Cum se poate simula ciclul Krebs

Ciclul Krebs, cunoscut și sub numele de ciclul acizilor tricarboxilici (ciclul TCA), este un lanț de reacții biochimice folosit de către organismele vii aerobe pentru generarea de energie. 
Înțelegerea ciclului Krebs este importantă din multe puncte de vedere, cum ar fi înțelegerea comportamentului celulelor canceroase (vezi Efectul Warburg).

Efectul Warburg
Energia necesară pentru reproducerea celulelor și supraviețuirea lor provide de obicei din două surse. Prima este glicoliza, care este contituită dintr-o serie de reacții care metabolizează glucoza în piruvat pentru a produce 2 molecule de ATP din fiecare moleculă de glucoză. A doua sursă este ciclul Krebs (TCA) care folosește piruvatul rezultat din glicoliză, având ca rezultat 36 de molecule de ATP din fiecare moleculă de glucoză. În lipsa oxigenului, spre exemplu țesutul muscular în timpul unui exercițiu fizic intens, piruvatul nu mai este folosit în ciclul Krebs și este transformat în acid lactic, printr-un process numit glicoliza anaerobă (Kim et al 2006).
Aparent paradoxal, chiar și în prezența oxigenului, celulele canceroase preferă să se comporte ca și cum ar avea condiții anaerobe: evită ciclul Krebs,
și astfel au un randament mult diminuat. Ele consumă rapid cantități mari de glucoză din care rezultă doar două molecule de ATP și acid lactic. In felul acesta produc un mediu foarte acid in jurul lor si omoara celulele sanatoase.

În acest articol vom prezenta o metodă prin care poate fi modelat ciclul Krebs în drojdie. De ce drojdia?! Pentru că este un organism studiat foarte des în biotehnologie, despre care există deja foarte multe cunoștințe.

Resurse informatice

1. Baza de cunoștințe KEGG (Kyoto Encyclopedia of Genes and Genomes). Este este utilă pentru analiza sistematică a genelor și funcțiilor acestora. KEGG conține informații despre căile metabolice, majoritatea provenite din literature de specialitate.

2. STRENDA (Standards for Reporting Enzymology Data). Este un standard conform căruia fiecare reacție trebuie să specifice reactanții și produșii, precum și originea enzimelor. Condițiile experiementale prin care s-a ajuns la anumite rezultate trebuie și ele specificate. Modelarea cinetică a ciclului Krebs trebuie să respecte standardele STRENDA.

3. SABIO, SABIO-RK (System for the Analysis of Biochemical Pathways‐ Reaction Kinetics) SABIO este o colecție cuprinzătoare de constante cinetice enzimatice care respectă standardele STRENDA. Datele sunt adunate din literature de specialitate sau din KEGG și pot fi accesate fie prin intermediul unei interfețe web sau al unui webservice.

4. BRENDA – este o bază de date asemănătoare cu SABIO, cuprinde mai multe date, însă aceastea nu respectă neapărat standardele STRENDA.

5. Metacyc – bază de date cu informații despre căile metabolice.

6. Reactome – bază de date pentru căile metabolice în organismul uman.

7. SBML (Systems Biology Mark-up Language) – în același fel în care SOAP este un standard de comunicare între webservices, biologii au definit un standard pentru a comunica datele din biochimie.
8. SBGN (Systems Biology Graphical Notation) – Standard pentru reprezentarea rețelelor de interacțiuni biochimice.
9. PANTHER (Protein Analysis Through Evolutionary Relationships) – bază de date cu informații despre căile metabolice și nu numai.
10. KEGG2SBML – software folosit pentru convertirea fișierelor din baza de date KEGG în fișiere SBML
11. Cell Designer– software pentru modelarea rețelelor biochimice
Construirea modelului cinetic al ciclului Krebs în drojdie 

Pasul 1. Indentifică toate reacțiile, metaboliții și enzimele implicate în ciclul Krebs

– interogheză baza de cunoștințe KEGG cu parametrii TCA cycle în drojdie („Saccharomyces cerevisiae”).
– Dacă rezultatele nu sunt suficiente, caută alte resurse.

Pasul 2. Găsește datelor cinetice asociate cu enzimele care participă în ciclul Krebs

Interoghează interfața SABIO-RK cu parametrii Pathway= „TCA cycle” și organism = „Saccharomyces cerevisiae
Acestea sunt rezultatele

Verifică datele cinetice ale reacțiilor și ale enzimelor. Verifică acuratețea datelor (sursa datelor, când au fost publicate etc.)

  1. Verifică dacă SABIO-RK a returnat date pentru toate reacțiile din ciclul Krebs. În acest caz, SABIO-RK a returnat numai șapte dintre cele opt reacții.
  2. Exportă datele în format SBML. Numai datele despre reacții vor fi exportate. Datele cinetice vor trebui adăugate mai târziu în model.

Pasul 3. Verifică dacă există și alte surse cu date despre enzime. BRENDA este o bază de date care conține multe informații, dar din păcate, interfața nu permite interogarea unei căi metabolice într-un organism specific. Pentru fiecare reacție identificată la Pasul 1, caută informații despre enzime în baza de date BRENDA, și îmbunătățește datele deja existente.

Pasul 4. Un tutorial pentru programul Cell Designer http://celldesigner.org/help/CDH_Database_12.html sugerează următorii pași pentru modelarea ciclului Krebs

  1. Importă modelul ciclului Krebs din baza de date pantherdb.org
  2. Importă datele enzimatice din SABIO-RK, din meniul Cell Designer (Database-> Import reaction information from SABIO-RK).

Din păcate, cele două baze de date (panther.org și SABIO-RK) nu sunt compatibile. Nu toate enzimele aflate pe diagrama importata din panther.org se găsesc în SABIO-RK. Apoi, reacțiile din panther.org și SABIO-RK nu au întotdeauna același număr de parametrii. Deci, în cazul de față, metoda sugerată aici http://celldesigner.org/help/CDH_Database_12.html a dat greș.

Sugerăm următoarea variantă:

Desenează manual ciclul Krebs în Cell Designer, așa cum apare în baza de cunoștințe KEGG. De vreme ce SABIO-RK se bazează pe KEGG, sunt compatibile.  Odată ce avem noul desen al ciclului Krebs, importă modelul cinetic al fiecărei enzime din SABIO-RK, folosind (Database-> Import reaction information from SABIO-RK) în Cell Designer.

O alternativă ar fi să exportăm ciclul Krebs din KEGG în format SBML folosind KEGG2SBML. Apoi importă datele SBML în Cell Designer și adaugă modelele cinetice din SABIO-RK, folosind (Database-> Import reaction information from SABIO-RK)în Cell Designer.

Simulări

Simularea căilor enzimatice se poate face ușor cu Cell Designer.

Concluzii

În prezent uneltele informatice care conțin datele biochimice nu sunt ușor de folosit. Cu toate acestea, modelarea este posibilă, dar de multe ori utilizatorul trebuie să rezolve problemele legate de incompatibilitatea dintre diferite formate de date, de informațiile incomplete sau de datele eronate .

Citește mai mult aici:

Funahashi, A., Jouraku, A., and Kitano, H., 2004. Converting the KEGG pathway database to SBML 5th International Conference on Systems Biology (ICSB 2004)

Funahashi, A. et al., 2008. CellDesigner 3.5: A Versatile Modeling Tool for Biochemical Networks. Proceedings of the IEEE, 96(8), 1254-1265.  

Golebiewski, M. et al., 2007. Integration of SABIO-RK in workbenches for kinetic model design. BMC Systems Biology, 1(Suppl 1), P4.  

Hucka, M. et al., 2003. The systems biology markup language (SBML): a medium for representation and exchange of biochemical network models. Bioinformatics, 19(4), 524 -531.  

Joshi-Tope, G., 2004. Reactome: a knowledgebase of biological pathways. Nucleic Acids Research, 33(Database issue), D428-D432.  

Kanehisa, M. & Goto, S., 2000. KEGG: Kyoto Encyclopedia of Genes and Genomes. Nucleic Acids Research, 28(1), 27 -30.  

Krieger, C.J., 2004. MetaCyc: a multiorganism database of metabolic pathways and enzymes. Nucleic Acids Research, 32(90001), 438D-442.  

Mi, H. et al., 2009. PANTHER version 7: improved phylogenetic trees, orthologs and collaboration with the Gene Ontology Consortium. Nucleic Acids Research, 38(Database), D204-D210.  

Novere, N.L. et al., 2009. The Systems Biology Graphical Notation. Nat Biotech, 27(8), 735-741.  

SABIO-RK: Integration and Curation of Reaction Kinetics Data Wittig U., Golebiewski, M., Kania, R., Krebs, O., Mir, S., Weidemann, A., Anstein, S., Saric, J. and Rojas, I.. In proceedings of the 3rd International workshop on Data Integration in the Life Sciences 2006 (DILS’06). Hinxton, UK. Lecture Notes in Bioinformatics, 4075: 94-103(2006)

Schomburg, I., Chang, A. & Schomburg, D., 2002. BRENDA, enzyme data and metabolic information. Nucleic Acids Research, 30(1), 47 -49.  

(Prima imagine este din Wikipedia)

Leave a comment

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.