帕罗特:使用受蛋白制约的代谢模型预测酶丰度
Mauricio Alexander de Moura Ferreira1, Wendel Batista da Silveira1, Zoran Nikoloski2,3
1Department of Microbiology, Federal University of Viçosa, Viçosa, Minas Gerais, Brazil.
最小化酶重新分配,而不是流量,预测细胞通路活动. 在变化的微生物生长条件下,PARROT方法准确地预测了代谢网络中的酶使用情况.
科学领域:
- 系统生物学 系统生物学
- 代谢工程是代谢工程.
- 计算生物学 计算生物学
背景情况:
- 细胞通路活动和生物体的生长从根本上受蛋白质分配的控制.
- 尽管在蛋白质量化方面取得了进展,但预测在代谢网络中特定条件的酶分配仍然是一个重大挑战.
- 预测蛋白质分配的现有方法通常依赖于流量或酶分布原理.
研究的目的:
- 开发一种新的计算框架,PARROT (蛋白质分配再分配优化工具),用于预测代谢网络中的酶分配.
- 评估不同的距离函数,以在不同的生长条件下建模酶重新分配.
- 为了比较PARROT的性能与使用大肠杆菌和细菌菌的现有方法.
主要方法:
- 开发一系列基于约束的方法 (PARROT),利用受蛋白质约束的代谢模型.
- 实施四种PARROT变体,每个变体使用不同的距离函数 (例如曼哈顿距离) 来最小化酶重新分配.
- 对流量和酶节方法进行比较分析,以预测在参考和替代生长条件下酶的使用情况.
主要成果:
- 在酶分配中,最小化曼哈顿距离的PARROT变异显著超过了对大肠杆菌和Saccharomyces cerevisiae的现有方法.
- 流量最小化和酶分配调整的结合导致了不一致的预测,这表明了不同的监管原则.
- 蛋白质分配最小化,而不是流量再分配,似乎是微生物在改变生长条件下的稳定状态通路活性的主要决定因素.
结论:
- 减少蛋白质重新分配是管理不同生长条件下的代谢网络活动的关键原则.
- 帕罗特框架为预测特定条件的酶分配提供了强大而准确的方法.
- 这些发现推动了我们对细胞资源管理的理解,并对代谢工程和合成生物学产生了影响.
更多相关视频
07:26Metabolic Pathway Confirmation and Discovery Through 13C-labeling of Proteinogenic Amino Acids
Published on: January 26, 2012
09:38Single-throughput Complementary High-resolution Analytical Techniques for Characterizing Complex Natural Organic Matter Mixtures
Published on: January 7, 2019
相关概念视频
Operon Model
Mechanistic Models: Compartment Models in Individual and Population Analysis
Physiological Pharmacokinetic Models: Assumption with Protein Binding
Pharmacokinetic Models: Comparison and Selection Criterion
Physiological models take a detailed approach by considering specific molecular processes. They can predict drug distribution, metabolism, and elimination changes, providing a comprehensive understanding of how drugs interact with the body.
Pharmacokinetic Models: Overview
There are three primary types of models: empirical, compartment, and physiological. Empirical models, with minimal...
Mechanistic Models: Overview of Compartment Models
