マルチフェノタイプとアンサンブルモデルを使用して,Escherichia coliの鉄と酸化ストレス反応を理解する

科学分野:

• 微生物学とシステム生物学
• 計算生物学とバイオインフォマティクス
• バイオフィジックス 生物物理学

背景:

• バクテリアの生存は,ダイナミックで複数の環境的ストレス要因の管理に依存しています.
• 既存の予測モデルでは,マルチフェノタイプ細菌の反応に苦労しています.
• 抗生物質耐性細菌に対する新しい抗菌剤戦略の開発には,正確なモデリングが不可欠です.

研究 の 目的:

• *Escherichia coli* (E. coli) の複数のストレス反応を予測するためのメカニズム的なin-silicoモデルを開発する.
• 鉄の制限と酸化ストレスが併せて作用するフェノタイプの動態を特徴づける.
• バクテリアの反応モデルの精度と強さを向上させるため.

主な方法:

• *E. coli* K12における鉄と酸化ストレス反応ネットワークをモデル化するために,通常の微分方程式のシステムを開発した.
• マルチメジャー経験データ,感度分析,連続パラメータ推定,アンサンブルモデリングを統合したマルチフェノタイプパラメータ化スキームを適用しました.
• 20のストレス反応カテゴリーの実験データセットに対してモデルの精度を検証した.

主要な成果:

• *E. coli*のストレス反応を予測する93%の精度を達成し,従来の単一フェノタイプモデル (80-87%) を上回った.
• マルチフェノタイプ最適化により,パラメータの識別性が向上し,重尾分布が減少しました.
• シミュレーションにより,鉄が豊富な環境での適度な過酸化ストレスが,E. coli*のバクテリオスタティック現象型を誘発することを明らかにしました.

結論:

• 開発されたin-silicoモデルは,複数のストレス要因に対するE. coliのダイナミックな反応を正確に予測します.
• マルチフェノタイプパラメータ化アプローチは,モデルの強度と予測力を高めます.
• 複数のフェノタイプから集積されたデータは,バクテリアモデリングにおける十分に制限されたパラメータ推定と信頼性の高い予測に不可欠です.