

لقد خلقت الخواص الحركية الملائمة نموذج. الآن ، أريد دمج بيانات النسخ مع نموذج الخواص الحركية الملائمة لتغيير / وزن قيم المعلمات الحركية. لقد قرأت بعض المنشورات المتعلقة بهذا العمل ولكن لا يمكنني الحصول على فكرة مرضية عن كيفية القيام بذلك بشكل صحيح.

تفاصيل

لدي نموذج بنكرياس لدراسة مرضى السكري من النوع 2. يحتوي على عدد قليل من المقصورات ومسارات التفاعل ؛ الأنواع هي نواتج الأيض. جميع ردود الفعل تعتمد على الخواص الحركية الملائمة. يعتبر الإنزيم عاملاً ثابتًا ، لذلك لا يتم النظر في إنتاجه وتنظيمه. من نموذجي ، سأحصل على حرف V.م قيم لجميع ردود الفعل ومن ثم من المفترض أن أحصل على V.م (الخامسالأعلى من حركية Michaelis-Menten) لمرضى السكري من النوع 2 عن طريق دمج بيانات النسخ معها بطريقة أو بأخرى. لقد طُلب مني استخدام قيم تغيير الطية ولكن لم أتمكن من العثور على أي منشور ذي صلة حول هذا الموضوع (اقترح لي الباحث الرئيسي هذه ولكن لم يعمل في هذا المجال من قبل).

أي خيوط أو مراجع ستكون محل تقدير كبير.


يمكنك تسمية قوانين معدل الخواص الحركية كقوانين معدل تقريبي أو ربما سمعت عن "قوانين المعدل المعياري" ، فهي متشابهة إلى حد ما. نحن نستخدم نهج قانون المعدل التقريبي هذا في الحالات التي لا نملك فيها البيانات التجريبية لجميع معلمات قانون المعدل الحقيقي.


أفترض أنه في نموذجك ، المواد المتفاعلة والمنتجات (الأنواع) عبارة عن نواتج أيضية وكل تفاعل يشير إلى تحويل مستقلب إلى آخر.

من علم النسخ ، ستحصل على مستويات التعبير النسبي للجينات المختلفة. عندما يكون لديك عينتان من ظروف مختلفة ، يمكنك حساب التعبير التفاضلي.

يمكن أن يكون النموذج معقدًا بقدر ما يمكنك صنعه ولكن يمكننا البدء بافتراضات بسيطة. كما قلت ، يُفترض أن تكون الإنزيمات ثابتة فيما يتعلق بالمستقلبات ولا تتغير ديناميكيًا. أعتقد أيضًا أنك لا تفكر في تأثير الجينات الأخرى غير الإنزيمات على التفاعلات الأيضية (قد ترغب في الواقع في التفكير في ناقلات المذاب). أيضًا ، أنت تفترض حركية Michaelis-Menten لجميع ردود الفعل.

في هذه الحالة ، فإن Vالأعلى (أي أقصى معدل للتفاعل) سيكون كقط × إي0 أين كقط هو رقم الدوران و E.0 هو المبلغ الإجمالي للإنزيم.

ه0 يمكن تقريبها باستخدام بيانات النسخ. ومع ذلك ، فإن بيانات النسخ النسبية وليست مطلقة. إذا كنت بحاجة إلى تقدير كمي مطلق ، فيجب أن يكون لديك مرجع واحد على الأقل يُعرف رقم نسخة mRNA المطلق الخاص به. مشكلة أخرى هي أن نسبة البروتين وتعبير الرنا المرسال لن تكون نفسها بالنسبة لجميع الجينات وهي في الأساس كمية البروتين النشط الذي تحتاج إلى معرفته. لذا فإن البروتينات ستكون أقرب بخطوة.

عندما تقارن شرطين ، يمكنك استخدام التعبير التفاضلي (طي قيم التغيير) لضبط المعلمات بين الشرطين. على سبيل المثال إذا كنت تعلم أن إنزيم الفسفوفركتوكيناز ينخفض ​​بمقدار ضعفين في مرض السكري (مقارنة بالحالة الصحية) ، فيمكنك تقليل Vالأعلى من رد الفعل المقابل بمقدار ضعفين في نموذج مرض السكري الخاص بك. ومع ذلك ، سيكون كل هذا منطقيًا فقط إذا كانت معايير نموذجك "الصحي" قريبة بشكل معقول من الواقع البيولوجي.

علاوة على ذلك ، ما زلت بحاجة إلى معرفة kقط. لا يمكن الحصول عليها من الدراسات عالية الإنتاجية. قد تضطر إلى إجراء بعض التخمينات أو التحقق من الأوراق / قواعد البيانات. أيضًا ، معدلك ليس دائمًا Vالأعلى. لتقدير المعدل الديناميكي ، يجب أن تعرف Kم أيضًا (عندما تكون الركيزة زائدة ، يمكنك تجاهل K.م). قد يكون لدى BRENDA بعض المعلومات حول هذه الثوابت لأنزيمات مختلفة.

عند مستوى خام للغاية ، يمكنك إزالة التفاعلات التي لا تحتوي الإنزيمات المقابلة لها على أي تعبير.


هذه بعض المقالات حول تكامل بيانات النسخ مع FBA (وليس النماذج الحركية):

يدعي ماتشادو وهيرجارد في الواقع أن تكامل بيانات النسخ لا يحسن تنبؤاتهم النموذجية:

أيضًا ، يُلاحظ أنه بالنسبة للعديد من الحالات ، فإن التنبؤات التي تم الحصول عليها عن طريق تحليل توازن التدفق البسيط باستخدام معايير تعظيم النمو والبخل جيدة أو أفضل من تلك التي تم الحصول عليها باستخدام الطرق التي تتضمن بيانات النسخ.


تكامل البيانات الدهنية و transcriptomics في نموذج بيولوجيا الأنظمة لعملية التمثيل الغذائي للدهون السفينغولية

تلعب الشحميات السفينجولية أدوارًا مهمة في بنية الخلية ووظيفتها وكذلك في الفيزيولوجيا المرضية للعديد من الأمراض. العديد من المركبات الوسيطة للتخليق الحيوي للدهون السفينغولية نشطة بيولوجيًا بدرجة عالية ولها أنشطة معادية في بعض الأحيان ، على سبيل المثال ، يعزز السيراميد موت الخلايا المبرمج بينما يمكن أن يمنع سفينجوزين -1 فوسفات موت الخلايا المبرمج ويحفز نمو الخلايا ، وبالتالي ، فإن القياس الكمي للمستقلبات ونمذجة شبكة السفينجوليبيد أمر ضروري من أجل فهم علم الأحياء السفينجوليبيد.

نتائج

في هذا الاتجاه ، يعمل اتحاد خرائط LIPID على تطوير طرق لتقدير مستقلبات السفينغوليبيد في خلايا الثدييات ويدرس تطبيقها على دراسات تنشيط خلية البلاعم RAW264.7 بواسطة ذيفان داخلي محدد كيميائيًا ، Kdo2- Lipid A. هنا ، نصف نموذجًا لـ C16- فرع استقلاب سفينجوليبيد (على سبيل المثال ، للسيراميدات مع بالميتات مثل الأحماض الدهنية المرتبطة بـ N- أسيل ، والتي يتم اختيارها لأنها نوع فرعي رئيسي لجميع فئات الدهون السفينغوليبيد المعقدة في خلايا RAW264.7) دمج البيانات الدهنية و transcriptomics واستخدام نهج قائم على المصفوفة من خطوتين لتقدير ثوابت المعدل من البيانات التجريبية. تم تنقيح ثوابت المعدل التي تم الحصول عليها من الخطوة الأولى بشكل أكبر باستخدام التحسين غير الخطي المقيَّد المعمم. النموذج الناتج يناسب البيانات التجريبية لجميع الأنواع. يتم التحقق من متانة النموذج من خلال تحليل الحساسية البارامترية.

الاستنتاجات

تم تطوير نموذج كمي لمسار sphigolipid من خلال دمج بيانات التمثيل الغذائي وبيانات النسخ مع المعرفة القديمة. يمكن استخدام النموذج لتصميم دراسات تجريبية لكيفية تغيير الاضطرابات الوراثية والدوائية التدفق من خلال مسار التخليق الحيوي للدهون المهم هذا.


مقدمة

الريبوسومات هي أماكن عمل التخليق الحيوي للبروتين ، والعيوب في مسار التكوين الحيوي للريبوسوم لها تأثير على العديد من العمليات الخلوية ، مثل التمثيل الغذائي ، والتي تعتمد بشكل حاسم على البروتينات الأنزيمية. بينما من المعروف أن التمثيل الغذائي يؤثر على وظيفة الريبوسوم عبر مسار إشارات الرابامايسين (TOR) ، لا يُعرف الكثير عن كيفية تغذية عيوب التكوّن الحيوي للريبوسوم من عملية التمثيل الغذائي 1. ال نبات الأرابيدوبسيس thaliana تشارك بروتينات REIL في الخطوات المتأخرة من العصارة الخلوية لنضج الوحدة الفرعية الريبوسوم 60S وهي مطلوبة للنمو تحت درجة حرارة منخفضة 2. ال reil1-1 reil2-1 متحولة مزدوجة ناقصة لكل من نظائر REIL و ، على عكس أرابيدوبسيس النوع البري Col-0 ، لا يستأنف النمو بعد التحول البارد ، حتى المعتدل 10 (^ < circ> ) ظروف التبريد. يعتبر هذا النظام التجريبي مناسبًا بشكل مثالي للتحقيق في عيب التكوُّن الحيوي للريبوسوم العصاري الخلوي على مستوى التمثيل الغذائي ، حيث يُظهر كل من النوع البري والمتحول توقف النمو أثناء مرحلة السبات المبكر (أقل من سبعة أيام بعد التحول البارد) متبوعًا بالنمو التفاضلي في المراحل اللاحقة. لذلك ، قد تظهر الرؤى الميكانيكية في تأثير عيوب التكوُّن الحيوي للريبوسوم للطفرة على التمثيل الغذائي في وقت مبكر بعد التحول البارد ، أثناء مرحلة السبات.

تتمثل إحدى الإمكانيات للتحقيق في ردود الفعل من عيوب التكوين الحيوي للريبوسوم على عملية التمثيل الغذائي في توصيف تدفقات التفاعل. تعتمد التدفقات الأيضية ، جزئيًا ، على تجمعات الأيض 3. كما أنها تعتمد على التكوين الأنزيمي للخلية ، والتي بدورها تحكمها شبكات تنظيم الجينات والإشارات التي تؤثر على نشاط البروتين 4. ومع ذلك ، فإن تحديد تدفقات التمثيل الغذائي هو مهمة شاقة وكثيفة العمالة 5،6،7. قد يؤدي التحليل المستهدف الذي يتنبأ بالتدفقات ذات الصلة لتوليد الفرضيات استنادًا إلى تكامل مجموعات البيانات عالية الإنتاجية المتاحة من دراسات بيولوجيا الأنظمة إلى تبسيط تخطيط دراسات التدفق التجريبية التي تستغرق وقتًا طويلاً.

في هذا الصدد ، أثبتت الأساليب القائمة على القيود أنها أداة قيمة لتوليد الفرضيات فيما يتعلق بتوزيعات التدفق وسلوكها التفاضلي. على سبيل المثال ، يمكن لأبسط هذه الأساليب ، تحليل توازن التدفق (FBA) ، التنبؤ بتدفقات الحالة المستقرة في البكتيريا عند النمو الأسي 8. بشكل عام ، يتم توقع التدفقات الأيضية للنظام على افتراض أن هذا النظام يعمل في حالة مستقرة ويحسن الهدف (مثل إنتاجية الكتلة الحيوية). إذا كان ذلك ممكنًا ، غالبًا ما ينتج عن النهج الرياضي الناتج توزيع تدفق غير فريد. تحقيقًا لهذه الغاية ، يمكن للقيود المحددة من خلال تكامل البيانات عالية الإنتاجية تقليل مساحة الحل لتوزيعات التدفق الممكنة 9،10،11. وقد ثبت أن مثل هذه الأساليب تؤدي إلى تنبؤ أكثر دقة أقرب إلى الحالة الفسيولوجية الفعلية 12. على الرغم من توافر الطرق التي تدمج البيانات عالية الإنتاجية ، إلا أن إمكاناتها الكاملة لم تتحقق بعد 13.

تحظى المناهج بأهمية خاصة والتي تسمح بدمج مستويات المستقلب النسبية ، نظرًا لأنه من الأسهل الحصول على مجموعات البيانات هذه على عكس تركيزات المستقلب المطلقة المستخدمة في تحليل توازن التدفق الديناميكي الحراري 14 وكذلك الأساليب التي تستخدم بيانات السلاسل الزمنية (مثل TREM-Flux 15 ، uFBA 16 و dFBA 17). iReMet-flux 18 هو النهج الوحيد القائم على القيد حتى الآن والذي يمكنه دمج مستويات الأيض النسبية للتحقيق في سلوك التدفق التفاضلي بين سيناريوهين. إنه يعتمد على وصف يشبه الحركة الجماعية لمعدلات التفاعل (أي التدفق). على عكس uFBA ، لا يتطلب iReMet-Flux بيانات عن القياس الكمي المطلق لمستويات الأيض ، وبالتالي يسمح بتطبيق أوسع نظرًا لتوافر بيانات الأيض النسبية. على عكس TREM-Flux ، فإنه لا يفترض وجود مقياس خطي مع تغيير مستويات المستقلب بين نقطتين زمنيتين. بالإضافة إلى ذلك ، يختلف iReMet-Flux عن النهج الأخير الذي يتم فيه دمج بيانات الأيض النسبية على المستوى النوعي (أي الزيادات أو النقصان) 14. على غرار الهدف الذي يستند إليه MOMA 19 ، يقلل iReMet-flux اختلافات التدفق بين سيناريوهين ، لكنه لا يعتمد على توزيعات التدفق المحسوبة مسبقًا لسيناريو مرجعي. بالإضافة إلى ذلك ، يسمح iReMet-flux بتكامل مستويات الإنزيم النسبية إما عن طريق الاستخدام المباشر لبيانات البروتينات الكمية أو النوعية ، أو عبر نسبة التعبير الجيني التي يمكن أن تكون بمثابة وكيل 10،20،21. ومع ذلك ، إذا تم توظيفها في بيانات السلاسل الزمنية ، فإنها لا تأخذ في الاعتبار حجم تغييرات التدفق المحتملة بين الخطوات الزمنية. لمعالجة هذه المشكلة ، قمنا بتوسيع iReMet-flux لمراعاة التغييرات الزمنية ، مع الحفاظ على إمكانية تكامل البيانات عالية الإنتاجية متعددة المستويات.

هنا ، كنا نهدف إلى تطوير نهج جديد قائم على القيود ، يُطلق عليه TC-iReMet2 ، والذي يسهل تكامل مستويات المستقلب والنسخة النسبية أثناء حساب التغيير الزمني للمعلمات الفسيولوجية. استخدمنا TC-iReMet2 للتحقيق في سلوك التدفق التفاضلي لـ A. thaliana Col-0 نوع البرية و reil1-1 reil2-1 نباتات متحولة مزدوجة قبل وبعد التحول البارد. أخيرًا ، قدمنا ​​فرضيات قابلة للاختبار مباشرة حول تأثير نقص REIL بوساطة في تكوين الريبوسوم الحيوي على التمثيل الغذائي.


نتائج

صياغة TC-iReMet2

نقترح تكامل الدورة الزمنية لمستويات المستقلب النسبي والنسخة (TC-iReMet2) التي تقدر التدفقات بناءً على تكامل بيانات الدورة الزمنية على مستويات المستقلب والنسخة النسبية. الميزة الرئيسية لـ TC-iReMet2 هي أنها تفسر الحجم المحتمل لتغيرات التدفق بين النقاط الزمنية وبالتالي يمكن أن توفر تفسيرًا أكثر دقة لإعادة توجيه التدفق بمرور الوقت. نوضح أنه يمكن تطبيق TC-iReMet2 لدراسة إعادة توزيع التدفق في المسارات في شبكة التمثيل الغذائي واسعة النطاق من A. thaliana. على عكس شبكات التمثيل الغذائي على نطاق الجينوم 22 ، نشير إلى النماذج واسعة النطاق مثل تلك التي أعيد بناؤها باتباع نهج تصاعدي 23.

على غرار الأساليب الأخرى القائمة على القيد ، يستخدم TC-iReMet2 مصفوفة متكافئة س من النموذج الأيضي المدروس. تتوافق صفوف المصفوفة المتكافئة مع المستقلبات ، وترمز الأعمدة إلى التفاعلات. تشير إدخالات الأعداد الصحيحة إلى مولارية المنتج (الإدخال الإيجابي) أو الركيزة (الإدخال السلبي) في التفاعل ، مما يضمن الحفاظ على الكتلة والشحنة. في ما يلي ، نفترض أن شبكة التمثيل الغذائي التي تم فحصها تحتوي على ص ردود الفعل و ن المستقلبات ، وأن أداءها يُقارن بين سيناريوهين تجريبيين ، يُشار إليه بـ أ و ب (مثل النوع المتحولة والبرية) إلى النقاط الزمنية t + 1 و ر. علاوة على ذلك ، نشير بواسطة p 1 إلى عدد التفاعلات التي لا رجعة فيها و p - p 1 عدد التفاعلات القابلة للعكس.

تحت حركية الحركة الجماعية ، التدفق من خلال تفاعل لا رجوع فيه أنا، 1 & # x02264 p 1 & # x02264 p 1 ، يمكن وصفها رسميًا بواسطة v i = k i E i & # x0220f j = 1 n (x j) | إس جي | ، حيث تشير x j إلى تركيز المستقلب ييشير S ji إلى المعامل المتكافئ الذي يستخدمه المستقلب ي يدخل في رد فعل أنا كركيزة ، يشير E i إلى تركيز الإنزيم ويشير k i إلى ثابت معدل التفاعل المحدد. لاحظ أنه يمكن كتابة هذا التعبير بالتساوي للسيناريو أ: v i A = k i A E i A & # x0220f j = 1 n (x j A) | إس جي | والسيناريو ب: v i B = k i B E i B & # x0220f j = 1 n (x j B) | إس جي | ، حيث يكون معدل ثابت k i هو المعلمة الوحيدة غير المتغيرة (k i A = k i B) - لأنه يلخص الخاصية الرئيسية لنفس الإنزيم. لذلك ، يمكن كتابة علاقة التدفق الفردي بين سيناريوهين على النحو التالي:

لتبسيط التدوين ، سنشير إلى نسبة مستويات المستقلب لـ ي مثل r j = x j A x j B ونسبة مستويات الإنزيم التي تحفز التفاعل أنا مثل q i = E i A E i B. هذا يسمح لنا بإعادة كتابة نسبة معدلات تدفق التفاعل أنا مثل v i A v i B = q i & # x0220f j = 1 n (r j) | إس جي | أو ما يعادله v i A = [q i & # x0220f j = 1 n (r j) | إس جي | ] الخامس أنا ب.

لا يمكن تحديد كامل تركيزات المستقلب والإنزيم باستخدام التقنيات الحالية 24 ، 25. بالنسبة لنسب المستقلب ، يمكن قياس جزء صغير فقط من المستقلب ، وبالتالي نسب المستقلب. لحساب الحالة التي لا يمكن قياس نسبة المستقلبات ، يتم إدخال الحدود العلوية والسفلية العامة لنسب المستقلب. إذا كانت نسبة المستقلب ي يتم قياسه كمياً تجريبياً ، يشار إليه بـ & # x003c7 (r j) = 1 وبخلاف ذلك بواسطة & # x003c7 (r j) = 0.

في حالة عدم وجود نسب الإنزيم ، نستخدم قواعد تفاعل البروتين الجيني (GPR) للنماذج الأيضية لتقريب نسب الإنزيم باستخدام بيانات النسخ. يتم تحديد أدوار GPR من خلال مجموعة من التعبيرات المنطقية التي تصف الجينات التي تشفر الإنزيم. على سبيل المثال ، يتم ربط منتجات الجينات المشفرة للأنزيمات المتساوية أو الأشكال الإسوية بواسطة عامل التشغيل OR. على العكس من ذلك ، فإن وحدات البروتين الفرعية التي يجب أن تكون موجودة في وقت واحد لتشكيل إنزيم نشط مرتبطة بمشغل AND. في حالة وجود إنزيم مشفر بواسطة جين واحد ، يتم تقريب تركيز الإنزيم بقيمة تعبيره. لكل تفاعل يتم تحفيزه بواسطة معقد يتطلب جينات متعددة ، يتم تعيين تركيز الإنزيم على الحد الأدنى لقيمة التعبير للمنتجات الجينية المتصلة بواسطة المشغل AND. بالنسبة إلى عامل التشغيل OR ، يتم استخدام مجموع قيم التعبير للجينات المعنية. تم تطبيق هذه القواعد على كل تفاعل في كلا السيناريوهين ، مجزأة وتخصيصها كنسبة إنزيم مقابلة. لذلك ، يتم تمثيل نسبة الإنزيم بنسبة مستويات التعبير الجيني وفقًا لقواعد GPR. تعادل نسب المستقلب ، إذا كانت قاعدة GPR للتفاعل أنا يتم تعريفه ، يشار إليه بواسطة H (q i) = 1 وللتفاعلات بدون قاعدة GPR محددة ، بواسطة H (q i) = 0.

في هذا الإعداد ، نأخذ في الاعتبار القيود المفروضة على التفاعلات التي لا رجعة فيها ، نظرًا لأن أكثر من 80٪ من التفاعلات التي يُفترض أنها تتبع الخواص الحركية الشبيهة بالكتلة & # x02013 (هذا يستبعد التفاعلات الاصطناعية وتفاعلات النقل) لا رجوع فيها في النموذج الذي تم تحليله لـ A. thaliana. تم التحقق من ذلك عن طريق إجراء تحليل تقلب التدفق عند تدفق ثابت من خلال تفاعل الكتلة الحيوية ، لتحديد أن 80٪ من التفاعلات تعمل في اتجاه واحد فقط 18. قيد النسبة للتفاعل أنا يتم تضمينه إذا لم يكن فقط نسبة الإنزيم ، ولكن أيضًا واحدة على الأقل من نسب الركيزة المقابلة لهذا التفاعل متاحة. بالنسبة إلى المستقلبات أو الإنزيمات التي لا يمكن تحديد نسبها ، نستخدم القيم القصوى الموجودة في تلك النقطة الزمنية المحددة. يترك F(أنا) تشير إلى مجموعة ركائز التفاعل أنا. بالإضافة إلى ذلك ، دع مجموعة التفاعلات التي لا رجعة فيها مع نسبة مستقلب واحدة على الأقل تم تحديدها كميًا تجريبيًا ونسبة إنزيم تقريبية يتم الإشارة إليها بواسطة I = . نسبة المستقلب المقاسة لـ ي ونسبة النص أنا يشار إليها بواسطة r ^ j min & # x02264 r ^ j & # x02264 r ^ j max و q ^ i min & # x02264 q ^ i & # x02264 q ^ i max ، على التوالي. يتم تعريف الحدود على أنها مضاعفات الانحراف المعياري للنسبة. تم التعامل مع العوامل المساعدة على أنها نواتج أيضية غير مقاسة ولهم الحدود الدنيا والعليا هي m i n m: m & # x02208 <& # x02113 | & # x003c7 (r & # x02113) = 1> r ^ m min و m a x m: m & # x02208 <& # x02113 | & # x003c7 (r & # x02113) = 1> r ^ m max ، على التوالي. بالتساوي يمكننا كتابة m i n m: m & # x02208 <& # x003b7 | H (q & # x003b7) = 1> q ^ m min و m a x m: m & # x02208 <& # x003b7 | H (q & # x003b7) = 1> q ^ m max لنسب النص غير المقاسة. علاوة على ذلك ، لحساب الإنزيمات المشبعة بالركيزة والتي بدورها ستؤدي إلى مشاكل بسبب قيود نسبة الأيض ، تم إدخال متغيرات الركود & # x003b5 i لتخفيف قيود النسبة الصارمة. لتقليل حالات الاسترخاء هذه ، تم استخدام ترجيح متغيرات الركود المجمعة لـ & # x003f5 = 0.01. ومن ثم ، تمت صياغة قيد النسبة على النحو التالي:

وبالمثل ، يمكن صياغة قيد النسبة لتفاعل الكتلة الحيوية. تحقيقًا لهذه الغاية ، يمكن حساب جزء الكتلة الحيوية المحدد بنقطة زمنية ، والمشار إليه بـ & # x003f0 t + 1. أولاً ، الحد الأقصى لعائد الكتلة الحيوية ، المشار إليه بواسطة يختار، يقرر، يتم حسابه لكلا السيناريوهين عبر FBA. يتم بعد ذلك تحديد جزء الكتلة الحيوية & # x003f0 t + 1 بين كلا السيناريوهين باستخدام وكلاء للكتلة الحيوية (للحصول على وصف تفصيلي ، انظر الطرق - معلمة الاعتراض و TC-iReMet2 وتقدير كسور إنتاج الكتلة الحيوية). نصلح تفاعل الكتلة الحيوية للسيناريو ب إلى قيمتها الخاصة المستمدة من FBA. في المقابل ، تدفق الكتلة الحيوية في السيناريو أ ثابت على كسر & # x003f0 t + 1 من محصوله الأمثل. يتم تحديد الحدود الدنيا والعليا على أنها انحرافات ، يُشار إليها بـ & # x003b4 ، للكسر المحسوب. لذلك ، يمكن تقييد تدفقات الكتلة الحيوية لكلا السيناريوهين على النحو التالي:

علاوة على ذلك ، نفترض أن: (1) شبكة التمثيل الغذائي تعمل في حالة شبه مستقرة في كل نقطة زمنية. ومن ثم ، S v A = S v B = 0 ، حيث تشير v A و v B إلى توزيعات التدفق للسيناريوهات أ و ب على التوالى. (2) يهدف النظام البيولوجي إلى الحفاظ على الحالة المثلى التي يوفرها التكوين الأنزيمي. يتم التقاط هذا الافتراض من خلال التأكد من أن توزيعات التدفق بين السيناريوهين عند نقطة زمنية معينة t + 1 أقرب ما يمكن ، أي | | (ت ت + 1 ب - ف ت + 1 أ) | | 2 2. (3) الحالة الفسيولوجية في الوقت t + 1 تعتمد على الحالة الفسيولوجية في الوقت المناسب ر. نقوم بنمذجة هذا الافتراض من خلال حساب حجم التغيرات الفسيولوجية المحتملة من خلال التأكد من أن اختلاف توزيعات التدفق بين النقاط الزمنية صغير قدر الإمكان ، أي | | (ت ت + 1 ب - ت ب) | | 2 2 ، | | (v t + 1 A - v t A) | | 2 2 على التوالي. من الواضح أن هذا الحجم يعتمد على الاختلاف بين النقاط الزمنية ، حيث يزداد حجم تغير التدفق المحتمل بمرور الوقت. تحقيقا لهذه الغاية ، نقدم عوامل ترجيح لتقليل اختلاف توزيعات التدفق بين السيناريوهات في النقطة الزمنية الحالية ، مرجحة بـ & # x003b1 ، وكذلك للاختلافات بين النقاط الزمنية السابقة للسيناريو أ، مرجح بـ & # x003b2 ، والسيناريو ب، مرجح بـ & # x003b3.

باختصار ، يتم عرض نهج TC-iReMet2 كبرنامج تربيعي (QP) على النحو التالي:

تطبيق TC-iReMet2 على البيانات من reil1-1 reil2-1 A. thaliana متحولة

استخدمنا TC-iReMet2 لاكتساب نظرة ثاقبة للتأثيرات الأيضية لعيب التكوين الحيوي للريبوسوم الذي يسببه A. thaliana نقص REIL. تحقيقا لهذه الغاية ، قمنا بمقارنة اختلافات التدفق المتوقعة بين النوع البري Col-0 و reil1-1 reil2-1 متحولة مزدوجة مع نقص في تكوين الريبوسوم العصاري الخلوي 60S. بروتينات REIL مطلوبة للنمو عندما يتم تحويل النباتات إلى ظروف باردة (& # x0003c 10 & # x000a0 & # x02218 C) ، ولكن ليس في درجة الحرارة المثلى (& # x02243 20 & # x000a0 & # x02218 C) 2. ال reil1-1 reil2-1 يختلف النوع المتحول والنوع البري قليلاً فقط في الحجم عندما ينمو عند 20 & # x000a0 & # x02218 C. أظهرت الأوراق النامية الصغيرة للطفرات طرفًا حادًا واثنين من التشنجات القاعدية بدلاً من الأوراق المستديرة النموذجية من النوع البري Col-0 ، وكانت مشابهة للنمط الظاهري للأوراق المدببة لطفرات الريبوسوم العصاري الخلوي 26 & # x02013 28. ومع ذلك ، فإن النمط الظاهري ذو الأوراق المدببة لـ reil1-1 reil2-1 لم يعد الطفرة المزدوجة ظاهرة بعد الانتقال إلى التربة وفي مراحل النمو & # x0003c 1.10 29 التي تم تحليلها في هذه الدراسة. عند الانتقال إلى 10 & # x000a0 & # x02218 C (بارد) ، توقف كل من النوع المتحولة والنوع البري عن النمو. بعد سبعة أيام في البرد ، استأنف النوع البري النمو ، بينما ظل المتحور مثبطًا بشدة للنمو (الشكل & # x000a0 1 ، الجدول التكميلي & # x000a0 S1). نجا المتحول لمدة أربعة أسابيع على الأقل بعد التحول البارد وحافظ على السلامة الخلوية كما تم تحديده بواسطة فحوصات تسرب المنحل بالكهرباء لأوراق الوردة 30. معلمات النمو من النوع البري و reil1-1 reil2-1 تم تحديدها كوكلاء لتراكم الكتلة الحيوية النسبية في اليوم 0 واليوم 1 واليوم 7 و 21 بعد التحول البارد باستخدام البيانات الشكلية (انظر الطرق & # x02013 تحديد معلمات الوظيفة الموضوعية). جنبا إلى جنب مع البيانات الشكلية ، تم تحديد لمحة عن التغييرات النسبية لمجمعات المستقلبات والنصوص (انظر قسم "الطرق" للحصول على التفاصيل).

التحليلات المورفومترية لـ reil1-1 reil2-1 والنوع البري بعد التحول من (20 & # x000a0 & # x02218 C) إلى درجات حرارة منخفضة (10 & # x000a0 & # x02218 C). Reil1-1 reil2-1 المسوخ المزدوج و A. thaliana تم تحويل نباتات النوع البري Col-0 في المرحلة التنموية 1.10 29. نمت نباتات الأسبوع 0 عند 20 & # x000a0 & # x02218 درجة مئوية وتم فحصها قبل تحول درجة الحرارة. قطر الوردة ، (أ) مساحة الورقة ، (ب) ، (يعني + / & # x02212 الانحراف المعياري n = 3 & # x0201310 نباتات) ، للحصول على البيانات الأصلية وتعريفات المعلمات الشكلية تشير إلى Schmidt et al. 2013 2. تمثل معاملات R ارتباط بيرسون بين النوع المتحور والنوع البري فيما يتعلق بالقطر (أ) (ص-القيمة = 2. 91-11) ومنطقة الأوراق (ب) (ص-القيمة = 1. 53-5).

سمح الإعداد التجريبي وتوافر بيانات النسخ والبيانات على مستويات المستقلب النسبية بتطبيق TC-iReMet2 29 ، 31 لتحديد الاختلافات الاسمية والنسبية في التدفقات الأيضية من النوع البري والمتحول (الشكل التكميلي & # x000a0 S1 ). نشير إلى التغييرات الاسمية على أنها مجموع اختلافات التدفق المتوقعة ، والتي تم تعريفها على أنها القيمة المطلقة للاختلاف بين النوع البري والتدفق الطافر ، على جميع النقاط الزمنية التي تم تحليلها. قد توفر التغييرات الاسمية صورة منحرفة حول الاختلافات ، خاصة وأن الاختلافات في التدفقات بين التفاعلات في توزيع تدفق معين تختلف في عدة أوامر بحجم 20. ونتيجة لذلك ، فإن الاختلافات بين التدفقات الصغيرة بأي حال من الأحوال ستهيمن عليها الاختلافات بين التدفقات التي تأخذ قيمًا أكبر. لعلاج هذه المشكلة ، قمنا أيضًا بحساب التغييرات النسبية ، التي تم تعريفها على أنها مجموع اختلافات التدفق الطبيعي على جميع النقاط الزمنية التي تم تحليلها ، حيث تم تطبيع اختلافات التدفق بين النوع البري والمتحول إلى القيمة القصوى المطلقة لكل منها على مدار جميع النقاط الزمنية. لتطبيق TC-iReMet2 ، استخدمنا نموذج تجميع من أسفل إلى أعلى A. thaliana، ArabidopsisCore 23. يتكون هذا النموذج من 549 تفاعلًا ، منها 229 تفاعلات نقل وتفاعلات اصطناعية تمثل النمو (الكتلة الحيوية) ووظائف الصيانة غير المرتبطة بالنمو (NGAM 22).

مجموع اختلافات التدفق المتوقعة

اختلفت مسافة التدفق الإجمالية للنوع البري مقارنة بالطفرة عبر جميع التفاعلات المتوقعة قبل التحول البارد ، مع وجود تدفق إجمالي أعلى للنوع البري (الشكل & # x000a0 2 أ). كان هذا التنبؤ متسقًا مع ميزة النمو الطفيف للنوع البري عند درجة حرارة النمو المُحسَّنة (الشكل & # x200B (الشكل 1) .1). ظل اختلاف التدفقات بين النقاط الزمنية المتتالية ثابتًا تقريبًا أثناء مرحلة السبات الشائعة ، حتى اليوم السابع. عندما استأنف النوع البري النمو في البرد ، زادت اختلافات التدفق الإجمالية المتوقعة بمقدار 3 أضعاف تقريبًا. عند النظر في مجموع تغييرات التدفق لكل خطوة زمنية للنوع البري (الشكل التكميلي & # x000a0 S2) والمتحولة (الشكل التكميلي S3) ، نجد تغييرات مماثلة للنوع البري والمتحول في الخطوات من 0 أيام إلى 1 يوم ويوم واحد إلى 7 أيام ، مع زيادة في التغيير من يوم 7 إلى يوم 21 (الشكل & # x000a0 2 B). ومع ذلك ، نلاحظ أن التغييرات بين اليوم 7 و 21 أكبر بكثير في النوع البري مقارنة بالطفرة ، بما يتماشى مع النمو المستأنف للأول في البرد. فيما يلي ، نحدد ردود الفعل والمسارات التي تساهم بشكل أكبر في هذه الاختلافات الملحوظة.

التغييرات في مجموع التدفقات المتوقعة. تظهر القيم المثلى للمسافة الإقليدية (المعروضة على المحور ص) في كل نقطة زمنية أو خطوة زمنية مقابلة (معروضة على المحور س). تم تصور المسافات من خلال رسم قيمة المسافة الإقليدية فوق كل شريط. (أ) المعروضة هي مجموع فرق التدفق بين النوع البري والمتحول في كل نقطة زمنية مقابلة. (ب) المعروضة هي مجموع اختلافات التدفق بين تدفقات النوع البري والتدفقات الطافرة بين كل نقطتين متتاليتين.

تحليل التفاعلات التفاضلية

بعد ذلك نظرنا في اختلافات التدفق لكل تفاعل في النموذج الأيضي. بالإضافة إلى ذلك ، قمنا بفحص التفاعلات التي تظهر تغييرات كبيرة في اختلافات التدفق في نقاط زمنية مبكرة ، باعتبارها الأكثر إثارة للاهتمام لفهم التغييرات في وظائف شبكة التمثيل الغذائي استجابة للتحول البارد.

K- يعني تجميع سلوك التفاعل

ركزنا على السلوك التفاضلي لجميع التفاعلات بين النوع الطافر والنوع البري ، باستثناء تفاعلات النقل والتفاعلات الاصطناعية لتجنب التحيز بسبب عدم وجود ارتباط جيني لهذه التفاعلات. تحقيقا لهذه الغاية ، قمنا بتطبيق مجموعات K- على تفاعلات المجموعة (الجدول التكميلي & # x000a0 S2) مع تغييرات تدفق نسبي مماثلة ، حيث تم تحديد عدد المجموعات بواسطة مؤشر الصورة الظلية (الشكل التكميلي x000a0 S4). نتيجة لذلك ، حددنا K = 7 مجموعات من التفاعلات (الشكل & # x000a0 3) ​​، مع قيمة مؤشر صورة ظلية قصوى تبلغ 0.78 ، بناءً على تغييرات التدفق النسبي (الشكل & # x000a0 3 أ). للمقارنة ، نحن أيضًا نعتبر التجميع المتوسط ​​K لتغيرات التدفق الاسمي (الشكل & # x200B (الشكل 3 ب). 3 ب). لتوفير وصف بديهي للمجموعات بالإضافة إلى سلوك التفاعل بمرور الوقت ، نقدم نمطًا مكونًا من ثلاثة أحرف يتكون من Up (U) و Down (D) و No Changes (N) إذا زادت اختلافات التدفق النسبية أو انخفضت أو بقيت نفس الشيء بين نقطتين زمنيتين. باستخدام طريقة التصنيف هذه وجدنا 17 من 27 نمطًا محتملاً معروضة بواسطة 320 تفاعلاً. تم تصنيف ما مجموعه 111 تفاعلًا حسب النمط الأكثر شيوعًا & # x02019UUU & # x02019 والتي تشكل ما يقرب من 35 ٪ من جميع الأنماط المرصودة.

نظرة عامة على K- يعني التجميع على أساس التغييرات النسبية في تدفقات التفاعل. تم استخدام وسائل K بمسافة إقليدية لتحديد سبع مجموعات (C) من التفاعلات (باستثناء الناقلات والتفاعلات الاصطناعية). (أ) يعرض قيم فرق التدفق المقيسة إلى أقصى فرق مطلق لكل تفاعل لكل نقطة زمنية. تظهر فروق التدفق الاسمية المقابلة في (ب).

بشكل عام ، حددنا بشكل أساسي اختلافات التدفق المحفوظة في النقاط الزمنية الثلاث الأولى مع حدوث تحول في فرق التدفق في اليوم 21. يمكن ملاحظة هذا السلوك في المجموعات الثلاث الأكبر. تتكون المجموعة 5 من 164 تفاعلًا ، والتي تُظهر زيادة في تغيرات التدفق النسبي (UUU). في المقابل ، أظهرت المجموعة 2 ، التي تتكون من 46 تفاعلًا ، انخفاضًا أساسيًا في تغيرات التدفق النسبي (DDD). يتم التقاط هذا السلوك العكسي بشكل أفضل من خلال وظيفة RuBisCO لأنه يعرض تغييرات تدفق قوية لوظيفة الكربوكسيل (الكتلة 5) ووظيفة الأوكسجين (الكتلة 2). لم تظهر ردود الفعل في المجموعة 3 أي تغييرات (NNN). وبالمثل ، تلخص المجموعة 6 التفاعلات التي تظهر تغيرًا إيجابيًا ثابتًا في التدفق على مدار جميع النقاط الزمنية. المجموعات المتبقية 1 و 4 و 7 تفاعلات المجموعة التي تظهر تحولًا عكسيًا في السلوك في اليوم 21.

إذا أخذنا في الاعتبار التفاعلات العشرة الأولى (الجدول التكميلي & # x000a0 S3) فيما يتعلق بالتغييرات النسبية والاسمية مباشرة بعد التحول البارد ، نجد H-serine dehydrogenase (HSerDHNADP_h (UDU) ، HSerDHNAD_h (DUD)) ، isocitrate dehydrogenase (iCitDHNADP_m (DDD ) ، iCitDHNAD_m (UUD)) بالإضافة إلى 6-phosphogluconic dehydrogenase (6PGDHNAD_h (DUD)) ، نازعة هيدروجين الجلوتامات (GluDH1NADP_m (DUD)) و glutamate synthetase (كلا القياسين GluSNAD_h (بين مقاييس UDD)). كل هذه التفاعلات هي تفاعلات الأكسدة والاختزال. بالإضافة إلى ذلك ، 6-phosphogluconic dehydrogenase (6PGDHNADP_h (UDU)) و glutamate dehydrogenase (GluDH2NAD_m (DUD)) و glutamate synthetase (GluSNAD_h (UDD)) لا يمكن العثور عليها إلا في أعلى 10 تفاعلات للتغييرات الاسمية. على العكس من ذلك ، لا يمكن العثور على نازعة هيدروجين المالات (MalDH2NADP_c (UNN)) وفركتوز ثنائي فوسفات ألدولاز (SBPA_h (UDD)) و sedoheptulose-biphosphatase (SBPase_h (UDD)) فقط في أعلى 10 تفاعلات للتغييرات النسبية.

يتم إثراء المسارات في التفاعلات ذات التدفقات المتغيرة للغاية عبر النقاط الزمنية

لا تعمل التفاعلات الأيضية بمعزل عن غيرها ، لذلك من الأفضل إجراء تحليل وتفسير التنبؤ من حيث المسارات. لتحديد المسارات التي يتم تغييرها بمرور الوقت ، استخدمنا المسارات الأيضية على النحو المحدد من قبل الأساسي A. thaliana نموذج 23 (لتعريفات عضوية المسار ، يرجى الرجوع إلى Arnold et al. 2014 23 (الجدول التكميلي & # x000a0 S4) لقد فحصنا واعتبرنا تلك المسارات ذات الصلة التي تم إثرائها بتفاعلات تعرض اختلافات تدفق كبيرة متوقعة بين النوع البري والمتحولة (الشكل. & # x200B (الشكل 4) .4) تم تعريف التفاعل لإظهار تغييرات كبيرة ، إذا كان المجموع المطلق للتدفق عبر جميع النقاط الزمنية أعلى من متوسط ​​التفاعلات المدروسة الموجودة في النموذج (باستثناء النقل والتفاعلات الاصطناعية ، كما هو محدد أعلاه) لتحديد المسارات الغنية بمثل هذه التفاعلات ، استخدمنا اختبار فيشر الدقيق مع عتبة الأهمية ص النظر في تصحيح الفرضيات المتعددة باتباع إجراء Benjamini & # x02013Hochberg (الجدول التكميلي & # x000a0 S5). بالنظر إلى التغييرات الاسمية ، وجدنا خمسة مسارات يجب إثرائها للتفاعلات ذات التغييرات الكبيرة. هذه المسارات مرتبة حسب التناقص ص-value, with p < 0.01, include: the Calvin�nson-Cycle (CBC), photorespiration, gluconeogenesis, leucine synthesis, and in addition with < 0.05 , glycolysis. Considering relative instead of nominal changes, we found pathways with p < 0.01 to include the Calvin�nson cycle, glycolysis, gluconeogenesis, and in addition with p < 0.05 , photorespiration.

Pathways enriched in reactions with highly altered fluxes. Displayed are pathways significantly ( P < = 0.05 ) enriched in regulated reactions based on (أ) relative and (ب) nominal differences. They are descending ordered according to their respective ص-القيمة. Size of the dots corresponds to the count of reactions present in the pathway. Bar size represents the negative logarithm of the ص-value (x-axis).

Flux sampling analysis with quadratic constraints

We examined how specific these findings are by sampling the solution space given in optimal solution for each considered time point. As a sufficiently large enough sample size gives information about range of fluxes as well as their probability, it gives the means to explore for alternative solutions and so for the uniqueness of the solution. In this case for each considered time point the proposed approach (see Methods - Flux sampling for TC-iReMet2) did not find a solution after 1000 trials. Therefore, this analysis indicates that the findings are specific, in the sense that alternative optima are unlikely, and significant as there are no other possible flux distributions in optimal solution.


الاستنتاجات

Understanding the metabolic response of a biological system exposed to different environmental stimuli is of great importance for obtaining insights in the contribution of individual system components and pathways to the physiology of the system. While gene expression data only provide putative insights into the physiological response of a system, metabolomics data and the corresponding flux profiles reflect the ultimate physiological response. Here we propose an optimization-based approach, TREM-Flux, which can be used to integrate time-resolved transcriptomics and quantitative metabolomics data and to predict the corresponding flux. Application of TREM-Flux in a genome-scale model reconstruction pinpoints the metabolic functions involved in the time-resolved metabolic response, as illustrated in the case of rapamycin treatment in C.reinhardtii.

Our findings point out the added value of considering metabolite levels in genome-scale models by obtaining more accurate predictions of the active physiological state. The predicted flux distributions can be used to determine differences in particular metabolic functions between control and treatment under different growth conditions. The integration of additional data, such as enzyme activities and protein levels, could further reduce the solution space in future analysis. To this end, experiments will have to be carefully planned to account for differences in time scales on which cellular processes take place with sampling at high enough resolution to allow better insights into the changes of the levels of molecular components. Although the present study relies on data and a genome-scale model from green algae, we believe that any other organisms could be analogously interrogated if data sets and network reconstructions of similar quality are available.


Integrating –omics data into genome-scale metabolic network models: principles and challenges

Charlotte Ramon, Mattia G. Gollub, Jörg Stelling Integrating –omics data into genome-scale metabolic network models: principles and challenges. مقالات Biochem 26 October 2018 62 (4): 563–574. doi: https://doi.org/10.1042/EBC20180011

At genome scale, it is not yet possible to devise detailed kinetic models for metabolism because data on the في الجسم الحي biochemistry are too sparse. Predictive large-scale models for metabolism most commonly use the constraint-based framework, in which network structures constrain possible metabolic phenotypes at steady state. However, these models commonly leave many possibilities open, making them less predictive than desired. With increasingly available –omics data, it is appealing to increase the predictive power of constraint-based models (CBMs) through data integration. Many corresponding methods have been developed, but data integration is still a challenge and existing methods perform less well than expected. Here, we review main approaches for the integration of different types of –omics data into CBMs focussing on the methods’ assumptions and limitations. We argue that key assumptions – often derived from single-enzyme kinetics – do not generally apply in the context of networks, thereby explaining current limitations. Emerging methods bridging CBMs and biochemical kinetics may allow for –omics data integration in a common framework to provide more accurate predictions.


Correlation-based integration

One of the simplest ways to explore multi-omics data in an integrative way is to explicitly set out to look for correlative links between the data sets. Correlations have frequently been used to examine the associations between transcriptomic data and metabolomics measurements. There are many ways to assess the correlation of two sets of measurements, the most common of these being Pearson’s and Spearman’s correlation for parametric and non-parametric data, respectively.

Naively, one expects metabolites to correlate with those genes with which they have associations however, this is not always the case. While on the one hand, Urbanczyk-Wochniak found more than double the number of significantly correlated metabolite–transcript pairs than would be expected by chance in potato tubers [ 17 ], and Fendt وآخرون . [ 18 ] quantified transcripts, proteins and metabolites in yeast and other species on perturbations (for instance single enzyme modulations) and showed an inverse relationship between the log fold change of a metabolite and the log fold change of the protein or transcript catalyzing the reaction. They also found a great deal of variation in the correlation’s strengths, with a more significant trend in the correlations between substrates and enzymes than between reaction products and enzymes. On the other hand, ter Kuile and Westerhoff [ 19 ] found that fluxes through steps in the biochemical pathways did not correlate proportionally with the concentrations of the corresponding biochemical enzymes, and Moxley وآخرون . [ 20 ] also report low correlation coefficients between transcripts of metabolic enzymes and related metabolite fluxes ( ص = 0.07–0.8) in yeast.

More concerningly for pure correlation-based approaches, Bradley [ 21 ] noted that both the direction and magnitude of correlation between metabolites and related genes could vary significantly between experimental conditions.

As well as using standard correlation coefficients, such as Pearson’s or Spearman’s, there are also other methods for measuring correlation the Goodman and Kruskal gamma test, which only takes into account the up/down regulation of each metabolite/gene, e.g. [ 22 ] robust linear models, which look at each transcripts’ ability to predict each metabolite [ 23 ] and partial correlations [ 24 , 25 ], which evaluate those correlations that are independent of the other colinear measurements. For instance, what is the independent correlation of gene A and metabolite B, given that they are both correlated to gene C, can be calculated through a partial correlation computation.

In many experimental designs, we know that the changes in the metabolome and the transcriptome will not be simultaneous, and therefore it will be best to obtain a time course of samples for each omics. In these cases, it has been shown that by firstly aligning the data through techniques such as Dynamic Time Warping will help the detection of associated metabolites and transcripts [ 26 ].

In mammalian systems, data integration is often performed on source-matched data sets, where the RNA and metabolomics samples were acquired from different tissues. This complicates the expected correlation patterns. For instance, linking plasma metabolic changes to liver transcript changes in a source-matched study of fenofibrate and fish oil treatments in mice [ 27 ]. لو وآخرون . found that the expression of genes involved in fatty acid metabolism were associated with levels of plasma cholesterol and phosphatidycholine.

This section shows that a straightforward application of Pearson or Spearman correlation has many potential problems and is not overly suited to the task of metabolomic–transcriptomic data integration. Those elements that are known to be closely related in the pathways, often do not show a correlative link, while correlations can also occur at great distances across the network. More work needs to be undertaken to see if partial correlations can aid the identification of the most direct connections. There are also issues of time that obscure the correlative links between transcriptomic and metabolomic samples taken at matched time points, with metabolomic changes being connected to a transcriptomic changes at a much earlier time points and vice versa. In cases where the time course data exist, alignment will be an important step before the correlative associations are evaluated.


How to integrate transcriptomics data with kinetic metabolic models? - مادة الاحياء

يتم توفير جميع المقالات المنشورة بواسطة MDPI على الفور في جميع أنحاء العالم بموجب ترخيص وصول مفتوح. لا يلزم الحصول على إذن خاص لإعادة استخدام كل أو جزء من المقالة المنشورة بواسطة MDPI ، بما في ذلك الأشكال والجداول. بالنسبة للمقالات المنشورة بموجب ترخيص Creative Common CC BY ذي الوصول المفتوح ، يمكن إعادة استخدام أي جزء من المقالة دون إذن بشرط الاستشهاد بالمقال الأصلي بوضوح.

تمثل الأوراق الرئيسية أكثر الأبحاث تقدمًا مع إمكانات كبيرة للتأثير الكبير في هذا المجال. يتم تقديم الأوراق الرئيسية بناءً على دعوة فردية أو توصية من قبل المحررين العلميين وتخضع لمراجعة الأقران قبل النشر.

يمكن أن تكون ورقة الميزات إما مقالة بحثية أصلية ، أو دراسة بحثية جديدة جوهرية غالبًا ما تتضمن العديد من التقنيات أو المناهج ، أو ورقة مراجعة شاملة مع تحديثات موجزة ودقيقة عن آخر التقدم في المجال الذي يراجع بشكل منهجي التطورات الأكثر إثارة في العلم. المؤلفات. يوفر هذا النوع من الأوراق نظرة عامة على الاتجاهات المستقبلية للبحث أو التطبيقات الممكنة.

تستند مقالات اختيار المحرر على توصيات المحررين العلميين لمجلات MDPI من جميع أنحاء العالم. يختار المحررون عددًا صغيرًا من المقالات المنشورة مؤخرًا في المجلة والتي يعتقدون أنها ستكون مثيرة للاهتمام بشكل خاص للمؤلفين أو مهمة في هذا المجال. الهدف هو تقديم لمحة سريعة عن بعض الأعمال الأكثر إثارة المنشورة في مجالات البحث المختلفة بالمجلة.


استنتاج

The above methods have been used to not only integrate expression data from a variety of sources but to also make progress toward overcoming key challenges in the field of systems biology. For instance, iMAT, highlighting its applicability in multi-cellular organisms, was used to curate the human metabolic network reconstruction and predict tissue-specific gene activity levels in ten human tissues (Duarte et al., 2007 Shlomi et al., 2008). Additionally, both E-Flux and PROM have been used to discover novel drug targets in السل الفطري (Colijn et al., 2009 Chandrasekaran and Price, 2010).

Given the recent success with using genome-scale metabolic network reconstructions as a platform for integrating expression data, efforts should focus on multi-omics data integration. A handful of methods have already been introduced that integrate two or more types of omics data into genome-scale metabolic network reconstructions. For example, despite the current dearth of quantitative metabolomics data, a method has been developed that demonstrates how semi-quantitative metabolomics data can be used with transcriptomic data to curate genome-scale metabolic network reconstructions and identify key reactions involved in the production of certain metabolites (Cakir et al., 2006). Another algorithm, called Integrative Omics-Metabolic Analysis (IOMA), integrates metabolomics data and proteomics data into a genome-scale metabolic network reconstruction by evaluating kinetic rate equations subject to quantitative omics measurements (Yizhak et al., 2010). Furthermore, Mass Action Stoichiometric Simulation (MASS) uses metabolomic, fluxomic, and proteomic data to transform a static stoichiometric reconstruction of an organism into a large-scale dynamic network model (Jamshidi and Palsson, 2010). And finally, building off of iMAT, the Model-Building Algorithm (MBA) utilizes literature-based knowledge, transcriptomic, proteomic, metabolomic, and phenotypic data to curate the human metabolic network reconstruction to derive a more complete picture of tissue-specific metabolism (Jerby et al., 2010). Such algorithms show promise in their ability to easily integrate high-throughput data into genome-scale metabolic network reconstructions to generate phenotypically accurate and predictive computational models.


Studying plant physiology with kinetic models

Various aspects of plant physiology have been analysed extensively with kinetic models, and the field has a history going back for more than two decades. Detailed surveys of these models, the pathways they are addressing, and the techniques used can be found in Morgan and Rhodes (2002) and Rios-Estepa and Lange (2007). A recent review ( Arnold and Nikoloski, 2011) was devoted to a quantitative comparison and ranking of all the kinetic models that have been published on the Calvin–Benson cycle. This information will not be repeated here instead, the purpose of this section is 2-fold. First, a summary of recent plant kinetic models that have been published since the last comprehensive review by Rios-Estepa and Lange (2007) is presented in Table 1. Importantly, the scope of these models is not limited to primary metabolism, but extends to secondary metabolism, the metabolism of xenobiotics, as well as gene-regulatory networks.

Recent kinetic models of plant metabolism

مسار تعليق مراجع
Essential oil biosynthesis Monoterpenoid biosynthesis in peppermint identified controlling enzymes for essential oil composition Rios-Estepa وآخرون. (2008, 2010)
Benzenoid network Discussed in main text Colón وآخرون. (2010)
Aspartate metabolism Discussed in main text Curien وآخرون. (2009)
Flavonoid pathway Minimal kinetic model of temperature compensation and regulation of the pathway in أرابيدوبسيس temperature effects modelled with Arrhenius equation أولسن وآخرون. (2009)
Glucosinolate metabolism Kinetic model of multifunctional enzymes in glucosinolate biosynthetic pathway incorporating measured enzymatic properties model predicts different glucosinolate chain length profiles Knoke وآخرون. (2009)
Fenclorim metabolism Modelled metabolism of the herbicide safener fenclorim (which enhances gene expression of detoxifying enzymes such as glutathione transferases) in أرابيدوبسيس parameters estimated by fitting to time-courses ليو وآخرون. (2009)
Photosystem II الكلوروفيل أ fluorescence transients in pea leaves modelled with eight models with different reaction schemes but comprising the same electron carriers Lazár and Jablonský (2009)
Plastoquinone kinetics Three-state-variable model of plastoquinone-related electron transport kinetics in photosynthesis, describing delayed fluorescence model validated with data from healthy and drought-stressed soybean plants Guo and Tan (2009)
Hydrogen production Bioreactor model of transition from oxygenic growth to anoxic H2 production in كلاميدوموناس رينهاردتي dependence on light and sulphur availability Fouchard وآخرون. (2009)
Sucrose metabolism Discussed in main text Uys وآخرون. (2007)
Circadian clock Three-feedback-loop model of the plant clock gene-regulatory network in أرابيدوبسيس incorporating data on experimentally established feedbacks between regulatory proteins and genes the model predicts coupled morning and evening oscillators لوك وآخرون. (2006)
RuBisCO activation kinetics Detailed kinetic model of the elementary reaction steps in the mechanism of RuBisCO from spinach leaves rate constants of carbamylation, activation, carboxylation, and inhibition determined by fitting to multiple experimental data sets McNevin وآخرون. (2006)
مسار تعليق مراجع
Essential oil biosynthesis Monoterpenoid biosynthesis in peppermint identified controlling enzymes for essential oil composition Rios-Estepa وآخرون. (2008, 2010)
Benzenoid network Discussed in main text Colón وآخرون. (2010)
Aspartate metabolism Discussed in main text Curien وآخرون. (2009)
Flavonoid pathway Minimal kinetic model of temperature compensation and regulation of the pathway in أرابيدوبسيس temperature effects modelled with Arrhenius equation أولسن وآخرون. (2009)
Glucosinolate metabolism Kinetic model of multifunctional enzymes in glucosinolate biosynthetic pathway incorporating measured enzymatic properties model predicts different glucosinolate chain length profiles Knoke وآخرون. (2009)
Fenclorim metabolism Modelled metabolism of the herbicide safener fenclorim (which enhances gene expression of detoxifying enzymes such as glutathione transferases) in أرابيدوبسيس parameters estimated by fitting to time-courses ليو وآخرون. (2009)
Photosystem II الكلوروفيل أ fluorescence transients in pea leaves modelled with eight models with different reaction schemes but comprising the same electron carriers Lazár and Jablonský (2009)
Plastoquinone kinetics Three-state-variable model of plastoquinone-related electron transport kinetics in photosynthesis, describing delayed fluorescence model validated with data from healthy and drought-stressed soybean plants Guo and Tan (2009)
Hydrogen production Bioreactor model of transition from oxygenic growth to anoxic H2 production in كلاميدوموناس رينهاردتي dependence on light and sulphur availability Fouchard وآخرون. (2009)
Sucrose metabolism Discussed in main text Uys وآخرون. (2007)
Circadian clock Three-feedback-loop model of the plant clock gene-regulatory network in أرابيدوبسيس incorporating data on experimentally established feedbacks between regulatory proteins and genes the model predicts coupled morning and evening oscillators لوك وآخرون. (2006)
RuBisCO activation kinetics Detailed kinetic model of the elementary reaction steps in the mechanism of RuBisCO from spinach leaves rate constants of carbamylation, activation, carboxylation, and inhibition determined by fitting to multiple experimental data sets McNevin وآخرون. (2006)

Recent kinetic models of plant metabolism

مسار تعليق مراجع
Essential oil biosynthesis Monoterpenoid biosynthesis in peppermint identified controlling enzymes for essential oil composition Rios-Estepa وآخرون. (2008, 2010)
Benzenoid network Discussed in main text Colón وآخرون. (2010)
Aspartate metabolism Discussed in main text Curien وآخرون. (2009)
Flavonoid pathway Minimal kinetic model of temperature compensation and regulation of the pathway in أرابيدوبسيس temperature effects modelled with Arrhenius equation أولسن وآخرون. (2009)
Glucosinolate metabolism Kinetic model of multifunctional enzymes in glucosinolate biosynthetic pathway incorporating measured enzymatic properties model predicts different glucosinolate chain length profiles Knoke وآخرون. (2009)
Fenclorim metabolism Modelled metabolism of the herbicide safener fenclorim (which enhances gene expression of detoxifying enzymes such as glutathione transferases) in أرابيدوبسيس parameters estimated by fitting to time-courses ليو وآخرون. (2009)
Photosystem II الكلوروفيل أ fluorescence transients in pea leaves modelled with eight models with different reaction schemes but comprising the same electron carriers Lazár and Jablonský (2009)
Plastoquinone kinetics Three-state-variable model of plastoquinone-related electron transport kinetics in photosynthesis, describing delayed fluorescence model validated with data from healthy and drought-stressed soybean plants Guo and Tan (2009)
Hydrogen production Bioreactor model of transition from oxygenic growth to anoxic H2 production in كلاميدوموناس رينهاردتي dependence on light and sulphur availability Fouchard وآخرون. (2009)
Sucrose metabolism Discussed in main text Uys وآخرون. (2007)
Circadian clock Three-feedback-loop model of the plant clock gene-regulatory network in أرابيدوبسيس incorporating data on experimentally established feedbacks between regulatory proteins and genes the model predicts coupled morning and evening oscillators لوك وآخرون. (2006)
RuBisCO activation kinetics Detailed kinetic model of the elementary reaction steps in the mechanism of RuBisCO from spinach leaves rate constants of carbamylation, activation, carboxylation, and inhibition determined by fitting to multiple experimental data sets McNevin وآخرون. (2006)
مسار تعليق مراجع
Essential oil biosynthesis Monoterpenoid biosynthesis in peppermint identified controlling enzymes for essential oil composition Rios-Estepa وآخرون. (2008, 2010)
Benzenoid network Discussed in main text Colón وآخرون. (2010)
Aspartate metabolism Discussed in main text Curien وآخرون. (2009)
Flavonoid pathway Minimal kinetic model of temperature compensation and regulation of the pathway in أرابيدوبسيس temperature effects modelled with Arrhenius equation أولسن وآخرون. (2009)
Glucosinolate metabolism Kinetic model of multifunctional enzymes in glucosinolate biosynthetic pathway incorporating measured enzymatic properties model predicts different glucosinolate chain length profiles Knoke وآخرون. (2009)
Fenclorim metabolism Modelled metabolism of the herbicide safener fenclorim (which enhances gene expression of detoxifying enzymes such as glutathione transferases) in أرابيدوبسيس parameters estimated by fitting to time-courses ليو وآخرون. (2009)
Photosystem II الكلوروفيل أ fluorescence transients in pea leaves modelled with eight models with different reaction schemes but comprising the same electron carriers Lazár and Jablonský (2009)
Plastoquinone kinetics Three-state-variable model of plastoquinone-related electron transport kinetics in photosynthesis, describing delayed fluorescence model validated with data from healthy and drought-stressed soybean plants Guo and Tan (2009)
Hydrogen production Bioreactor model of transition from oxygenic growth to anoxic H2 production in كلاميدوموناس رينهاردتي dependence on light and sulphur availability Fouchard وآخرون. (2009)
Sucrose metabolism Discussed in main text Uys وآخرون. (2007)
Circadian clock Three-feedback-loop model of the plant clock gene-regulatory network in أرابيدوبسيس incorporating data on experimentally established feedbacks between regulatory proteins and genes the model predicts coupled morning and evening oscillators لوك وآخرون. (2006)
RuBisCO activation kinetics Detailed kinetic model of the elementary reaction steps in the mechanism of RuBisCO from spinach leaves rate constants of carbamylation, activation, carboxylation, and inhibition determined by fitting to multiple experimental data sets McNevin وآخرون. (2006)

Secondly, three examples of plant kinetic models (one from the author’s own work) are discussed in greater detail to illustrate specific aspects of the modelling techniques and approaches.

Top-down model assembly

As outlined above, one of the problems associated with building kinetic models is that often the kinetic data for the constituent enzymes are not available. In such cases, kinetic parameters can be obtained from a ‘top-down’ approach by fitting the model parameters to experimental data from the intact system, for example fluxes and metabolite concentrations.

This ‘top-down’ method was followed by Colón وآخرون. (2010) to develop a model of the benzenoid network in petunia flowers. The model comprises a network of 31 biochemical reactions describing the conversion of phenylalanine to various benzenoid volatiles. The experimental data used for fitting were metabolite pool sizes and labelling patterns obtained by feeding three different concentrations of deuterated phenylalanine to the flowers. Independent validation data were provided by transgenic flowers in which one of the pathway enzymes, BPBT, was down-regulated using RNA interference. The model was subsequently subject to MCA, showing that the enzyme phenylacetaldehyde synthase exerted the bulk of the control on the phenylacetaldehyde branch of the network. However, in other branches flux control was widely distributed. The significance of the results in this study is 2-fold: first, construction and assembly of the model enabled the authors to perform MCA with the model. This would not have been experimentally feasible for every step in the pathway. Secondly, the MCA was able to identify key flux-controlling steps and thus suggested possible future metabolic engineering strategies for perturbing secondary plant metabolism by targeting steps with large flux control coefficients, for example with a view to boosting secondary metabolite production.

Bottom-up model assembly

In contrast to the previous example, the ‘bottom-up’ approach entails assembling all the available data on the isolated pathway components (such as enzyme kinetic parameters, etc., see above) into a model, and then appraising how well this model replicates the behaviour of the entire system. Curien وآخرون. (2009) followed this strategy to build a detailed kinetic model of aspartate biosynthesis in نبات الأرابيدوبسيس thaliana. The authors performed في المختبر kinetic measurements on the constituent enzymes of the pathway, and then compiled and collated these into a detailed kinetic model, which could reproduce في الجسم الحي experimental measurements. The strength of this approach is that the authors could demonstrate that في الجسم الحي behaviour of the pathway can actually be explained in terms of independently collected في المختبر البيانات. The modelling results are significant for their explanatory power in identifying and clarifying the role of allosteric interactions, of which there are a great number in this pathway. The model identified some of these allosteric feedbacks whose function is not to couple supply and demand for an intermediate (as is commonly the case), but rather to ensure that fluxes in competing pathways function and are regulated independently. In addition, the model explicitly included the different isoforms for the enzymes aspartokinase, dihydrodipicolinate synthase, and homoserine dehydrogenase. Significantly, the model could provide insight into their role في الجسم الحي: because of their different kinetic properties, isoforms of the same enzyme varied greatly in terms of their control coefficients and their contribution to flux regulation, implying that they are not redundant but each has its specific function in the pathway. Finally, the model identified threonine as a potential high-level regulator as its concentration was the most sensitive variable in the system.

Modelling sucrose metabolism in sugarcane

In the remainder of this section, a brief overview of the author’s own work on the kinetic modelling of sugarcane will be provided. As explained earlier in this review, elementary mode analysis identified a number of substrate cycles in sugarcane metabolism this concurrent sucrose breakdown and re-synthesis has also been demonstrated experimentally ( Komor, 1994 Whittaker and Botha, 1997 Zhu وآخرون.، 1997). This prompted the construction of a kinetic model of the substrate cycling process, together with sucrose accumulation in the vacuole. The model, constructed with the ‘bottom-up’ approach, could replicate independent experimental flux and metabolite concentration validation data without resorting to parameter fitting (in no case was the discrepancy greater than a factor of two Rohwer and Botha, 2001). Based on MCA, the control of each reaction on the substrate cycling of sucrose (defined as the control of the flux ratio between sucrose breakdown and sucrose accumulation into the vacuole) could be quantified. The five reactions with the numerically largest control coefficients were the uptake of fructose and glucose into the cytoplasm (–0.86 and –0.90, respectively), the transport of sucrose into the vacuole (–0.51), phosphorylation of glucose by hexokinase (1.09), and breakdown of sucrose by neutral invertase (0.71). Rohwer and Botha (2001) found that a decrease in substrate cycling is predicted to translate into increased sucrose accumulation, and on the basis of these results predicted that overexpression of the plasma membrane glucose and fructose transporters, as well as of the vacuolar sucrose importer, and attenuation of neutral invertase would be the most promising biotechnological targets for reducing this futile cycling of sucrose and increasing sucrose accumulation. By way of experimental validation, Rossouw وآخرون. (2007) demonstrated an increase in sucrose accumulation in sugarcane suspension cells by decreasing neutral invertase activity through RNA interference, albeit at the expense of reduced respiration and growth. Thus, while the increase in sucrose accumulation was correctly predicted by the model, its scope did not extend far enough to predict the effect of changes in neutral invertase activity on respiration and growth, perhaps suggesting that the cycling of sucrose is not ‘futile’ after all but fulfils another—as yet unidentified—function. More recently, these results were repeated in transgenic sugarcane plants, with Rossouw وآخرون. (2010) demonstrating increased sucrose and decreased hexose levels, as well as reduced substrate cycling in the culm tissues of transgenics with reduced neutral invertase activity.

Growth modelling of a sugarcane stalk in segments

The model of Rohwer and Botha (2001) is specific to medium-mature tissue of a single internode. However, the expression of metabolic enzymes changes significantly with growth, stem elongation, and internodal maturation ( Botha وآخرون., 1996) these effects are most pronounced during the first 10 internodes of the sugarcane stalk, and higher numbered internodes can be regarded as mature. This prompted the extension of the original sugarcane model to include more detail about culm biochemistry. Specifically, the isoforms of sucrose synthase and fructokinase were made explicit, carbon partitioning to respiration and fibre formation were treated separately, and partitioning to respiration occurred via either phosphofructokinase (PFK) or pyrophosphate-dependent PFK, on to aldolase and lower glycolysis ( Uys وآخرون.، 2007). The stoichiometry of this extended network is shown in Fig. 3.

Metabolic reactions of the extended model of sucrose accumulation and futile cycling in sugarcane parenchymal tissue ( Uys وآخرون., 2007). Metabolites are indicated by a small circle, enzymes by a numbered grey box. Isozymes are grouped by a surrounding box and numbered a, b, and c where applicable.


شاهد الفيديو: Consolidation. دمج و تجميع البيانات الموجوده فى اكثر من شيت فى الاكسل (ديسمبر 2022).