Systems analysis and metabolic network modeling in Escherichia coli

• Author(s): Costa, Rafael S.
• Date: 2011
• Persistent ID: https://hdl.handle.net/1822/19701
• Origin: RepositóriUM - Universidade do Minho
• Subject(s): 579.84; 577.21
• Document Type: Doctoral thesis
• Language: Portuguese
• Advisor(s): Ferreira, Eugénio C.; Rocha, I.
• Contributor(s): Universidade do Minho

Description

Tese de doutoramento em Engenharia Química e Biológica

Complex biological processes are usually described as networks of interactions between different cellular molecules. The availability of genome sequences for many microorganisms has allowed the development of various stoichiometric models. However, while capturing most stoichiometric effects, those models cannot be used for simulations of the dynamic behaviour, due to the lack of kinetic information. In contrast, dynamic models are built using detailed kinetic rate laws and their respective rate constants. Despite the increased interest in detailed kinetic models, a number of challenges frustrate the building and utilization of such models. This PhD study focuses on the development of mathematical kinetic models and in the use of such models for the analysis of metabolic networks. In addition, the work described in this document proposes novel computational solutions for several issues pertaining to complex metabolic kinetic modeling. The applicability of these approaches is demonstrated in Escherichia coli to understand the cellular metabolism, with potential applications in metabolic engineering. E. coli is the most well-known microorganism and is also the organism of choice for the production of many recombinant proteins with high therapeutic value, as well as several important chemicals. First, a critical perspective on the limited availability of kinetic information for metabolic modeling is presented. This provides clues that will hopefully contribute to the construction of accurate metabolic kinetic models by the systems biology community in the close future. Due to the lack of kinetic data, dynamic models are currently limited to tens of reactions. Such limitations may be overcome by using simplistic approximate kinetic mechanisms. Some modeling approaches derived from assuming approximate kinetics, such as generalized mass-action, convenience kinetics, power-law and linlog were compared to a detailed reference model of the central carbon metabolism of E. coli. The results obtained suggest that the lin-log kinetics presents the best performance for large-scale metabolic networks among the various approximate kinetics studied. High-throughput proteomics data provide key information into the regulation of metabolic fluxes. This issue was explored in the third part of the work in the context of mechanistic and approximate kinetic models of E. coli central metabolism. By coupling experiments and modeling, experimental proteomic data for different knockout experiments was included in the models and used to predict metabolic flux distributions. The results suggest that the prediction accuracy of the models can be improved by integration of these proteomic data. In a subsequent study, a new computational approach for setting up a large-scale and even genome-scale kinetic model was also investigated. The proposed approach consists in a model based on approximate lin-log kinetics, constraint based method and a priori model reduction. The functioning and applicability of this method was tested for a core E. coli genome-scale model. The results suggest that there are good prospects for building kinetic genome-scale models using this approach. Finally, the usefulness of experimental design techniques base on global sensitivity analysis and the Hessian matrix for parameter estimation on complex large-scale metabolic models was demonstrated. By proposing alternative solutions for several issues pertaining to complex metabolic network modeling, ranging from new modeling strategies to experimental design methods, the work described in this thesis aims at obtaining a deeper knowledge of complex kinetic modeling for E. coli, hence contributing for a better understanding of this economically important organism.

Os processos biológicos complexos são geralmente descritos como redes de interacções entre diferentes moléculas celulares. Por outro lado, a disponibilidade de sequências genómicas de vários organismos tem permitido o desenvolvimento de vários modelos estequiométricos. Contudo, estes modelos, embora capturando a maioria dos efeitos estequiométricos, não podem ser usados para simulações dinâmicas, devido à falta de informação cinética. Em alternativa, os modelos dinâmicos podem ser construídos usando leis cinéticas detalhadas e as respectivas constantes cinéticas. Apesar do aumento de interesse em modelos cinéticos detalhados, o elevado número de desafios ainda existentes leva a limitações na construção desses modelos. Esta tese foca-se no desenvolvimento de modelos matemáticos cinéticos e na sua utilização para a análise de redes do metabolismo. Além disso, o trabalho descrito nesta tese propõe soluções computacionais novas para vários assuntos pertinentes à modelação cinética de redes metabólicas complexas. A aplicabilidade destes métodos é demonstrada na rede metabólica da Escherichia coli com o objectivo de melhorar o entendimento do metabolismo celular, com aplicações potenciais em engenharia metabólica. A E. coli é o microrganismo mais conhecido actualmente e é também o organismo escolhido para a produção de muitas proteínas recombinantes com elevado valor terapêutico, bem como de vários produtos químicos de interesse. Inicialmente, é apresentada uma perspectiva crítica da disponibilidade limitada de informação cinética para a modelação metabólica. Esta análise fornece pistas para permitir à comunidade de biologia de sistemas construir com precisão modelos cinéticos metabólicos num futuro próximo. Devido à falta de dados cinéticos, os modelos dinâmicos são atualmente limitados a dezenas de reacções. Essas limitações podem ser ultrapassadas usando mecanismos cinéticos aproximados. Alguns métodos de modelação, derivados de suposições de cinéticas aproximadas, tais como, “generalized mass-action”, “convenience kinetics kinetics”, “lin-log” e “power-law” foram comparados com um modelo de referência detalhado do metabolismo do carbono central da E. coli. Os resultados obtidos sugerem que as cinéticas “lin-log” apresentam um desempenho melhor entre as várias cinéticas aproximadas estudadas para redes metabólicas de larga escala. Dados proteómicos fornecem informação chave para a compreensão da regulação dos fluxos metabólicos. Este tópico foi explorado na terceira parte da tese no contexto de um modelo cinético mecanístico e um modelo aproximado do metabolismo central da E. coli. Através da combinação de experiências e modelação, foram integrados no modelo vários dados de proteómica ralativos a diferentes experiências de mutantes para prever a distribuição dos fluxos metabólicos. Os resultados sugerem que a precisão da previsão dos modelos pode ser melhorada por integração destes dados proteómicos. Num estudo posterior, foi também estudada uma nova abordagem computacional para a construção de modelos cinéticos de grande escala e mesmo à escala genómica. O método alternativo inclui um modelo baseado em cinéticas aproximadas “lin-log”, um método baseado em restrições e uma redução do modelo a priori. O funcionamento e aplicabilidade deste método foram testados para um modelo “core” da E. coli à escala genómica. Os resultados sugerem que há boas perspectivas para a construção de modelos cinéticos à escala genómica usando esta abordagem. Finalmente, foi demonstrada a utilidade das técnicas de desenho experimental baseadas em análise de sensibilidade global e na matriz Hessiana para a estimação de parâmetros em modelos metabólicos complexos de larga escala. Ao propor soluções alternativas para diversas questões relativas à modelação de redes metabólicas, que vão desde novas estratégias de modelação a métodos de desenho experimental, o trabalho descrito nesta tese visa obter um conhecimento mais profundo da modelação cinética da E. coli, contribuindo assim para um melhor entendimento deste organismo economicamente importante.