stringtranslate.com

Modelado de redes metabólicas.

Red metabólica que muestra interacciones entre enzimas y metabolitos en el ciclo del ácido cítrico de Arabidopsis thaliana . Las enzimas y los metabolitos son los puntos rojos y las interacciones entre ellos son las líneas.
Modelo de red metabólica para Escherichia coli.

El modelado de redes metabólicas , también conocido como reconstrucción de redes metabólicas o análisis de vías metabólicas , permite conocer en profundidad los mecanismos moleculares de un organismo en particular. En particular, estos modelos correlacionan el genoma con la fisiología molecular . [1] Una reconstrucción descompone las vías metabólicas (como la glucólisis y el ciclo del ácido cítrico ) en sus respectivas reacciones y enzimas, y las analiza desde la perspectiva de toda la red. En términos simplificados, una reconstrucción recopila toda la información metabólica relevante de un organismo y la compila en un modelo matemático. La validación y el análisis de reconstrucciones pueden permitir la identificación de características clave del metabolismo, como el rendimiento del crecimiento, la distribución de recursos, la solidez de la red y la esencialidad de los genes. Este conocimiento podrá luego aplicarse para crear biotecnología novedosa .

En general, el proceso para construir una reconstrucción es el siguiente:

  1. Redactar una reconstrucción
  2. Refinar el modelo
  3. Convertir el modelo en una representación matemática/computacional
  4. Evaluar y depurar el modelo mediante experimentación.

El método relacionado de análisis del equilibrio de flujo busca simular matemáticamente el metabolismo en reconstrucciones de redes metabólicas a escala genómica.

Reconstrucción metabólica a escala del genoma

Una reconstrucción metabólica proporciona una plataforma estructurada y altamente matemática sobre la cual comprender la biología de los sistemas de las vías metabólicas dentro de un organismo. [2] La integración de vías metabólicas bioquímicas con secuencias genómicas anotadas y rápidamente disponibles ha desarrollado lo que se denomina modelos metabólicos a escala genómica. En pocas palabras, estos modelos correlacionan genes metabólicos con vías metabólicas. En general, cuanta más información sobre fisiología, bioquímica y genética esté disponible para el organismo objetivo, mejor será la capacidad predictiva de los modelos reconstruidos. Mecánicamente hablando, el proceso de reconstrucción de las redes metabólicas de procariotas y eucariotas es esencialmente el mismo. Dicho esto, las reconstrucciones de eucariotas suelen ser más desafiantes debido al tamaño de los genomas, la cobertura del conocimiento y la multitud de compartimentos celulares. [2] El primer modelo metabólico a escala genómica se generó en 1995 para Haemophilus influenzae . [3] El primer organismo multicelular, C. elegans , fue reconstruido en 1998. [4] Desde entonces, se han formado muchas reconstrucciones. Para obtener una lista de reconstrucciones que se convirtieron en un modelo y se validaron experimentalmente, consulte http://sbrg.ucsd.edu/InSilicoOrganisms/OtherOrganisms.

Redactando una reconstrucción

Recursos

Debido a que el calendario para el desarrollo de las reconstrucciones es tan reciente, la mayoría de las reconstrucciones se han construido manualmente. Sin embargo, actualmente existen bastantes recursos que permiten el montaje semiautomático de estas reconstrucciones que se aprovechan debido al tiempo y esfuerzo necesarios para una reconstrucción. Se puede desarrollar automáticamente una reconstrucción rápida inicial utilizando recursos como PathoLogic o ERGO en combinación con enciclopedias como MetaCyc, y luego actualizarla manualmente utilizando recursos como PathwayTools. Estos métodos semiautomáticos permiten crear un borrador rápido y, al mismo tiempo, realizar los ajustes precisos necesarios una vez que se encuentran nuevos datos experimentales. Sólo de esta manera el campo de las reconstrucciones metabólicas podrá mantenerse al día con el número cada vez mayor de genomas anotados.

Bases de datos

Herramientas para el modelado metabólico.

Herramientas para la literatura

Metodología para redactar una reconstrucción.

Esta es una representación visual del proceso de reconstrucción de la red metabólica.

Una reconstrucción se construye recopilando datos de los recursos anteriores. Las herramientas de bases de datos como KEGG y BioCyc se pueden utilizar en conjunto para encontrar todos los genes metabólicos en el organismo de interés. Estos genes se compararán con organismos estrechamente relacionados que ya han desarrollado reconstrucciones para encontrar genes y reacciones homólogas. Estos genes y reacciones homólogos se transfieren de las reconstrucciones conocidas para formar el borrador de reconstrucción del organismo de interés. Herramientas como ERGO, Pathway Tools y Model SEED pueden compilar datos en vías para formar una red de vías metabólicas y no metabólicas. Luego, estas redes se verifican y refinan antes de convertirlas en una simulación matemática. [2]

El aspecto predictivo de una reconstrucción metabólica depende de la capacidad de predecir la reacción bioquímica catalizada por una proteína utilizando la secuencia de aminoácidos de esa proteína como entrada, y de inferir la estructura de una red metabólica basada en el conjunto de reacciones predichas. Se redacta una red de enzimas y metabolitos para relacionar secuencias y funciones. Cuando se encuentra una proteína no caracterizada en el genoma, primero se compara su secuencia de aminoácidos con la de proteínas previamente caracterizadas para buscar homología. Cuando se encuentra una proteína homóloga, se considera que las proteínas tienen un ancestro común y se infiere que sus funciones son similares. Sin embargo, la calidad de un modelo de reconstrucción depende de su capacidad para inferir con precisión el fenotipo directamente a partir de la secuencia, por lo que esta estimación aproximada de la función de la proteína no será suficiente. Se han desarrollado varios algoritmos y recursos bioinformáticos para refinar las asignaciones de funciones de proteínas basadas en homología de secuencia:

Una vez que se han establecido las proteínas, se puede obtener más información sobre la estructura de la enzima, las reacciones catalizadas, los sustratos y productos, los mecanismos y más en bases de datos como KEGG, MetaCyc y NC-IUBMB. Las reconstrucciones metabólicas precisas requieren información adicional sobre la reversibilidad y la dirección fisiológica preferida de una reacción catalizada por enzimas que puede provenir de bases de datos como BRENDA o MetaCyc. [24]

Refinamiento del modelo

Una reconstrucción metabólica inicial de un genoma suele estar lejos de ser perfecta debido a la alta variabilidad y diversidad de microorganismos. A menudo, las bases de datos de rutas metabólicas como KEGG y MetaCyc tendrán "agujeros", lo que significa que hay una conversión de un sustrato a un producto (es decir, una actividad enzimática) para el cual no existe ninguna proteína conocida en el genoma que codifique la enzima que Facilita la catálisis. Lo que también puede suceder en reconstrucciones redactadas de forma semiautomática es que algunas vías se predicen erróneamente y en realidad no ocurren de la manera prevista. [24] Debido a esto, se realiza una verificación sistemática para asegurarse de que no haya inconsistencias y que todas las entradas enumeradas sean correctas y precisas. [1] Además, se puede investigar la literatura previa para respaldar cualquier información obtenida de una de las muchas bases de datos de reacciones metabólicas y genoma. Esto proporciona un nivel adicional de seguridad para la reconstrucción de que la enzima y la reacción que cataliza realmente ocurren en el organismo.

La promiscuidad enzimática y las reacciones químicas espontáneas pueden dañar los metabolitos. El daño de este metabolito y su reparación o prevención generan costos de energía que deben incorporarse a los modelos. Es probable que muchos genes de función desconocida codifiquen proteínas que reparan o previenen el daño de los metabolitos, pero la mayoría de las reconstrucciones metabólicas a escala del genoma solo incluyen una fracción de todos los genes. [25] [26]

Cualquier reacción nueva que no esté presente en las bases de datos debe agregarse a la reconstrucción. Este es un proceso iterativo que alterna entre la fase experimental y la fase de codificación. A medida que se encuentre nueva información sobre el organismo objetivo, el modelo se ajustará para predecir la producción metabólica y fenotípica de la célula. La presencia o ausencia de ciertas reacciones del metabolismo afectará la cantidad de reactivos /productos que están presentes para otras reacciones dentro de la vía particular. Esto se debe a que los productos de una reacción se convierten en reactivos de otra reacción, es decir, los productos de una reacción pueden combinarse con otras proteínas o compuestos para formar nuevas proteínas/compuestos en presencia de diferentes enzimas o catalizadores . [1]

Francke et al. [1] proporciona un excelente ejemplo de por qué el paso de verificación del proyecto debe realizarse con gran detalle. Durante una reconstrucción de la red metabólica de Lactobacillus plantarum , el modelo mostró que la succinil-CoA era uno de los reactivos de una reacción que formaba parte de la biosíntesis de metionina . Sin embargo, una comprensión de la fisiología del organismo habría revelado que, debido a una vía incompleta del ácido tricarboxílico, Lactobacillus plantarum en realidad no produce succinil-CoA, y el reactivo correcto para esa parte de la reacción era acetil-CoA .

Por lo tanto, la verificación sistemática de la reconstrucción inicial sacará a la luz varias inconsistencias que pueden afectar negativamente la interpretación final de la reconstrucción, que es comprender con precisión los mecanismos moleculares del organismo. Además, el paso de simulación también garantiza que todas las reacciones presentes en la reconstrucción estén adecuadamente equilibradas. En resumen, una reconstrucción que sea totalmente precisa puede conducir a una mayor comprensión sobre el funcionamiento del organismo de interés. [1]

Análisis estequiométrico metabólico.

Una red metabólica se puede dividir en una matriz estequiométrica donde las filas representan los compuestos de las reacciones, mientras que las columnas de la matriz corresponden a las reacciones mismas. La estequiometría es una relación cuantitativa entre sustratos de una reacción química. Para deducir lo que sugiere la red metabólica, investigaciones recientes se han centrado en algunos enfoques, como vías extremas, análisis de modo elemental, [27] análisis de equilibrio de flujo y una serie de otros métodos de modelado basados ​​en restricciones. [28] [29]

Caminos extremos

Price, Reed y Papin, [30] del laboratorio Palsson, utilizan un método de descomposición en valores singulares (SVD) de vías extremas para comprender la regulación del metabolismo de los glóbulos rojos humanos . Las vías extremas son vectores de base convexa que consisten en funciones de estado estacionario de una red metabólica. [31] Para cualquier red metabólica en particular, siempre hay un conjunto único de vías extremas disponibles. [27] Además, Price, Reed y Papin, [30] definen un enfoque basado en restricciones, donde a través de la ayuda de restricciones como el equilibrio de masa y las velocidades de reacción máximas , es posible desarrollar un 'espacio de solución' donde todas las soluciones factibles las opciones caen dentro. Luego, utilizando un enfoque de modelo cinético, se puede determinar una solución única que se encuentre dentro del espacio de solución de ruta extrema. [30] Por lo tanto, en su estudio, Price, Reed y Papin, [30] utilizan enfoques cinéticos y de restricción para comprender el metabolismo de los glóbulos rojos humanos. En conclusión, utilizando vías extremas se pueden estudiar con más detalle los mecanismos reguladores de una red metabólica.

Análisis de modo elemental

El análisis de modo elemental coincide estrechamente con el enfoque utilizado por las vías extremas. Al igual que en las vías extremas, siempre hay un conjunto único de modos elementales disponibles para una red metabólica particular. [27] Estas son las subredes más pequeñas que permiten que una red de reconstrucción metabólica funcione en estado estable. [32] [33] [34] Según Stelling (2002), [33] los modos elementales se pueden utilizar para comprender los objetivos celulares de la red metabólica general. Además, el análisis de modo elemental tiene en cuenta la estequiometría y la termodinámica al evaluar si una ruta o red metabólica particular es factible y probable para un conjunto de proteínas/enzimas. [32]

Comportamientos metabólicos mínimos (MMB)

En 2009, Larhlimi y Bockmayr presentaron un nuevo enfoque llamado "comportamientos metabólicos mínimos" para el análisis de redes metabólicas. [35] Al igual que los modos elementales o las rutas extremas, estos están determinados únicamente por la red y producen una descripción completa del cono de flujo. Sin embargo, la nueva descripción es mucho más compacta. A diferencia de los modos elementales y las vías extremas, que utilizan una descripción interna basada en la generación de vectores del cono de flujo, los MMB utilizan una descripción externa del cono de flujo. Este enfoque se basa en conjuntos de restricciones no negativas. Éstas pueden identificarse con reacciones irreversibles y, por tanto, tener una interpretación bioquímica directa. Se puede caracterizar una red metabólica por los MMB y el espacio metabólico reversible.

Análisis del equilibrio de flujo.

Una técnica diferente para simular la red metabólica es realizar análisis de equilibrio de flujo . Este método utiliza programación lineal , pero a diferencia del análisis de modo elemental y las rutas extremas, al final solo se obtiene una única solución. La programación lineal se suele utilizar para obtener el máximo potencial de la función objetivo que se está analizando y, por tanto, cuando se utiliza el análisis de equilibrio de flujo, se encuentra una única solución al problema de optimización. [33] En un enfoque de análisis de equilibrio de flujo, los flujos de intercambio se asignan a aquellos metabolitos que entran o salen de la red particular únicamente. A los metabolitos que se consumen dentro de la red no se les asigna ningún valor de flujo de intercambio. Además, los flujos de intercambio junto con las enzimas pueden tener restricciones que van desde un valor negativo hasta un valor positivo (por ejemplo, -10 a 10).

Además, este enfoque particular puede definir con precisión si la estequiometría de la reacción está en línea con las predicciones al proporcionar flujos para las reacciones equilibradas. Además, el análisis del equilibrio de flujo puede resaltar la ruta más efectiva y eficiente a través de la red para lograr una función objetivo particular. Además, se pueden realizar estudios de eliminación de genes mediante análisis de equilibrio de flujo. A la enzima que se correlaciona con el gen que debe eliminarse se le asigna un valor de restricción de 0. Luego, la reacción que cataliza la enzima particular se elimina completamente del análisis.

Simulación dinámica y estimación de parámetros.

Para realizar una simulación dinámica con dicha red es necesario construir un sistema de ecuaciones diferenciales ordinario que describa las tasas de cambio en la concentración o cantidad de cada metabolito. Para ello se requiere para cada reacción una ley de velocidad, es decir, una ecuación cinética que determine la velocidad de reacción en función de las concentraciones de todos los reactivos. Los paquetes de software que incluyen integradores numéricos, como COPASI o SBMLsimulator, pueden simular la dinámica del sistema dada una condición inicial. A menudo estas leyes de velocidad contienen parámetros cinéticos con valores inciertos. En muchos casos, se desea estimar los valores de estos parámetros con respecto a datos de series temporales dadas de concentraciones de metabolitos. Luego se supone que el sistema reproduce los datos proporcionados. Para ello se calcula la distancia entre el conjunto de datos dado y el resultado de la simulación, es decir, la solución del sistema de ecuaciones diferenciales obtenida numéricamente o, en algunos casos, analíticamente. Luego se estiman los valores de los parámetros para minimizar esta distancia. [36] Un paso más allá, puede ser deseable estimar la estructura matemática del sistema de ecuaciones diferenciales porque las leyes de velocidad real no se conocen para las reacciones dentro del sistema bajo estudio. Para ello, el programa SBMLsqueezer permite la creación automática de leyes de velocidad adecuadas para todas las reacciones con la red. [37]

Accesibilidad sintética

La accesibilidad sintética es un enfoque simple para la simulación de redes cuyo objetivo es predecir qué genes metabólicos noqueados son letales. El enfoque de accesibilidad sintética utiliza la topología de la red metabólica para calcular la suma del número mínimo de pasos necesarios para atravesar el gráfico de la red metabólica desde las entradas, aquellos metabolitos disponibles para el organismo en el medio ambiente, hasta las salidas, los metabolitos necesarios para el organismo. organismo para sobrevivir. Para simular la eliminación de un gen, las reacciones habilitadas por el gen se eliminan de la red y se recalcula la métrica de accesibilidad sintética. Se predice que un aumento en el número total de pasos causará letalidad. Wunderlich y Mirny demostraron que este enfoque simple y sin parámetros predijo la letalidad por knockout en E. coli y S. cerevisiae , así como el análisis de modo elemental y el análisis de equilibrio de flujo en una variedad de medios. [38]

Aplicaciones de una reconstrucción

Las reconstrucciones y sus modelos correspondientes permiten la formulación de hipótesis sobre la presencia de ciertas actividades enzimáticas y la producción de metabolitos que pueden probarse experimentalmente, complementando el enfoque principalmente basado en descubrimientos de la bioquímica microbiana tradicional con investigación basada en hipótesis. [41] Los resultados de estos experimentos pueden descubrir nuevas vías y actividades metabólicas y descifrar discrepancias en datos experimentales anteriores. Los ingenieros genéticos pueden utilizar la información sobre las reacciones químicas del metabolismo y los antecedentes genéticos de diversas propiedades metabólicas (secuencia de estructura a función) para modificar organismos y producir productos de alto valor, ya sea que esos productos sean médicamente relevantes, como los productos farmacéuticos; intermediarios químicos de alto valor como terpenoides e isoprenoides; o productos biotecnológicos como biocombustibles, [42] o polihidroxibutiratos, también conocidos como bioplásticos. [43]

Los modelos y reconstrucciones de redes metabólicas se utilizan para comprender cómo funciona un organismo o parásito dentro de la célula huésped. Por ejemplo, si el parásito sirve para comprometer el sistema inmunológico al lisar los macrófagos , entonces el objetivo de la reconstrucción/simulación metabólica sería determinar los metabolitos que son esenciales para la proliferación del organismo dentro de los macrófagos. Si se inhibe el ciclo de proliferación, el parásito no seguirá evadiendo el sistema inmunológico del huésped. Un modelo de reconstrucción sirve como primer paso para descifrar los complicados mecanismos que rodean la enfermedad. Estos modelos también pueden observar los genes mínimos necesarios para que una célula mantenga su virulencia. El siguiente paso sería utilizar las predicciones y postulados generados a partir de un modelo de reconstrucción y aplicarlos para descubrir nuevas funciones biológicas, como la ingeniería de fármacos y las técnicas de administración de fármacos .

Ver también

Referencias

  1. ^ abcde Francke C, Siezen RJ, Teusink B (noviembre de 2005). "Reconstrucción de la red metabólica de una bacteria a partir de su genoma". Tendencias en Microbiología . 13 (11): 550–558. doi :10.1016/j.tim.2005.09.001. PMID  16169729.
  2. ^ abc Thiele I, Palsson BØ (enero de 2010). "Un protocolo para generar una reconstrucción metabólica a escala del genoma de alta calidad". Protocolos de la Naturaleza . 5 (1): 93-121. doi :10.1038/nprot.2009.203. PMC 3125167 . PMID  20057383. 
  3. ^ ab Fleischmann RD, Adams MD, White O, Clayton RA, Kirkness EF, Kerlavage AR, et al. (Julio de 1995). "Secuenciación aleatoria y ensamblaje del genoma completo de Haemophilus influenzae Rd". Ciencia . 269 ​​(5223): 496–512. Código Bib : 1995 Ciencia... 269.. 496F. doi : 10.1126/ciencia.7542800. PMID  7542800. S2CID  10423613.
  4. ^ El Consorcio de Secuenciación de C. elegans (diciembre de 1998). "Secuencia del genoma del nematodo C. elegans: una plataforma para la investigación de la biología". Ciencia . 282 (5396): 2012-2018. Bibcode : 1998Sci...282.2012.. doi : 10.1126/science.282.5396.2012. PMID  9851916. S2CID  16873716.
  5. ^ Edwards JS, Palsson BO (mayo de 2000). "El genotipo metabólico in silico de Escherichia coli MG1655: su definición, características y capacidades". Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 97 (10): 5528–5533. Código bibliográfico : 2000PNAS...97.5528E. doi : 10.1073/pnas.97.10.5528 . PMC 25862 . PMID  10805808. 
  6. ^ Förster J, Famili I, Fu P, Palsson BØ, Nielsen J (febrero de 2003). "Reconstrucción a escala genómica de la red metabólica de Saccharomyces cerevisiae". Investigación del genoma . 13 (2): 244–253. doi :10.1101/gr.234503. PMC 420374 . PMID  12566402. 
  7. ^ Sheikh K, Förster J, Nielsen LK (enero de 2005). "Modelado del metabolismo de las células de hibridoma utilizando un modelo metabólico genérico a escala del genoma de Mus musculus". Progreso de la biotecnología . 21 (1): 112-121. doi :10.1021/bp0498138. PMID  15903248. S2CID  38627979.
  8. ^ Romero P, Wagg J, Green ML, Kaiser D, Krummenacker M, Karp PD (junio de 2004). "Predicción computacional de las vías metabólicas humanas a partir del genoma humano completo". Biología del genoma . 6 (1): R2. doi : 10.1186/gb-2004-6-1-r2 . PMC 549063 . PMID  15642094. 
  9. ^ Duarte NC, Becker SA, Jamshidi N, Thiele I, Mo ML, Vo TD y col. (febrero de 2007). "Reconstrucción global de la red metabólica humana basada en datos genómicos y bibliomáticos". Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 104 (6): 1777–1782. Código Bib : 2007PNAS..104.1777D. doi : 10.1073/pnas.0610772104 . PMC 1794290 . PMID  17267599. 
  10. ^ Jamshidi N, Palsson BØ (junio de 2007). "Investigar las capacidades metabólicas de Mycobacterium tuberculosis H37Rv utilizando la cepa in silico iNJ661 y proponer objetivos farmacológicos alternativos". Biología de sistemas BMC . 1 : 26. doi : 10.1186/1752-0509-1-26 . PMC 1925256 . PMID  17555602. 
  11. ^ Oh YK, Palsson BO, Park SM, Schilling CH, Mahadevan R (septiembre de 2007). "Reconstrucción a escala genómica de la red metabólica en Bacillus subtilis basada en datos de esencialidad genética y fenotipado de alto rendimiento". La Revista de Química Biológica . 282 (39): 28791–28799. doi : 10.1074/jbc.M703759200 . PMID  17573341.
  12. ^ Fu P (octubre de 2008). "Modelado a escala del genoma de Synechocystis sp. PCC 6803 y predicción de la inserción de la vía". Revista de Tecnología Química y Biotecnología . 84 (4): 473–483. doi : 10.1002/jctb.2065 .
  13. ^ Raghunathan A, Reed J, Shin S, Palsson B, Daefler S (abril de 2009). "Análisis basado en restricciones de la capacidad metabólica de Salmonella typhimurium durante la interacción huésped-patógeno". Biología de sistemas BMC . 3 : 38. doi : 10.1186/1752-0509-3-38 . PMC 2678070 . PMID  19356237. 
  14. ^ de Oliveira Dal'Molin CG, Quek LE, Palfreyman RW, Brumbley SM, Nielsen LK (febrero de 2010). "AraGEM, una reconstrucción a escala genómica de la red metabólica primaria en Arabidopsis". Fisiología de las plantas . 152 (2): 579–589. doi : 10.1104/pp.109.148817. PMC 2815881 . PMID  20044452. 
  15. ^ Norsigian CJ, Pusarla N, McConn JL, Yurkovich JT, Dräger A, Palsson BO, King Z (enero de 2020). "BiGG Models 2020: modelos a escala de genoma de múltiples cepas y expansión a través del árbol filogenético". Investigación de ácidos nucleicos . 48 (D1): D402–D406. doi :10.1093/nar/gkz1054. PMC 7145653 . PMID  31696234. 
  16. ^ Karp PD, Paley SM, Krummenacker M, Latendresse M, Dale JM, Lee TJ, et al. (Enero de 2010). "Pathway Tools versión 13.0: software integrado para informática de vías / genoma y biología de sistemas". Sesiones informativas en Bioinformática . 11 (1): 40–79. arXiv : 1510.03964 . doi : 10.1093/bib/bbp043. PMC 2810111 . PMID  19955237. 
  17. ^ Wrzodek C, Büchel F, Ruff M, Dräger A, Zell A (febrero de 2013). "Generación precisa de modelos de biología de sistemas a partir de vías KEGG". Biología de sistemas BMC . 7 (1): 15. doi : 10.1186/1752-0509-7-15 . PMC 3623889 . PMID  23433509. 
  18. ^ Wrzodek C, Dräger A, Zell A (agosto de 2011). "KEGGtranslator: visualización y conversión de la base de datos KEGG PATHWAY a varios formatos". Bioinformática . 27 (16): 2314–2315. doi : 10.1093/bioinformática/btr377. PMC 3150042 . PMID  21700675. 
  19. ^ Chaouiya C, Bérenguier D, Keating SM, Naldi A, van Iersel MP, Rodríguez N, et al. (Diciembre 2013). "Modelos cualitativos SBML: una infraestructura y un formato de representación de modelos para fomentar las interacciones entre formalismos y herramientas de modelado cualitativo". Biología de sistemas BMC . 7 (1): 135. arXiv : 1309.1910 . Código Bib : 2013arXiv1309.1910C. doi : 10.1186/1752-0509-7-135 . PMC 3892043 . PMID  24321545. 
  20. ^ Henry CS, DeJongh M, Mejor AA, Frybarger PM, Linsay B, Stevens RL (septiembre de 2010). "Generación, optimización y análisis de alto rendimiento de modelos metabólicos a escala genómica". Biotecnología de la Naturaleza . 28 (9): 977–982. doi :10.1038/nbt.1672. PMID  20802497. S2CID  6641097.
  21. ^ Chindelevitch L, Stanley S, Hung D, Regev A, Berger B (enero de 2012). "MetaMerge: ampliación de reconstrucciones metabólicas a escala genómica con aplicación a Mycobacterium tuberculosis". Biología del genoma . 13 (1): r6. doi : 10.1186/gb-2012-13-1-r6 . PMC 3488975 . PMID  22292986. 
  22. ^ Pitkänen E, Jouhten P, Hou J, Syed MF, Blomberg P, Kludas J, et al. (Febrero 2014). "Reconstrucción comparativa a escala del genoma de redes metabólicas sin interrupciones para especies actuales y ancestrales". PLOS Biología Computacional . 10 (2): e1003465. Código Bib : 2014PLSCB..10E3465P. doi : 10.1371/journal.pcbi.1003465 . PMC 3916221 . PMID  24516375. 
  23. ^ Castillo S, Barth D, Arvas M, Pakula TM, Pitkänen E, Blomberg P, et al. (noviembre de 2016). "Modelo metabólico del genoma completo de Trichoderma reesei construido mediante reconstrucción comparativa". Biotecnología para Biocombustibles . 9 : 252. doi : 10.1186/s13068-016-0665-0 . PMC 5117618 . PMID  27895706. 
  24. ^ ab Ivanova N, Lykidis A (2009). "Reconstrucción metabólica". (3ª ed.). págs. 607–621. doi :10.1016/B978-012373944-5.00010-9. ISBN 9780123739445. {{cite book}}: |journal=ignorado ( ayuda ) ; Falta o está vacío |title=( ayuda )
  25. ^ Linster CL, Van Schaftingen E, Hanson AD (febrero de 2013). "Daño de los metabolitos y su reparación o prevención". Biología Química de la Naturaleza . 9 (2): 72–80. doi :10.1038/nchembio.1141. PMID  23334546.
  26. ^ Hanson AD, Henry CS, Fiehn O, de Crécy-Lagard V (abril de 2016). "Daño de metabolitos y control de daños de metabolitos en plantas". Revisión anual de biología vegetal . 67 : 131-152. doi : 10.1146/annurev-arplant-043015-111648 . PMID  26667673.
  27. ^ abc Papin JA, Stelling J, Price ND, Klamt S, Schuster S, Palsson BO (agosto de 2004). "Comparación de métodos de análisis de rutas basados ​​en redes". Tendencias en Biotecnología . 22 (8): 400–405. doi :10.1016/j.tibtech.2004.06.010. PMID  15283984.
  28. ^ Lewis NE, Nagarajan H, Palsson BO (febrero de 2012). "Restringir la relación metabólica genotipo-fenotipo utilizando una filogenia de métodos in silico". Reseñas de la naturaleza. Microbiología . 10 (4): 291–305. doi :10.1038/nrmicro2737. PMC 3536058 . PMID  22367118. 
  29. ^ Métodos CoBRA: análisis basado en restricciones
  30. ^ abcd Price ND, Reed JL, Papin JA, Wiback SJ, Palsson BO (noviembre de 2003). "Análisis basado en red de la regulación metabólica en los glóbulos rojos humanos". Revista de Biología Teórica . 225 (2): 185-194. Código Bib : 2003JThBi.225..185P. doi :10.1016/s0022-5193(03)00237-6. PMID  14575652.
  31. ^ Papin JA, Price ND, Palsson BØ (diciembre de 2002). "Longitudes extremas de vías y participación en reacciones en redes metabólicas a escala genómica". Investigación del genoma . 12 (12): 1889-1900. doi :10.1101/gr.327702. PMC 187577 . PMID  12466293. 
  32. ^ ab Schuster S, Fell DA, Dandekar T (marzo de 2000). "Una definición general de vías metabólicas útil para la organización sistemática y el análisis de redes metabólicas complejas". Biotecnología de la Naturaleza . 18 (3): 326–332. doi :10.1038/73786. PMID  10700151. S2CID  7742485.
  33. ^ abc Stelling J, Klamt S, Bettenbrock K, Schuster S, Gilles ED (noviembre de 2002). "La estructura de la red metabólica determina aspectos clave de funcionalidad y regulación". Naturaleza . 420 (6912): 190–193. Código Bib :2002Natur.420..190S. doi : 10.1038/naturaleza01166. PMID  12432396. S2CID  4301741.
  34. ^ Ullah E, Aeron S, Hassoun S (2015). "gEFM: un algoritmo para calcular modos de flujo elementales mediante recorrido de gráficos". Transacciones IEEE/ACM sobre biología computacional y bioinformática . 13 (1): 122-134. doi : 10.1109/TCBB.2015.2430344 . PMID  26886737.
  35. ^ Larhlimi A, Bockmayr A (2009). "Una nueva descripción basada en restricciones del cono de flujo en estado estacionario de las redes metabólicas". Matemática Aplicada Discreta . 157 (10): 2257–2266. doi : 10.1016/j.dam.2008.06.039 .
  36. ^ Dräger A, Kronfeld M, Ziller MJ, Supper J, Planatscher H, Magnus JB, et al. (Enero de 2009). "Modelado de redes metabólicas en C. glutamicum: una comparación de leyes de velocidad en combinación con varias estrategias de optimización de parámetros". Biología de sistemas BMC . 3 (5): 5. doi : 10.1186/1752-0509-3-5 . PMC 2661887 . PMID  19144170. 
  37. ^ Dräger A, Hassis N, Supper J, Schröder A, Zell A (abril de 2008). "SBMLsqueezer: un complemento de CellDesigner para generar ecuaciones de velocidad cinética para redes bioquímicas". Biología de sistemas BMC . 2 (1): 39. doi : 10.1186/1752-0509-2-39 . PMC 2412839 . PMID  18447902. 
  38. ^ Wunderlich Z, Mirny LA (septiembre de 2006). "Uso de la topología de redes metabólicas para predecir la viabilidad de cepas mutantes". Revista Biofísica . 91 (6): 2304–2311. Código Bib : 2006BpJ....91.2304W. doi : 10.1529/biophysj.105.080572. PMC 1557581 . PMID  16782788. 
  39. ^ Costanzo M, Baryshnikova A, Bellay J, Kim Y, Spear ED, Sevier CS y col. (Enero de 2010). "El paisaje genético de una célula". Ciencia . 327 (5964): 425–431. Código Bib : 2010 Ciencia... 327.. 425C. doi : 10.1126/ciencia.1180823. PMC 5600254 . PMID  20093466. 
  40. ^ Fong SS, Marciniak JY, Palsson BØ (noviembre de 2003). "Descripción e interpretación de la evolución adaptativa de Escherichia coli K-12 MG1655 mediante el uso de un modelo metabólico in silico a escala genómica". Revista de Bacteriología . 185 (21): 6400–6408. doi :10.1128/JB.185.21.6400-6408.2003. PMC 219384 . PMID  14563875. 
  41. ^ Ivanova A, Lykidis A (2009). "Reconstrucción metabólica". Enciclopedia de Microbiología . págs. 607–621. doi :10.1016/B978-012373944-5.00010-9. ISBN 9780123739445. {{cite book}}: |journal=ignorado ( ayuda )
  42. ^ Whitmore LS, Nguyen B, Pinar A, George A, Hudson CM (septiembre de 2019). "RetSynth: determinación de todas las vías sintéticas óptimas y subóptimas que facilitan la síntesis de compuestos objetivo en organismos chasis". Bioinformática BMC . 20 (1): 461. doi : 10.1186/s12859-019-3025-9 . PMC 6734243 . PMID  31500573. 
  43. ^ Enuh BM, Nural Yaman B, Tarzi C, Aytar Çelik P, Mutlu MB, Angione C (octubre de 2022). "Secuenciación del genoma completo y modelado metabólico a escala del genoma de Chromohalobacter canadensis 85B para explorar su tolerancia a la sal y su uso biotecnológico". MicrobiologíaAbierto . 11 (5): e1328. doi :10.1002/mbo3.1328. PMC 9597258 . PMID  36314754. 

Otras lecturas

  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) El sistema de descubrimiento y análisis del genoma ERGO. Ácidos nucleicos res. 31(1):164-71
  2. Whitaker, JW, Letunic, I., McConkey, GA y Westhead, DR metaTIGER: un recurso de evolución metabólica. Ácidos nucleicos res. 2009 37: D531-8.

enlaces externos