[논문 리뷰] Automation on the generation of genome scale metabolic models

Raudel Giráldez Reyes, D. Gamermann외 5명|arXiv (Cornell University)|2012. 06. 04.

Microbial Metabolic Engineering and Bioproduction참고 문헌 24인용 수 5

한 줄 요약

이 논문은 COPABI 플랫폼에 구현된 자동화된 파이프라인을 제시하며, 유전체, 단백체, 대사체 데이터를 이용해 확률적 알고리즘을 통해 생체대사모델(GSMs)을 생성한다. 네트워크 거리 지표를 통해 수작업으로 코딩된 모델과 높은 일치도를 보이며, 모델 재구성 시간을 약 1년에서 며칠로 단축하면서도 연결성과 소월 특성 등의 핵심 네트워크 특성을 유지한다.

ABSTRACT

Background: Nowadays, the reconstruction of genome scale metabolic models is a non-automatized and interactive process based on decision taking. This lengthy process usually requires a full year of one person's work in order to satisfactory collect, analyze and validate the list of all metabolic reactions present in a specific organism. In order to write this list, one manually has to go through a huge amount of genomic, metabolomic and physiological information. Currently, there is no optimal algorithm that allows one to automatically go through all this information and generate the models taking into account probabilistic criteria of unicity and completeness that a biologist would consider. Results: This work presents the automation of a methodology for the reconstruction of genome scale metabolic models for any organism. The methodology that follows is the automatized version of the steps implemented manually for the reconstruction of the genome scale metabolic model of a photosynthetic organism, {\it Synechocystis sp. PCC6803}. The steps for the reconstruction are implemented in a computational platform (COPABI) that generates the models from the probabilistic algorithms that have been developed. Conclusions: For validation of the developed algorithm robustness, the metabolic models of several organisms generated by the platform have been studied together with published models that have been manually curated. Network properties of the models like connectivity and average shortest mean path of the different models have been compared and analyzed.

연구 동기 및 목표

• 생체대사모델(GSM)을 재구성하는 데 오랜 시간이 걸리고 수작업으로 이루어지는 데서 비롯된 문제를 해결하기 위해.
• 유전체, 단백체, 대사체 데이터를 통합하여 일관된 대사 네트워크 재구성을 위한 자동화되고 확장 가능한 방법론을 개발하기 위해.
• 공개된 수작업으로 코딩된 모델과 비교하여 자동으로 생성된 모델의 강건성과 정확도를 검증하기 위해.
• 계산 플랫폼을 통해 어떤 생물종에 대해서도 빠르고 재현 가능하며 일관된 GSM 생성을 가능하게 하기 위해.
• 체계생물학 및 합성생물학 응용을 지원하기 위해 신뢰할 수 있는 대사모델에의 접근을 가속화하기 위해.

제안 방법

• 이 방법은 COPABI라는 계산 플랫폼을 사용하여 KEGG 데이터베이스에서 유전체, 단백체, 대사체 정보를 자동으로 검색하고 통합한다.
• 확률적 알고리즘이 반응의 유일성과 완전성을 평가하여 생물학적 타당성에 기반한 모델 구축을 안내한다.
• 재구성된 모델는 후속 분석을 위해 표준 형식(OptGene 및 SBML/xml)으로 내보내진다.
• 네트워크 성질인 연결성과 평균 최단 경로를 계산하여 모델의 위상 구조를 특성화한다.
• 대사물질 집합의 겹침과 연결 가중치를 기반으로 네트워크 거리 지표를 정의하여 자동 생성된 모델와 수작업으로 코딩된 모델 간 비교를 가능하게 한다.
• 거리 지표는 dist = (α + β)/(2γ)로 계산되며, 여기서 α, β, γ는 네트워크 간 대사물질 집합 간의 가중 연결 비율을 나타낸다.

실험 결과

연구 질문

• RQ1 완전히 자동화된 파이프라인이 수작업으로 코딩된 모델과 일치하는 생체대사모델을 생성할 수 있는가?
• RQ2 자동으로 생성된 모델의 위상적 성질(예: 연결성, 평균 최단 경로)은 수작업으로 코딩된 모델과 어떻게 비교되는가?
• RQ3 자동으로 생성된 모델이 소월 특성과 스케일프리 특성과 같은 핵심 네트워크 특성을 어느 정도 유지하는가?
• RQ4 대사물질 집합 겹침과 연결 패턴을 기반으로 한 거리 지표는 서로 다른 생물종의 모델을 신뢰성 있게 구분할 수 있는가?
• RQ5 자동화는 수작업 코딩에 비해 대사모델 재구성에 소요되는 시간과 노력을 얼마나 줄이는가?

주요 결과

• 자동으로 생성된 모델은 네트워크 거리 지표를 통해 수작업으로 코딩된 모델과 높은 일치도를 보이며, 동일한 생물종의 모델 간 비교에서 가장 높은 거리 값이 관찰되었다.
• 표 2의 각 행에서 가장 큰 거리 값은 해당 생물종의 자체 문헌 모델과의 비교 결과로 나타나 모델의 정확성을 확인한다.
• 자동으로 생성된 모델의 평균 최단 경로 및 연결성 분포는 소월 특성과 스케일프리 네트워크 행동을 보이며, 알려진 생물학적 네트워크 성질과 일치한다.
• 비정의된 생체량 및 정확한 대사물질 이름 매핑의 부족과 같은 제한점에도 불구하고, 모델는 서로 다른 생물종을 구분할 수 있는 충분한 구조적 특성을 유지한다.
• 이 방법은 모델 재구성 시간을 약 1년에서 단 며칠로 단축시켜 신속하고 확장 가능한 모델 생성을 가능하게 한다.
• 네트워크 거리 지표는 모델 유사도를 성공적으로 식별하며, 동일한 네트워크의 경우 dist = 0, 완전히 분리된 네트워크의 경우 dist = ∞로 나타나 이론적 타당성이 검증되었다.