MEANtools集成了多种omics数据以识别代谢物和预测生物合成途径

科学领域:

• 植物生物化学和专门的新陈代谢.
• 计算生物学和生物信息学
• 代谢学和转录学.

背景情况:

• 植物产生各种特殊的代谢物,对适应至关重要,但它们的生物合成途径通常是未知的.
• 目前用于途径阐明的方法依赖于基于目标的方法,需要先前的知识.
• 整合基因组学,转录组学和代谢组学提供了潜力,但也面临着挑战.

研究的目的:

• 介绍MEANtools,一种新的,无监督的计算工作流程,用于预测植物新陈代谢途径.
• 为了利用一般的反应规则和代谢结构来发现途径.
• 为了使新生物合成途径的假设生成.

主要方法:

• MEANtools使用了一个系统的,无监督的计算整合式omics工作流.
• 它使用反应规则识别了代谢物和转录物之间的联系,并与相关的丰度相关联.
• 工作流评估了在候选路径中链接转录相关质量特征的反应.

主要成果:

• MEANtools成功地预测了番茄法尔卡林迪醇生物合成途径七个步骤中的五个.
• 该工具确定了其他参与特殊植物新陈代谢的候选途径.
• 验证证明了MEANtools在途径发现中产生假设的潜力.

结论:

• MEANtools在整合多omics数据以阐明生物化学途径方面取得了重大进展.
• 无监督方法克服了基于目标的方法的局限性.
• 这种工具对了解植物代谢及其他方面有广泛的应用.