Một số phương pháp phân tích trong mạng trao đổi chất Đặng Cao Cường Trường Đại học Công nghệ Luận văn ThS chuyên ngành: Khoa học máy tính; Mã số: 60 48 01 Người hướng dẫn: PGS.TS. Hoàng Xuân Huấn Năm bảo vệ: 2008 Abstract: Giới thiệu quá trình chuyển hóa chất của sinh vật và mạng trao đổi chất - một mô hình toán học để nghiên cứu quá trình trao đổi chất. Giới thiệu về quy hoạch tuyến tính và quy hoạch bậc hai, cơ sở toán học chính cho các phương pháp phân tích cân bằng (FBA), tối thiểu hóa quá trình trao đổi chất (MOMA). Trình bày cụ thể về mạng trao đổi chất của vi khuẩn E.coli, phương pháp xây dựng mạng từ các dữ liệu thực nghiệm. Nêu ra các phương pháp phân tích mạng trao đổi chất chủ yếu là phân tích với dạng wild-type (dạng tự nhiên) và phân tích với dạng đột biến (bị xóa bỏ gen). Đưa ra bài toán cụ thể và phương pháp FBA/MOMA cải tiến. Xây dựng hệ thống phần mềm FLUXOR để nghiên cứu các hệ thống sinh học sử dụng phương pháp FBA/MOMA. Keywords: Công nghệ thông tin; Hệ thống sinh học; Mạng sinh học; Mạng trao đổi chất Content MỞ ĐẦU Nghiên cứu mạng trao đổi chất đã thu hút nhiều sự quan tâm trong những năm gần đây [4- 10]. Phần lớn nghiên cứu tập trung vào việc xây dựng các mô hình toán học của quá trình trao đổi chất trong tế bào. Ở đây chúng tôi tập trung vào các phương pháp phân tích dòng (flux) sử dụng mô hình dựa trên các ràng buộc và trạng thái ổn định. Mô hình này sử dụng các ràng buộc ở nhiều dạng như ma trận hệ số cân bằng phương trình hoá học, hệ số cân bằng nhiệt động lực học, công suất dòng, bảo toàn năng lượng và một số ràng buộc khác để hạn chế không gian phân phối dòng có thể của mạng trao đổi chất. Dựa trên giả thuyết trong sinh học về các sinh vật không nhân như Escherichia coli thường phát triển tối đa trong quá trình tiến hoá, phương pháp Phân tích cân bằng dòng (Flux Balance Analysis - FBA) dự đoán các phân phối dòng trao đổi chất ở trạng thái ổn định bằng phương pháp quy hoạch tuyến tính. Với giả sử hoạt động của mạng đạt trạng thái tối ưu chúng ta có thể tìm ra một phân phối dòng tối ưu của mạng. Ngoài ra hiện có rất nhiều điều kiện tối ưu khác có thể được áp dụng như tối ưu sản xuất một hợp chất nhất định, tối ưu năng lượng sử dụng. Các điều kiện này đều có cùng mục tiêu là để đạt được ý nghĩa sinh học khi xác định trạng thái trao đổi chất của cơ thể. FBA là một phương pháp dựa trên ràng buộc cụ thể đã thành công trong việc dự đoán tốc độ phát triển, tốc độ hấp thu và bài tiết của tế bào ở dạng nguyên thuỷ. Tuy nhiên với các dạng đột biến thì phương pháp FBA tỏ ra không hiệu quả và chính xác. Vì vậy một phương pháp khác được dùng trong trường hợp này là Tối thiểu hoá điều chỉnh trao đổi chất (Minimization Of Metabolic Adjustment – MOMA) – phương pháp này sử dụng quy hoạch bậc hai. Phương pháp MOMA cho thấy ưu điểm về tính chính xác so với phương pháp FBA trong dự đoán các trường hợp đột biến. Luận văn đưa ra và kiểm chứng một giả thuyết mới, đó là trường hợp hai chuỗi gen bị xoá bỏ có thứ tự khác nhau có thể dẫn đến các trạng thái khác nhau của sinh vật như tiếp tục tồn tại hoặc bị diệt vong. Giả thuyết của chúng tôi có ý nghĩa quan trọng trong sinh học vì từ đó giúp chúng ta thay đổi cách nghĩ truyền thống trong sinh học khi bỏ qua các đặc tính bất đối xứng nảy sinh từ thứ tự của các đột biến. Để kiểm chứng giả thuyết chúng tôi sử dụng mô hình mạng trao đổi chất mới nhất JR904 của vi khuẩn Escherichia coli và các phương pháp FBA, MOMA để tìm kiếm các chuỗi gen có tính không giao hoán như đã mô tả. Chúng tôi đã tìm ra một số chuỗi gen có tính chất trên chứng tỏ giả thuyết đưa ra là có ý nghĩa và cơ sở khoa học. Ngoài ra trong quá trình sử dụng FBA, chúng tôi phát hiện một nhược điểm của phương pháp FBA hiện tại là các dòng trao đổi chất có những giá trị quá lớn (cỡ 10.000) – không mang tính sinh học và có thể dẫn đến các kết quả không chính xác khi dùng cho MOMA. Vì vậy luận văn đề xuất một cải tiến cho FBA để tăng cường tính chính xác cũng như ý nghĩa sinh học của các kết quả dự đoán. Ưu điểm của phương pháp đề xuất được kiểm chứng bằng kết quả thực nghiệm trên mô hình mạng trao đổi chất mới nhất JR904 của E. coli. Cuối cùng chúng tôi phát triển một hệ thống phần mềm mã nguồn mở để phục vụ cho quá trình nghiên cứu này. Hệ thống phân mềm này giúp giải phóng các nhà sinh học khỏi những tính toán phức tạp để tập trung vào vấn đề thực sự cần quan tâm, nghiên cứu. Các kết quả nghiên cứu được công bố trong hai báo cáo khoa học ở Hội nghị quốc tế PRICAI 2008 và Hội thảo quốc gia CNTT, Huế 2008 (xem [3], [1]). Ngoài phần kết luận, luận văn được trình bày như sau : Chương 1 : Quá trình trao đổi chất và mạng trao đổi chất Giới thiệu quá trình chuyển hoá chất của sinh vật và mạng trao đổi chất - một mô hình toán học để nghiên cứu quá trình trao đổi chất. Chương 2 : Cơ sở toán học Giới thiệu về quy hoạch tuyến tính và quy hoạch bậc hai, cơ sở toán học chính cho các phương pháp FBA, MOMA. Chương 3 : Mạng trao đổi chất của E. coli Trong chương này, chúng tôi giơ ́ i thiê ̣ u về mạng trao đổi chất của vi khuẩn E. coli, phương pha ́ p xây dựng mạng từ các dữ liệu thực nghiệm. Chương 4 : Các phương pháp phân tích mạng trao đổi chất Chương này giới thiệu mô hình toán học của các phương pháp FBA, MOMA, ROOM. Chương 5 : Bài toán cụ thể và phương pháp tiếp cận Trong chương này, chúng tôi trình bày cụ thể bài toán, các vấn đề phát sinh trong quá trình thực hiện cũng như đề xuất các cải tiến để giải quyết các vấn đề đó. Chương 6 : Kết quả và đánh giá Chương na ̀ y trình bày và đánh giá các kết quả đạt được. References Tiếng Việt 1. Đặng Cao Cường, Nguyễn Trung Thông, Hoàng Xuân Huấn (2008), “Một số phương pháp phân tích mạng trao đổi chất sinh học”, Hội thảo quốc gia CNTT, Huế 2008. 2. PGS.TS. Trần Minh Tâm, “Trao đổi chất và sự chuyển hóa năng lượng”, Báo Thực phẩm & Đời sống. Tiếng Anh 3. Dat H. Nguyen, Cuong Cao Dang (2008), “Biological Non-Commutativity Operating Paradigm In E. coli Metabolic Network”, Proceeding of The 2008 Pacific Rim International Conferences on Artificial Intelligence (PRICAI 2008). 4. Daniel Segre, Dennis Vitkup, and George M. Church (2002), “Analysis of optimality in natural and perturbed metabolic networks”, PNAS, vol. 99. 5. Karthik Raman, Preethi Rajagopalan, Nagasuma Chandra (2005), “Flux Balance Analysis of Mycolic Acid Pathway: Targets for Anti-Tubercular Drugs”, PLoS Computational Biology, Vol. 1, No. 5. 6. Kenethh et al (2003), “Advances in flux balance analysis”, Current Opinion in Biotechnology, pp. 14(5):491-6. 7. Tomer Shlomi, Omer Berkman and Eytan Ruppin (2004), “Constraint-Based Modeling of Perturbed Organisms A ROOM for improvement”, ISMB. 8. Tomer Shlomi, Omer Berkman, and Eytan Ruppin (2005), “Regulatory on off minimization of metabolic flux changes after genetic perturbations”, PNAS, vol. 102 no. 21, pp. 7695-7700. 9. Edwards, J. S. & Palsson, B. O (1998). “How will bioinformatics influence metabolic engineering?”, Biotechnol Bioeng vol. 58, pp. 162-9. 10. Bailey, J. E (2001). “Complex biology with no parameters”, Nat Biotechnol, Vol. 19, pp. 503-4. 11. Varma, A., Boesch, B. W. & Palsson, B. O (1993), “Stoichiometric interpretation of Escherichia coli glucose”, Appl Environ Microbiol, Vol. 59, No. 8, pp. 2465-2473. 12. Reed, J., Vo, T., Schilling, C. & Palsson, B (2003),” An expanded genome-scale model of Escherichia coli K-12 (iJR904 GSM/GPR)”, Genome Biology, Vol. 4, R54. 13. Gertz, E. M. & Wright, S. J (2003), “Object-Oriented Software for Quadratic Programming”, ACM Transactions on Mathematical Software, vol. 29, pp. 58-81. 14. Karmarkar, N (1984), “A New Polynomial-Time Algorithm for Linear Programming”, Combinatorica, vol. 4, pp. 373-395. 15. Hucka, M. et al. (2003), ”The systems biology markup language (SBML): a medium for representation and exchange of biochemical network models”, Bioinformatics, Vol. 19, pp. 524-531. 16. Daniel Segrè, Jeremy Zucker, Jeremy Katz, Xiaoxia Lin, Patrik D’haeseleer, Wayne P. Rindone, Peter Kharchenko, Dat H. Nguyen, Matthew A. Wright and George M. Church (2003), “From annotated genomes to metabolic flux models and kinetic parameter fitting”, Omics, Vol. 7, pp. 301. 17. Emmerling, M., Dauner, M., Ponti, A., Fiaux, J., Hochuli, M., Szyperski, T., Wuthrich, K., Bailey, J. E. & Sauer , U. (2002), “Metabolic flux responses to pyruvate kinase knockout in Escherichia coli”, J. Bacteriol, Vol. 184, pp. 152–164. 18. Neidhardt, F. C. (1996), Escherichia coli and Salmonella: cellular and molecular biology, ASM Press, Washington, D.C. 19. Bono, H., Ogata, H., Goto, S. & Kanehisa, M. (1998), “Reconstruction of amino acid biosynthesis pathways from the complete genome sequence”, Genome Research, Vol. 8, 203. 20. Selkov, E., Maltsev, N., Olsen, G. J., Overbeek, R. & Whitman, W. B. (1997), “A reconstruction of the metabolism of Methanococcus jannaschii from sequence data”, Gene, Vol. 197, GC11-26. 21. Covert, M. W. et al. (2001), “Metabolic Modeling of Microbial Strains in silico”, Trends in Biochemical Sciences. 22. Karp, P. D., Riley, M., Paley, S. M., Pellegrini-Toole, A. & Krummenacker, M. (1998), “EcoCyc: Encyclopedia of Escherichia coli genes and metabolism”, Nucleic Acids Research, Vol. 26, pp. 50. 23. Selkov, E., Jr., Grechkin, Y., Mikhailova, N. & Selkov, E. (1998), “MPW: the Metabolic Pathways Database”, Nucleic Acids Research, Vol. 26, pp. 43. 24. Kanehisa, M (1997), “A database for post-genome analysis”, Trends in Genetics, Vol. 13, pp. 375-381. 25. Overbeek, R., Larsen, N., Smith, W., Maltsev, N. & Selkov, E. (1997), “Representation of function: the next step”, Gene, Vol. 191, GC1-GC9. 26. Selkov, E. et al. (1996), “The metabolic pathway collection from EMP: the enzymes and metabolic pathways database”, Nucleic Acids Re, Vol. 24, pp. 26-34. 27. EP Gianchandani, MA Oberhardt, AP Burgard, CD Maranas, JA Papin, (2008), “Predicting biological system objectives de novo from internal state measurements”, BMC bioinformatics, Vol. 9. 28. Weng, G., Bhalla, U. S. & Iyengar, R. (1999), “Complexity in biological signaling systems”, Science, Vol. 284, pp. 92-98. 29. Kanehisa, M. (1998), “Databases of biological information”, Trends Guide to Bioinformatics, Vol. 24-26. 30. Palsson, B. O. (1997), “What lies beyond bioinformatics?”, Nature Biotechnology, Vol. 15, pp. 3-4. 31. Hess, B. & Boiteux, A. (1968), “Oscillatory organization in cells, a dynamic theory of cellular control processes”, Hoppe-Seylers Zeitschrift fur Physiologische Chemie, Vol. 349, pp. 1567 - 1574. 32. Tyson, J. J. & Othmer, H. G. (1978), “The dynamics of feedback control circuits in biochemical pathways”, Progress in Theoretical Biology, Vol. 5, pp. 1 - 62. 33. Goodwin, B. C. (1963), “Oscillatory organization in cells, a dynamic theory of cellular control processes”, Academic Press, New York. 34. Savageau, M. A (1969), “Biochemical systems analysis. Some mathematical properties of the rate law for the component enzymatic reactions”, J Theor Biol, Vol. 25, pp. 365-374. 35. Heinrich, R., Rapaport, S. M. & Rapaport, T. A. (1977), “Metabolic regulation and mathematical models”, Progress in Biophysics and Molecular Biology, Vol. 32, pp. 1 - 82. 36. Kacser, H. & Burns, J. A. (1973), “The control of flux”, Symposium for the Society of Experimental Biology, Vol. 27, pp. 65 - 104. 37. Tomita, M. et al. (1999), “E-CELL: software environment for whole-cell simulation”, Bioinformatics, Vol. 15, pp. 72-84. 38. Bonarius, H. P. J., Schmid, G. & Tramper, J. (1997), “Flux analysis of underdetermined metabolic networks: The quest for the missing constraints”, Trends in Biotechnology, Vol. 15, pp. 308-314. 39. Edwards, J. S., Ramakrishna, R., Schilling, C. H. & Palsson, B. O. (1999), “Metabolic Flux Balance Analysis in Metabolic Engineering”, Marcel Deker, pp. pp. 13-57. 40. Edwards, J. S. & Palsson, B. O. (1999), “Systems Properties of the Haemophilus influenzae Rd Metabolic Genotype”, Journal of Biological Chemistry, Vol. 274, pp. 17410-17416. 41. Varma, A. & Palsson, B. O. (1994), “Metabolic Flux Balancing: Basic concepts”, Scientific and Practical Use, Bio/Technology, Vol. 12, pp. 994-998. 42. Sauer, U., Cameron, D. C. & Bailey, J. E. (1998), “Metabolic capacity of Bacillus subtilis for the production of purine nucleosides, riboflavin, and folic acid”, Biotechnology and Bioengineering, Vol. 59, pp. 227-238. 43. Blattner, F. R. et al. (1997), “The complete genome sequence of Escherichia coli K-12”, Science, Vol. 277, pp. 1453. 44. Pramanik, J. & Keasling, J. D. (1997), “Stoichiometric model of Escherichia coli metabolism: Incorporation of growth-rate dependent biomass composition and mechanistic energy requirements”, Biotechnology and Bioengineering, Vol. 56, pp. 398- 421. 45. Varma, A. & Palsson, B. O. (1994), “Stoichiometric flux balance models quantitatively predict growth and metabolic by-product secretion in wild-type Escherichia coli W3110”, Applied and Environmental Microbiology, Vol. 60, pp. 3724-3731. 46. Neidhardt, F. C., Ingraham, J. L. & Schaechter, M. (1990), Physiology of the bacterial cell, Sinauer Associates, Inc., Sunderland, MA. 47. Ingraham, J. L., Maalce, O. & Neidhardt, F. C. (1983), Growth of the bacterial cell, Sinauer associates Inc., Sutherland, Massachusetts. 48. Varma, A. & Palsson, B. O, (1993), “Metabolic capabilities of Escherichia coli: I. Optimal growth patterns”, Journal of Theoretical Biolog, Vol. 165, pp. 503-522. 49. Vallino, J. & Stephanopoulos, G. (1993), “Metabolic Flux Distributions in Corynebacterium glutamicum During Growth and Lysine Overproduction”, Biotechnology and Bioengineering, Vol. 41, 633-646. 50. Jeremy S. Edwards, Rafael U. Ibarra & Bernhard O. Palsson. (2001), “In silico predictions of Escherichia coli metabolic capabilities are consistent with experimental data”, Nature Biotechnology, Vol. 19, pp. 125 - 130. 51. Edwards, J. S., Ramakrishna, R. & Palsson, B. O. (1999), “Characterizing phenotypic plasticity: A phase plane analysis”, Engineering in Medicine and Biology, 1999, 21st Annual Conf. and the 1999 Annual Fall Meeting of the Biomedical Engineering Soc. BMES/EMBS Conference. 52. http://en.wikipedia.org 53. http://www.cgal.org . : Quá trình trao đổi chất và mạng trao đổi chất Giới thiệu quá trình chuyển hoá chất của sinh vật và mạng trao đổi chất - một mô hình toán học để nghiên cứu quá trình trao đổi chất. Chương. ra các phương pháp phân tích mạng trao đổi chất chủ yếu là phân tích với dạng wild-type (dạng tự nhiên) và phân tích với dạng đột biến (bị xóa bỏ gen). Đưa ra bài toán cụ thể và phương pháp FBA/MOMA. cho các phương pháp phân tích cân bằng (FBA), tối thiểu hóa quá trình trao đổi chất (MOMA). Trình bày cụ thể về mạng trao đổi chất của vi khuẩn E.coli, phương pháp xây dựng mạng từ các dữ liệu