[논문 리뷰] Utilizing gene regulatory information to speed up the calculation of elementary flux modes

Christian Jungreuthmayer, David E. Ruckerbauer외 1명|arXiv (Cornell University)|2012. 08. 09.

Microbial Metabolic Engineering and Bioproduction참고 문헌 2인용 수 4

한 줄 요약

이 논문은 유전자 조절 정보를 efmtool 프레임워크에 통합하여 게놈 스케일 대사 네트워크에서 기본 유량 모드(EFMs)의 계산을 가속화하는 새로운 방법을 제시한다. 이진 알고리즘의 초기 단계에서 전사 조절 규칙을 적용함으로써 생물학적으로 비가능한 모드를 반복 과정 중에 제거함으로써, 표준 EFM 계산에 비해 실행 시간을 79% 감소시키고, 메모리 사용량을 53% 감소시키며, 디스크 공간을 99% 감소시켰다.

ABSTRACT

Despite the significant progress made in recent years, the computation of the complete set of elementary flux modes of large or even genome-scale metabolic networks is still impossible. We introduce a novel approach to speed up the calculation of elementary flux modes by including transcriptional regulatory information into the analysis of metabolic network. Taking into account gene regulation dramatically reduces the solution space and allows the presented algorithm to constantly eliminate biologically infeasible modes at an early stage of the computation procedure. Thereby, the computational costs, such as runtime, memory usage and disk space are considerably reduced. Consequently, using the presented mode elimination algorithm pushes the size of metabolic networks that can be studied by elementary flux modes to new limits.

연구 동기 및 목표

• 큰 또는 게놈 스케일 대사 네트워크에서 모든 기본 유량 모드(EFMs)를 계산하는 데 있어 계산의 비가능성 문제를 해결한다.
• 복잡한 네트워크의 분석을 제한하는 EFMs 계산에서의 조합 폭발 문제를 극복한다.
• 생물학적으로 관련성이 있는 유전자 조절 제약 조건을 EFMs 계산 파이프라인에 통합하여 비생물학적 해답을 조기에 제거한다.
• 실행 시간, 메모리, 디스크 공간 등의 계산 비용을 줄이되, 생물학적으로 타당한 EFMs의 완전한 집합을 유지한다.
• 조절 정보를 활용하여 EFMs 분석의 적용 가능 범위를 더 크고 복잡한 대사 네트워크로 확장한다.

제안 방법

• efmtool 소프트웨어의 이진 접근 방식을 활용하여, 유전자 조절 규칙 통합을 통해 오픈소스 efmtool 소프트웨어를 확장한다.
• 각 EFM을 활성/비활성 반응을 나타내는 이진 벡터로 표현하여, 조절 논리에 기반한 조기 필터링을 가능하게 한다.
• 전사 조절 규칙(예: 불리안 논리)을 적용하여 반복적인 이진 모드 생성 과정 중에 비가능한 모드를 탐지하고 제거한다.
• 이중 기술 방법을 이진 표현 방식으로 활용하여 수치 정밀도를 유지하면서도 효율적인 필터링을 가능하게 한다.
• 조절 규칙에 관여하는 반응을 우선순위로 정렬하여, 비가능한 모드의 조기 제거를 가속화한다.
• 기존 EFMs 워크플로우와의 호환성을 유지하면서 조절 제약 조건을 적용하기 위해 사전 및 사후 처리를 수행한다.

실험 결과

연구 질문

• RQ1 유전자 조절 정보의 통합이 큰 대사 네트워크에서 EFMs 계산의 계산 부담을 크게 줄일 수 있는가?
• RQ2 EFM 계산 과정에서 조절 규칙 통합이 모드 제거에 가장 효과적인 시점은 언제인가?
• RQ3 조절 제약 조건은 생물학적으로 의미 있는 경로를 손실하지 않고, 후보 EFMs의 수를 어느 정도 줄일 수 있는가?
• RQ4 조절 규칙 통합이 실행 시간, 메모리 사용량, 디스크 공간과 같은 주요 계산 지표에 미치는 영향은 어떠한가?
• RQ5 이 방법을 통해 완전한 EFMs 분석이 가능한 대사 네트워크의 크기 상한선을 확장할 수 있는가?

주요 결과

• 유전자 조절 정보 통합으로 전체 EFMs 계산 시간이 34.1시간에서 7.1시간으로 79% 감소하였다.
• 메모리 사용량은 153GB에서 73GB로 53% 감소하였으며, 이는 반복 과정 중에 저장되는 모드 수가 줄었기 때문이다.
• 디스크 공간 사용량은 251GB에서 2.3GB로 99% 감소하였으며, 주로 1억 4960만 개의 비가능한 모드가 제거되었기 때문이다.
• 반복 단계 동안 총 168만 6000개의 비가능한 모드가 제거되었으며, 대부분의 감소는 후손을 다수 생성할 수 있었을 부모 모드가 손실되었기 때문이다.
• 조절 조건이 적용된 EFMs의 수는 2억 2630만 개에서 210만 개로 감소하여, 해답 공간의 극적인 정제가 이루어졌음을 보여준다.
• 첫 번째 모드 제거가 반복 10단계에서 발생하여, 조절 필터링이 계산 과정의 초기 단계에서 효과적으로 작용한다는 것을 입증한다.