Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/19701
Título: | Systems analysis and metabolic network modeling in Escherichia coli |
Outro(s) título(s): | Análise de sistemas e modelação de redes metabólicas em Escherichia coli |
Autor(es): | Costa, Rafael S. |
Orientador(es): | Ferreira, Eugénio C. Rocha, I. |
Data: | 21-Dez-2011 |
Resumo(s): | Complex biological processes are usually described as networks of interactions
between different cellular molecules. The availability of genome sequences for many
microorganisms has allowed the development of various stoichiometric models.
However, while capturing most stoichiometric effects, those models cannot be used
for simulations of the dynamic behaviour, due to the lack of kinetic information. In
contrast, dynamic models are built using detailed kinetic rate laws and their
respective rate constants. Despite the increased interest in detailed kinetic models, a
number of challenges frustrate the building and utilization of such models.
This PhD study focuses on the development of mathematical kinetic models and in
the use of such models for the analysis of metabolic networks. In addition, the work
described in this document proposes novel computational solutions for several issues
pertaining to complex metabolic kinetic modeling. The applicability of these
approaches is demonstrated in Escherichia coli to understand the cellular metabolism,
with potential applications in metabolic engineering. E. coli is the most well-known
microorganism and is also the organism of choice for the production of many
recombinant proteins with high therapeutic value, as well as several important
chemicals. First, a critical perspective on the limited availability of kinetic information for
metabolic modeling is presented. This provides clues that will hopefully contribute to
the construction of accurate metabolic kinetic models by the systems biology
community in the close future.
Due to the lack of kinetic data, dynamic models are currently limited to tens of
reactions. Such limitations may be overcome by using simplistic approximate kinetic
mechanisms. Some modeling approaches derived from assuming approximate
kinetics, such as generalized mass-action, convenience kinetics, power-law and linlog
were compared to a detailed reference model of the central carbon metabolism of
E. coli. The results obtained suggest that the lin-log kinetics presents the best
performance for large-scale metabolic networks among the various approximate
kinetics studied. High-throughput proteomics data provide key information into the regulation of
metabolic fluxes. This issue was explored in the third part of the work in the context
of mechanistic and approximate kinetic models of E. coli central metabolism. By
coupling experiments and modeling, experimental proteomic data for different
knockout experiments was included in the models and used to predict metabolic flux
distributions. The results suggest that the prediction accuracy of the models can be
improved by integration of these proteomic data.
In a subsequent study, a new computational approach for setting up a large-scale and
even genome-scale kinetic model was also investigated. The proposed approach
consists in a model based on approximate lin-log kinetics, constraint based method
and a priori model reduction. The functioning and applicability of this method was
tested for a core E. coli genome-scale model. The results suggest that there are good
prospects for building kinetic genome-scale models using this approach.
Finally, the usefulness of experimental design techniques base on global sensitivity
analysis and the Hessian matrix for parameter estimation on complex large-scale
metabolic models was demonstrated.
By proposing alternative solutions for several issues pertaining to complex metabolic
network modeling, ranging from new modeling strategies to experimental design
methods, the work described in this thesis aims at obtaining a deeper knowledge of
complex kinetic modeling for E. coli, hence contributing for a better understanding of
this economically important organism. Os processos biológicos complexos são geralmente descritos como redes de interacções entre diferentes moléculas celulares. Por outro lado, a disponibilidade de sequências genómicas de vários organismos tem permitido o desenvolvimento de vários modelos estequiométricos. Contudo, estes modelos, embora capturando a maioria dos efeitos estequiométricos, não podem ser usados para simulações dinâmicas, devido à falta de informação cinética. Em alternativa, os modelos dinâmicos podem ser construídos usando leis cinéticas detalhadas e as respectivas constantes cinéticas. Apesar do aumento de interesse em modelos cinéticos detalhados, o elevado número de desafios ainda existentes leva a limitações na construção desses modelos. Esta tese foca-se no desenvolvimento de modelos matemáticos cinéticos e na sua utilização para a análise de redes do metabolismo. Além disso, o trabalho descrito nesta tese propõe soluções computacionais novas para vários assuntos pertinentes à modelação cinética de redes metabólicas complexas. A aplicabilidade destes métodos é demonstrada na rede metabólica da Escherichia coli com o objectivo de melhorar o entendimento do metabolismo celular, com aplicações potenciais em engenharia metabólica. A E. coli é o microrganismo mais conhecido actualmente e é também o organismo escolhido para a produção de muitas proteínas recombinantes com elevado valor terapêutico, bem como de vários produtos químicos de interesse. Inicialmente, é apresentada uma perspectiva crítica da disponibilidade limitada de informação cinética para a modelação metabólica. Esta análise fornece pistas para permitir à comunidade de biologia de sistemas construir com precisão modelos cinéticos metabólicos num futuro próximo. Devido à falta de dados cinéticos, os modelos dinâmicos são atualmente limitados a dezenas de reacções. Essas limitações podem ser ultrapassadas usando mecanismos cinéticos aproximados. Alguns métodos de modelação, derivados de suposições de cinéticas aproximadas, tais como, “generalized mass-action”, “convenience kinetics kinetics”, “lin-log” e “power-law” foram comparados com um modelo de referência detalhado do metabolismo do carbono central da E. coli. Os resultados obtidos sugerem que as cinéticas “lin-log” apresentam um desempenho melhor entre as várias cinéticas aproximadas estudadas para redes metabólicas de larga escala. Dados proteómicos fornecem informação chave para a compreensão da regulação dos fluxos metabólicos. Este tópico foi explorado na terceira parte da tese no contexto de um modelo cinético mecanístico e um modelo aproximado do metabolismo central da E. coli. Através da combinação de experiências e modelação, foram integrados no modelo vários dados de proteómica ralativos a diferentes experiências de mutantes para prever a distribuição dos fluxos metabólicos. Os resultados sugerem que a precisão da previsão dos modelos pode ser melhorada por integração destes dados proteómicos. Num estudo posterior, foi também estudada uma nova abordagem computacional para a construção de modelos cinéticos de grande escala e mesmo à escala genómica. O método alternativo inclui um modelo baseado em cinéticas aproximadas “lin-log”, um método baseado em restrições e uma redução do modelo a priori. O funcionamento e aplicabilidade deste método foram testados para um modelo “core” da E. coli à escala genómica. Os resultados sugerem que há boas perspectivas para a construção de modelos cinéticos à escala genómica usando esta abordagem. Finalmente, foi demonstrada a utilidade das técnicas de desenho experimental baseadas em análise de sensibilidade global e na matriz Hessiana para a estimação de parâmetros em modelos metabólicos complexos de larga escala. Ao propor soluções alternativas para diversas questões relativas à modelação de redes metabólicas, que vão desde novas estratégias de modelação a métodos de desenho experimental, o trabalho descrito nesta tese visa obter um conhecimento mais profundo da modelação cinética da E. coli, contribuindo assim para um melhor entendimento deste organismo economicamente importante. |
Tipo: | Tese de doutoramento |
Descrição: | Tese de doutoramento em Engenharia Química e Biológica |
URI: | https://hdl.handle.net/1822/19701 |
Acesso: | Acesso restrito UMinho |
Aparece nas coleções: |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Thesis_final.pdf Acesso restrito! | 7,12 MB | Adobe PDF | Ver/Abrir |