МЕТОДИ СИСТЕМНОЇ БІОЛОГІЇ В ОЦІНЮВАННІ ГЛОБАЛЬНИХ ПЕРЕБУДОВ КЛІТИННОГО МЕТАБОЛІЗМУ ПРИ ХРОНІЧНИХ ЗАХВОРЮВАННЯХ ОБМІНУ РЕЧОВИН

O. P. Mintser, V. M. Zalisky

Анотація


Системна біологія дозволяє застосовувати математичні моделі для аналізу великих наборів даних і допомагає здійснювати моделювання динаміки складних біологічних систем. В аналітичному дослідженні обговорюються питання використання системного підходу для просування процесів розвитку персоналізованої медицини в лікуванні хвороб обміну речовин, інсулінорезистентності, ожиріння, неалкогольної жирової хвороби печінки, неалкогольного стеатогепатиту та злоякісних новоутворень. Розглянуто результати інтегрального аналізу великих наборів даних для ідентифікації нових біомаркерних молекул, що є основою персоналізованої терапії. Показано, що кількісний системний аналіз може дати нове уявлення про молекулярні механізми в клітині, сформувати нові концепції організації, координації і регулювання клітинних процесів. Украй необхідна конвергенція експериментального та in silico аналізу як окремих клітинних процесів, так і технологічних мереж. Підкреслюється, що системно-біологічний і системно-медичний аналізи вимагають широкого застосування мультидисциплінарних і трансдисциплінарних підходів, як це було продемонстровано на прикладі секвенування цілих геномів. Запропоновано використовувати багатоступеневу систему математичного моделювання в форматі in silico з оцінюванням вірогідності кожної з ключових подій, що забезпечують виконання каскаду біохімічних реакцій.


Ключові слова


системна біологія; системна медицина; метаболізм у клітині; мультидисциплінарні та трансдисциплінарні підходи; моделювання in silico

Повний текст:

PDF

Посилання


Knyaginin, V. N., & Lipetskaya, M. S. (Eds.) (2017). Biomeditsina — 2040. Gorizonty nauki glazami uchenykh [Biomedicine — 2040. Horizons of science through the eyes of scientists]. St. Petersburg: fond "Tsentr strategicheskikh razrabotok "Severo-Zapad" (fund "Center for Strategic Research "North-West"). [In Russian]

Newgard, C. B., An, J., Bain, J. R., Stevens, R. D., Lien, L. F., Haqq, A. M., … Svetkey, L. P. (2009). A branched-chain amino acid-related metabolic signature that differentiates obese and lean human and contributes to insulin resistance. Cell Metab., 9(4), 311–326. doi: 10.1016/j.cmet.2009.02.002.

Thiele, I., Swainston, N., Fleming, R. M., Hoppe, A, Sahoo, S, Aurich, M. K., … Palsson, B. Ø. (2013). A community-driven global reconstruction of human metabolism. Nat. Biotechnol., 31(5), 419–425. doi: 10.1038/nbt.2488

Suhre, K., Wallaschofski, H., Raffler J., Friedrich, N, Haring, R, Michael, K., … Nauck, M. (2011). A genome-wide association study of metabolic traits in human urine. Nat. Genet., 43(6), 565–569. doi: 10.1038/ng.837

Rhee, E. P., Ho, J. E., Chen, M. H., Shen, D, Cheng, S, Larson, M. G., … Gerszten, R. E. (2013). A genome-wide association study of the human metabolome in acommunity-based cohort. Cell Metab., 18(1), 130–143. doi: 10.1016/j.cmet.2013.06.013

Cuperlovic-Culf, M. (2018). Medicine learning method for analysis of metabolic date and metabolic pathway modeling. Metabolites, 8(1), E4. doi: 10.3390/metabo8010004.

Angermueller, C., Parnamqa, T., Parts, L., & Stegle, O. (2016). Deep learning for computational biology. Mol. Syst. Biol., 12(7), 878. doi: 10.15252/msb.20156651

Mardinoglu, A., Kampf, C., Asplund, A., Fagerberg, L, Hallström, B. M., Edlund, K, … Nielsen, J. (2014). Defining the human adipose tissue proteome to reveal metabolic alterations in obesity. J. Proteome Res., 13(11), 5106–5115. doi: 10.1021/pr500586e

Dimitrov, D. V. (2016). Medical internet of things and big data in healthcare. Healthc. Inform. Res., 22(3), 156–163. doi: 10.4258/hir.2016.22.3.156

Rabinovich, S., Adler, L., Yizhak, K., Sarver, A, Silberman, A, Agron, S., … Erez, A. (2015). Diversion of aspartate in ASS1-deficient tumors’ foster de novo pyrimidine synthesis. Nature, 527(7578), 379–383. doi: 10.1038/nature15529

Gatto, F., Schulze, A., & Nielsen, J. (2016). Systematic analysis reveals than cancer mutations converge on deregulated metabolism of arachidonate and xenobiotics. Cell Rep., 16(3), 878–895. doi: 10.1016/j.celrep.2016.06.038

Shlomi, T., Benyamini, T., Gottlieb, E., Sharan, R, & Ruppin, E. (2011). Genome-scale metabolic modeling elucidates the role of proliferative adaptations in causing the Warburg effect. PLoS Comput. Biol., 7(3), e1002018. doi: 10.1371/journal.pcbi.1002018

Mardinoglu, A., Argen, R., Kampt, C., Asplund, A., Uhlen, M., & Nielsen, J. (2014). Genome-scale metabolic modeling of hepatocytes reveals serine deficiency in patients with non-alcoholic patty acid disease. Nat. Commun., 5, 3083. doi: 10.1038/ncomms4083

Duarte, N. C., Becker, S. A., Jamshidi, N., Thiele, I., Mo, M. L., Vo, T. D., … Palsson, B. Ø. (2007). Global reconstruction of the human metabolic network based on genomic and bibliomic data. Proc. Natl. Acad. Sci. USA, 104(6), 1777–1782. doi: 10.1073/pnas.0610772104

Gorski, S., & Misteli, T. (2005). Systems biology in the cell nucleus. J. Cell Sci., 118(Pt 18), 4083–4092. doi: 10.1242/jcs.02596

Wishart, S., Jewison, T., Guo, A. C., Wilson, M., Knox, C., Liu, Y., … Scalbert, A. (2013). HMDB 3.0 — The Human Metabolome Database in 2013. Nucleic Acids Res., 41, D801–807. doi: 10.1093/nar/gks1065

Agren, R., Mardinoglu, A., Asplund, A., Kampf, C, Uhlen, M, & Nielsen, J. (2014). Identification of anticancer drugs for hepatocellular carcinoma through personalized genome-scale metabolic modally. Mol. Syst. Biol., 10, 721. doi: 10.1002/msb.145122.

Lee, S., Zhang, C., Kilicarslan, M., Piening, B. D., Bjornson, E., Hallström, B. M., … Mardinoglu, A. (2016). Integrated network analysis reveals an association between plasma mannose levels and insulin resistance. Cell Metab., 24(1), 172–184. doi: 10.1016/j.cmet.2016.05.026

Mardinoglu, A., Agren, R., Kampf, C., Asplund, A., Nookaew, I., Jacobson, P., … Nielsen, J. (2013). Integration of clinical data with a genome-scale metabolic models of the human adipocytes. Mol. Syst. Biol., 9, 649. doi: 10.1038/msb.2013.5

Mardinoglu, A., & Nielsen, J. (2015). New paradigms for metabolic modeling in human cell. Curr. Opin. Biotechnol., 34, 91–97. doi: 10.1016/j.copbio.2014.12.013

Yizhak, K., Chaneton, B., Gottlieb, E., & Ruppin, E. (2015). Modeling cancer metabolism on a genome scale. Mol. Syst. Biol., 11(6), 817. doi: 10.15252/msb.20145307

Thiele, I., Fleming, R. M., Que, R., Bordbar, A., Diep, D., & Palsson, B. O. (2012). Multiscale modeling of metabolism and macromolecular synthesis in E. coli and its applications to the evolution of colon usage. PLoS ONE, 7(9), e45635. doi: 10.1371/journal.pone.0045635

O’Brien, E. J., Monk, J. M., & Palsson, B. O. (2015). Using genome-scale models to predict biological capabilities. Cell, 161(5), 971–987. doi: 10.1016/j.cell.2015.05.019

Palsson, B. & Zengler, K. (2010). The challenges of integrating multiomic data sets. Nat. Chem. Biol., 6(11), 787–789.

Patil, K. R., & Nielsen, J. (2005). Uncovering transcriptional regulation of metabolism by metabolic network topology. Proc. Natl. Acad. Sci. USA, 102(8), 2685–2689. doi: 10.1073/pnas.0406811102

Mardinoglu, A., Bjornson, E., Zhang, C., Klevstig, M., Söderlund, S., Ståhlman, M., … Boren, J. (2016). Personal model-assisted identification of NAD+ and glutathione metabolism as intervention target in NAFLD. Mol. Syst. Biol., 13(3), 91610. doi: 15252/ wsb.20167422.

Folger, O., Jerby, L., Frezza, C., Gottlieb, E., Ruppin, E., & Shlomi, T. (2011). Predicting selective drug targets in cancer through metabolic networks. Mol. Syst. Biol., 7, 501. doi: 10.1038/msb.2011.35

Väremo, L., Sheele, C., Broholm, C., Mardinoglu, A., Kampf, C., Asplund, A., … Nielsen, J. (2015). Proteome- and transcriptome-driven reconstruction of the human myocyte metabolic network and its use for identification of markers for diabetes, Cell. Rep., 11(6), 921–933. doi: 10.1016/j.celrep.2015.04.010

Uhlén, M., Fagerberg, L., Hallström, B. M., Lindskog, C., Oksvold, P., Mardinoglu, A., … Pontén, F. (2015). Proteomics. Tissue-based map of the human proteome. Science, 347(6220), 1260419. doi: 10.1126/science.1260419.

Ma, H., Sorokin, A., Mazein, A., Selkov, A., Selkov, E., Demin, O., & Goryanin, I. (2007). The Edinburgh human metabolic network reconstruction and its functional analysis. Mol. Syst. Biol., 3, 135. doi: 10.1038/msb4100177

Psychodios, N., Hau, D. D., Peng, J., Guo, A. C., Mandal, R., Bouatra, S., … Wishart, D. S. (2011). The human serum metabolome. PLoS ONE, 6(2), e16957. doi: 10.1371/journal.pone.0016957

Zhao, X., Han, Q., Liu, Y., Sun, C., Gang, X., & Wang, G. (2016). The relationship between branched-chain aminoacid related metabolism signature and insulin resistance: a systematic review. J. Diabetes Res., 2016, 794591. doi: 10.1155/2016/2794591




DOI: http://dx.doi.org/10.11603/mie.1996-1960.2018.3.9464

Посилання

  • Поки немає зовнішніх посилань.


##submission.copyrightStatement##