16871

16871

آناليز ديناميك فلاكس هاي متابوليكي

كارشناسي ارشد

بيوتكنولوژي

آبان 1395

دكتر فرشته نعيم پور

مهندسي شيمي، نفت و گاز

در دهه‌هاي اخير بهبود عملكرد سيستم‌هاي زيستي با استفاده از مدل‌هاي متابوليكي حاوي جزئيات متابوليسم سلولي امكان‌پذير شده است. در اين پژوهش با استفاده از شبكه متابوليكي مقياس ژنوم iJO1366 شامل 1366 ژن، 2251 واكنش متابوليكي و 1136 متابوليت منحصربه‌فرد براي باكتري اشرشياكولاي (باسيل گرم منفي، بي‌هوازي اختياري و قادر به توليد طيف متنوعي از محصولات به‌عنوان ميكروارگانيسم نمونه)، مدل‌سازي رشد و توليد محصول بر اساس آناليز ديناميك فلاكس‌هاي متابوليكي انجام شد. مدل با بهره‌گيري از نرم‌افزار Matlab و با استفاده از سيستم نشانه‌گذاري زيست‌شناسي سامانه‌اي (SBML) و همچنين با به‌كارگيري مجموعه نرم‌افزارهاي TOOLBOXCOBRA و GLPK (حل‌كننده برنامه‌ريزي خطي GNU) حل شد. آزمايش‌هاي رايانه‌اي با استفاده از داده‌هاي تجربي ارائه‌شده در مقالات، براي محيط كشت‌هايي با منبع كربني گلوكز يا استات در شرايط هوازي يا بي‌هوازي و براي سويه وحشي باكتري اي‌كولاي و سويه‌هاي با حذف ژن‌هاي acs،pta يا ldhA انجام شد و نتايج ديناميك فلاكس‌ها با نتايج تجربي مقايسه شد. براي بررسي صحت مدل در چندين مورد نتايج استاتيكي به‌دست‌آمده نيز با نتايج تجربي مقايسه شد. نتايج شبيه‌سازي‌ها نشان داد كه علي‌رغم وجود تفاوت بين مقادير تجربي و پيش‌بيني شده در تمام موارد روند تغييرات غلظت‌هاي توده سلولي و محصولات با زمان با نتايج تجربي مطابقت دارد. منبع كربني گلوكز نسبت به استات در تمامي موارد منجر به مقادير محاسبه‌شده بيشتري شده است. در شرايط هوازي نسبت به بي‌هوازي در تمام موارد مصرف گلوكز بسيار سريع‌تر بوده و رشد سلولي و بيشينه توليد زيست‌توده نيز بيشتر است. اتانول، فورمات و استات در كليه آزمايش‌ها به‌عنوان محصول توليد شده است درحالي‌كه در آزمايش‌هاي بي‌هوازي، ساكسينات نيز به‌عنوان محصول اضافي توسط مدل پيش‌بيني‌شده است كه با نتايج تجربي هم‌خواني دارد. حذف ژن‌هاي acs و pta بر مقدار زيست‌توده دركشت هوازي بر روي گلوكز و استات تأثيرگذار بود درحالي‌كه تأثير چنداني بر زمان رسيدن به بيشينه زيست‌توده نداشت. با توجه به توفيق مدل مذكور در پيش‌بيني روند توليد زيست‌توده و محصولات، مي‌توان از آناليز فلاكس ديناميكي براي پيش‌بيني روند رفتاري ديگر باكتري‌ها نيز استفاده نمود. واژه‌هاي كليدي: آناليز ديناميك فلاكس متابوليكي، مدل متابوليكي مقياس ژنوم، حذف ژن، اشرشياكولاي.

1395/12/02

1/1/1900 12:00:00 AM

In recent decades, performance of biosystems has been enhanced using metabolic models which provide the details of cellular metabolism. In this study, iJO1366 genome-scale metabolic network including1366 genes, 2251 metabolic reactions, an​d 1136 unique metaboliteswas used to model growth an​d product formation of Escherichia coli (a gram-negative, facultative anaerobic bacteria capable of producing a diverse range of products as model microorganism) using dynamic metabolic flux analysis (dMFA). Previous experimental data with glucose and/or acetate as carbon sources obtained under aerobic and/or anaerobic conditions were used for dMFA. Model was solved using MATLAB software, the Systems Biology Markup Language (SBML) an​d also a set of Cobra Toolbox an​d GLPK (GNU Linear Programming Kit). Computer experiments were performed to obtain the time courses of growth an​d product formationfor wild-type E.coli an​d mutants of acs, ptaorldhA genedeletion based on dMFA an​d to compare the estimated an​d experimental results. In some cases, conventional static MFA was also applied to check the model validity. Results showed that despite the differences observed between the time courses of experimental an​d predicted concentrations of biomass an​d products, the trends of concentrations were in good agreement with experimental results. Using glucose compared to acetate as carbon source in all cases resulted in higher concentrations. Higher glucose consumption an​d hence cellular growth were obtained under aerobic compared to anaerobic condition. Formation of ethanol, formate, an​d acetate was predicted as products in all computer experiments while succinate formation was only observed under anaerobic condition, which is consistent with experimental results. Deletions of acs an​d pta genes adversely affected aerobic cell growth on both glucose an​d acetate while it had insignificant effect on the time of maximum biomass concentration. Successful predictions of trends of biomass an​d product formation with time using dMFA can have generic application for prediction of dynamic behavior of other bacteria. Keywords: Dynamic metabolic flux analysis (dMFA), Genome-scale metabolic models, Gene deletion, Escherichia coli.