Geri Dön

Investigation of metabolic modeling strategies to predict phenotypes of microbial mutants under data scarcity

Veri yetersizliği altında mikrobiyal mutantların fenotiplerini tahmin etmek için metabolik modelleme stratejilerinin araştırılması

  1. Tez No: 639514
  2. Yazar: ECE ANTURAN
  3. Danışmanlar: DOÇ. DR. EDA ÇELİK AKDUR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoteknoloji, Kimya Mühendisliği, Mühendislik Bilimleri, Biotechnology, Chemical Engineering, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 160

Özet

Mikroorganizmaların fenotip tahminleri, bilişim çalışmaları arasında gelişen bir araştırma alanıdır. Bu tahminler için birçok modelleme stratejisi geliştirilmiştir; ancak bu stratejilerin çoğu, mikroorganizmaların doğal türü için tahminlerde bulunmaktadır. Özellikle asetat ve biyokütle verimleri için yüksek doğrulukta bir mutant fenotipi tahmini yönteminin bulunmaması nedeniyle, bu çalışmada, Escherichia coli suşuna ait 21 mutantın fenotip tahminleri için protein ayırım kısıtlamalarının genom ölçekli model (GEM) üzerine eklenmesinin etkisi; literatürde bulunan çeşitli modelleme stratejilerini birleştirerek ve aynı zamanda sadece doğal tür için bilgi sağlama veya mutant için minimum bilgi sağlama koşulu gerçekleştirilerek çalışılmıştır. Bu çalışmada, Akı Dengesi Analizi (FBA), Metabolit Dengesinin Minimize Edilmesi (MiMBl) ve Metabolik Düzenleme Minimizasyon Yöntemi (MOMA) modelleme stratejilerinin, Kısıtlanmış Dağılım (CA) ve Kinetik ve Omik verileri kullanarak Enzimatik Kısıtlamaları olan GEM (GECKO) yöntemleri ile kombinasyonları sunulmuştur. Kombine stratejiler ile optimal akı dağılımını elde etmek için doğrusal (LP) ve quadratik programlama (QP) çözüm yöntemleri kullanılmıştır. Genel olarak, bu kombine stratejilerden gelen mutant fenotip tahminleri, özellikle çoğalma hızı tahminleri için, önceki çalışmalarda uygulanan diğer stratejilerden daha doğru bir şekilde gerçekleşmiştir. Pearson Korelasyon Katsayılarına (PCC, ρ) göre, mutantların substrat alımı hakkında bilgi sağlanmadığı koşulda (veri yetersizliği altında), en iyi asetat verimi (ρ = 0.53), biyokütle verimi (ρ = 0.71) ve çoğalma hızı (ρ= -0.53), bu çalışmada geliştirilen“GECKO-MiMBl-Reaksiyon”kombine algoritması kullanılarak elde edilmiştir. Bu değerler literatürde benzer senaryolar için mevcut olan PCC değerlerine göre %13-64 daha yüksektir. Özetle, GEM kullanan kombine yöntemler için yeni geliştirilen algoritmalar ile Escherichia coli 'nin mutant fenotipleri için daha doğru tahminler elde edilmiştir.

Özet (Çeviri)

Phenotype predictions of microorganisms are a developing research area in computational studies. For these predictions, many modeling strategies have been developed; however, most of these strategies are only suitable for wild-type predictions. In this study, because of the lack of methods to predict an accurate mutant phenotype, especially for acetate and biomass yields, the influence of adding protein allocation constraints to Genome-scale Models (GEM) for phenotype predictions of 21 mutant strains of Escherichia coli were studied by combining various modelling strategies available in the literature. Conditional information for only the wild-type or minimal information for the mutants were supplied for the predictions. Here, we provide combinations of Flux Balance Analysis (FBA), Minimization of Metabolites Balance (MiMBl) and Metabolic Adjustment Minimization Method (MOMA) modeling strategies with Constrained Allocation (CA) and GEM with Enzymatic Constraints using Kinetic and Omics data (GECKO) methods. In order to solve for the optimal flux distribution using these combined strategies, linear (LP) and quadratic programming (QP) were used. Generally, with the combined strategies, the mutant phenotype was predicted with more accuracy compared to using the other strategies in the previous studies, especially for growth rate predictions. According to Pearson Correlation Coefficients (PCC, ρ), when no information about nutrient uptake of mutants were supplied (i.e. under data scarcity), the best acetate yield (ρ=0.53), biomass yield (ρ=0.71) and growth rate (ρ=-0.53) predictions of the experimental data were obtained, using the“GECKO-MiMBl-Reaction”combined algorithm developed in this study. These values were 13 - 64% higher, compared to the PCC values present in the literature for similar scenarios. Overall, with the newly developed algorithms for combined methods using GEM, more accurate predictions for mutant phenotypes of Escherichia coli have been obtained.

Benzer Tezler

  1. Investigation of medulloblastoma metabolism by tissue-specific genome-scale brain metabolic model and identification of therapeutic targets

    Dokuya özgü genom ölçekli beyin metabolik modeli ile medulloblastom metabolizmasının incelenmesi ve terapötik hedeflerin belirlenmesi

    İLKAY İREM ÖZBEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Kimya MühendisliğiBoğaziçi Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞEFİKA KUTLU ÜLGEN

  2. Environmental and economic assessment of zero waste management

    Sıfır atık yönetiminin çevresel ve ekonomik sonuçlarının değerlendirilmesi

    KADRİYE ELİF MAÇİN

    Doktora

    İngilizce

    İngilizce

    2023

    Çevre Mühendisliğiİstanbul Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN ATİLLA ARIKAN

    DOÇ. DR. ANDERS DAMGAARD

  3. Tip 1 diyabet hastaları için geliştirilen glikoz-insülin metabolizması modelleme çalışmalarının incelenmesi ve insülin infüzyonu kontrol uygulamaları

    An investigation of glucose-insulin metabolism modeling studies developed for Type 1 diabetics and insulin infusion control applications

    SELİM SOYLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. KENAN DANIŞMAN

  4. In silico exploration of antidiabetic potential of Punica granatum: A comprehensive analysis of ligand protein interactions

    Punica granatum'un antidiyabetik potansiyelinin in siliko keşfi: Ligand protein interaksiyonlarının kapsamlı analizi

    CHAYMAE NKITA

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    BiyomühendislikÜsküdar Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    DOÇ. DR. SULTAN MEHTAP BÜYÜKER

  5. Havasız arıtmanın fizikokimyasal dengelerle modellenmesi

    The Modelling of anaerobic digesters with physico-chemical equilibria

    GÜLER DARTAN (DEMİR)

    Yüksek Lisans

    Türkçe

    Türkçe

    1994

    Çevre Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. HASAN ALİ SAN