Với dữ liệu từ mô hình mạng trao đổi chất của vi khuẩn E. coli JR904, chúng tôi đã tạo ra đƣợc các siêu gen. Với từng đôi siêu gen (gọi là siêu gen A và siêu gen B) , chúng tôi sử dụng FLUXOR để tính toán các giá trị dòng của mạng trao đổi chất bị xoá siêu gen tƣơng ứng. Nếu hai tập giá trị dòng tính toán đƣợc khác nhau một lƣợng đáng kể thì ta gọi đôi đó là một cặp ứng cử.
Dƣới đây là một số cặp siêu gen đã tìm đƣợc:
Bảng 6.1 Một số chuỗi gen không giao hoán của E. coli.
Siêu gen A Siêu gen B Khác biệt giữa
thứ tự xoá bỏ gen AB và BA
Tên Protein Tên Flux Tên Protein Tên Flux
RIBDEC RIBD1; RIBD2 CYDA CYDA 0.923959
RIBDEC RIBD1; RIBD2 FADB FADB 0.923961
RIBDEC RIBD1; RIBD2 MAE MAEB 0.923962
RIBEEC RIBE PTA PTAR 0.863463
PTA PTAR RIBBEC RIBB 0.863463
PPC PPC RIBA RIBA 0.65882
CYDA CYDA RIBFEC RIBF1; RIBF2 0.92396
FADB FADB RIBFEC RIBF1; RIBF2 0.923961
RIBFEC RIBF1; RIBF2 MAE MAEB 0.921468
Bảng 6.2 Một số thống kê về các siêu gen của mô hình mạng trao đổi chất E. coli JR904. Số lƣợng flux 953 Số lƣợng siêu gen 380 Số lƣợng cặp phải tìm kiếm 72010 Số lƣợng cặp có khác biệt > 0.5 17 Số lƣợng cặp có khác biệt > 0.1 298 Số lƣợng cặp có khác biệt (> 0) 71468 Số lƣợng cặp không tính toán đƣợc 542 Giá trị khác biệt lớn nhất 0.923962
Ta thấy trên bảng 6.2, số lƣợng flux lớn hơn nhiều so với số lƣợng siêu gen (953 so với 380), đó là do mỗi siêu gen đã bao gồm nhiều gen tƣơng ứng với nhiều protein, mỗi protein lại có thể tƣơng ứng với nhiều flux. Do đó số lƣợng siêu gen đã giảm chỉ còn gần một nửa so với số flux. Ta cũng thấy số lƣợng cặp là khá lớn (72010 cặp), thời gian chạy cũng khá lâu, trung bình mất khoảng 24 giờ cho một lần tìm kiếm. Ngoài ra, chúng ta cũng thấy có một số lƣợng nhỏ các cặp không thể tính toán đƣợc do giới hạn về công cụ toán học, tỷ lệ này chiếm khoảng 0.75% (542 cặp). Cuối cùng để các kết quả này có giá trị sinh học thực sự, các siêu gen tìm thấy cần đƣợc kiểm tra bằng thực nghiệm để đánh giá cụ thể và chi tiết hơn cũng nhƣ tìm ra các pathway tƣơng ứng với chúng giúp cho ta hiểu rõ hơn các cơ chế sinh học phân tử trong tế bào.
KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN
Nghiên cứu mạng trao đổi chất là một lĩnh vực có nhiều sự quan tâm hiện nay. Đầu tiên, luận văn trình bày về mạng trao đổi chất và các phƣơng pháp phân tích, cùng một cải tiến để tăng độ chính xác các dự đoán của phƣơng pháp FBA.
Tiếp theo, mục tiêu chính của luận văn là kiểm chứng một giả thuyết mới trong sinh học về tính chất không giao hoán của hai gen đột biến, từ đó tìm ra một mô hình hoạt động mới của cơ chế tiến hoá và thích nghi sinh học của sinh vật đột biến. Giả thuyết bên dƣới công trình này là trong điều kiện không có quá trình tiến hoá và thích nghi lâu dài, các cặp gen không giao hoán là có tồn tại, khi mà các đột biến kép của các cặp gen có thể bắt gặp tại các vùng khác nhau của không gian dòng nếu nhƣ thứ tự đột biến là khác nhau. Nếu giả thuyết này là đúng thì chúng ta sẽ hiểu rõ hơn nguồn gốc của tính đa dạng trong quá trình tiến hoá và thích nghi sinh học, từ đó 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.
Một số mục tiêu cần hoàn thành trong tƣơng lai là:
Kiểm tra xem các kết quả dự đoán bởi FBA cải tiến ảnh hƣởng đến kết quả dự đoán của MOMA nhƣ thế nào?
Áp dụng phƣơng pháp ROOM cho bài toán này.
Đánh giá trong phòng thí nghiệm các siêu gen không giao hoán. Phân tích cụ thể các đặc trƣng của các siêu gen đó để có các thông tin chi tiết hơn phục vụ cho các nghiên cứu sinh học tiếp theo.
TÀI LIỆU THAM KHẢO Tiếng Việt
1. Đặng Cao Cƣờng, Nguyễn Trung Thông, Hoàng Xuân Huấn (2008), “Một số phƣơng 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 lƣợng”,
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
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