[论文解读] Automation on the generation of genome scale metabolic models

Raudel Giráldez Reyes, D. Gamermann+5 more|arXiv (Cornell University)|Jun 4, 2012

Microbial Metabolic Engineering and Bioproduction参考文献 24被引用 5

一句话总结

本文提出了一种在 COPABI 平台中实现的自动化流程，利用概率算法，从基因组、蛋白质组和代谢组数据生成基因组尺度代谢模型（GSMs）。该方法在网络距离度量下与人工精心构建的模型保持高度一致性，将模型重建时间从约1年缩短至数天，同时保留了连通性和小世界行为等关键网络特性。

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.

研究动机与目标

• 为解决基因组尺度代谢模型重建过程冗长、人工参与多且耗时的问题，该过程通常需约1年/生物体。
• 开发一种自动化、可扩展的方法，将基因组、蛋白质组和代谢组数据整合为统一的代谢网络重建。
• 验证自动生成模型的鲁棒性和准确性，与已发表的人工精心构建模型进行对比。
• 通过计算平台实现实时、可重复且一致的任何生物体的GSM生成。
• 通过加速获得可靠代谢模型，支持系统生物学和合成生物学应用。

提出的方法

• 该方法使用计算平台（COPABI）自动检索并整合来自 KEGG 数据库的基因组、蛋白质组和代谢组信息。
• 应用概率算法评估反应的唯一性和完整性，基于生物学合理性指导模型构建。
• 将重建的模型导出为标准格式（OptGene 和 SBML/xml）以供后续分析。
• 计算网络特性（如连通性和平均最短路径），以表征模型的拓扑结构。
• 基于代谢物集合重叠和连接权重定义网络距离度量，实现自动生成模型与人工精心构建模型之间的比较。
• 距离度量计算公式为 dist = (α + β)/(2γ)，其中 α、β 和 γ 分别表示跨网络的代谢物集合之间加权连接比例。

实验结果

研究问题

• RQ1 是否能够通过完全自动化的流程生成与人工精心构建模型一致的基因组尺度代谢模型？
• RQ2 自动生成模型的拓扑特性（如连通性、平均最短路径）与人工精心构建模型相比如何？
• RQ3 自动生成的模型在多大程度上保留了小世界和无标度网络等关键网络特征？
• RQ4 基于代谢物集合重叠和连接模式的度量是否能可靠地区分不同生物体的模型？
• RQ5 与人工注释相比，该自动化方法在多大程度上减少了代谢模型重建的时间和工作量？

主要发现

• 自动生成的模型与人工精心构建的模型保持高度一致性，表现为当比较同一生物体的模型时，网络距离值最高。
• 在表2的每一行中，每个生物体的最大距离值均对应于与自身文献模型的比较，证实了模型的保真度。
• 自动生成模型的平均最短路径和连通性分布表现出小世界和无标度网络行为，与已知的生物网络特性一致。
• 尽管存在如生物量未定义和代谢物名称映射不精确等局限性，模型仍保留了足够的结构特征，可有效区分不同生物体。
• 该方法将模型重建时间从约1年缩短至仅数天，实现了快速、可扩展的模型生成。
• 网络距离度量成功识别了模型相似性，当网络完全相同时 dist = 0，完全不相交时 dist = ∞，验证了其理论合理性。