在不同的数据质量条件下,评估代谢途径中生物化学调节网络的结构不确定性
1School of Chemical & Biomolecular Engineering, Georgia Institute of Technology, 311 Ferst Dr NW, Atlanta, GA, 30332-0100, USA.
使用普通微分方程 (ODE) 模型准确识别代谢调节网络对于简单的途径是可行的. 然而,复杂的反应和有限的数据增加了ODE模型开发的不确定性.
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:
- 普通微分方程 (ODE) 模型对于理解代谢途径动态至关重要.
- 对代谢物反应率控制的有限知识和数据的可用性阻碍了监管网络的识别.
- 代谢网络的计算建模需要准确的动力参数估计.
研究的目的:
- 通过ODE模型和生化系统理论 (BST) 动力学来评估识别代谢调节网络的可行性.
- 确定数据质量 (采样率,噪声,不完整性) 对网络识别准确性的影响.
- 确定影响已识别的监管网络结构不确定性的因素.
主要方法:
- 利用来自代谢途径的网络图案作为计算分析的简化测试台.
- 采用生化系统理论 (BST) 动力学来将候选ODE模型与模拟数据相匹配.
- 数据质量不同,包括采样率,噪音水平和代谢物概况的完整性.
主要成果:
- 对于简单的分支模式,即使缺少代谢物数据,也可以准确识别监管网络.
- 复杂性增加,例如双基质双产品反应或比代谢物更多的流量,极大地挑战了网络识别.
- 更高的代谢物度和更强的调节相互作用与已识别的网络中的结构不确定性降低相关.
- 数据质量因素,如采样率,噪声和不完整性,直接影响网络结构确定中的不确定性.
结论:
- 基于网络拓和数据质量,可以预测代谢调节网络的可识别性.
- 了解这些因素有助于制定策略,以减轻动力模型开发中的识别性问题.
- 这项工作为评估代谢调节机制计算预测的可靠性提供了一个框架.
更多相关视频
07:11Author Spotlight: Emerging Technologies and Advanced Tools for Decoding Metabolomics Data Analysis
Published on: November 10, 2023
10:44Inherent Dynamics Visualizer, an Interactive Application for Evaluating and Visualizing Outputs from a Gene Regulatory Network Inference Pipeline
Published on: December 7, 2021
相关概念视频
Mechanistic Models: Compartment Models in Individual and Population Analysis
Covalently Linked Protein Regulators
These groups modify specific amino acids in a protein....
Protein Folding Quality Check in the RER
Regulation of Expression at Multiple Steps
Feedback Inhibition
Ligand Binding and Linkage
