address2arrow-email-sendarrow-rightbtn-right-arrowbubbleclosecomment-arrow-answerenvelopeeyefriendshamburgerheartHeart copy 26heart-emptyhomehumanlikelk-bubblelk-eyeHeart copy 26lk-pencilloginnav-editnav-eyenav-newsnav-starnav-userloginnext-arrow-rightpagination-lastpagination-nextShape 19 copysearchstarstar-fulluserBriefcaseCard
13 Сентября, 2018

Метаболом по уровню экспрессии генов

Учёные из института Фрэнсиса Крика создали модель, достаточно точно описывающую связи между изменениями в уровне экспрессии генов у дрожжей и концентрациями метаболитов в клетках.

Credit: Aleksej Zelezniak et al. // Machine Learning Predicts the Yeast Metabolome from the Quantitative Proteome of Kinase Knockouts // Cell Systems, 2018 // DOI: 10.1016/j.cels.2018.08.001. По CC BY 4.0. https://creativecommons.org/licenses/by/4.0/

Credit: Aleksej Zelezniak et al. // Machine Learning Predicts the Yeast Metabolome from the Quantitative Proteome of Kinase Knockouts // Cell Systems, 2018 // DOI: 10.1016/j.cels.2018.08.001. По CC BY 4.0. https://creativecommons.org/licenses/by/4.0/

Подготовила Ксения Морозова

Как связать уровни экспрессии генов в клетке и её метаболом? Можно предположить, что концентрация конкретного метаболита напрямую зависит от уровня экспрессии гена, который кодирует фермент, катализирующий реакцию образования этого метаболита. Но это не так: сказывается влияние дополнительных факторов, таких как посттрансляционные модификации и метаболическая саморегуляция. При этом, несмотря на плохую корреляцию с изменением уровня экспрессии генов отдельных ферментов, изменения в метаболизме напрямую зависят от изменений транскриптома.

Существующие метаболические модели несовершенны и описывают только малую часть из всей совокупности биохимических реакций, протекающих в клетке. Учёные из института Френсиса Крика показали, что нейросеть способна предсказывать изменения в метаболизме при условии, что объём данных для её обучения достаточно велик.

На первом этапе своей работы они отобрали 97 штаммов дрожжей (Saccharomyces cerevisiae), нокаутных по генам различных киназ. Сравнивая уровни экспрессии генов и протеомы у этих штаммов с таковыми для контрольных клеток, они выяснили, что нокаут одной киназы влияет, в среднем, на 56 ферментов, и существенно изменяет концентрации метаболитов в клетке. Стоит отметить, что полное число белков, для которых наблюдалось изменение уровней экспрессии генов, никак не коррелировало с количеством ферментов, входящих в него.

На основе полученного массива данных была создана нейросеть, связывающая метаболиты с ферментами через уравнения множественной линейной регрессии. 46 метаболитов были поставлены в соответствие 126 ферментам в качестве субстратов, продуктов или кофакторов, а коэффициенты для уравнений связи были подобраны, исходя из эмпирических данных. Получившаяся модель может с неплохой точностью предсказывать изменения в метаболизме на основании данных о протеоме.

Важным результатом данного исследования стали данные о комплексном влиянии изменения активности отдельных генов: предыдущие модели не могли отобразить всей сложности реальной системы. Руководитель группы Маркус Раслер отмечает: «Похожие алгоритмы используют Amazon и Facebook, но вместо подбора таргетной рекламы или рекомендованных друзей, мы использовали их для моделирования метаболизма дрожжей».

Авторы работы намерены в ближайшие несколько лет адаптировать модель для организма человека и создать инструмент для определения метаболизма по уровню присутствия тех или иных белков в крови. Такая диагностика, по их мнению, будет использоваться при назначении лечения заболеваний метаболизма.

Источник

Aleksej Zelezniak et al. // Machine Learning Predicts the Yeast Metabolome from the Quantitative Proteome of Kinase Knockouts // Cell Systems, 2018 // DOI:  10.1016/j.cels.2018.08.001

105
0
Лидеры мнений
Лидеры отрасли
  • FUTURE
    13
САМЫЕ ОБСУЖДАЕМЫЕ ТЕМЫ ФОРУМА
Поиск материалов по тегам