Modelovanje metaboličkih mreža

Rekonstrukcija i simulacija metaboličkih mreža omogućava iscrpni uvid u molekularne mehanizme specifičnih organizama. Ovi modeli povezuju genom sa molelularnom fiziologijom.^[1] Rekonstrukcija razlaže metaboličke puteve (kao što su glikoliza i ciklus limunske kiseline) u njihove respektivne reakcije i enzime, i analizira ih sa perspective celokupne mreže. Pojednostavljeno gledano, rekonstrukcija prikuplja sve relevantne metaboličke informacije o jednom organizmu, i stavlja ih u kontekst matematičkog modela. Validacija i analiza rekonstrukcije mogu da omoguće identifikaciju ključnih svojstava metabolizma, kao što su porast prinosa, distribucija resursa, robusnost mreže, i esencijalnost gena. Ovo znanje se zatim može koristiti za kreiranje novih biotehnoloških rešenja.

Metabolička mreža prikazuje interakcije imeđu enzima i metabolita u ciklusu mlečne kiseline biljke . Enzimi i metaboliti su označeni crvenim tačkama, a interakcije među njima linijama.

Model metabolička mreža za bakteriju .

Generalno, proces izgradnje rekonstrukcije sledi ove korake:

1. Nacrt rekonstrukcije
2. Refiniranje modela
3. Konvertovanje modela u matematičko/računarsku reprezentaciju
4. Evaluacija i debagiranje modela putem eksperimentiranja

Metabolička rekonstrukcija na genomskoj skali

Metabolička rekonstrukcija pruža visoko matematičku, strukturiranu platformu na bazi koje se može razumeti sistemska biologija metaboličkih puteva unutar jednog organizma.^[2] Integracija biohemijskih metaboličkih puteva sa lako dostupnim genomskim sekvencima bez anotacije se razvila u takozvane metaboličke modele genomskih razmera. Jednostavno rečeno, ovi modeli odgovaraju metaboličkim genima sa metaboličkim putevima. Generalno, što više informacija o fiziologiji, biohemiji i genetici je dostupno za ciljani organizam, to je bolji prediktivni kapacitet rekonstruiranih modela. Mehanički govoreći, proces rekonstrukcije prokariotskih i eukariotskih metaboličkih mreža je u suštini isti. Eukariotske rekonstrukcije su doduše obično složenije zbog veličine genoma, pokrivenosti znanja i mnoštva ćelijskih kompartmana.^[2] Prvi metabolički model genomske veličine je bio generisan 1995. godine za bakteriju .^[3] Prvi višećelijski organizam, , je bio rekonstruisan 1998. godine.^[4] Od tada je formirano mnoštvo drugih rekonstrukcija.^[5]

Organizam	Gena u genomu	Gena u modelu	Reakcije	Metaboliti	Datum rekonstrukcije	Reference
	1,775	296	488	343	jun 1999	[3]
	4,405	660	627	438	maj 2000	[6]
	6,183	708	1,175	584	februar 2003	[7]
	28,287	473	1220	872	januar 2005	[8]
	21,090[9]	3,623	3,673	--	januar 2007	[10]
	4,402	661	939	828	jun 2007	[11]
	4,114	844	1,020	988	septembar 2007	[12]
	3,221	633	831	704	oktobar 2008	[13]
	4,489	1,083	1,087	774	april 2009	[14]
	27,379	1,419	1,567	1,748	februar 2010	[15]

Reference

1. Franke; Siezen, Teusink (2005). „Reconstructing the metabolic network of a bacterium from its genome.”. Trends in Microbiology. 13 (11): 550—558. PMID 16169729. doi:10.1016/j.tim.2005.09.001.
2. Thiele, Ines; Bernhard Ø Palsson (januar 2010). „A protocol for generating a high-quality genome-scale metabolic reconstruction”. Nature Protocols. 5 (1): 93—121. PMC 3125167 . PMID 20057383. doi:10.1038/nprot.2009.203.
3. Fleischmann, R. D.; Adams, M. D.; White, O; Clayton, R. A.; Kirkness, E. F.; Kerlavage, A. R.; Bult, C. J.; Tomb, J. F.; Dougherty, B. A.; Merrick, J. M. (1995). „Whole-genome random sequencing and assembly of Haemophilus influenzae Rd”. Science. 269 (1995): 496—512. PMID 7542800. doi:10.1126/science.7542800.
4. The C. elegans Sequencing Consortium (1998). „Genome Sequence of the Nematode C. elegans: A Platform for Investigating Biology”. Science. 282 (5396): 2012—2018. PMID 9851916. doi:10.1126/science.282.5396.2012.
5. „A list of reconstructions that have been converted into a model and experimentally validated”.
6. Edwards, J. S.; . (maj 2000). „The Escherichia coli MG1655 in silico metabolic genotype: Its definition, characteristics, and capabilities”. PNAS. 97 (10): 5528—5533. PMC 25862 . PMID 10805808. doi:10.1073/pnas.97.10.5528.
7. Förster J, Famili I, Fu P, Palsson BØ, Nielsen J (februar 2003). „Genome-Scale Reconstruction of the Saccharomyces cerevisiae Metabolic Network”. Genome Research. 13 (2): 244—253. PMC 420374 . PMID 12566402. doi:10.1101/gr.234503.
8. Sheikh, Kashif; . (januar 2005). „Modeling Hybridoma Cell Metabolism Using a Generic Genome-Scale Metabolic Model of Mus musculus”. Biotechnology Resources. 21 (1): 112—121. doi:10.1021/bp0498138.
9. Romero, Pedro; Jonathan Wagg; Michelle L Green; Dale Kaiser; Markus Krummenacker; Peter D Karp (jun 2004). „Computational prediction of human metabolic pathways from the complete human genome”. Genome Biology. 6 (1): R2. PMC 549063 . PMID 15642094. doi:10.1186/gb-2004-6-1-r2.
10. Duarte, N. C.; . (januar 2007). „Global reconstruction of the human metabolic network based on genomic and bibliomic data”. PNAS. 104 (6): 1777—1782. PMC 1794290 . PMID 17267599. doi:10.1073/pnas.0610772104.
11. Jamshidi, Neema; B. O. Palsson (jun 2007). „Investigating the metabolic capabilities of Mycobacterium tuberculosis H”. BMC Systems Biology. 1: 26. PMC 1925256 . PMID 17555602. doi:10.1186/1752-0509-1-26.
12. Oh, Y.-K.; . (septembar 2007). „Genome-scale Reconstruction of Metabolic Network in Bacillus subtilis Based on High-throughput Phenotyping and Gene Essentiality Data”. Journal of Biological Chemistry. 282 (39): 28791—28799. PMID 17573341. doi:10.1074/jbc.M703759200.
13. Fu, Pengcheng (oktobar 2008). „Genome-scale modeling of Synechocystis sp. PCC 6803 and prediction of pathway insertion”. Journal of Chemical Technology and Biotechnology. 84 (4): 473—483. doi:10.1002/jctb.2065.
14. Raghunathan, Anu; . (april 2009). „Constraint-based analysis of metabolic capacity of Salmonella typhimurium during host-pathogen interaction”. BMC Systems Biology. 3: 38. PMC 2678070 . PMID 19356237. doi:10.1186/1752-0509-3-38.
15. de Oliveira Dal'Molin, C. G.; Quek, L.-E.; Palfreyman, R. W.; Brumbley, S. M.; Nielsen, L. K. (februar 2010). „AraGEM, a Genome-Scale Reconstruction of the Primary Metabolic Network in Arabidopsis”. Plant Physiology. 152 (2): 579—589. PMC 2815881 . PMID 20044452. doi:10.1104/pp.109.148817.

Literatura

1. Overbeek R, Larsen N, Walunas T, D'Souza M, Pusch G, Selkov Jr, Liolios K, Joukov V, Kaznadzey D, Anderson I, Bhattacharyya A, Burd H, Gardner W, Hanke P, Kapatral V, Mikhailova N, Vasieva O, Osterman A, Vonstein V, Fonstein M, Ivanova N, Kyrpides N. (2003) The ERGO genome analysis and discovery system. Nucleic Acids Res. 31(1):164-71
2. Whitaker, J.W., Letunic, I., McConkey, G.A. and Westhead, D.R. metaTIGER: a metabolic evolution resource. Nucleic Acids Res. 2009 37: D531-8.

Spoljašnje veze

• ERGO
• GeneDB Архивирано на сајту (30. јануар 2019)
• KEGG
• Case Western Reserve University
• BRENDA Архивирано на сајту (11. децембар 2008)
• BioCyc i Cyclone
• EcoCyc
• MetaCyc
• SEED
• ENZYME
• SBRI Bioinformatics Tools and Software
• TIGR
• Pathway Tools
• metaTIGER
• Stanford Genomic Resources
• Pathway Hunter Tool Архивирано на сајту (6. новембар 2019)
• The Integrated Microbial Genomes system, for genome analysis by the DOE-JGI
• Systems Analysis, Modelling and Prediction Group
• efmtool provided by Marco Terzer
• SBMLsqueezer
• Cellnet analyzer from Klamt and von Kamp
• Copasi
• A graph-based tool for EFM computation