Zur Seitenansicht
 

Titelaufnahme

Titel
Thermodynamic metabolic pathway analyses : efficient calculation of biologically feasible elementary flux modes / submitted by Matthias P. Gerstl
VerfasserGerstl, Matthias Peter
Begutachter / BegutachterinSchuster, Stefan ; Oostenbrink, Chris ; Mattanovich, Diethard
GutachterRüker, Florian ; Mattanovich, Diethard
Erschienen2015
UmfangVIII, 81 S.
HochschulschriftWien, Univ. für Bodenkultur, Diss., 2015
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (DE)Metabolisches Netzwerk / Elementare Flussmoden / Thermodynamik / Stoffwechselweg
Schlagwörter (EN)metabolic network / elementary flux mode / thermodynamic / metabolic pathway
Schlagwörter (GND)Thermodynamik / Stoffwechselweg
URNurn:nbn:at:at-ubbw:1-19937 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Thermodynamic metabolic pathway analyses [13.56 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Elementare Flussmoden (EFMs) sind unteilbare Stoffwechselwege in einem metabolischen Netzwerk, die sich in einem stabilen Zustand befinden. Sie können für die Analyse des Netzwerks, zum besseren Verständnis oder auch zur Optimierung eines Organismus für biotechnologische Anwendungen verwendet werden. EFMs liefern einen unverzerrten Blick auf das Netzwerk. Dieser Blick hat aber den Preis von hohen Hardwareanforderungen während der Berechnung, da die Anzahl der EFMs mit zunehmender Netzwerkgröße dramatisch ansteigt. Verschiedene Anstrengungen wurden in den letzten Jahren unternommen, um die Berechnung zu verbessern. Zum Beispiel wurden Netzwerke aufgespalten und separat auf einem Cluster berechnet oder nur ein Teil aller EFMs gewählt. Dennoch ist die EFM-Berechnung in Netzwerken, die vollständige, große Genome widerspiegeln noch immer außer Reichweite. Die Motivation zur vorliegenden Arbeit lag darin, dass nicht alle topologisch möglichen Stoffwechselwege biologisch sinnvoll sind. In dieser Arbeit wird tEFMA (thermodynamische EFM Analyse), eine Erweiterung von efmtool präsentiert. tEFMA verwendet gemessene Metabolitkonzentrationen und berechnet nur jene EFMs, die mit den Metabolitdaten konsistent sind. Unter https://github.com/mpgerstl/tEFMA ist der Quellcode frei verfügbar. Die Vorteile im Speicherbedarf als auch in der verringerten Laufzeit der EFM Berechnung werden am Beispiel eines Escherichia coli Modells gezeigt. Weiters werden die von tEFMA zurückgegebenen, undurchführbaren Reaktionskombinationen analysiert. Neben den zu erwartenden inaktiven Stoffwechselwegen, wie Gluconeogenese, wenn E. coli auf Glukose wächst, wird gezeigt, dass Glutamate Dehydrogenase inaktiv ist, wenn E. coli auf Glukose wächst, aber aktiv ist bei einem Wachstum auf Glycerol oder Acetat, was durch frühere Experimente bestätigt wird. Diese Arbeit stellt einen großen Schritt dar, um in der Zukunft auch in großen Netzwerken alle EFMs, die biologisch sinnvoll sind, berechnen zu können.

Zusammenfassung (Englisch)

Elementary flux modes (EFMs) are indivisible steady-state pathways through a metabolic network. They can be used to unbiasedly analyse the network, provide a better insight into an organism or optimize organisms for using them in biotechnological processes. The unbiased view has the price of high hardware requirements during the EFM enumeration process as the number of EFMs increases dramatically with the network's size. In the last years, some progress has been made to improve the calculation. For example, networks were split and calculated separately on a cluster or only a subset of all EFMs was taken. Nevertheless, the calculation of EFMs in large genome-scale networks is still out of reach. The present work was motivated by the fact that not all topologically possible EFMs are biologically meaningful. Here, tEFMA (thermodynamical EFM analysis), which is an extension of a previous enumeration tool called efmtool is presented. The new tool uses metabolite concentrations to enumerate only those EFMs that are thermodynamically consistent with the given metabolome. tEFMA is published as open source software and available at https://github.com/mpgerstl/tEFMA. An Escherichia coli model was analysed to show that tEFMA uses less memory and has a decreased runtime for enumerating EFMs. Furthermore, infeasible reaction patterns that are reported by tEFMA were analysed. Besides expected infeasible pathways, like gluconeogenesis when E. coli is grown on glucose, it is shown that glutamate dehydrogenase is inactive when grown on glucose whereas it is active when grown on glycerol or acetate, which was confirmed by previously published experiments. This work presents a large step forward to the goal of calculating the full set of biologically feasible EFMs in large genome-scale networks.