ПРОГРАММНЫЙ МОДУЛЬ ДЛЯ ИССЛЕДОВАНИЯ РЕГУЛЯЦИИ МЕТАБОЛИЧЕСКИХ ПУТЕЙ БАКТЕРИИ МЕТОДАМИ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ
Математическое моделирование широко применяется в задачах микробиологической биотехнологии. Оно используется для описания и понимания потоков метаболитов и изменения их концентраций, позволяет рассматривать пути биосинтеза белков и делать прогнозы по затратам сред культивирования на выход целевых продуктов и т. д. Стандартные подходы моделирования метаболизма бактерий обычно упускают процессы регуляции, работающие на генетическом уровне. Между тем, развитие вычислительных методов геномного анализа выявляет все больше таких регуляторных отношений. Учет регуляторных отношений в процессе реконструкции моделей позволит исследовать более тонкие детали управления метаболизмом бактерий. В работе представлен программный модуль, который осуществляет генерацию фреймовых математических моделей по структуре генной сети бактерии, расширенный инструментарием учета регуляторных отношений в геноме бактерий. Генерация модели осуществляется в терминах обыкновенных дифференциальных уравнений в рамках стандарта SBML. Исследование результирующей математической модели в итоге доступно во множестве профильных сред моделирования.
Список литературы
- Faeder J.R., Blinov M.L., Hlavacek W.S. Rule-Based Modeling of Biochemical Systems with BioNetGen // Systems Biology. Methods in Molecular Biology. 2009. C. 113-167. Humana Press.
- Machado D. и др. Fast automated reconstruction of genome-scale metabolic models for microbial species and communities // Nucleic Acids Res. 2018. T. 46. № 15. C. 7542-7553.
- Колчанов H.A. и др. Генные сети // Вавиловский журнал генетики и селекции. 2013. Т. 17. № 4/2. С. 833-850.
- Ратнер В.А. Молекулярно-генетическая система управления // Природа. 2001. Т. 3. С. 1622.
- КАЗАНЦЕВ Ф. В., ДР. истема автоматизированной генерации математических моделей генных сетей // Информационный вестник ВОГИС. 2009. Т. 13. № 1. С. 163-169.
- Drager А. и ДР. SBMLsqueezer 2: context-sensitive creation of kinetic equations in biochemical networks // BMC Syst. Biol. 2015. T. 9. № 1. C. 68.
- Lakhova T.N. и др. Algorithm for the Reconstruction of Mathematical Frame Models of Bacterial Transcription Regulation // Mathematics. 2022. T. 10. № 23. C. 4480.
- Likhoshvai V., Ratushny A. Generalized hill function method for modeling molecular processes //J. Bioinform. Comput. Biol. 2007. T. 05. № 02b. C. 521-531.
- Skiena S.S. Graph Traversal // The Algorithm Design Manual. 2012. C. 145-190. Springer, London.
- Landini P. и ДР. The leucine-responsive regulatory protein (Lrp) acts as a specific repressor for oy-dependent transcription of the Escherichia coli aidB gene // Mol. Microbiol. 1996. T. 20. № 5. C. 947-955.
- Rippa V. и ДР. Specific DNA Binding and Regulation of Its Own Expression by the AidB Protein in Escherichia coli // J. Bacteriol. 2010. T. 192. № 23. C. 6136-6142.
- Hucka M. и ДР. The systems biology markup language (SBML): a medium for representation and exchange of biochemical network models // Bioinformatics. 2003. T. 19. № 4. C. 524-531.
- Keating S.M. и др. SBML Level 3: an extensible format for the exchange and reuse of biological models // Mol. Syst. Biol. 2020. T. 16. № 8.
- Welsh С. и ДР. libRoadRunner 2.0: a high performance SBML simulation and analysis library // Bioinformatics. 2023. T. 39. № 1.
- Hoops S. и ДР. COPASI—a COmplex PAthway Simulator // Bioinformatics. 2006. T. 22. № 24. С. 3067-3074.
- Ligon T.S. и др. GenSSI 2.0: multi-experiment structural identifiability analysis of SBML models // Bioinformatics. 2018. T. 34. № 8. C. 1421-1423.