Флюксомика - Fluxomics

Флюксомика описывает различные подходы к определению скорости метаболический реакции внутри биологического объекта.[1] В то время как метаболомика может предоставить мгновенную информацию о метаболитах в биологическом образце, метаболизм - это динамический процесс.[2] Значение флюксомики состоит в том, что метаболические потоки определяют клеточный фенотип.[3] У него есть дополнительное преимущество: он основан на метаболом который имеет меньше компонентов, чем геном или протеом.[4]

Флуксомика относится к сфере системная биология которые развивались с появлением высокопроизводительных технологий.[5] Системная биология признает сложность биологических систем и преследует более широкую цель объяснения и предсказания этого сложного поведения.[2]

Метаболический поток

Метаболический поток относится к скорости превращения метаболитов в метаболической сети.[1][6] Для реакции эта скорость является функцией как содержания фермента, так и активности фермента.[1] Концентрация фермента сама по себе является функцией регуляции транскрипции и трансляции в дополнение к стабильности белка.[1] На активность фермента влияют кинетические параметры фермента, концентрации субстрата, концентрации продукта и концентрация эффекторных молекул.[1] Геномные и экологические эффекты на метаболический поток определяют здоровый или больной фенотип.[6]

Fluxome

Подобно геному, транскриптому, протеому и метаболом, флуксом определяется как полный набор метаболических потоков в клетке.[5] Однако, в отличие от других, флуксом является динамическим представлением фенотипа.[5] Это происходит из-за флуксома, возникающего в результате взаимодействия метаболома, генома, транскриптома, протеома, посттрансляционных модификаций и окружающей среды.[5]

Технологии анализа потоков

Две важные технологии: анализ баланса потоков (FBA) и 13C-флюксомика. В FBA метаболические потоки оцениваются, сначала представляя метаболические реакции метаболической сети в числовой матрице, содержащей стехиометрические коэффициенты каждой реакции.[7] Стехиометрические коэффициенты ограничивают модель системы, и именно поэтому FBA применима только в стационарных условиях.[7] Могут быть наложены дополнительные ограничения.[7] За счет ограничения возможный набор решений системы сокращается. После добавления ограничений модель системы оптимизируется.[7] Ресурсы для анализа баланса потоков включают базу данных BIGG,[8] набор инструментов COBRA,[9] и ФАСИМУ.[10]

В 13C-fluxomics, метаболические предшественники обогащены 13C перед тем, как познакомиться с системой.[11] Используя метод визуализации, такой как масс-спектрометрия или спектроскопия ядерного магнитного резонанса, уровень включения 13Можно измерить содержание углерода в метаболиты и с помощью стехиометрии оценить метаболические потоки.[11]

Стехиометрическая и кинетическая парадигмы

Ряд различных методов, в целом разделенных на стехиометрический и кинетический парадигмы.

В рамках стехиометрической парадигмы ряд относительно простых методов линейной алгебры используют ограниченные метаболические сети или в масштабе генома модели метаболических сетей выполнять анализ баланса потоков и множество методов, основанных на нем. Эти линейные уравнения полезны для условий установившегося режима. Динамические методы пока недоступны.[12] С более экспериментальной стороны, анализ метаболического потока позволяет эмпирически оценить скорость реакции маркировка стабильных изотопов.

В рамках кинетической парадигмы кинетическое моделирование метаболических сетей может быть чисто теоретическим, исследуя потенциальное пространство динамических метаболических потоков при отклонениях от стационарного состояния с использованием таких формализмов, как теория биохимических систем. Такие исследования наиболее информативны, когда сопровождаются эмпирическими измерениями исследуемой системы после реальных возмущений, как в случае анализ метаболического контроля.[13]

Реконструкция и анализ на основе ограничений

Собранные во флюксомике методы были описаны как методы «КОБРЫ» для coнить басед рстроительство и аанализ. Для этого был создан ряд программных инструментов и сред.[14][15][16][17][18][19][20]

Хотя это можно измерить только косвенно, метаболический поток это критическая связь между генами, белками и наблюдаемым фенотипом. Это связано с потоком, объединяющим сети массы-энергии, информации и сигналов.[21] Флюксомика может дать количественное представление о влиянии окружающей среды на фенотип, поскольку флуксом описывает взаимодействие генома с окружающей средой.[21] В области метаболической инженерии[22] и системная биология,[23] Флюксомные методы считаются ключевой технологией из-за их уникального положения в онтологии биологических процессов, позволяя стехиометрическим моделям в масштабе генома выступать в качестве основы для интеграции различных наборов биологических данных.[24]

Примеры использования в исследованиях

Одно из возможных применений флуксомных методов - создание лекарств. Рама и др.[25] использовали FBA для изучения пути миколиновой кислоты в Микобактерии туберкулеза. Известно, что миколиновые кислоты важны для М. туберкулез выживание и, как таковой, его путь широко изучен.[25] Это позволило построить модель пути и проанализировать ее для FBA. В результате было обнаружено несколько возможных мишеней для будущих исследований.

FBA использовался для анализа метаболических сетей множественной лекарственной устойчивости Золотистый стафилококк.[26] При проведении in silico делеций одного и двух генов были идентифицированы многие ферменты, необходимые для роста.

Рекомендации

  1. ^ а б c d е Зима, Гал; Кремер, Йенс О. (01.07.2013). «Флюксомика - соединение омик-анализа и фенотипов». Экологическая микробиология. 15 (7): 1901–1916. Дои:10.1111/1462-2920.12064. ISSN  1462-2920. PMID  23279205.
  2. ^ а б Касканте, Марта; Марин, Сильвия (30 сентября 2008 г.). «Метаболомический и флюксомический подходы». Очерки биохимии. 45: 67–82. Дои:10.1042 / bse0450067. ISSN  0071-1365. PMID  18793124.
  3. ^ Касканте, Марта; Бенито, Адриан; Мас, Игорь Марин де; Centelles, Josep J .; Миранда, Анибал; Атаури, Педро де (2014-01-01). Орешич, Матей; Видаль-Пуиг, Антонио (ред.). Флюксомика. Издательство Springer International. С. 237–250. Дои:10.1007/978-3-319-01008-3_12. ISBN  9783319010076.
  4. ^ Raamsdonk, Léonie M .; Teusink, Bas; Бродхерст, Дэвид; Чжан, Няньшу; Хейс, Эндрю; Уолш, Майкл С .; Berden, Jan A .; Brindle, Kevin M .; Келл, Дуглас Б. (01.01.2001). «Стратегия функциональной геномики, которая использует данные метаболома для выявления фенотипа молчаливых мутаций». Природа Биотехнологии. 19 (1): 45–50. Дои:10.1038/83496. ISSN  1087-0156. PMID  11135551. S2CID  15491882.
  5. ^ а б c d Aon, Miguel A .; Кортасса, Соня (22 июля 2015 г.). «Системная биология флюксома». Процессы. 3 (3): 607–618. Дои:10.3390 / pr3030607.
  6. ^ а б Кортасса, S; Касерес, V; Белл, LN; О'Рурк, B; Paolocci, N; Аон, Массачусетс (2015). «От метаболомики к флюксомике: вычислительная процедура для перевода профилей метаболитов в метаболические потоки». Биофизический журнал. 108 (1): 163–172. Дои:10.1016 / j.bpj.2014.11.1857. ЧВК  4286601. PMID  25564863.
  7. ^ а б c d Орт, Джеффри Д .; Тиле, Инес; Палссон, Бернхард Ø (01.03.2010). "Что такое анализ баланса потоков?". Природа Биотехнологии. 28 (3): 245–248. Дои:10.1038 / nbt.1614. ISSN  1087-0156. ЧВК  3108565. PMID  20212490.
  8. ^ Кинг, Захари А .; Лу, Джастин; Dräger, Андреас; Миллер, Филипп; Федерович, Стивен; Lerman, Joshua A .; Эбрагим, Али; Palsson, Bernhard O .; Льюис, Натан Э. (2016). «Модели BiGG: платформа для интеграции, стандартизации и обмена моделями в масштабе генома». Исследования нуклеиновых кислот. 44 (D1): D515 – D522. Дои:10.1093 / нар / gkv1049. ISSN  0305-1048. ЧВК  4702785. PMID  26476456.
  9. ^ Шелленбергер, Ян; Que, Ричард; Флеминг, Ронан М. Т.; Тиле, Инес; Орт, Джеффри Д.; Файст, Адам М; Зелински, Дэниел С; Бордбар, Аараш; Льюис, Натан Е; Рахманян, Сорена; Канг, Джозеф; Хайдук, Дэниел Р.; Палссон, Бернхард Ø (2011). «Количественное прогнозирование клеточного метаболизма с помощью моделей на основе ограничений: COBRA Toolbox v2.0». Протоколы природы. 6 (9): 1290–1307. Дои:10.1038 / nprot.2011.308. ISSN  1754-2189. ЧВК  3319681. PMID  21886097.
  10. ^ Хоппе, Андреас; Хоффманн, Сабрина; Гераш, Андреас; Гилле, Кристоф; Holzhütter, Герман-Георг (2011). «FASIMU: гибкое программное обеспечение для серии вычислений баланса потоков в больших метаболических сетях». BMC Bioinformatics. 12 (1): 28. Дои:10.1186/1471-2105-12-28. ISSN  1471-2105. ЧВК  3038154. PMID  21255455.
  11. ^ а б Krömer, J .; Quek, L.E .; Нильсен, Л. (2009). «13C-Fluxomics: инструмент для измерения метаболических фенотипов». Aust Biochem. 40 (3): 17–20.
  12. ^ Зима, Гал; Кремер, Йенс О. (01.07.2013). «Флюксомика - соединение омик-анализа и фенотипов». Экологическая микробиология. 15 (7): 1901–1916. Дои:10.1111/1462-2920.12064. ISSN  1462-2920. PMID  23279205.
  13. ^ Демин, О .; Горянин, И. (2010). Кинетическое моделирование в системной биологии. Тейлор и Фрэнсис. ISBN  9781420011661.
  14. ^ Klamt, S .; Saez-Rodriguez, J .; Жиль, Э. Д. (2007). «Структурно-функциональный анализ сотовых сетей с помощью CellNetAnalyzer». BMC Системная биология. 1: 2. Дои:10.1186/1752-0509-1-2. ЧВК  1847467. PMID  17408509.
  15. ^ Boele, J .; Olivier, B.G .; Теусинк, Б. (2012). "FAME, среда анализа потоков и моделирования". BMC Системная биология. 6: 8. Дои:10.1186/1752-0509-6-8. ЧВК  3317868. PMID  22289213.
  16. ^ Rocha, I .; Maia, P .; Evangelista, P .; Vilaça, P .; Soares, S.O .; Pinto, J. P .; Nielsen, J .; Патил, К. Р .; Ferreira, E.N.C .; Роча, М. (2010). «OptFlux: программная платформа с открытым исходным кодом для метаболической инженерии in silico». BMC Системная биология. 4: 45. Дои:10.1186/1752-0509-4-45. ЧВК  2864236. PMID  20403172.
  17. ^ Grafahrend-Belau, E .; Klukas, C .; Юнкер, Б. Х .; Шрайбер, Ф. (2009). «FBA-SimVis: Интерактивная визуализация метаболических моделей на основе ограничений». Биоинформатика. 25 (20): 2755–2757. Дои:10.1093 / биоинформатика / btp408. ЧВК  2759546. PMID  19578041.
  18. ^ Schellenberger, J .; Que, R .; Fleming, R.M.T .; Thiele, I .; Orth, J.D .; Файст, А. М .; Зелински, Д. С .; Bordbar, A .; Lewis, N.E .; Рахманян, С .; Kang, J .; Hyduke, D. R .; Палссон, Б. Ø. (2011). "Количественное прогнозирование клеточного метаболизма с помощью моделей на основе ограничений: COBRA Toolbox v2.0". Протоколы природы. 6 (9): 1290–1307. Дои:10.1038 / nprot.2011.308. ЧВК  3319681. PMID  21886097.
  19. ^ Agren, R .; Liu, L .; Shoaie, S .; Vongsangnak, W .; Nookaew, I .; Нильсен, Дж. (2013). Маранас, Костас Д. (ред.). «Набор инструментов RAVEN и его использование для создания модели метаболизма в масштабе генома для Penicillium chrysogenum». PLOS вычислительная биология. 9 (3): e1002980. Дои:10.1371 / journal.pcbi.1002980. ЧВК  3605104. PMID  23555215.
  20. ^ Mendes, P .; Обручи, S .; Sahle, S .; Манометры, R .; Dada, J .; Куммер, У. (2009). «Вычислительное моделирование биохимических сетей с использованием COPASI». Системная биология. Методы молекулярной биологии. 500. С. 17–59. Дои:10.1007/978-1-59745-525-1_2. ISBN  978-1-934115-64-0. PMID  19399433.
  21. ^ а б Aon, Miguel A .; Кортасса, Соня (22 июля 2015 г.). «Системная биология флюксома». Процессы. 3 (3): 607–618. Дои:10.3390 / pr3030607.
  22. ^ Кильдегаард, HF .; Baycin-Hizal, D .; Льюис, штат Невада; Бетенбо, MJ. (Март 2013 г.). «Возникающая эра системной биологии CHO: использование омической революции для биотехнологии». Curr Opin Biotechnol. 24 (6): 1102–7. Дои:10.1016 / j.copbio.2013.02.007. PMID  23523260.
  23. ^ Карлсон, РП .; Oshota, OJ .; Таффс, Р. (2012). Системный анализ адаптации микробов к одновременным стрессам. Subcell Biochem. Субклеточная биохимия. 64. С. 139–57. Дои:10.1007/978-94-007-5055-5_7. ISBN  978-94-007-5054-8. PMID  23080249.
  24. ^ Дуарте, Северная Каролина; Becker, SA .; Jamshidi, N .; Thiele, I .; Mo, ML .; Во, ТД .; Srivas, R .; Palsson, BØ. (Февраль 2007 г.). «Глобальная реконструкция метаболической сети человека на основе геномных и библиомических данных». Proc Natl Acad Sci U S A. 104 (6): 1777–82. Дои:10.1073 / pnas.0610772104. ЧВК  1794290. PMID  17267599.
  25. ^ а б Раман, Картик; Раджагопалан, Прити; Чандра, Нагасума (2005). «Анализ баланса потока миколиновой кислоты: цели для противотуберкулезных препаратов». PLOS вычислительная биология. 1 (5): e46. Дои:10.1371 / journal.pcbi.0010046. ЧВК  1246807. PMID  16261191.
  26. ^ Ли, Док-Сун; Берд, Генри; Лю, Цзянся; Алмаас, Эйвинд; Уист, Олаф; Барабаши, Альберт-Ласло; Oltvai, Zoltán N .; Капатрал, Винаяк (15.06.2009). «Сравнительный анализ метаболической реконструкции в масштабе генома и анализа баланса потока множественных геномов Staphylococcus aureus позволяет определить новые мишени для противомикробных препаратов». Журнал бактериологии. 191 (12): 4015–4024. Дои:10.1128 / JB.01743-08. ISSN  0021-9193. ЧВК  2698402. PMID  19376871.