• No results found

University of Groningen On a quest for metabolic fluxes: sampling and inference tools using thermodynamics, metabolome and labelling data Taborda Saldida Alves, Joana

N/A
N/A
Protected

Academic year: 2021

Share "University of Groningen On a quest for metabolic fluxes: sampling and inference tools using thermodynamics, metabolome and labelling data Taborda Saldida Alves, Joana"

Copied!
4
0
0

Bezig met laden.... (Bekijk nu de volledige tekst)

Hele tekst

(1)

University of Groningen

On a quest for metabolic fluxes: sampling and inference tools using thermodynamics,

metabolome and labelling data

Taborda Saldida Alves, Joana

DOI:

10.33612/diss.157440136

IMPORTANT NOTE: You are advised to consult the publisher's version (publisher's PDF) if you wish to cite from it. Please check the document version below.

Document Version

Publisher's PDF, also known as Version of record

Publication date: 2021

Link to publication in University of Groningen/UMCG research database

Citation for published version (APA):

Taborda Saldida Alves, J. (2021). On a quest for metabolic fluxes: sampling and inference tools using thermodynamics, metabolome and labelling data. University of Groningen.

https://doi.org/10.33612/diss.157440136

Copyright

Other than for strictly personal use, it is not permitted to download or to forward/distribute the text or part of it without the consent of the author(s) and/or copyright holder(s), unless the work is under an open content license (like Creative Commons).

Take-down policy

If you believe that this document breaches copyright please contact us providing details, and we will remove access to the work immediately and investigate your claim.

Downloaded from the University of Groningen/UMCG research database (Pure): http://www.rug.nl/research/portal. For technical reasons the number of authors shown on this cover page is limited to 10 maximum.

(2)

280

samenvatting

(Vertaald door Niek de Klein en Hanna Terpstra)

Metabole fluxen zijn de belangrijkste kwantificatoren van het metabolisme, en zijn daardoor essentieel voor metabolic engineering, geneeskunde en fundamenteel onder-zoek. Omdat ze niet experimenteel kunnen worden gemeten, maakt men gebruik van wiskundige modellen voor het afleiden van fluxen met een methode die metabole fluxanalyse wordt genoemd. Diverse soorten begrenzingen en methoden worden gebruikt om de onzekerheid in schatting van fluxen aan te pakken die voortkomt uit het grote aantal vrijheidsgraden van dit wiskundige probleem. Thermodynamica kan worden gebruikt als een extra begrenzing en samplen maakt het mogelijk de fluxop-lossingsruimte, die door de begrenzingen wordt bepaald, te verkennen. Het samplen van de fluxoplossingsruimte met thermodynamische begrenzingen is echter een zeer uitdagend probleem vanwege de niet-convexiteit van de ruimte, zoals besproken in Hoofdstuk 1. De huidige state-of-the-art methode om fluxen af te leiden, 13C-metabole

fluxanalyse, combineert een stoichiometrisch model met data uit koolstoflabelingex-perimenten en wisselt fluxen uit om de beste overeenkomst tussen voorspellingen van het model en experimentele metingen. Zoals aangetoond in Hoofdstuk 1, heeft deze methode als nadeel dat ze beperkt wordt door netwerkgrootte en compartimenter-ing. Om dergelijke beperkingen de baas te zijn, worden vaak heuristische aannames gebruikt om de richting en omkeerbaarheid van reacties vast te leggen. Het doel van dit proefschrift was het ontwikkelen van nieuwe hulpmiddelen voor het kwantificeren van fluxen en hun onzekerheid zonder heuristische aannames over reactierichting en omkeerbaarheid.

(3)

281

4

samenvatting

In Hoofdstuk 2 hebben we een driestapsaanpak ontwikkeld om metabole fluxen af te leiden. We bepaalden de grenzen van de fluxoplossingsruimte voor een speci-fieke staat van het metabolisme door gebruik te maken van stoichiometrische en thermodynamische beperkingen, gecombineerd met uitwisselingsfluxen en gemeten metabolietconcentraties. Om de fluxoplossingsruimte te karakteriseren en de onze-kerheid van fluxen te kwantificeren, hebben we een nieuwe methode ontwikkeld om de hoog-dimensionale, niet-convexe oplossingsruimte, die wordt gedefinieerd door de toegepaste beperkingen, te samplen. Deze samplemethode werd gerealiseerd door de thermodynamisch haalbare oplossingsruimte op te splitsen in convexe polytopen. Ten slotte pasten we een stoichiometrisch model toe op 13C-labelingsgegevens om

de gesamplede fluxen te beoordelen en de meest waarschijnlijke waarden te vinden. Deze laatste stap werd ook uitgevoerd met een extra beperking op basis van de flux-krachtrelatie en gesamplede Gibbs reactie-energieën. Met deze driestapsbenadering waren we in staat om fluxen te schatten zonder aannames over reactierichting en omkeerbaarheid te doen. Bovendien kan men met deze nieuwe samplemethode een fluxoplossingsruimte, gedefinieerd door stoichiometrische en thermodynamische begrenzingen, karakteriseren, wat voorheen niet mogelijk was. Dit kan worden gebruikt voor het kwantificeren van de onzekerheid in fluxen. Toegepast op twee stammen van S. cerevisiae, heeft onze methode nieuwe fluxpatronen onthuld die nog niet eerder waren ontdekt.

In Hoofdstuk 3 hebben we de sterke en zwakke punten van verschillende sam-plestrategieën geëvalueerd wanneer deze toegepast worden op netwerkmodellen van verschillende complexiteit. Door de thermodynamisch haalbare oplossingsruimte op te splitsen in convexe polytopen, hebben we een Rejection Sampler, een Conditional Sampler en een Conditional Sampler met parallel temperen, oftewel replica-uitwisseling, geïmplementeerd. We hebben deze samplemethoden toegepast op twee metabole netwerken van verschillende grootte en complexiteit. De evaluatiepijplijn bestond uit een toepasbaarheidstest, autocorrelatieanalyse en convergentiediagnostiek om de efficiëntste sampler te vinden. Voor een klein netwerk van 82 reacties vonden we dat de Rejection Sampler de het meest geschikt is, terwijl voor een groter netwerk van 258 reacties de Conditional Sampler nodig was om de efficiëntie te verhogen. Met de extra complexiteit van beperking door de energiebalans, kon alleen een voorwaardeli-jke sampler met parallelle tempering de fluxoplossingsruimte van beide netwerken samplen. We verwachten dat deze analyse de betrouwbaarheid van het samplen van thermodynamisch beperkte fluxoplossingsruimten met de nieuwe methode zal vergroten.

(4)

282

samenvatting

Concluderend genereert deze nieuwe methode voor het afleiden van fluxen verdelingen die in overeenstemming zijn met stoichiometrie, thermodynamica en experimentele gegevens over uitwisselingsfluxen, metabolietconcentraties en koolstoflabeling, zonder gebruik te maken van aannames over reactierichting of -reversibiliteit. Het samplen van thermodynamisch beperkte fluxoplossingsruimten zal een nuttig instrument zijn in metabole fluxanalysestudies, voor het kwantificeren van fluxonzekerheid en om verbanden tussen verschillende delen van het metabolisme te onderzoeken. We voor-zien dat de methode in zijn geheel een aanwinst zal zijn om bestaande hypothesen te valideren, nieuwe fluxpatronen te ontdekken en fluxen te schatten met realistischer netwerkmodellen of in hogere organismen.

Referenties

GERELATEERDE DOCUMENTEN

Thank you so much Georg, for setting me up in my journey before you left the group and for teaching me something about experiments.. Little Hanna and Yonathan, you were great fun

On a quest for metabolic fluxes: sampling and inference tools using thermodynamics, metabolome and labelling data.. Taborda Saldida

genome-scale metabolic models 71 Chapter 4 Saccharomyces cerevisiae goes through distinct metabolic phases during its replicative lifespan 97 Chapter 5 On the mechanistic

Applying this limit in conjunction with growth maximization in otherwise ordinary flux balance analysis we obtained predictions of cellular physiology in excellent agreement

The regression and a subsequent variability analysis of the solution space provided us with physiological ranges for the intracellular metab- olite concentration and for

To explore its edges and thus the possible extreme values of metabolite concen- trations and Gibbs energies of reaction, we employ variability analysis. To this end, we determine

Later the metabo- lite concentrations and the cellular physiologies of each individual cell population (i.e. mother, daughter and dead cells) were mathematically inferred from data

Alex, thank you for our discussions in my first two years in Groningen and especially for giving me a place to stay on my first day. Tom, thank you for the help translating