全细胞代谢控制分析分析
Frank J Bruggeman1, Maaike Remeijer1, Maarten Droste2
1Systems Biology Lab, A-LIFE, AIMMS, VU University, Amsterdam, Netherlands.
Bio Systems
|November 4, 2024
概括
代谢控制分析 (MCA) 现在包括全细胞代谢和进化生长率最大化. 这种方法预测了流量控制系数,并揭示了基本流量模式 (EFM) 作为最佳网络,其数量受到增长限制蛋白质度的限制.
科学领域:
- 系统生物学 系统生物学
- 代谢工程是代谢工程.
- 进化生物学 进化生物学
背景情况:
- 代谢控制分析 (MCA) 传统上侧重于酶活性.
- 了解细胞代谢需要从整个细胞和进化角度来看.
- 优化蛋白质度以最大限度地提高生长速度是一个关键的进化驱动因素.
研究的目的:
- 将MCA扩展到整个细胞环境中,考虑进化生长率最大化.
- 预测流量控制系数使用蛋白质组学和石化计建模.
- 研究在最佳细胞状态下基本流量模式 (EFM) 的出现和控制特性.
主要方法:
- 整合蛋白质组学数据和石化模拟.
- 由于资源竞争,将蛋白质度视为相互依赖.
- 在进化优化框架内分析基本流量模式 (EFM).
主要成果:
- 基本流量模式 (EFM) 自然而然地成为最佳代谢网络.
- 表达的EFM的数量取决于限制生长的蛋白质度限制.
- 通过表达与生长无关的蛋白质来修改MCA结果.
- 流量控制系数可以从蛋白质组学和核糖体分析数据中估计.
结论:
- MCA 扩展到以进化最佳状态运行的 EFM.
- 蛋白质组学数据提供了对新陈代谢酶对生长速度控制的全细胞视图.
- 这个框架可以识别跨物种细胞代谢的保存,一般原则.


