Modelado de redes metabólicas
Forma de modelado biológico
Red metabólica que muestra las 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 obtener una visión profunda de 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 dentro de 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 las 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 se puede aplicar luego para crear biotecnología novedosa .

En general, el proceso para realizar 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 de equilibrio de flujo busca simular matemáticamente el metabolismo en reconstrucciones a escala del genoma de redes metabólicas.

Reconstrucción metabólica a escala del genoma

Una reconstrucción metabólica proporciona una plataforma altamente matemática y estructurada sobre la cual entender la biología de 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 llama modelos metabólicos a escala del genoma. 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 redes metabólicas procariotas y eucariotas es esencialmente el mismo. Dicho esto, las reconstrucciones 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 del genoma se generó en 1995 para Haemophilus influenzae . [3] El primer organismo multicelular, C. elegans , se reconstruyó en 1998. [4] Desde entonces, se han formado muchas reconstrucciones. Para obtener una lista de reconstrucciones que se han convertido en un modelo y se han validado experimentalmente, consulte http://sbrg.ucsd.edu/InSilicoOrganisms/OtherOrganisms.

OrganismoLos genes en el genomaGenes en el modeloReaccionesMetabolitosFecha de reconstrucciónReferencia
Haemophilus influenzae1.775296488343Junio ​​de 1999[3]
Escherichia coli4.405660627438Mayo de 2000[5]
Saccharomyces cerevisiae6,1837081,175584Febrero de 2003[6]
Músculo musculoso28,2874731220872Enero de 2005[7]
Homo sapiens21.090 [8]3.6233.673--Enero de 2007[9]
Micobacteria tuberculosis4.402661939828Junio ​​de 2007[10]
Bacillus subtilis4.1148441.020988Septiembre de 2007[11]
especie Synechocystis PCC68033.221633831704Octubre de 2008[12]
Salmonella typhimurium4.4891.0831.087774Abril de 2009[13]
Arabidopsis thaliana27.3791.4191,5671.748Febrero de 2010[14]

Redactar una reconstrucción

Recursos

Debido a que la escala temporal para el desarrollo de reconstrucciones es tan reciente, la mayoría de las reconstrucciones se han construido manualmente. Sin embargo, ahora hay bastantes recursos que permiten el ensamblaje semiautomático de estas reconstrucciones que se utilizan debido al tiempo y esfuerzo necesarios para una reconstrucción. Se puede desarrollar una reconstrucción rápida inicial automáticamente 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 al tiempo que permiten realizar los ajustes precisos necesarios una vez que se encuentran nuevos datos experimentales. Solo 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

  • Enciclopedia de Kyoto sobre genes y genomas (KEGG) : base de datos bioinformática que contiene información sobre genes, proteínas, reacciones y vías. La sección "Organismos KEGG", que se divide en eucariotas y procariotas , abarca muchos organismos en los que se puede buscar información sobre genes y ADN introduciendo la enzima elegida.
  • BioCyc, EcoCyc y MetaCyc : BioCyc es una colección de 3000 bases de datos de vías/genomas (a fecha de octubre de 2013), y cada base de datos está dedicada a un organismo. Por ejemplo, EcoCyc es una base de datos bioinformática muy detallada sobre el genoma y la reconstrucción metabólica de Escherichia coli , que incluye descripciones exhaustivas de las vías de señalización y la red reguladora de E. coli . La base de datos EcoCyc puede servir como paradigma y modelo para cualquier reconstrucción. Además, MetaCyc, una enciclopedia de vías y enzimas metabólicas definidas experimentalmente, contiene 2100 vías metabólicas y 11 400 reacciones metabólicas (octubre de 2013).
  • ENZYME : base de datos de nomenclatura de enzimas (parte del servidor de proteonómica ExPASy del Instituto Suizo de Bioinformática ). Después de buscar una enzima en particular en la base de datos, este recurso le brinda la reacción que se cataliza. ENZYME tiene enlaces directos a otras bases de datos de genes/enzimas/bibliografía como KEGG, BRENDA y PUBMED.
  • BRENDA : Una base de datos de enzimas completa que permite buscar una enzima por nombre, número CE u organismo.
  • BiGG : una base de conocimientos de reconstrucciones de redes metabólicas a escala del genoma estructuradas bioquímica, genética y genómicamente. [15]
  • metaTIGER : es una colección de perfiles metabólicos e información filogenómica sobre un rango taxonómicamente diverso de eucariotas que proporciona nuevas facilidades para ver y comparar los perfiles metabólicos entre organismos.
Esta tabla compara rápidamente el alcance de cada base de datos.
Base de datosAlcance
EnzimasGenesReaccionesCaminosMetabolitos
BARRILincógnitaincógnitaincógnitaincógnitaincógnita
BioCicloincógnitaincógnitaincógnitaincógnitaincógnita
MetaCicloincógnitaincógnitaincógnitaincógnita
ENZIMAincógnitaincógnitaincógnita
BRENDAincógnitaincógnitaincógnita
Grandeincógnitaincógnitaincógnita

Herramientas para modelado metabólico

  • Pathway Tools : un paquete de software de bioinformática que ayuda en la construcción de bases de datos de vías/genomas como EcoCyc. [16] Desarrollado por Peter Karp y asociados en el SRI International Bioinformatics Research Group, Pathway Tools tiene varios componentes. Su módulo PathoLogic toma un genoma anotado para un organismo e infiere reacciones y vías metabólicas probables para producir una nueva base de datos de vías/genomas. Su componente MetaFlux puede generar un modelo metabólico cuantitativo a partir de esa base de datos de vías/genomas utilizando análisis de equilibrio de flujo . Su componente Navigator proporciona amplias herramientas de consulta y visualización, como visualización de metabolitos, vías y la red metabólica completa.
  • ERGO : un servicio basado en suscripción desarrollado por Integrated Genomics. Integra datos de todos los niveles, incluidos datos genómicos y bioquímicos, bibliografía y análisis de alto rendimiento en una red integral y fácil de usar de vías metabólicas y no metabólicas.
  • KEGGtranslator : [17] [18] una aplicación independiente fácil de usar que puede visualizar y convertir archivos KEGG ( archivos XML con formato KGML ) en múltiples formatos de salida. A diferencia de otros traductores, KEGGtranslator admite una gran cantidad de formatos de salida, puede aumentar la información en documentos traducidos (por ejemplo, anotaciones MIRIAM ) más allá del alcance del documento KGML y modifica los componentes faltantes en reacciones fragmentarias dentro de la ruta para permitir simulaciones en ellos. KEGGtranslator convierte estos archivos a SBML , BioPAX , SIF, SBGN , SBML con extensión de modelado cualitativo, [19] GML , GraphML , JPG , GIF , LaTeX , etc.
  • ModelSEED : un recurso en línea para el análisis, comparación, reconstrucción y curación de modelos metabólicos a escala del genoma. [20] Los usuarios pueden enviar secuencias de genoma al sistema de anotación RAST, y la anotación resultante se puede canalizar automáticamente a ModelSEED para producir un borrador de modelo metabólico. ModelSEED construye automáticamente una red de reacciones metabólicas, asociaciones de reacción gen-proteína para cada reacción y una reacción de composición de biomasa para cada genoma para producir un modelo de metabolismo microbiano que se puede simular utilizando el análisis de balance de flujo.
  • MetaMerge : algoritmo para conciliar de forma semiautomática un par de reconstrucciones de redes metabólicas existentes en un único modelo de red metabólica. [21]
  • CoReCo : [22] [23] algoritmo para la reconstrucción automática de modelos metabólicos de especies relacionadas. La primera versión del software utilizó KEGG como base de datos de reacciones para vincular con las predicciones del número EC de CoReCo. Su llenado automático de espacios vacíos utilizando un mapa de átomos de todas las reacciones produce modelos funcionales listos para la simulación.

Herramientas para la literatura

  • PUBMED : Se trata de una biblioteca en línea desarrollada por el Centro Nacional de Información Biotecnológica , que contiene una enorme colección de revistas médicas. Utilizando el enlace proporcionado por ENZYME, la búsqueda puede dirigirse hacia el organismo de interés, recuperando así literatura sobre la enzima y su uso dentro del organismo.

Metodología para elaborar una reconstrucción

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

Una reconstrucción se construye compilando 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 homólogos. Estos genes y reacciones homólogos se transfieren de las reconstrucciones conocidas para formar el borrador de la 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. Estas redes luego se verifican y refinan antes de convertirse 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 predicho de reacciones. Se traza una red de enzimas y metabolitos para relacionar secuencias y funciones. Cuando se encuentra una proteína no caracterizada en el genoma, su secuencia de aminoácidos se compara primero con las de proteínas caracterizadas previamente 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 la homología de secuencias:

  • InParanoid : identifica ortólogos eucariotas mirando solo los in-parálogos .
  • CDD : recurso para la anotación de unidades funcionales en proteínas. Su colección de modelos de dominio utiliza la estructura 3D para brindar información sobre las relaciones entre secuencia, estructura y función.
  • InterPro : proporciona análisis funcional de proteínas clasificándolas en familias y prediciendo dominios y sitios importantes.
  • STRING : Base de datos de interacciones de proteínas conocidas y previstas.

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 a partir de 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 vías metabólicas como KEGG y MetaCyc tendrán "huecos", lo que significa que hay una conversión de un sustrato a un producto (es decir, una actividad enzimática) para la cual no hay ninguna proteína conocida en el genoma que codifique la enzima que facilita la catálisis. Lo que también puede suceder en las reconstrucciones redactadas de forma semiautomática es que algunas vías se predigan erróneamente y en realidad no ocurran de la manera prevista. [24] Debido a esto, se realiza una verificación sistemática para asegurarse de que no haya inconsistencias y de 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 genomas. 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. Este daño a los metabolitos, y su reparación o prevención , generan costos de energía que deben incorporarse en los modelos. Es probable que muchos genes de función desconocida codifiquen proteínas que reparen o prevengan 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 oscila entre la fase experimental y la fase de codificación. A medida que se encuentra nueva información sobre el organismo objetivo, el modelo se ajustará para predecir el resultado metabólico y fenotípico 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 pasan a convertirse 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] proporcionan un excelente ejemplo de por qué el paso de verificación del proyecto debe realizarse con un nivel de detalle significativo. Durante una reconstrucción de la red metabólica de Lactobacillus plantarum , el modelo mostró que el succinil-CoA era uno de los reactivos para 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 de ácido tricarboxílico incompleta, 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 consiste en comprender con precisión los mecanismos moleculares del organismo. Además, el paso de simulación también garantiza que todas las reacciones presentes en la reconstrucción estén correctamente equilibradas. En resumen, una reconstrucción totalmente precisa puede conducir a una mayor comprensión del funcionamiento del organismo de interés. [1]

Análisis estequiométrico metabólico

Una red metabólica se puede descomponer 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 los sustratos de una reacción química. Para deducir lo que sugiere la red metabólica, las investigaciones recientes se han centrado en algunos enfoques, como las vías extremas, el análisis de modos elementales, [27] el análisis de balance 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 convexos que consisten en funciones de estado estable de una red metabólica. [31] Para cualquier red metabólica 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 balance de masa y las velocidades máximas de reacción , es posible desarrollar un "espacio de solución" donde caen todas las opciones factibles. Luego, utilizando un enfoque de modelo cinético, se puede determinar una única solución que cae dentro del espacio de solución de la vía extrema. [30] Por lo tanto, en su estudio, Price, Reed y Papin, [30] utilizan enfoques tanto de restricción como cinéticos para comprender el metabolismo de los glóbulos rojos humanos. En conclusión, utilizando vías extremas, los mecanismos reguladores de una red metabólica se pueden estudiar con más detalle.

Análisis del modo elemental

El análisis de modos elementales coincide estrechamente con el enfoque utilizado por las vías extremas. De manera similar a 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 para la red metabólica general. Además, el análisis de modos elementales 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]

Conductas metabólicas mínimas (CMM)

En 2009, Larhlimi y Bockmayr presentaron un nuevo enfoque denominado "comportamientos metabólicos mínimos" para el análisis de redes metabólicas. [35] Al igual que los modos elementales o las vías 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 de no negatividad. Estas pueden identificarse con reacciones irreversibles y, por lo tanto, tienen una interpretación bioquímica directa. Se puede caracterizar una red metabólica mediante los MMB y el espacio metabólico reversible.

Análisis del balance de flujo

Una técnica diferente para simular la red metabólica es realizar un análisis de balance de flujo . Este método utiliza programación lineal , pero a diferencia del análisis de modos elementales y las vías extremas, solo resulta una única solución al final. La programación lineal se utiliza generalmente para obtener el potencial máximo de la función objetivo que se está mirando y, por lo tanto, cuando se utiliza el análisis de balance de flujo, se encuentra una única solución al problema de optimización. [33] En un enfoque de análisis de balance de flujo, los flujos de intercambio se asignan solo a aquellos metabolitos que ingresan o salen de la red particular. 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 a uno positivo (p. ej.: -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 destacar la vía más eficaz y eficiente a través de la red para lograr una función objetivo particular. Además, los estudios de eliminación de genes se pueden realizar utilizando el análisis del equilibrio de flujo. A la enzima que se correlaciona con el gen que se debe eliminar se le asigna un valor de restricción de 0. Luego, la reacción que cataliza la enzima en particular se elimina por completo del análisis.

Simulación dinámica y estimación de parámetros

Para realizar una simulación dinámica con una red de este tipo, es necesario construir un sistema de ecuaciones diferenciales ordinarias que describa las tasas de cambio en la concentración o cantidad de cada metabolito. Para ello, se requiere una ley de velocidad, es decir, una ecuación cinética que determine la velocidad de reacción en función de las concentraciones de todos los reactivos para cada reacción. 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 dados de concentraciones de metabolitos. Luego se supone que el sistema reproduce los datos dados. Para este propósito, se calcula la distancia entre el conjunto de datos dado y el resultado de la simulación, es decir, la solución numérica o, en algunos casos, analíticamente obtenida del sistema de ecuaciones diferenciales. 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 no se conocen las leyes de velocidad reales para las reacciones dentro del sistema en estudio. Para este fin, el programa SBMLsqueezer permite la creación automática de leyes de velocidad apropiadas 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 knockouts 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 del entorno, hasta las salidas, metabolitos que el organismo necesita para sobrevivir. Para simular un knockout genético, 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, sin parámetros, predijo la letalidad de knockouts en E. coli y S. cerevisiae , así como el análisis de modos elementales y el análisis de balance de flujo en una variedad de medios. [38]

Aplicaciones de una reconstrucción

  • Existen varias inconsistencias entre las bases de datos de genes, enzimas y reacciones y las fuentes de literatura publicada en relación con la información metabólica de un organismo. Una reconstrucción es una verificación y compilación sistemática de datos de varias fuentes que tiene en cuenta todas las discrepancias.
  • La combinación de información metabólica y genómica relevante de un organismo.
  • Se pueden realizar comparaciones metabólicas entre varios organismos de la misma especie, así como entre diferentes organismos.
  • Análisis de letalidad sintética [39]
  • Predecir los resultados de la evolución adaptativa [40]
  • Uso en ingeniería metabólica para obtener resultados de alto valor.

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

Las reconstrucciones y modelos de redes metabólicas se utilizan para comprender cómo funciona un organismo o parásito dentro de la célula huésped. Por ejemplo, si el parásito afecta al sistema inmunológico al lisar los macrófagos , 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 seguiría evadiendo el sistema inmunológico del huésped. Un modelo de reconstrucción sirve como primer paso para descifrar los mecanismos complicados que rodean la enfermedad. Estos modelos también pueden analizar los genes mínimos necesarios para que una célula mantenga la virulencia. El siguiente paso sería utilizar las predicciones y los 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 .

Véase 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". Nature Protocols . 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 de todo el genoma y ensamblaje de Haemophilus influenzae Rd". Science . 269 (5223): 496–512. Bibcode :1995Sci...269..496F. doi :10.1126/science.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 investigar la biología". Science . 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. Bibcode :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". Genome Research . 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 células de hibridoma utilizando un modelo metabólico genérico a escala genómica de Mus musculus". Progreso en 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". Genome Biology . 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, et al. (febrero de 2007). "Reconstrucción global de la red metabólica humana basada en datos genómicos y bibliográficos". Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 104 (6): 1777–1782. Bibcode :2007PNAS..104.1777D. doi : 10.1073/pnas.0610772104 . PMC 1794290 . PMID  17267599. 
  10. ^ Jamshidi N, Palsson BØ (junio de 2007). "Investigación de las capacidades metabólicas de Mycobacterium tuberculosis H37Rv utilizando la cepa in silico iNJ661 y propuesta de dianas farmacológicas alternativas". BMC Systems Biology . 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 fenotipado de alto rendimiento y esencialidad genética". The Journal of Biological Chemistry . 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". BMC Systems Biology . 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 del genoma de la red metabólica primaria en Arabidopsis". Fisiología vegetal . 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 del genoma de múltiples cepas y expansión a lo largo del árbol filogenético". Nucleic Acids Research . 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 la informática de vías/genomas y la biología de sistemas". Briefings in Bioinformatics . 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 las vías KEGG". BMC Systems Biology . 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/bioinformatics/btr377. PMC 3150042 . PMID  21700675. 
  19. ^ Chaouiya C, Bérenguier D, Keating SM, Naldi A, van Iersel MP, Rodriguez N, et al. (diciembre de 2013). "Modelos cualitativos SBML: un formato de representación de modelos e infraestructura para fomentar interacciones entre herramientas y formalismos de modelado cualitativo". BMC Systems Biology . 7 (1): 135. arXiv : 1309.1910 . Bibcode :2013arXiv1309.1910C. doi : 10.1186/1752-0509-7-135 . PMC 3892043 . PMID  24321545. 
  20. ^ Henry CS, DeJongh M, Best AA, Frybarger PM, Linsay B, Stevens RL (septiembre de 2010). "Generación, optimización y análisis de alto rendimiento de modelos metabólicos a escala genómica". Nature Biotechnology . 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 las reconstrucciones metabólicas a escala del genoma con aplicación a Mycobacterium tuberculosis". Genome Biology . 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 de 2014). "Reconstrucción comparativa a escala del genoma de redes metabólicas sin brechas para especies actuales y ancestrales". PLOS Computational Biology . 10 (2): e1003465. Bibcode :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 de todo el genoma de Trichoderma reesei construido mediante reconstrucción comparativa". Biotechnology for Biofuels . 9 : 252. doi : 10.1186/s13068-016-0665-0 . PMC 5117618 . PMID  27895706. 
  24. ^ ab Ivanova N, Lykidis A (2009). "Reconstrucción metabólica". (3.ª ed.). págs. 607–621. doi :10.1016/B978-012373944-5.00010-9. ISBN 9780123739445. {{cite book}}: |journal=ignorado ( ayuda ) ; faltante o vacío |title=( ayuda )
  25. ^ Linster CL, Van Schaftingen E, Hanson AD (febrero de 2013). "Daños de metabolitos y su reparación o prevención". Nature Chemical Biology . 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). "Daños por metabolitos y control de daños por 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 vías 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). "Restricción de la relación metabólica genotipo-fenotipo mediante una filogenia de métodos in silico". Nature Reviews. Microbiology . 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 redes de la regulación metabólica en los glóbulos rojos humanos". Journal of Theoretical Biology . 225 (2): 185–194. Bibcode :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 las vías y participación en la reacción en redes metabólicas a escala del genoma". Genome Research . 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 las vías metabólicas útil para la organización sistemática y el análisis de redes metabólicas complejas". Nature Biotechnology . 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 la funcionalidad y la regulación". Nature . 420 (6912): 190–193. Bibcode :2002Natur.420..190S. doi :10.1038/nature01166. PMID  12432396. S2CID  4301741.
  34. ^ Ullah E, Aeron S, Hassoun S (2015). "gEFM: Un algoritmo para calcular modos de flujo elementales mediante recorrido de grafos". 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 de estado estable de redes metabólicas". Matemáticas Aplicadas Discretas . 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". BMC Systems Biology . 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". BMC Systems Biology . 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". Biophysical Journal . 91 (6): 2304–2311. Bibcode :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, et al. (enero de 2010). "El paisaje genético de una célula". Science . 327 (5964): 425–431. Bibcode :2010Sci...327..425C. doi :10.1126/science.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 del genoma". Journal of Bacteriology . 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 de chasis". BMC Bioinformatics . 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". MicrobiologyOpen . 11 (5): e1328. doi :10.1002/mbo3.1328. PMC 9597258 . PMID  36314754. 

Lectura adicional

  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 análisis y descubrimiento del genoma ERGO. Nucleic Acids Res. 31(1):164-71
  2. Whitaker, JW, Letunic, I., McConkey, GA y Westhead, DR metaTIGER: un recurso sobre evolución metabólica. Nucleic Acids Res. 2009 37: D531-8.
  • ES DECIR
  • Base de datos genética
  • BARRIL
  • PathCase Caso Universidad Western Reserve
  • BRENDA
  • BioCyc y Cyclone: ​​proporciona una API Java de código abierto para la herramienta de ruta BioCyc para extraer gráficos metabólicos.
  • EcoCiclo
  • MetaCiclo
  • SEMILLA
  • ModeloSEED
  • ENZIMA
  • Herramientas y software de bioinformática del SBRI
  • Tigre
  • Herramientas de Pathway
  • metaTIGRE
  • Recursos genómicos de Stanford
  • Herramienta de búsqueda de caminos
  • IMG El sistema de Genomas Microbianos Integrados, para el análisis del genoma por parte del DOE-JGI.
  • Grupo de Análisis, Modelado y Predicción de Sistemas de la Universidad de Oxford, Técnicas de inferencia de vías de reacción bioquímica.
  • efmtool proporcionado por Marco Terzer
  • Exprimidor SBML
  • Analizador Cellnet de Klamt y von Kamp
  • Copasi
  • gEFM Una herramienta basada en gráficos para el cálculo de EFM
Obtenido de "https://es.wikipedia.org/w/index.php?title=Modelado_de_redes_metabólicas&oldid=1194529403"