Combining mechanistic and machine learning models for predictive engineering and optimization of tryptophan metabolism
Combinación de modelos mecánicos y de aprendizaje automático para ingeniería predictiva y optimización del metabolismo del triptófano
La ingeniería metabólica permite el mejoramiento de las propiedades celulares por medio de la modificación específica a nivel bioquímico, lo que permite la producción de biomoléculas de interés para diversas industrias y de aplicación médica. Dentro de los modelos para simulación metabólica se encuentran los modelos de redes metabólicas (GSMs); son genomas completos y abarcan miles de reacciones metabólicas. Los métodos de machine learning o aprendizaje automático para la generación de modelos predictivos en sistemas vivos tienen cada vez más acogida en áreas como anotación genómica, descubrimiento de nuevas biomoléculas a partir de moléculas simples, maximización de productos en células microbianas diseñadas, la dinámica de las vías metabólicas y los impulsores transcripcionales de estados patológicos. En este sentido, la combinación de modelos mecánicos y machine learning es prometedora para un mejor rendimiento de la ingeniería predictiva de células al unir las ventajas de la comprensión causal del mecanismo a partir de modelos mecanicistas, con el poder predictivo del ML.
Este estudio fue realizado por Jie Zhang, Søren D. Petersen (Technical University of Denmark, Lyngby, Denmark), Tijana Radivojevic (DOE Agile BioFoundry, Emeryville, CA, USA; Joint BioEnergy Institute, CA, USA; Lawrence Berkeley National Laboratory, CA, USA), Andrés Ramirez, Andrés Pérez-Manríquez (TeselaGen SpA, Santiago, Chile), Eduardo Abeliuk (TeselaGen Biotechnology, CA, USA), Benjamín J. Sánchez (Technical University of Denmark, Lyngby, Denmark), Zak Costello (DOE Agile BioFoundry, Emeryville, CA, USA; Joint BioEnergy Institute, CA, USA; Lawrence Berkeley National Laboratory, CA, USA), Yu Chen (BCAM, Basque Center for Applied Mathematics, Bilbao, Spain; Chalmers University of Technology, Gothenburg, Sweden), Michael J. Fero (TeselaGen Biotechnology, CA, USA), Hector Garcia Martin (DOE Agile BioFoundry, Emeryville, CA, USA; Joint BioEnergy Institute, CA, USA; Lawrence Berkeley National Laboratory, CA, USA), Jens Nielsen (Chalmers University of Technology, Gothenburg, Sweden), Jay D. Keasling (Joint BioEnergy Institute, CA, USA; Lawrence Berkeley National Laboratory, CA, USA; Shenzhen Institutes of Advanced Technologies, Shenzhen, China; Technical University of Denmark, Lyngby, Denmark; University of California, Berkeley, CA, USA) y Michael K. Jensen (Technical University of Denmark, Lyngby, Denmark) para Nature Communications (Vol. 11, núm. 4880, 2020 ), una revista dedicada a la publicación de estudios en las diferentes áreas de las ciencias naturales. Esta es una publicación de Nature. Correo de contacto: [email protected]
Recursos
-
Formatopdf
-
Idioma:inglés
-
Tamaño:1139 kb
Reconfiguration of metabolic fluxes in Pseudomonas putida as a response to sub-lethal oxidative stress
Reconfiguración de flujos metabólicos de Pseudomonas putida como respuesta ante el estrés oxidativo letal
Pseudomonas putida es un microorganismo común en ambientes contaminados con químicos, capaz de tolerar altos niveles de estrés oxidativo tanto exógeno como endógeno. Este trabajo se centra en investigar la red metabólica responsable de la generación de NADPH, que sirve como combustible para los mecanismos de eliminación de estrés redox, mediante experimentos de análisis de flujo metabólico y metabolómica, junto con la evaluación de parámetros fisiológicos y actividad enzimática. Se obtuvo un excedente de NADPH, que impulsó el sistema de glutatión para la reducción de H2O2. De esta manera se explica la tolerancia de P. putida a las agresiones ambientales, por lo que se destaca el valor de este microorganismo agente biológico para la biorremediación in situ y la ingeniería metabólica.
Este estudio fue desarrollado por Pablo I. Nikel (Technical University of Denmark, Lyngby, Denmark), Tobias Fuhrer (ETH Zurich, Zurich, Switzerland), Max Chavarría (Universidad de Costa Rica, San José, Costa Rica), Alberto Sánchez-Pascuala (Max Planck Institute for Terrestrial Microbiology, Marburg, Germany), Uwe Sauer (ETH Zurich, Zurich, Switzerland) y Víctor de Lorenzo (Centro Nacional de Biotecnología (CNB-CSIC), Madrid, Spain) para The ISME Journal (2021), una revista dedicada a la publicación de estudios sobre ecología microbiana. Esta es una publicación de Nature. Correo de contacto: [email protected]
Recursos
-
Formatopdf
-
Idioma:inglés
-
Tamaño:2968 kb