文脈特異的トランスクリプトミクスデータを分析することにより、信頼性の高い代謝表現型をモデル化する

科学分野:

• 計算生物学; システム生物学; 代謝モデリング

背景:

• ゲノム規模の代謝モデル（GEM）は細胞代謝に関する洞察を提供しますが、文脈特異的な詳細が欠けていることがよくあります。
• トランスクリプトームデータの統合は、疾患や細胞状態に合わせてGEMを改良するための鍵となります。
• 現在の方法では、文脈依存的な代謝適応を正確に特定することが困難です。

研究 の 目的:

• ジニ係数を使用して遺伝子発現のばらつきを定量化するためのアルゴリズム「Localgini」を導入すること。
• GEMおよびトランスクリプトームデータから正確な文脈特異的モデル（CSM）を構築する方法を開発すること。
• 細胞適応の研究におけるGEMの特異性を向上させること。

主な方法:

• サンプル間の遺伝子発現の不均一性を測定するためにLocalginiアルゴリズムを開発しました。
• NCI-60がん細胞株およびヒト組織のトランスクリプトームデータを使用してCSMを生成するためにLocalginiを適用しました。
• 6つの異なるモデル抽出方法（MeM）と比較してLocalginiを評価しました。

主要な成果:

• LocalginiベースのCSMは、ハウスキーピング機能および既知の代謝経路の表現が改善されていることを実証しました。
• Localginiによって特定されたアクティブな反応セットは、MeMからの最小限のサポートを必要としました。
• Localginiは、同一の遺伝子発現データで生成されたCSMの変動性を複数のMeMにわたって低減しました。

結論:

• Localginiは、遺伝子発現の不均一性を統合することにより、文脈特異的な代謝モデルを構築するための正確なアプローチを提供します。
• このアルゴリズムは、GEMの生物学的関連性と特異性を向上させます。
• Localginiは、さまざまな文脈における細胞代謝のより信頼性の高い計算研究を促進します。