A computational framework for studying genome-scale regulatory models that combines gene expression data and optimization approaches

Abstract

Given the advances in genome sequence analysis and high-throughput expression data it is now possible to reconstruct genome-scale metabolic models for several organisms. However, the main challenge in the post-genomic era is understanding cell regulatory processes and how these affect the cellular metabolism. Due to the complexity of biological systems, several efforts in regulatory model reconstruction have been performed, using different computational approaches. Recent proposals have been using transcriptomic data to uncover regulatory information in order to combine this knowledge with a genome-scale metabolic model, thus improving its accuracy. Due to the large number of interactions between genes, transcriptional factors and environmental conditions, it is difficult to find good regulatory models for changing environments. Despite the fact there is a large number of predicted interactions from inference methodologies, very few of these interactions have a functional effect on metabolic flux distributions or metabolic pathways. This work focused on the development of computational algorithms for evaluating and integrating relevant regulatory information about existing metabolic models, in order to improve their accuracy in predicting phenotypes. Open-source frameworks were created for the reconstruction of consistent regulatory-metabolic models, and for extracting putative regulatory interactions from experimental datasets. These frameworks comprise methods for phenotype simulation and strain design optimization, based on the integrated models, and biclustering methods for extracting gene interactions under given environmental conditions. Furthermore, a novel strategy relying on grammatical evolution for the reconstruction of transcriptional regulatory models is presented. User-friendly graphical interfaces were also created, in order to help users with no programmatic expertise to use these resources. All the developed features have been analyzed and validated in representative case studies.

Os avanços tecnológicos realizados na sequenciação, análise de genomas e técnicas de expressão de genes, permitiram a reconstrução de modelos metabólicos à escala genómica de vários organismos. Porém, um dos principais desafios na era pós-genómica ´e entender como os processos regulatórios ocorrem dentro das células e como afetam o seu metabolismo. Vários esforços têm vindo a ser realizados na reconstrução de modelos regulatórios, devido á complexidade dos sistemas biológicos, utilizando para isso, diferentes abordagens computacionais. Propostas recentes utilizam dados transcriptómicos de modo a descobrir informação regulatória, combinando esse conhecimento com modelos metabólicos, com o objetivo de os melhorar. Devido às inúmeras interações entre genes, fatores de transcrição e condições ambientais, torna-se difícil criar modelos regulatórios que caracterizem vários estados ambientais. Apesar de já existirem inúmeras interações regulatórias desvendadas por métodos de inferência de redes, apenas algumas têm algum efeito funcional nas distribuições de fluxo e nas reações do modelo metabólico. Este trabalho centrou-se no desenvolvimento de algoritmos computacionais para avaliar e integrar informação regulatória relevante em modelos metabólicos existentes, com o objetivo de melhorá-los a prever fenótipos. Foram criadas ferramentas “open-source” para reconstrução de modelos metabólicos-regulatórios consistentes, e para extrair eventuais interações regulatórias de dados experimentais. Essas ferramentas incluem métodos para simulação de fenótipos e otimização de estirpes, utilizando modelos integrados, e também métodos de biclustering para extração de interações entre genes em determinadas condições ambientais. Além disso, é apresentada uma nova estratégia baseada em evolução gramatical para reconstrução de modelos regulatórios. Foram também implementadas interfaces gráficas intuitivas, e todas as funcionalidades desenvolvidas foram analisadas e validadas com vários casos de estudo.