Development of a data integration pipeline for human metabolic models and databases

Abstract

Systems Biology aims to integrate experimental and computational approaches with the purpose of explaining and predicting the organisms' behavior. The development of mathematical models in silico gives us a better in-depth knowledge of their biological mechanism. Bioinformatics tools enabled the integration of a large amount of complex biological data into computer models, but also capable to perform computational simulations with these models, that can predict the organisms' phenotypic behavior in different conditions. Up to date, genome-scale metabolic models (GSMMs) include several metabolic components of an organism. These are related to the metabolic capabilities encoded in the genome. In recent years, multiple GSMMs have been built by several research groups. With the increase in number, of these models, important issues regarding the standardization have arisen, a common problem is the different nomenclatures used by each of the research groups. In this work, the major focus is to address these problems, specifically for the human GSSMs. Therefore, the two most recent human GSMMs were selected to go through a data integration process. Integration strategies of these models most important entities (metabolites and reactions), were defined based on an exhaustive analysis of the models. The broad knowledge of their attributes enabled the creation of effective and efficient integration methods, supported by a core database developed in the local research group. The final result of this work, is a unified repository of the human metabolism. It contains all the metabolites and reactions that were automatically integrated along with some manual curation.

A Biologia de Sistemas pretende integrar abordagens experimentais e computacionais com o objetivo de explicar e prever o comportamento dos organismos. O desenvolvimento in silico de modelos matemáticos permite atingir um conhecimento mais aprofundado dos seus mecanismos biológicos. Através de ferramentas Bioinformáticas é possível integrar uma grande quantidade de dados complexos nestes modelos computadorizados, assim como, realizar simulações computacionais que permitem prever o comportamento fenotípico dos organismos em diferentes condições ambientais. Até à data, os Modelos Metabólicos à Escala Genómica (MMEGs) incluem muitos componentes metabólicos de um organismo, relacionando a codificação do seu genoma com as suas capacidades metabólicas. Nos últimos anos, têm sido construídos vários MMEGs, por diferentes grupos de investigação. Com o crescente surgimento destes, tem-se denotado grandes falhas ao nível da padronização, uma vez que são utilizadas diferentes nomenclaturas por cada grupo de investigação. Neste trabalho, pretende-se colmatar essas falhas especificamente para os MMEGs humanos. Deste modo, foram selecionados os dois MMEGs humanos mais recentes, para passarem por um processo de integração de dados. As estratégias de integração das entidades mais importantes destes modelos (os metabolitos e as reações) foram definidas com base numa análise exaustiva dos modelos. O conhecimento dos atributos destes permitiu construir métodos eficientes e eficazes, tendo como núcleo uma base de dados desenvolvida no grupo de acolhimento. O resultado final deste trabalho é um repositório unificado do metabolismo humano. Neste, estão contidos todos os metabolitos e reações que foram integrados automaticamente, com alguma verificação manual.