Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
Биологиялық модельдеу түрі
Form of biological modelling
Метаболистік желілерді модельдеу, сондай-ақ метаболистік желілерді қайта құру немесе метаболистік жолдарды талдау деп те аталады, нақты бір организмнің молекулалық механизмдерін тереңінен түсінуге мүмкіндік береді. Атап айтқанда, бұл модельдер геномды молекулалық физиологиямен байланыстырады. Қайта құру метаболистік жолдарды (мысалы, гликолиз және лимон қышқылы циклы) тиісті реакциялары мен ферменттеріне бөліп, оларды бүкіл желінің аясында талдайды. Қарапайым тілмен айтқанда, қайта құру организмнің барлық қатысты метаболиттік ақпаратын жинап, математикалық модельге біріктіреді. Қайта құруларды тексеру және талдау метаболизмнің өсімдік өнімділігі, ресурстарды бөлу, желінің тұрақтылығы және гендердің маңыздылығы сияқты негізгі ерекшеліктерін анықтауға мүмкіндік береді. Осы білімді жаңа биотехнологиялар жасау үшін қолдануға болады. Жалпы, қайта құру жасау процесі келесідей:
Қайта құрудың жобасын жасау
Модельді жетілдіру
Модельді математикалық/есептеулік түрге ауыстыру
Эксперименттер арқылы модельді бағалау және түзету
Metabolic network modelling, also known as metabolic network reconstruction or metabolic pathway analysis, allows for an in depth insight into the molecular mechanisms of a particular organism. In particular, these models correlate the genome with molecular physiology. A reconstruction breaks down metabolic pathways (such as glycolysis and the citric acid cycle) into their respective reactions and enzymes, and analyzes them within the perspective of the entire network. In simplified terms, a reconstruction collects all of the relevant metabolic information of an organism and compiles it in a mathematical model. Validation and analysis of reconstructions can allow identification of key features of metabolism such as growth yield, resource distribution, network robustness, and gene essentiality. This knowledge can then be applied to create novel biotechnology. In general, the process to build a reconstruction is as follows:
Draft a reconstruction
Refine the model
Convert model into a mathematical/computational representation
Evaluate and debug model through experimentation
Флюстуң тепе-теңдігін талдаудың осыған байланысты әдісі геномдық деңгейдегі метаболистік желілердің қайта құруларында метаболизмді математикалық тұрғыда модельдеуге бағытталған.
The related method of flux balance analysis seeks to mathematically simulate metabolism in genome scale reconstructions of metabolic networks.
Геномдық масштабтағы метаболистік реконструкция
Метаболистік реконструкция – ағзадағы метаболизм жолдарының жүйелік биологиясын түсіну үшін жоғары математикалық және құрылымдық платформаны ұсынады. Биохимиялық метаболизм жолдарының жылдам қолжетімді, түсіндірмеленген геномдық тізбектермен интеграциясы геномдық деңгейдегі метаболизм модельдерін құрады. Қарапайым тілмен айтқанда, бұл модельдер метаболизм гендерін метаболизм жолдарымен байланыстырады. Жалпы алғанда, мақсатты организмнің физиологиясы, биохимиясы және генетикасы туралы қанша көп ақпарат болса, реконструкцияланған модельдердің болжамдық қабілеті сонша жақсы болады. Механикалық тұрғыдан алғанда, прокариоттық және эукариоттық метаболизм желілерін реконструкциялау процесі негізінен бірдей. Дегенмен, эукариоттық реконструкциялар көбінесе геномдардың мөлшері, білімнің толықтығы және жасушалық бөлімшелердің көптігіне байланысты қиынға соғады. Алғашқы көпжасушалы организм – C. elegans 1998 жылы реконструкцияланды. Содан бері көптеген реконструкциялар жасалды. Модельге түрлендірілген және экспериментальды түрде расталған реконструкциялардың тізімін http://sbrg.ucsd.edu/InSilicoOrganisms/OtherOrganisms мекенжайынан қараңыз.
A metabolic reconstruction provides a highly mathematical, structured platform on which to understand the systems biology of metabolic pathways within an organism. The integration of biochemical metabolic pathways with rapidly available, annotated genome sequences has developed what are called genome scale metabolic models. Simply put, these models correlate metabolic genes with metabolic pathways. In general, the more information about physiology, biochemistry and genetics is available for the target organism, the better the predictive capacity of the reconstructed models. Mechanically speaking, the process of reconstructing prokaryotic and eukaryotic metabolic networks is essentially the same. Having said this, eukaryote reconstructions are typically more challenging because of the size of genomes, coverage of knowledge, and the multitude of cellular compartments. The first multicellular organism, C. elegans, was reconstructed in 1998. Since then, many reconstructions have been formed. For a list of reconstructions that have been converted into a model and experimentally validated, see http://sbrg. ucsd. edu/InSilicoOrganisms/OtherOrganisms. Organism Genes in Genome Genes in Model Reactions Metabolites Date of reconstruction Reference Haemophilus influenzae 1,775 296 488 343 June 1999 Saccharomyces cerevisiae 6,183 708 1,175 584 February 2003 Mus musculus 28,287 473 1220 872 January 2005 Homo sapiens 21,090 3,623 3,673 January 2007 Mycobacterium tuberculosis 4,402 661 939 828 June 2007 Bacillus subtilis 4,114 844 1,020 988 September 2007 Synechocystis sp. PCC6803 3,221 633 831 704 October 2008 Salmonella typhimurium 4,489 1,083 1,087 774 April 2009 Arabidopsis thaliana 27,379 1,419 1,567 1,748 February 2010
Организмі Гендері Геномдағы Гендері Модельдегі Реакциялар Метаболиттері Реконструкцияланған Күні Сілтеме
Haemophilus influenzae 1,775 296 488 343 1999 маусым
Saccharomyces cerevisiae 6,183 708 1,175 584 2003 ақпан
Mus musculus 28,287 473 1,220 872 2005 қаңтар
Homo sapiens 21,090 3,623 3,673 2007 қаңтар
Mycobacterium tuberculosis 4,402 661 939 828 2007 маусым
Bacillus subtilis 4,114 844 1,020 988 2007 қыркүйек
Synechocystis sp. PCC6803 3,221 633 831 704 2008 қазан
Salmonella typhimurium 4,489 1,083 1,087 774 2009 сәуір
Arabidopsis thaliana 27,379 1,419 1,567 1,748 2010 ақпан
A metabolic reconstruction provides a highly mathematical, structured platform on which to understand the systems biology of metabolic pathways within an organism. The integration of biochemical metabolic pathways with rapidly available, annotated genome sequences has developed what are called genome scale metabolic models. Simply put, these models correlate metabolic genes with metabolic pathways. In general, the more information about physiology, biochemistry and genetics is available for the target organism, the better the predictive capacity of the reconstructed models. Mechanically speaking, the process of reconstructing prokaryotic and eukaryotic metabolic networks is essentially the same. Having said this, eukaryote reconstructions are typically more challenging because of the size of genomes, coverage of knowledge, and the multitude of cellular compartments. The first multicellular organism, C. elegans, was reconstructed in 1998. Since then, many reconstructions have been formed. For a list of reconstructions that have been converted into a model and experimentally validated, see http://sbrg. ucsd. edu/InSilicoOrganisms/OtherOrganisms. Organism Genes in Genome Genes in Model Reactions Metabolites Date of reconstruction Reference Haemophilus influenzae 1,775 296 488 343 June 1999 Saccharomyces cerevisiae 6,183 708 1,175 584 February 2003 Mus musculus 28,287 473 1220 872 January 2005 Homo sapiens 21,090 3,623 3,673 January 2007 Mycobacterium tuberculosis 4,402 661 939 828 June 2007 Bacillus subtilis 4,114 844 1,020 988 September 2007 Synechocystis sp. PCC6803 3,221 633 831 704 October 2008 Salmonella typhimurium 4,489 1,083 1,087 774 April 2009 Arabidopsis thaliana 27,379 1,419 1,567 1,748 February 2010
Ресурстар
Қайта құрулардың даму уақыты салыстырмалы түрде жақында болғандықтан, көптеген қайта құрулар қолмен жасалды. Дегенмен, қазіргі таңда реконструкцияларды жартылай автоматты түрде құрастыруға мүмкіндік беретін бірқатар ресурстар пайда болды, олар реконструкцияға жұмсалатын уақыт пен еңбек шығынына байланысты қолданылады. PathoLogic немесе ERGO сияқты ресурстарды MetaCyc сияқты энциклопедиялармен үйлестіре отырып, бастапқы жылдам реконструкцияны автоматты түрде жасауға болады, ал кейін PathwayTools сияқты ресурстарды пайдалана отырып қолмен жаңартуға болады. Бұл жартылай автоматты әдістер жаңа тәжірибелік деректер алынғанда қажетті нақты түзетулерді енгізуге мүмкіндік береді, сонымен қатар жылдам дайындама жасауға да ыңғайлы. Метаболизмдік реконструкция саласы геномдардың санының үнемі өсуімен бірқатар жүруі үшін осылай ғана мүмкін.
Because the timescale for the development of reconstructions is so recent, most reconstructions have been built manually. However, now, there are quite a few resources that allow for the semi automatic assembly of these reconstructions that are utilized due to the time and effort necessary for a reconstruction. An initial fast reconstruction can be developed automatically using resources like PathoLogic or ERGO in combination with encyclopedias like MetaCyc, and then manually updated by using resources like PathwayTools. These semi automatic methods allow for a fast draft to be created while allowing the fine tune adjustments required once new experimental data is found. It is only in this manner that the field of metabolic reconstructions will keep up with the ever increasing numbers of annotated genomes.
Деректер қоры
Киото гендер мен геномдар энциклопедиясы (KEGG): гендер, ақуыздар, реакциялар және метаболизм жолдары туралы ақпаратты қамтитын биоинформатикалық дерекқор. «KEGG Organisms» бөлімі, эукариоттар мен прокариоттарға бөлінеді, және гендер мен ДНК ақпаратын іздеуге болатын көптеген организмдерді қамтиды, фермент атауын енгізу арқылы. BioCyc, EcoCyc және MetaCyc: BioCyc – 3000 жол/геномдық дерекқорлар жиынтығы (2013 жылғы қазанға дейін), әр дерекқор бір организмге арналған. Мысалы, EcoCyc – Escherichia coli геномы мен метаболизмінің толыққанды реконструкциясы туралы өте егжей-тегжейлі биоинформатикалық дерекқор, соның ішінде E. coli сигналдық жолдары мен реттеуші желісінің толық сипаттамалары бар. EcoCyc дерекқоры кез келген реконструкция үшін үлгі және модель ретінде қызмет ете алады. Сонымен қатар, MetaCyc – эксперименттік жолмен анықталған метаболизм жолдары мен ферменттердің энциклопедиясы, 2100 метаболизм жолы мен 11 400 метаболизм реакциясын қамтиды (2013 жылғы қазан). ENZYME: ферменттер номенклатурасының дерекқоры (Швейцария биоинформатика институтының ExPASy протеомика серверінің бөлігі). Дерекқорда белгілі бір ферментті іздегеннен кейін, бұл ресурс сізге катализдейтін реакцияны көрсетеді. ENZYME KEGG, BRENDA және PUBMED сияқты басқа ген/фермент/әдебиет дерекқорларына тікелей сілтемелер береді. BRENDA: ферменттер туралы толыққанды дерекқор, ферменттерді атауы, EC нөмірі немесе организм бойынша іздеуге мүмкіндік береді. BiGG: биохимиялық, генетикалық және геномдық тұрғыдан құрылымдалған геномдық масштабтағы метаболизм желілерін реконструкциялау туралы білімдер базасы. metaTIGER: таксономиялық жағынан әртүрлі эукариоттардың метаболикалық профильдері мен филогеномдық ақпаратының жиынтығы, бұл организмдер арасындағы метаболикалық профильдерді қарау және салыстыру үшін жаңа мүмкіндіктер ұсынады. Төмендегі кесте әр дерекқордың ауқымын салыстырады. Дерекқор ауқымы Ферменттер Гендер Реакциялар Жолдар Метаболиттер KEGG X X X X X BioCyc X X X X X MetaCyc X X X X ENZYME X X X BRENDA X X X BiGG X X X
Kyoto Encyclopedia of Genes and Genomes (KEGG): a bioinformatics database containing information on genes, proteins, reactions, and pathways. The ‘KEGG Organisms’ section, which is divided into eukaryotes and prokaryotes, encompasses many organisms for which gene and DNA information can be searched by typing in the enzyme of choice. BioCyc, EcoCyc, and MetaCyc: BioCyc Is a collection of 3,000 pathway/genome databases (as of Oct 2013), with each database dedicated to one organism. For example, EcoCyc is a highly detailed bioinformatics database on the genome and metabolic reconstruction of Escherichia coli, including thorough descriptions of E. coli signaling pathways and regulatory network. The EcoCyc database can serve as a paradigm and model for any reconstruction. Additionally, MetaCyc, an encyclopedia of experimentally defined metabolic pathways and enzymes, contains 2,100 metabolic pathways and 11,400 metabolic reactions (Oct 2013). ENZYME: An enzyme nomenclature database (part of the ExPASy proteonomics server of the Swiss Institute of Bioinformatics). After searching for a particular enzyme on the database, this resource gives you the reaction that is catalyzed. ENZYME has direct links to other gene/enzyme/literature databases such as KEGG, BRENDA, and PUBMED. BRENDA: A comprehensive enzyme database that allows for an enzyme to be searched by name, EC number, or organism. BiGG: A knowledge base of biochemically, genetically, and genomically structured genome scale metabolic network reconstructions. metaTIGER: Is a collection of metabolic profiles and phylogenomic information on a taxonomically diverse range of eukaryotes which provides novel facilities for viewing and comparing the metabolic profiles between organisms. This table quickly compares the scope of each database. Database Scope Enzymes Genes Reactions Pathways Metabolites KEGG X X X X X BioCyc X X X X X MetaCyc X X X X ENZYME X X XBRENDA X X XBiGG X X X
Метаболистік модельдеу құралдары
Pathway Tools: Pathway/genome деректер базасын құруға көмектесетін биоинформатикалық бағдарламалық пакеті, мысалы EcoCyc. Питер Карп және SRI International Bioinformatics Research Group серіктестері әзірлеген Pathway Tools бірнеше компоненттен тұрады. Оның PathoLogic модулі организмнің анотацияланған геномын қабылдап, жаңа жол/геномдық деректер базасын жасау үшін ықтимал метаболикалық реакциялар мен жолдарды анықтайды. MetaFlux компоненті ағын тепе-теңдігін талдауды қолдана отырып, осы жол/геномдық деректер базасынан сандық метаболикалық модельді құра алады. Оның Navigator компоненті метаболиттерді, жолдарды және толық метаболикалық желіні визуализациялау сияқты кең ауқымды сұраныс және визуализациялау құралдарын ұсынады. ERGO: Integrated Genomics компаниясы әзірлеген жазылымға негізделген қызмет. Ол геномдық, биохимиялық деректер, әдебиет және жоғары өнімділік талдауды қоса алғанда, барлық деңгейден алынған деректерді метаболикалық және метаболикалық емес жолдардың кешенді, пайдаланушыға ыңғайлы желісіне біріктіреді. KEGGtranslator: KEGG файлдарын (KGML форматындағы XML файлдары) бірнеше шығыс форматтарына бейнелеуге және түрлендіруге мүмкіндік беретін, пайдалануға оңай дербес қосымша. Басқа аудармашылардан айырмашылығы, KEGGtranslator көптеген шығыс форматтарын қолдайды, аударма құжаттарындағы ақпаратты (мысалы, MIRIAM аннотацияларын) KGML құжатының шегінен тыс кеңейте алады және жол ішіндегі толық емес реакцияларға жетіспейтін компоненттерді толықтыру арқылы оларда модельдеу жүргізуге мүмкіндік береді. KEGGtranslator осы файлдарды SBML, BioPAX, SIF, SBGN, сапалық модельдеуге арналған SBML, GML, GraphML, JPG, GIF, LaTeX және т.б. форматтарына түрлендіреді. ModelSEED: геномдық масштабтағы метаболикалық модельдерді талдау, салыстыру, қайта құру және өңдеуге арналған онлайн ресурс. Пайдаланушылар геномдық тізбектерді RAST аннотациялық жүйесіне жіберуі мүмкін, ал нәтижедегі аннотация автоматты түрде ModelSEED-ке жіберіліп, метаболикалық модельдің жобасын құрады. ModelSEED автоматты түрде метаболикалық реакциялар желісін, әр реакция үшін ген-ақуыз реакциясы байланыстарын және әр геном үшін биомасса құрамы реакциясын құрастырады, бұл микробиологиялық метаболизмнің флюс тепе-теңдігін талдауды қолдана отырып модельдеуге болады. MetaMerge: екі метаболикалық желілік реконструкцияны бір метаболикалық желілік модельге жартылай автоматты түрде үйлестіру алгоритмі. CoReCo: туысқан түрлердің метаболикалық модельдерін автоматты түрде қайта құру алгоритмі. Бағдарламалық қамтамастың алғашқы нұсқасы KEGG-ді CoReCo-ның EC нөмірлерінің болжамдарымен байланыстыру үшін реакция дерекқоры ретінде пайдаланды. Барлық реакциялардың атомдық картасын пайдалана отырып, автоматты түрде бос орындарды толтыру симуляцияға дайын функционалдық модельдерді құрады.
Pathway Tools: A bioinformatics software package that assists in the construction of pathway/genome databases such as EcoCyc. Developed by Peter Karp and associates at the SRI International Bioinformatics Research Group, Pathway Tools has several components. Its PathoLogic module takes an annotated genome for an organism and infers probable metabolic reactions and pathways to produce a new pathway/genome database. Its MetaFlux component can generate a quantitative metabolic model from that pathway/genome database using flux balance analysis. Its Navigator component provides extensive query and visualization tools, such as visualization of metabolites, pathways, and the complete metabolic network. ERGO: A subscription based service developed by Integrated Genomics. It integrates data from every level including genomic, biochemical data, literature, and high throughput analysis into a comprehensive user friendly network of metabolic and nonmetabolic pathways. KEGGtranslator: an easy to use stand alone application that can visualize and convert KEGG files (KGML formatted XML files) into multiple output formats. Unlike other translators, KEGGtranslator supports a plethora of output formats, is able to augment the information in translated documents (e. g., MIRIAM annotations) beyond the scope of the KGML document, and amends missing components to fragmentary reactions within the pathway to allow simulations on those. KEGGtranslator converts these files to SBML, BioPAX, SIF, SBGN, SBML with qualitative modeling extension, GML, GraphML, JPG, GIF, LaTeX, etc. ModelSEED: An online resource for the analysis, comparison, reconstruction, and curation of genome scale metabolic models. Users can submit genome sequences to the RAST annotation system, and the resulting annotation can be automatically piped into the ModelSEED to produce a draft metabolic model. The ModelSEED automatically constructs a network of metabolic reactions, gene protein reaction associations for each reaction, and a biomass composition reaction for each genome to produce a model of microbial metabolism that can be simulated using Flux Balance Analysis. MetaMerge: algorithm for semi automatically reconciling a pair of existing metabolic network reconstructions into a single metabolic network model. CoReCo: algorithm for automatic reconstruction of metabolic models of related species. The first version of the software used KEGG as reaction database to link with the EC number predictions from CoReCo. Its automatic gap filling using atom map of all the reactions produce functional models ready for simulation.
Әдебиетке арналған құралдар
PUBMED: Бұл Ұлттық биотехнологиялық ақпарат орталығы жасаған онлайн кітапхана, онда медициналық журналдардың кең көлемі бар. ENZYME ұсынған сілтемені қолдану арқылы іздеуді қызықтыратын организмге бағыттап, фермент туралы және оның осы организмде қолданылуы туралы әдебиеттерді табуға болады.
PUBMED: This is an online library developed by the National Center for Biotechnology Information, which contains a massive collection of medical journals. Using the link provided by ENZYME, the search can be directed towards the organism of interest, thus recovering literature on the enzyme and its use inside of the organism.
Қайта құру жобасын әзірлеу әдістемесі
Қайта құру жоғарыда аталған дереккөздерден мәліметтерді жинақтау арқылы салынады. KEGG және BioCyc сияқты деректер базасы құралдарын өзара байланыстырып, зерттеліп отырған организмдегі барлық метаболизм гендерін табуға болады. Бұл гендер гомологты гендер мен реакцияларды анықтау үшін бұрыннан реконструкциясы жасалған, жақын туысқан организмдермен салыстырылады. Анықталған гомологты гендер мен реакциялар белгілі реконструкциялардан зерттеліп отырған организмнің алғашқы реконструкциясын құру үшін көшіріледі. ERGO, Pathway Tools және Model SEED сияқты құралдар деректерді метаболизм және метаболизм емес жолдарға жинақтап, осы жолдардың желісін құруға мүмкіндік береді. Бұл желілер математикалық модельдеуге жіберілгенге дейін тексеріліп, нақтыланады.
A reconstruction is built by compiling data from the resources above. Database tools such as KEGG and BioCyc can be used in conjunction with each other to find all the metabolic genes in the organism of interest. These genes will be compared to closely related organisms that have already developed reconstructions to find homologous genes and reactions. These homologous genes and reactions are carried over from the known reconstructions to form the draft reconstruction of the organism of interest. Tools such as ERGO, Pathway Tools and Model SEED can compile data into pathways to form a network of metabolic and non metabolic pathways. These networks are then verified and refined before being made into a mathematical simulation.
Модельді жетілдіру
Микроорганизмдердің жоғары өзгергіштігі мен әртүрлілігіне байланысты геномның бастапқы метаболикалық реконструкциясы көбінесе толық емес болады. Көп жағдайда KEGG және MetaCyc сияқты метаболикалық жолдардың деректер базаларында "жетіспеушіліктер" кездеседі, яғни субстраттан өнімге (атап айтқанда, ферменттік әрекетке) айналу үшін геномда осы катализді жеңілдететін ферментті кодтайтын белгілі бір ақуыз табылмауы мүмкін. Сонымен қатар, жартылай автоматты түрде жасалған реконструкцияларда кейбір жолдар қате болжанып, күтілгендей жүрмей қалуы мүмкін. Деректер базасында жоқ жаңа реакцияларды реконструкцияға қосу қажет. Бұл эксперименттік және кодтау кезеңдері арасында жүретін итеративті процесс. Мақсатты организм туралы жаңа мәліметтер пайда болғанда, модель клетканың метаболикалық және фенотиптік нәтижелерін болжау үшін түзетіледі. Метаболизмнің белгілі бір реакцияларының болуы немесе болмауы, нақты жолдағы басқа реакциялар үшін қажетті реагенттердің/өнімдердің мөлшеріне әсер етеді. Себебі, бір реакцияның өнімдері келесі реакция үшін реагенттерге айналады, яғни бір реакцияның өнімдері басқа ферменттер немесе катализаторлардың қатысуымен басқа ақуыздармен немесе қосылыстармен бірігіп, жаңа ақуыздар мен қосылыстарды құруы мүмкін.
An initial metabolic reconstruction of a genome is typically far from perfect due to the high variability and diversity of microorganisms. Often, metabolic pathway databases such as KEGG and MetaCyc will have "holes", meaning that there is a conversion from a substrate to a product (i. e., an enzymatic activity) for which there is no known protein in the genome that encodes the enzyme that facilitates the catalysis. What can also happen in semi automatically drafted reconstructions is that some pathways are falsely predicted and don't actually occur in the predicted manner. Any new reaction not present in the databases needs to be added to the reconstruction. This is an iterative process that cycles between the experimental phase and the coding phase. As new information is found about the target organism, the model will be adjusted to predict the metabolic and phenotypical output of the cell. The presence or absence of certain reactions of the metabolism will affect the amount of reactants/products that are present for other reactions within the particular pathway. This is because products in one reaction go on to become the reactants for another reaction, i. e. products of one reaction can combine with other proteins or compounds to form new proteins/compounds in the presence of different enzymes or catalysts.
Экстремалды жолдар
Палссон зертханасынан Прайс, Рид және Папин адам қызыл қан клеткаларының метаболизмін реттеуді түсіну үшін экстремалды жолдардың жекеше мәнге жіктеу (SVD) әдісін қолданады. Экстремалды жолдар – метаболикалық желілердің тұрақты күй функцияларынан құралған дөңес негіз векторлары. Кез келген метаболикалық желі үшін әрқашан бірегей экстремалды жолдар жиынтығы болады. Сонымен қатар, Прайс, Рид және Папин, Стеллингке (2002) сәйкес, элементарлық режимдер немесе экстремалды жолдар сияқты, олар желімен бірегей түрде анықталады және ағын конусының толық сипаттамасын береді. Дегенмен, жаңа сипаттама әлдеқайда ықшам. Ағын конусының генераторлық векторларына негізделген ішкі сипаттаманы пайдаланатын элементарлық режимдер мен экстремалды жолдардан өзгеше, MMB-лер ағын конусының сыртқы сипаттамасын қолданады. Бұл тәсіл теріс емес шектеулер жиынтығына негізделген. Оларды қайтымсыз реакциялармен байланыстыруға болады, демек, тікелей биохимиялық интерпретацияға ие. Метаболикалық желіні MMB және қайтымды метаболикалық кеңістік арқылы сипаттауға болады.
Price, Reed, and Papin, from the Palsson lab, use a method of singular value decomposition (SVD) of extreme pathways in order to understand regulation of a human red blood cell metabolism. Extreme pathways are convex basis vectors that consist of steady state functions of a metabolic network. For any particular metabolic network, there is always a unique set of extreme pathways available. Furthermore, Price, Reed, and Papin, According to Stelling (2002), Like elementary modes or extreme pathways, these are uniquely determined by the network, and yield a complete description of the flux cone. However, the new description is much more compact. In contrast with elementary modes and extreme pathways, which use an inner description based on generating vectors of the flux cone, MMBs are using an outer description of the flux cone. This approach is based on sets of non negativity constraints. These can be identified with irreversible reactions, and thus have a direct biochemical interpretation. One can characterize a metabolic network by MMBs and the reversible metabolic space.
Ағынды теңгерімді талдау
Метаболистік желіні модельдеудің тағы бір тәсілі – ағын тепе-теңдігін талдауды жүргізу. Бұл әдіс сызықтық бағдарламалауды қолданады, бірақ элементарлық режимдерді талдау және экстремалды жолдардан өзгеше, соңында тек бір ғана шешім шығады. Сызықтық бағдарламалау көбінесе қарастырылып отырған мақсатты функцияның максималды мүмкіндігін алу үшін қолданылады, демек, ағын тепе-теңдігін талдау қолданғанда, оңтайландыру мәселесіне бір ғана шешім табылады. Одан әрі, жүйедегі реакциялардың нақты жылдамдық заңдары белгісіз болғандықтан, зертенеін жүргізіліп жатқан жүйенің дифференциалдық теңдеулер жүйесінің математикалық құрылымын бағалау қажет болуы мүмкін. Осы мақсатта SBMLsqueezer бағдарламасы желідегі барлық реакциялар үшін тиісті жылдамдық заңдарын автоматты түрде құруға мүмкіндік береді.
A different technique to simulate the metabolic network is to perform flux balance analysis. This method uses linear programming, but in contrast to elementary mode analysis and extreme pathways, only a single solution results in the end. Linear programming is usually used to obtain the maximum potential of the objective function that you are looking at, and therefore, when using flux balance analysis, a single solution is found to the optimization problem. One step further, it may be desired to estimate the mathematical structure of the differential equation system because the real rate laws are not known for the reactions within the system under study. To this end, the program SBMLsqueezer allows automatic creation of appropriate rate laws for all reactions with the network.
Синтетикалық қолжетімділік
Синтетикалық қолжетімділік – желілік модельдеудің қарапайым тәсілі, мақсаты метаболикалық геннің нокаутының өлімге алып келетінін болжау. Синтетикалық қолжетімділік әдісі метаболикалық желінің топологиясын пайдаланып, кірістерден – организмге қоршаған ортадан қолжетімді метаболиттерден – шығыстарға, организмнің тірі қалуы үшін қажетті метаболиттерге дейін метаболикалық желі графигін басып өту үшін қажетті ең аз қадамдар санын есептейді. Гендік нокаутты модельдеу үшін генмен катализденетін реакциялар желіден алынып тасталады және синтетикалық қолжетімділік көрсеткіші қайта есептеледі. Қадамдардың жалпы санының артуы өлімге себеп болады деп болжанады. Вундерлих және Мирни бұл қарапайым, параметрлерді қажет етпейтін тәсілдің E. coli және S. cerevisiae-де нокауттың өлімге алып келетінін, сондай-ақ элементарлық режимдерді талдау және әртүрлі ортадағы ағын тепе-теңдігін талдаумен салыстырылатынын көрсетті.
Synthetic accessibility is a simple approach to network simulation whose goal is to predict which metabolic gene knockouts are lethal. The synthetic accessibility approach uses the topology of the metabolic network to calculate the sum of the minimum number of steps needed to traverse the metabolic network graph from the inputs, those metabolites available to the organism from the environment, to the outputs, metabolites needed by the organism to survive. To simulate a gene knockout, the reactions enabled by the gene are removed from the network and the synthetic accessibility metric is recalculated. An increase in the total number of steps is predicted to cause lethality. Wunderlich and Mirny showed this simple, parameter free approach predicted knockout lethality in E. coli and S. cerevisiae as well as elementary mode analysis and flux balance analysis in a variety of media.