[論文レビュー] Biomolecular System Energetics

P.J. Gawthrop, Edmund J. Crampin|arXiv (Cornell University)|Mar 25, 2018

Mitochondrial Function and Pathology参考文献 24被引用数 5

ひとこと要約

本稿は、グルコース代謝を事例として、バイオ分子系のエネルギー的性質を分析するためのボンドグラフベースのモデリングフレームワークを導入する。ファラデー同等のポテンシャルと反応駆動力を適用することで、エネルギー変換効率を定量化し、標準状態下で69.1%の名目的ポンピング効率を明らかにした。この効率はグルコース濃度および流量に敏感である。

ABSTRACT

Efficient energy transduction is one driver of evolution; and thus understanding biomolecular energy transduction is crucial to understanding living organisms. As an energy-orientated modelling methodology, bond graphs provide a useful approach to describing and modelling the efficiency of living systems. This paper gives some new results on the efficiency of metabolism based on bond graph models of the key metabolic processes: glycolysis.

研究の動機と目的

• ボンドグラフを用いて、熱力学的根拠に基づいたエネルギーベースのモデリングフレームワークを、バイオ分子系に適用する。
• グルコース代謝という主要な代謝経路におけるエネルギー変換効率を定量化する。
• ボンドグラフ手法を拡張し、生化学的系にファラデー同等のポテンシャルとモル流量を組み込む。
• 基質濃度および反応流量の変化に伴う代謝効率の変化を調査する。
• ミトコンドリア代謝、特にTCA回路および電子伝達系の分析の基盤を提供する。

提案手法

• 化学反応をボンドグラフの要素でモデル化する：化学種にはC（静電容量）、化学ポテンシャル差による駆動を受ける反応にはR（抵抗）を用いる。
• モル化学ポテンシャル（μ）をボルト単位のファラデー同等ポテンシャル（φ = Fμ）に変換し、モル流量（v）をアンペア単位のファラデー同等流量（f = v/F）に変換する。
• 反応駆動ポテンシャル（Φ）を反応物と生成物間のファラデー同等ポテンシャルの差として定義する。
• 駆動パワー（P₀ = Φ₀f）とポンピングパワー（P_pump = Φ_pumpf）を計算し、ポンピング効率（η = P_pump / P₀）を導出する。
• 質量作用則と数値シミュレーションを用いて、効率の流量依存性を計算し、非理想挙動に伴う補正を加える。
• パーキュール他[22]の実験的熱力学データを用いて、グルコース代謝のパラメータを検証する。

実験結果

リサーチクエスチョン

• RQ1 ボンドグラフベースのフレームワークを用いたグルコース代謝におけるエネルギー変換の熱力学的効率は何か？
• RQ2 グルコース濃度および反応流量の変化に伴い、グルコース代謝のポンピング効率はどのように変化するか？
• RQ3 ファラデー同等ポテンシャルおよび流量は、生化学的系に一貫したエネルギーベースのモデリング手法を提供できるか？
• RQ4 標準状態下で、グルコース代謝における駆動ポテンシャルとポンピングポテンシャルはどのように比較されるか？
• RQ5 グルコース代謝の効率は、反応駆動力とエネルギーを要するプロセスのバランスにどの程度依存するか？

主な発見

• 標準状態下でグルコース代謝の名目的ポンピング効率は69.1%であり、ポンピングパワーと駆動パワーの比として計算された。
• 全体反応ポテンシャル（Φ_all）が0に近づくと、効率は100%に近づく。これは、駆動ポテンシャルとポンピングポテンシャルが等しくなる場合に発生する。
• グルコース濃度が低い場合、駆動ポテンシャル（Φ₀）がポンピングポテンシャル（Φ_pump）に対して相対的に低下するため、効率が著しく低下する。
• シミュレーションでは、流量が広い範囲にわたり約70%の効率を維持するが、非常に低い流量では急激に低下する。
• モデルは、グルコースの正規化ポテンシャル（φ_GL C）に強く依存しており、非線形関係η = Φ_pump / (Φ₀ + φ̃_GLC)で記述される。
• このフレームワークは、実験的熱力学データを効果的に統合し、TCA回路および電子伝達系を含むミトコンドリア代謝のスケーラブルな解析手法を提供する。