Informatie

Hoe schrijf je een stoichiometrische matrix voor een deel van de pentosefosfaatroute?


misschien is dit meer bio-engineering dan biologie, maar ik heb zo'n groep niet gevonden.

Zo kreeg ik de volgende foto:

En ik werd gevraagd om het volgende te doen voor het netwerk in het rode gebied.
1) Schrijf de stoichiometrische matrix voor het netwerk
2) Teken een routekaart voor het netwerk
3) Teken connectiviteitskaarten voor primaire metabolieten
4) Schrijf de massabalansvergelijkingen voor primaire metabolieten

Ik weet dat voor de eerste de kolommen de reacties zijn die plaatsvinden en de lijnen de "chemicaliën". Moeten de markeringen op de kolommen hetzelfde zijn als de nummers die op elke reactie staan? (zoals "3.1.1.31") Bijna elke reactie kan in beide richtingen gaan, is er iets dat zegt welke chemische stof min moet krijgen en welke plus? Mijn poging tot de matrix was:

Wat betreft de routekaart, is dat niet in feite de foto?
En tot slot, wat zou in dit geval een "primaire metaboliet" zijn?

Alle hulp en tips worden zeer op prijs gesteld!


Dit is geen bijzonder goed geschreven huiswerkvraag. Ik zal proberen wat hints te geven op basis van hoe ik het interpreteer.

1) De stoichiometrische matrix. Je hebt precies het goede idee. Ik zou de reacties als enzymnamen of gennamen schrijven in plaats van de EC-nummers (bijvoorbeeld G6PD- of G6P-dehydrogenase in plaats van 1.1.1.49). Voor de omkeerbare reacties is er geen a priori reden om ze in de een of andere richting te schrijven, maar de conventie zou zijn om glucoseconsumptie in de positieve richting te brengen. Ik zou "glycolyse" niet als een afzonderlijke reactie opnemen. Ik zou ook overwegen om cofactoren en bijproducten op te nemen in de moleculen die door de reactie worden beïnvloed (bijv. CO2, NADP+, NADPH, (misschien ADP, ATP, NAD+, NADH ook als die zich voordoen)).

2) Ja, het is eigenlijk wat je al hebt. Het is geen bijzonder groot diagram, dus je zou het op een duidelijkere manier kunnen tekenen.

3) Ik heb geen idee wat dit betekent, maar misschien helpt het volgende punt.

4) Primaire metaboliet is geen super goed gedefinieerde term, maar ik denk dat ik in deze context zou zeggen dat, zoals ze de vraag bedoelen, ze op zoek zijn naar een "totale routereactie" die de netto-inputs beschrijft en uitgangen van het traject.

Iets zoals dit:

$$ X_1 G6P + X_2 NADP+ impliceert X_3 GAP + X_4 FBP + X_5 CO_2 + X_6 NADPH $$ (G6P=Glucose-6-fosfaat, GAP=Glyceraldehyde-3-fosfaat, FBP=Fructose-bis-fosfaat)

Ik laat het aan jou over om erachter te komen wat de X's zijn of dat ik iets heb weggelaten (aangezien het tenslotte een huiswerkopdracht is.)


Inzicht in de oorzaken en implicaties van endotheliale metabole variatie bij hart- en vaatziekten door middel van metabole modellering op genoomschaal

High-throughput biochemische profilering heeft geleid tot een behoefte aan geavanceerde data-interpretatietechnieken die de analyse van gen-, eiwit- en metabolische profielen kunnen integreren om licht te werpen op genotype�notype-relaties. Hierin beschouwen we de huidige stand van kennis van het metabolisme van endotheelcellen (EC) en de verbindingen met hart- en vaatziekten (CVD) en onderzoeken we het gebruik van metabole modellen op genoomschaal (GEM's) voor het integreren van metabole en genomische gegevens. GEM's combineren genexpressie en metabole gegevens die fungeren als kaders voor hun analyse en bieden uiteindelijk mechanistisch begrip van hoe genetische variatie het metabolisme beïnvloedt. We laten zien hoe GEM's kunnen worden gebruikt om CVD-gerelateerde genetische variatie, resistentie tegen geneesmiddelen en nieuwe metabole routes in EC's te onderzoeken. De toepassing van GEM's in gepersonaliseerde geneeskunde wordt ook benadrukt. In het bijzonder richten we ons op het potentieel van GEM's om metabole biomarkers van endotheeldisfunctie te identificeren en om methoden te ontdekken voor het stratificeren van behandelingen voor CVD's op basis van individuele genetische markers. Recente ontwikkelingen in de systeembiologiemethodologie en hoe deze methodologieën kunnen worden toegepast om het EC-metabolisme in zowel gezondheid als ziekte te begrijpen, worden dus benadrukt.


Achtergrond

De moderne vleeskuiken (vlees) kip is het product van meer dan 60 jaar kunstmatige selectie op commercieel wenselijke eigenschappen, wat resulteert in zowel verbeterde voerefficiëntie als borstspieropbrengst. Momenteel bereiken slachtkuikens het marktgewicht in ¾ van de tijd die nodig was in de jaren vijftig, maar ze wegen bijna twee keer zoveel als de rassen van de jaren vijftig, waarbij de borstspier een groter deel uitmaakt van de totale vogelmassa [1]. Verschillende studies hebben moderne lijnen vergeleken met niet-geselecteerde lijnen in termen van groeisnelheid en voerefficiëntie [2, 3]. In een dergelijk onderzoek waarin de groei van een moderne vleeskuikenlijn (Ross 708) werd vergeleken met een oude lijn van commerciële vogels voor algemeen gebruik die niet waren geselecteerd sinds de jaren 1950 (UIUC) gedurende de eerste 5 weken na het uitkomen, bleek de borstspier 18 en 9 te omvatten. % van de totale lichaamsmassa, respectievelijk [4]. Bijkomende veranderingen in het groeipatroon manifesteren zich in leverallometrie. In beide lijnen bereikte de relatieve levermassa een vergelijkbaar maximum van ongeveer 3,8% van de lichaamsmassa en begon toen af ​​te nemen. Deze piek deed zich echter een week eerder voor bij de moderne vleeskuikens. Deze bevinding vormde een deel van de basis voor deze studie, inclusief selectie van de lever en de eerste 3 weken na het uitkomen, omdat de hypothese was dat het eerdere begin van deze piek ontstond als gevolg van selectie voor snelle groei en de belangrijke rol van de lever in het metabolisme van voedingsstoffen.

Kuikens ondergaan drastische fysiologische veranderingen als gevolg van het uitkomen. Het zich ontwikkelende embryo is volledig afhankelijk van voedingsstoffen uit de dooier [5,6,7]. Tijdens de late embryonale ontwikkeling wordt veel van het dooierlipide geabsorbeerd en opgeslagen in de lever, voornamelijk als cholesterylesters [8]. Op dag 18 van de incubatie, 3 dagen voor het uitkomen, vormen lipiden 10% van de levermassa door opname en opslag van dooiervoedingsstoffen [9]. Dit opgeslagen lipide, samen met het dooierresidu, voorziet het kuiken van voedingsstoffen na het uitkomen, maar op dag 5 na het uitkomen is 90% van het dooierlipide geabsorbeerd [10]. Kuikens krijgen bij het uitkomen een koolhydraatrijk dieet omdat vasten in deze periode het vroege spiergroeipotentieel van kuikens belemmert [11]. Deze vroege veranderingen in de voedingsbron, in combinatie met snelle groei, betekenen dat het handhaven van de metabole homeorhese een grote uitdaging is voor de lever in de eerste weken na het uitkomen.

High-throughput transcriptoomanalyses bieden op elk moment momentopnamen van getranscribeerde RNA's en zijn nuttig om differentieel gereguleerde genen tussen omstandigheden of tijdstippen te identificeren. Het combineren van transcriptomics met ongerichte metabolomics is een krachtig middel om hypothesen af ​​te leiden over de interacties tussen het transcriptoom en het metaboloom. Door bijvoorbeeld deze twee high-throughput-methoden te integreren, werden metabole en signaalroutes geïdentificeerd die reageren op hittestress in de lever van moderne slachtkuikens [12]. Eerdere studies hebben het levertranscriptoom van de moderne vleeskuikens beschreven [13,14,15,16]. Eén studie vergeleek het hepatische transcriptoom op zes tijdstippen tijdens de embryo- tot hatchling-overgang, van 16-daagse embryo's tot 9-dagen oude kuikens [17]. Ze identificeerden veel metabole routes die consistent zijn met de overgang naar de voedingsbron die de kuikens ondergaan in de eerste week na het uitkomen, vooral sommige die het lipidenmetabolisme beïnvloeden. Een andere recente studie onderzocht veranderingen in het levertranscriptoom als gevolg van vasten en opnieuw voeden onmiddellijk na het uitkomen, identificatie van genen die worden gereguleerd door lipogene transcriptiefactor THRSPA en schakelen tussen lipolytische en lipogene toestanden [18].

Er zijn geen geïntegreerde high-throughput studies geweest van de moderne vleeskuikenlever onder normale omstandigheden in de kritieke eerste 3 weken na het uitkomen. De moleculaire veranderingen die zich tijdens deze periode voordoen - de metabolische aanjagers van snelle spiergroei en voerefficiëntie - worden dus slecht begrepen. Door deze op een datagestuurde manier te onderzoeken, kan nieuwe kennis worden verkregen over de functies van de lever tijdens de vroege groei na het uitkomen van het kuiken, en ook over hoe de lever zelf zich ontwikkelt. In dit werk vergelijken we, door het hepatische transcriptoom en metaboloom te integreren, de belangrijkste metabole routes van de lever op twee tijdstippen: dag 4 (D4) en dag 20 (D20) na het uitkomen. Deze werden geselecteerd om de metabolische herprogrammering vast te leggen die nodig is om de overgang te ondersteunen van het vertrouwen op opgeslagen dooier naar oraal geconsumeerd voer dat ten grondslag ligt aan de groeisnelheid en het fenotype van de moderne vleeskuikens.


Resultaten en discussie

We vergeleken ons FIA-algoritme met de veelgebruikte MFA-software 13CFLUX [17], die gebaseerd is op de cumomer-benadering, en met de meer recente Open-FLUX [15]-software, die is gebaseerd op de EMU [14]-benadering. Om de methoden te vergelijken, hebben we fluxschattingen uitgevoerd voor verschillende goed bestudeerde metabole routes. Ons eerste voorbeeld is gebaseerd op de tutorial die Wiechert et al. voorzien van hun 13CFLUX-software: de Embden-Meyerhof en Pentosefosfaat metabole routes van Escherichia coli[17]. Dit voorbeeld vergelijkt de looptijd en robuustheid van beide algoritmen als reactie op invoerruis. Ons tweede voorbeeld vergelijkt de resultaten en prestaties van de FIA ​​met zowel een ad-hocmethode als het OpenFLUX-algoritme voor de analyse van lysineproductie door C. glutamicum, zoals beschreven door Becker et al. [18] en Quek et al. [15].

FIA vs. 13CFLUX vergelijking: Embden-Meyerhof en Pentose Fosfaatroutes

In deze sectie onderzoeken we een netwerk dat de Embden-Meyerhof en Pentosefosfaat paden van E coli, die is gebaseerd op de tutorial van Wiechert et al. als onderdeel van hun 13CFLUX softwarepakket. Aangezien onze FIA-implementatie native 13CFLUX-invoerbestanden ondersteunt (d.w.z. "FTBL"-bestanden), kunnen dezelfde invoerbestanden voor beide algoritmen worden gebruikt. (Merk echter op dat de FIA ​​geen definitie van vrije fluxen of initiële waarden vereist, en deze worden dus gewoon genegeerd wanneer ze worden geïmporteerd). Figuur 1 toont het eenvoudige netwerk dat wordt gebruikt samen met de nomenclatuur die in eerdere publicaties is gebruikt. Naast de netwerkstructuur zijn de modellen voorzien van flux- en isotopenmetingen zoals weergegeven in Tabel 1.

E.Coli EMP- en PPP-stofwisselingsroutes. De Embden-Meyerhof en Pentosefosfaat metabole routes van Escherichia coli.

Eerst hebben we de uitvoer van de twee algoritmen onderzocht voor het traditionele "geruisloze" invoerbestand. Om de analyse uit te voeren, vereist 13CFLUX dat de gebruiker een set "vrije fluxen" definieert, samen met de bijbehorende initiële waarden [7]. Merk op dat een slechte keuze van vrije fluxen of de bijbehorende waarden kan resulteren in slechte algoritmische prestaties (zowel in rekentijd als nauwkeurigheid). In feite convergeerde het algoritme onder verschillende initiële gissingen helemaal niet. Wat betreft de FIA, geen van bovenstaande is vereist. Aangezien het netwerk en de gegeven metingen goed gedefinieerd zijn, gaven de twee algoritmen in het geruisloze geval vergelijkbare waarden voor unidirectionele fluxen, zoals te zien is in tabel 2. Er werden enkele kleine onenigheden waargenomen voor de bidirectionele fluxen, die slechter zijn. geïdentificeerd.

Vervolgens vergeleken we de gevoeligheden van de algoritmen voor ruis. In een reeks van 10 experimenten werd witte Gauss-ruis toegevoegd aan alle gemeten isotopomeerwaarden en werden de outputs en rekentijden voor beide algoritmen geregistreerd. Zoals te zien is in figuur 2, blijven unidirectionele fluxen vrij constant en hebben ze nauwelijks last van de toegevoegde experimentele fout (voor beide algoritmen). De bidirectionele fluxen worden echter beïnvloed door de toegevoegde ruis. 13CFLUX heeft last van een grotere variantiespreiding van de geschatte waarden dan FIA (en is dus gevoeliger voor de toegevoegde meetruis). Merk op dat het verschil niet alleen ontstaat door het gebruikte wiskundige model, maar ook door de stabiliteitseigenschappen van de gekozen optimalisatiemethode.

Gemeten fluxwaarden. Bidirectionele fluxen berekend met FIA en 13CFLUX voor meetset met ruis.

Vervolgens hebben we de rekenprestaties van de twee methoden onderzocht. Tabel 3 toont de looptijd van het algoritme voor convergentie (in seconden). De gemiddelde looptijd voor 13CFLUX was 133 seconden, terwijl deze tijd voor de FIA ​​7 seconden was. De looptijdverhouding (13CFLUX/FIA) voor individuele experimenten varieerde van ×9 tot ×75.

FIA vs. OpenFLUX-vergelijking: lysineproductie door C. glutamicum

In deze sectie onderzoeken we de analyse van het centrale metabolisme van twee lysine-overproducerende stammen van Corynebacterium glutamicum: ATCC 13032 (lysC fbr) en zijn PEFTUfbp-mutant. Beide brengen feedback-resistente isovormen van het aspartokinase-enzym tot expressie lysC, terwijl de laatste bovendien is ontworpen om het glycolytische enzym fructose-1,6-bisfosfatase tot overexpressie te brengen. Het voorbeeld is gebaseerd op de metingen van Becker et al. [18], die een ad-hocprogramma implementeerde om de waarden van verschillende metabole fluxen te schatten. In hun recentere artikel over de introductie van het OpenFLUX-softwarepakket [15], stellen Quek et al. ervoor gekozen om hun resultaten te vergelijken met die van Becker et al. Daarom zullen we hun vergelijking uitbreiden met behulp van onze FIA-implementatie. Het invoerbestand voor de FIA ​​is geconstrueerd met behulp van de metingen en de routestructuur die worden gegeven in [18] en [15]. Zoals beschreven in [15], werden de gepubliceerde massa-isotopomeerfracties aangepast voor massa-interferentie van niet-koolstofskeletisotopen met behulp van de molecuulformule van de aminozuurfragmenten. FIA ondersteunt het automatisch genereren van de natuurlijk voorkomende isotopencorrectiematrix wanneer de gemeten molecuulformules worden aangeleverd. Dit past de gemeten fluxomerenvector aan die tijdens het optimalisatieproces in de objectieve functie verschijnt. Indien nodig is het mogelijk deze functie niet te gebruiken, maar het algoritme direct te voorzien van de gecorrigeerde meetwaarden.

Bij het vergelijken van de looptijden van FIA met OpenFLUX moeten de verschillende algoritmische benaderingen van de twee in gedachten worden gehouden. Terwijl OpenFLUX vereist dat de gebruiker sets met vrije fluxen levert, vereist FIA geen vrije fluxen of initiële waarden. Open-FLUX evalueert snel tientallen verschillende optimalisatiecycli met willekeurige beginwaarden en zoekt het best passende resultaat daartussen, terwijl FIA slechts één enkele (langere) run gebruikt. Als zodanig hangt de convergentiewaarschijnlijkheid van OpenFLUX af van het aantal pogingen en willekeurige waarden die tijdens de werking worden gegenereerd, terwijl de FIA-resultaten niet afhankelijk zijn van willekeurige waarden. Bovendien evalueren EMU-gebaseerde algoritmen in hun analyse alleen de fluxen die nodig zijn voor meetvergelijking, en dus hangt hun looptijd zowel af van de metabole netwerkstructuur als de hoeveelheid en locatie van de gegeven metingen. De FIA ​​kan daarentegen op elk moment de volledige set metabole fluxen leveren, zonder extra rekenvereiste (die voornamelijk afhangt van de netwerkstructuur).

Gemeten fluxen als constanten

Eerst hebben we exact dezelfde simulatie uitgevoerd als Quek et al. uitgevoerd in hun artikel. Ze leveren zeer nauwkeurige (gemiddelde fout in de orde van 0,15 mol%) waarden voor de labelmetingen en gebruikten de gegeven gemeten fluxen alsof het geruisloze metingen waren (dus als constanten). We beginnen met het vergelijken van de simulatietijd voor dit eenvoudige geval. Volgens [15] en zoals door ons gevalideerd met behulp van onze computer, had OpenFLUX 50 iteraties van ongeveer 16 seconden nodig om een ​​behoorlijk minimaal punt te vinden, dus in totaal ongeveer 800 seconden. Hoewel dit het geval was, duurde de FIA-analyse 60 seconden voor de eerste analyse en het maken van matrices, en nog eens 300 seconden voor convergentie, dus 360 seconden als geheel. Wat betreft de simulatieresultaten, zoals te zien is in Tabel 4 en Tabel 5, liggen de fluxen zeer dicht bij de eerder berekende fluxen, en de geschatte fluxen die de FIA ​​retourneerde, hadden de laagste restwaarde in vergelijking met de andere methoden.

Gemeten fluxen als metingen

We kunnen dezelfde optimalisatie ook uitvoeren, maar de gegeven fluxmetingen wegen op basis van hun varianties. Bij het uitvoeren van deze optimalisatie met OpenFLUX (opnieuw met 50 iteraties), werd de hoeveelheid tijd aanzienlijk verhoogd en eindigde in ongeveer 48 minuten. Voor de FIA ​​daarentegen was de looptijd hetzelfde als voorheen, dus ongeveer 6 minuten. Bij het vergelijken van de resultaten van de algoritmen had OpenFLUX te kampen met ernstige convergentieproblemen. De meeste iteraties eindigden zonder enige convergentie, terwijl de iteraties die wel convergeerden, nutteloze resultaten opleverden, ver van de metingen. De FIA ​​slaagde er daarentegen in om voor alle scenario's te convergeren. Voor de wildtype lysine producerende route waren de resultaten zeer dicht bij die ervoor (aangezien de fluxen en metingen vrij nauwkeurig waren). Voor het mutante voorbeeld, dat minder nauwkeurig was, werd een verlaging van de restwaarde bereikt door kleine veranderingen in de gemeten fluxen. fluxen en restwaarden kunnen worden onderzocht in Tabel 4 en Tabel 5.

Niet-genormaliseerde MS-metingen gebruiken

We laten nu zien dat de FIA ​​gemakkelijk onvolledige of niet-genormaliseerde metingen kan gebruiken door de prestaties in het bovenstaande voorbeeld te onderzoeken. De aangeleverde MS-metingen zijn genormaliseerd naar de N +1 backbone koolstofatomen van de gemeten metabolieten. In plaats van de geleverde genormaliseerde gegevens te gebruiken, vermenigvuldigen we elke set metabolietmetingen met een willekeurig constant getal. Door dit te doen, simuleren we het geval waarin alleen de eerste 3 (2 voor GLY) MS-pieken werden gemeten en niet waren genormaliseerd. De originele en aangeleverde niet-genormaliseerde meetwaarden zijn te vinden in Tabel 4. Merk op dat de waarden gecorrigeerd zijn door de molecuulformules van de gemeten fragmenten (opnieuw kunnen automatisch uitgevoerd worden door FIA). Bij gebrek aan genormaliseerde gegevens gaf de FIA ​​geschatte fluxen die zeer dicht bij de vorige gevallen lagen, met zeer lage restwaarden, zoals te zien is in tabel 5. De looptijd van het algoritme werd niet beïnvloed door de wijziging.


Toepassing van een regelstrategie voor opgeloste zuurstof om de expressie van Streptococcus suis glutamaat dehydrogenase in Escherichia coli

De ophoping van acetaat in Escherichia coli remt celgroei en gewenste eiwitsynthese, en celdichtheid en eiwitexpressie worden verhoogd door vermindering van acetaatuitscheiding. Opgeloste zuurstof (DO) is een belangrijke parameter voor acetaatsynthese en de accumulatie van acetaat is omgekeerd gecorreleerd met het DO-niveau.In deze studie werd het effect van DO-niveaus op glutamaatdehydrogenase (GDH) -expressie onderzocht en vervolgens werden verschillende DO-controlestrategieën getest op effecten op GDH-expressie. DO-controlestrategie IV (50% 0–9 uur, 30% 9–18 uur) leverde de hoogste celdichtheid (15,43 g/L) en GDH-concentratie (3,42 g/L), waarden van 1,59 en 1,99 keer hoger dan die bereikt bij 10% DO. De accumulatie van acetaat was 2,24 g/L met DO-controlestrategie IV, een afname van 40,74% ten opzichte van die bereikt voor groei bij 10% DO. Bovendien was er onder DO-controlestrategie IV een lagere expressie van PoxB, een sleutelenzym voor acetaatsynthese, op zowel transcriptioneel als translationeel niveau. Tegelijkertijd werden hogere transcriptie- en eiwitexpressieniveaus waargenomen voor een glyoxylaatshuntgen (AceA), een acetaatopnamegen (acs), gluconeogensis en anaplerotische pathway-genen (pckEEN, ppsEEN, ppc, en sfcA), en een TCA-cyclusgen (gltEEN). De flux van acetaat met DO-strategie IV was 8,4%, een afname van 62,33% vergeleken met de flux bij 10% DO. Deze afname vertegenwoordigt zowel een lagere flux voor acetaatsynthese als een verhoogde flux van hergebruikt acetaat.

Dit is een voorbeeld van abonnementsinhoud, toegang via uw instelling.


Methoden:

Chemische verbindingen en reacties

We hebben een lijst gemaakt van chemische verbindingen met 2, 3 of 4 koolstofatomen door alle mogelijke lineaire combinaties van de 20 'bouwstenen' te genereren die worden weergegeven in aanvullende tabel 2. Elk van de bouwstenen was samengesteld uit een enkel koolstofatoom met bijbehorende zuurstof, hydroxyl-, waterstof-, fosfaat- en/of aminogroepen. Bouwstenen werden in lineaire ketens met elkaar verbonden door enkele of dubbele bindingen. Deze procedure creëerde 1.966 lineaire moleculen, waarvan 1.477 elektrostatisch geladen zijn in oplossing, dat wil zeggen dat ze ten minste één carboxyl- of fosfaatgroep bevatten. Deze 1.477 moleculen zijn onze interne metabolieten. Vervolgens hebben we voor elk mogelijk paar moleculen uit deze lijst systematisch gecontroleerd of de reacties uit tabel 1 (zie aanvullende tabel 3 ook voor details) het ene molecuul in het andere konden transformeren, waardoor alle mogelijke koppelingen met de externe metabolieten mogelijk waren. Zo ontstond een netwerk van 7.940 reacties.

Vrije energieën van verbindingen en reacties

Voor die interne metabolieten die bekende biochemische soorten zijn, standaard vrije vormingsenergieënFG zijn overgenomen uit de literatuur 24 . Voor andere interne metabolieten, waarvoor dergelijke gegevens niet bestaan, hebben we een variant van de groepsbijdragemethode 25,26,27,28 gebruikt die verklaart dat moleculen in oplossing bestaan ​​als een evenwichtsmengsel van verschillende ionensoorten. Voor elk van deze moleculen G1G2GN, samengesteld uit bouwstenen <Gl>, we hebben berekendFG gebruik makend van

waar E0 is een constante, E1(GJ) is de bijdrage van de groep GJ en E2(GJ,Gk) is een kleine correctie als gevolg van naburige groeps-groep interacties. de waarden van E0, de vector E1 en matrix E2 worden bepaald door een kleinste-kwadratenpassing uit te voeren op een trainingsset van moleculen met bekende ΔFGs die het meest overeenkomen met de lineaire CHOPN-moleculen van ons netwerk (zie aanvullende methoden voor meer informatie).

Fluxberekening

We gebruikten de methode vermeld in ref. 7 om de flux te berekenen die wordt gedragen door een lineair pad. Deze methode gaat ervan uit dat de flux door reactie l wordt gegeven door 7,30

waar kNS is de diffusie-gecontroleerde snelheidsconstante, [El] is de enzymconcentratie, [Sl−1] en [Sl] staan ​​voor substraat- en productconcentraties en Ql is de thermodynamische constante. Deze uitdrukking gaat ervan uit dat het enzym fungeert als een perfecte katalysator en wordt gebruikt om een ​​uitdrukking af te leiden voor routeflux en metabolietconcentraties (zie aanvullende methoden voor details). Vervolgens gebruiken we Powell's methode 42 om de reeks enzymconcentraties te vinden die de flux maximaliseren met de beperkingen dat (i) alle stationaire intermediaire concentraties binnen het voorgeschreven bereik liggen en (ii) de totale enzymconcentratie vast is. We herhalen onze analyse ook met behulp van omkeerbare Michaelis-Menten-kinetiek, zie aanvullende methoden voor details over de berekening.

Sampling van de parameterruimte

We selecteerden willekeurig 10.000 punten uit de parameterruimte die overeenkomen met de concentraties van 11 externe metabolieten en de G3P- en pyruvaatconcentraties. Elke parameter werd logaritmisch bemonsterd over een bereik van verschillende ordes van grootte boven en onder de typische fysiologische concentraties (zie aanvullende tabel 4 voor details). Voor elk van deze punten hebben we de geoptimaliseerde flux berekend Jl van elk kandidaat-pad zoals hierboven beschreven, en de CF van pad berekend l als CFl=Jl/max<Jk>, door de flux te delen door de hoogste flux verkregen over alle paden op het gegeven punt in de parameterruimte.

Robuustheid van onze resultaten voor kleine veranderingen in vrije energie

Met behulp van de groepsbijdragemethode is de typische fout in onze berekening van de vrije vormingsenergie ΔFG voor een bepaald molecuul is een paar kJ mol −1 (zie aanvullende methoden voor details). Om de robuustheid van onze resultaten voor dergelijke fouten te controleren, werd onze hele analyse herhaald met behulp van ΔFG waarden berekend met behulp van verschillende sets trainingsmoleculen, bestaande uit 80% van de moleculen uit de originele trainingsset, willekeurig gekozen. De kwalitatieve resultaten met behulp van dergelijke netwerken waren identiek aan die van de volledige set trainingsverbindingen. De top 25 glycolytische routes verkregen uit de gereduceerde set bevatten bijvoorbeeld 23 van de 25 routes uit de oorspronkelijke analyse.


Hoe schrijf je een stoichiometrische matrix voor een deel van de pentosefosfaatroute - Biologie

Maïs Maïs, rijst, sorghum, suikerriet Rijst Rijst

Saha et al. (2011) de Oliveira Dal'Molin et al. (2010b) Poolman et al. (2013) Lakshmanan et al. (2013)

Minimaliseren van totale flux Minimaliseren van opname van biomassasnelheid (foton voor fotosynthese/fotorespiratie en sucrose voor heterotroof metabolisme) Minimaliseren van metabole aanpassing (MOMA) 25 combinaties van vijf objectieve functies, waaronder minimalisatie van totale flux, maximalisatie van biomassa, minimalisatie van glucoseconsumptie, maximalisatie van ATP-productie en maximalisatie van NADPH-productie Minimaliseren totale flux Maximaliseren groei (lineaire optimalisatie) Minimaliseren totale flux (kwadratische optimalisatie) Minimaliseren koolstofopname (lineaire optimalisatie) Minimaliseren totale flux (kwadratische optimalisatie) Fluxbalans: minimaliseren substraat- en lichtopname Fluxvariabiliteit: minimaliseren en maximaliseer elke reactie terwijl de doelfunctie vaststaat De feitelijke biomassaproductie gebaseerd op metingen uit de literatuur Maximaliseer de flux van biomassareactie Hetzelfde als in AraGEM Minimaliseer de totale flux Fluxbalans: maximaliseer de biomassaproductie Fluxvariabiliteit: minimaliseer en maximaliseer elke reactie terwijl de doelfunctie vaststaat

Daarom zal een realistische beschrijving van het meervoudige gedrag van de cellen waarschijnlijk meerdere en complexere objectieve functies vereisen (Collakova et al., 2012). Een ander obstakel is de huidige onvoldoende kennis over de beperkingen die van invloed zijn op alle soorten en alle omgevingscondities (Allen et al., 2009). Een reeks verschillende doelfuncties kan worden gebruikt in FBA, waaronder het maximaliseren van de ATP-opbrengst per eenheid flux, het minimaliseren van het energieverbruik, het minimaliseren van de substraatopname (bij vaste biomassa-uitstroom), het minimaliseren van reactiestappen of de totale flux en het maximaliseren van de biomassa-opbrengst per totale flux. Geen van deze objectieve functies is echter consistent succesvol in het voorspellen van groeipercentages (Chen en Shachar-Hill, 2012). Bij FBA-modellering van planten is de meest populaire beperking de vereiste om biomassa in de juiste verhoudingen en met een bepaalde snelheid te synthetiseren. De doelfunctie is meestal gebaseerd op ofwel minimalisering van de totale reactiestromen in het netwerk ofwel op maximalisatie van de koolstofomzettingsefficiëntie (tabel 3). Een probleem dat zich hierbij voordoet is dat de netto biomassasynthese een klein deel van het totale energiebudget in beslag neemt. Daarom, wanneer FBA uitsluitend wordt beperkt door biomassasynthese, worden de fluxen door de energietransformerende routes sterk verwaarloosd (Sweetlove et al., 2013). Vanwege de grote energetische vraag als gevolg van transportkosten en celonderhoud, is de beperking van de biomassa alleen niet voldoende om realistische fluxen in het centrale heterotrofe metabolisme van plantencellen te voorspellen (Cheung et al., 2013). Dienovereenkomstig, toen Cheung et al. (2013) bestudeerden het effect van verschillende beperkingen en objectieve functies op de nauwkeurigheid van flux-voorspelling door een FBA-model van heterotrofe Arabidopsis-cellen in kweek, ze vonden dat ze rekening hielden met energiekosten (transport

en onderhoudskosten) in het netwerksysteem belangrijker vinden dan de keuze van de doelfunctie. In dit verband ontwikkelden ze een methode om rekening te houden met zowel de ATP- als de reductantkosten van celonderhoud op basis van de gemeten flux-verhouding tussen de oxidatieve stappen van de oxidatieve pentosefosfaatroute (OPPP) en glycolyse. Een ander probleem is dat hoewel FBA uitsluitend wordt beperkt door biomassasynthese, flux via de OPPP afwezig is in de overgrote meerderheid van FBA-modellen van planten. Aangezien deze modellen verantwoordelijk zijn voor de synthese van biomassa in voldoende hoeveelheden, illustreert dit dat het optimaliserende algoritme andere dehydrogenase-enzymen kiest om te voldoen aan de NADPH-vraag van het metabolisme (Sweetlove et al., 2013). Cheung et al. (2013) laten zien dat de aanwezigheid van thermodynamisch onwaarschijnlijke transhydrogenasecycli in de modellen ook kan leiden tot de afwezigheid van een voorspelde OPPP-stroom. Het beperken van deze cycli tot nul leidt onmiddellijk tot OPPP-stromen die niet nul zijn. Toch zijn er onderzoeken die aantonen dat FBA, in zijn huidige standaardvorm, zeer effectief is geweest in het voorspellen van metabole fluxen in planten. Er werd bijvoorbeeld aangetoond dat FBA de netto CO2-evolutie kan voorspellen in een reeks plantenweefsels en in reactie op de omgeving (Sweetlove et al., 2013). Interessanter is dat door het toepassen van een reeks geschikte beperkingen, het FBA-raamwerk is gebruikt om een ​​meer representatief model van het bladmetabolisme op te stellen door de twee fasen van dag- en nachtfotosynthetische cycli op te lossen als een enkel optimalisatieprobleem (een diel flux-balansmodel). Door slechts minimale wijzigingen aan de beperkingen van dit model toe te passen, kon het CAM nauwkeurig vastleggen gedurende een diel-cyclus (Cheung et al., 2014). Andere studies hebben ook aangetoond dat FBA het vermogen heeft om een ​​aandoeningspecifiek

Systeembiologie en metabolisme

metabool model dat voorspellend is onder verschillende omgevingsomstandigheden (Williams et al., 2010 Cheung et al., 2013 Poolman et al., 2013). De mate waarin FBA met succes netwerkstromen in het plantenmetabolisme kan voorspellen, is verrassend omdat deze methode niet verwijst naar enzymkinetiek of -regulatie. Dit houdt in dat enzymregulatie (d.w.z. allosterische regulatie en posttranslationele modificaties) op een zodanige manier werkt dat de metabole stabiele toestand wordt gehandhaafd in plaats van als een belangrijke aanjager van de fluxverdeling over het netwerk. In plaats daarvan lijkt het erop dat de output-eisen de belangrijkste drijfveren zijn van de flux-verdeling in het centrale metabolisme (Sweetlove et al., 2014). Desalniettemin zijn er voortdurende inspanningen geleverd om de technische en praktische aspecten van plant FBA te verbeteren. Tot nu toe zijn FBA-modellen voor planten voornamelijk gebaseerd op gegevens die gemiddeld zijn over verschillende celtypen (Sweetlove en Ratcliffe, 2011). Aangezien veel metabolische functies van planten gebaseerd zijn op interacties tussen verschillende subcellulaire compartimenten, cellen, weefsels en organen, is de reconstructie van FBA-modellen op celtype, weefselspecifiek of zelfs orgaanspecifiek niveau een voorwaarde voor hun gebruik in metabolische techniek (Grafahrend-Belau et al., 2013). Er is een duidelijke verschuiving op dit gebied opgetreden met een toenemend aantal weefselspecifieke (de Oliveira Dal'Molin et al., 2010b Hay en Schwender, 2011a, 2011b Lakshmanan et al., 2013) en orgaanspecifieke (Mintz-Oron et al., 2010b Hay en Schwender, 2011a, 2011b Lakshmanan et al., 2013) al., 2012) FBA-modellen of een schaalmodel voor een hele plant (Grafahrend-Belau et al., 2013). Een belangrijk probleem dat zich kan voordoen bij het gebruik van op beperkingen gebaseerde modellen is het bestaan ​​van alternatieve optimale oplossingen waarin dezelfde doelfunctie kan worden bereikt door verschillende flux-distributies. Fluxvariabiliteitsanalyse (FVA) is een efficiënte strategie voor het berekenen van fluxvariabiliteit die kan bestaan ​​om optimale en suboptimale doelstellingen te bereiken (Tomar en De, 2013) en is gebruikt om de metabolische vermogens van het oliemetabolisme te onderzoeken in een model voor het ontwikkelen van B. napus embryo's (Hay en Schwender, 2011a). FVA werd ook toegepast om te begrijpen hoe zuurstof de interne fluxverdelingen beïnvloedt in een rijstmodel, dat twee weefseltypes vertegenwoordigt: ontkiemende zaden en foto-ademende bladeren (Lakshmanan et al., 2013). Cheung et al. (2014) pasten FVA ook toe om het haalbare bereik van alle fluxen te bepalen om de voorspellingen van een diel-modelleringsraamwerk te vergelijken met de fluxen die voorspeld zijn in een constant lichtmodel. Metabolische modellen op genoomschaal In het afgelopen decennium heeft metabole modellering op genoomschaal met succes unieke inzichten opgeleverd in het metabolisme van prokaryotische micro-organismen (Toya en Shimizu, 2013 Xu et al., 2013a). Genoomschaalmodellen van prokaryoten kunnen worden geanalyseerd met een breed scala aan op optimalisatie gebaseerde tools en algoritmen voor rationeel ontwerp in metabole engineeringstudies. Drie van de meest populaire tools zijn OptKnock, OptORF en OptFlux, die worden gebruikt om de gelijktijdige op- of neerwaartse regulatie (of knock-out) van meerdere genen te simuleren (Lee et al., 2011 Tomar en De, 2013). Maar in planten is de toepassing van metabolische modellering op genoomschaal vrij nieuw, en pas in 2009 kwam het eerste genoomschaalmodel voor Arabidopsis-celsuspensiecultuur (Poolman et al., 2009) beschikbaar. Sindsdien is metabolische modellering op genoomschaal toegepast om het centrale metabolisme van verschillende C4-planten te bestuderen (de Oliveira Dal'Molin

et al., 2010b Saha et al., 2011), Arabidopsis (de Oliveira Dal'Molin et al., 2010a Mintz-Oron et al., 2012) en rijst (Poolman et al., 2013). Over het algemeen zijn deze metabole modellen op plantengenoomschaal functioneel, robuust en nauwkeurig gebleken in het voorspellen van kwalitatieve veranderingen in geselecteerde aspecten van het centrale koolstofmetabolisme (Collakova et al., 2012 de Oliveira Dal'Molin en Nielsen, 2013). In de context van metabolische engineering zijn er echter enkele zorgen als het gaat om het vergelijken van de toepassing van metabole modellen op genoomschaal op planten en micro-organismen, aangezien planten, in tegenstelling tot micro-organismen, over het algemeen niet worden gekweekt onder een sterk gecontroleerd milieuregime. In het algemeen zal enige voorzichtigheid geboden zijn om de resultaten van de netwerkstroomanalyse van micro-organismen uit te breiden naar metabolische engineeringstudies in planten (Stitt et al., 2010). In dit opzicht leverde Shachar-Hill (2013) een illustratieve studie met behulp van het geval van lysineproductie, een metabolisch technisch doelwit dat veel voorkomt bij planten en microben. Wiskundige modelleringsmethoden zijn met succes gebruikt om de lysineproductie in bacteriële fermentatiesystemen van Corynebacterium glutamicum te verbeteren. Deze hulpmiddelen hebben geholpen om mogelijke metabole knelpunten en significante veranderingen te identificeren, wat heeft geleid tot een significante toename van de lysineproductie. Toen dezelfde benadering echter werd toegepast op maïsendosperm, was de algemene conclusie dat dergelijke beperkingen mogelijk niet bestaan ​​(Shachar-Hill, 2013). Een ander punt van zorg is dat hoewel metabole modellen op genoomschaal mogelijk zijn gevalideerd voor geselecteerde aspecten van het centrale metabolisme, ze zich meestal niet uitstrekken tot secundair metabolisme (Collakova et al., 2012). Een uitzondering hierop is te vinden in een model van Arabidopsis, dat enkele aspecten van secundair metabolisme omvat (Mintz-Oron et al., 2012). Andere uitdagingen waarmee metabole modellen op het genoom van planten worden geconfronteerd, zijn onder meer onzekerheid over de subcellulaire lokalisatie van reacties en de onvolledige annotatie van plantengenomen (Sweetlove en Fernie, 2013). Er zijn benaderingen voorgesteld om met deze uitdagingen om te gaan, zoals het toepassen van subcellulaire lokalisatievoorspellingssoftware voor het compartimenteren van metabolische reacties en vergelijkende genomica voor het annoteren van onontdekte genomische inhoud (Seaver et al., 2012 Lakshmanan et al., 2013). Integratie van genoomschaalmodellering en transcriptomics of proteomics datasets is een andere benadering die kan worden gebruikt om het begrip van het complexe metabolische gedrag van planten uit te breiden (Töpfer et al., 2012, 2013). Een integratieve benadering werd gebruikt om de metabole respons van Arabidopsis op veranderende omstandigheden te voorspellen, en er werd gevonden dat het opnemen van de transcriptomische gegevens de voorspellingen verbeterde, hoewel transcriptniveaus niet direct verband houden met fluxen (Töpfer et al., 2013). Nadere analyse heeft aangetoond dat deze benadering met succes de kloof tussen flux- en metabolietgerichte methoden kan overbruggen (Töpfer et al., 2014). In het algemeen maakt het feit dat modellen op genoomschaal van planten afhankelijk zijn van op beperkingen gebaseerde analyse, ze bijzonder geschikt voor het definiëren van de buitengrenzen van het gedrag van een systeem in plaats van voor het maken van nauwkeurige voorspellingen. Een ideale vooruitgang zou zijn om een ​​kinetisch model op genoomschaal van een metabool netwerk te bouwen, hoewel de bepaling van kinetische parameters moeilijk kan zijn, misschien zelfs tot het punt waarop het te complex wordt om te berekenen. Een eerste poging om een ​​geparametriseerd kinetisch model op genoomschaal van gistmetabolisme te bouwen

is beschreven door Smallbone et al. (2010). Deze benadering vereist echter nog uitgebreide ontwikkeling voordat deze kan worden toegepast op hogere eukaryote systemen. Gezien de versnelling in de sequentiebepaling van diverse plantengenomen en de toenemende belangstelling voor metabole modellen op genoomschaal als hulpmiddel voor het onderzoeken van metabole netwerken van planten, is er alle reden om te verwachten dat met verdere verbetering van de beschikbare gegevens en dienovereenkomstig verdere verfijning van de modellen hun toepassing zal een belangrijke bijdrage leveren aan de metabolische engineering van planten. MFA Ondanks het feit dat MFA-technieken in stabiele toestand belangrijke vragen hebben beantwoord, waaronder de rol van Rubisco bij de ontwikkeling van zaden en de regulatie van het metabolisme van oliezaden (Kruger et al., 2012), is hun toepassing op hogere organismen (zoals planten en zoogdiersystemen ) wordt geconfronteerd met uitdagingen, zoals complexe mediaformuleringen, subcellulaire compartimentering en langzame labeldynamiek (Allen et al., 2009).De belangrijkste toepassing van MFA tot nu toe was op geïsoleerde cellen of weefsels, waar doorgaans 50 tot 100 reacties worden gevolgd (Allen et al., 2009). Technische moeilijkheden bij het uitbreiden van de analyse naar plantennetwerken hebben de ontwikkeling van alternatieve technieken aangemoedigd (Sweetlove en Ratcliffe, 2011), zoals de combinaties MFA/EMA (Schwender et al., 2004) en MFA/FVA, die zijn toegepast om het ontwikkelen van B. napus-embryo's (Hay en Schwender, 2011a, 2011b). Om de lange tijdsperiode te vermijden die MFA nodig heeft om isotopische stabiele toestand te bereiken, is de isotopisch niet-stationaire MFA (INST-MFA) techniek ontwikkeld. INST-MFA analyseert de metabolietlabelpatronen die zijn verkregen tijdens de tijdelijke labelingsperiode voorafgaand aan de isotopische steady-state. Deze techniek is met succes toegepast op menselijke celstudies (Murphy et al., 2013) en is ook gebruikt om fotosynthese te bestuderen (Young et al., 2011 Szecowka et al., 2013). Steady state MFA is niet toepasbaar op foto-autotrofe weefsels omdat labeling met 13CO2 leidt tot uniforme labeling van alle metabolieten in de steady state (Roscher et al., 2000). Daarom, hoewel steady-state MFA een gevestigde techniek is voor het bestuderen van heterotrofe en mixotrofe plantenweefsels, kan het niet worden gebruikt om fotosynthese te bestuderen. Bovendien is het bereiken van een isotopische stabiele toestand in bladeren hoe dan ook onwaarschijnlijk vanwege complicaties die worden geïntroduceerd door de licht-donkercyclus en de langzame omzetting van metabolietenpools (Sweetlove et al., 2013). Om dit probleem aan te pakken, Young et al. (2011) pasten de INST-MFA-techniek toe op de cyanobacterie Synechocystis. Ze verkregen een uitgebreide fluxkaart voor alle Calvin-Benson-cyclusreacties en enkele nevenreacties, waaronder die gekatalyseerd door Glc-6-fosfaatdehydrogenase, appelzuurenzym en de fotorespiratoire route. In deze analyse werden de metabole poolgroottes gefit als vrije parameters, terwijl bij de toepassing van een vergelijkbare benadering, kinetische fluxbalancering, op Arabidopsis, het model werd beperkt met gemeten poolgroottes verkregen door massaspectrometrie, evenals niet-waterige fractionering om te voorzien in informatie over de grootte van subcellulaire pools. In deze studie hebben Szecowka et al. (2013) een reeks intracellulaire fluxen afgeleid in intacte verlichte Arabidopsis-rozetten. Ze analyseerden de dynamische herverdeling van het label van 13CO2

toegevoerd aan bladeren, waaruit een kleine set fluxen werd berekend. Met deze benadering konden ze kinetische veranderingen in isotopenpatronen van 40 metabolieten van het primaire koolstofmetabolisme bepalen en deze vergelijken met vier klassiek bepaalde flux-signaturen van fotosynthese (Szecowka et al., 2013). Kinetische modellering Als er voldoende betrouwbare gegevens zijn, kan een kinetisch model zowel alomvattend als voorspellend zijn (Schallau en Junker, 2010 Wang et al., 2014). Een voorbeeld is het kinetische model van monolignolbiosynthese in Populus trichocarpa (Wang et al., 2014), dat werd geconstrueerd door een uitgebreide studie uit te voeren om de reactie- en remmingskinetische parameters van alle relevante enzymen te verkrijgen op basis van functionele recombinante eiwitten. Er zijn echter maar weinig van dergelijke uitgebreide modellen gepresenteerd in het plantenmetabolisme vanwege de moeilijkheid om de vereiste informatie te verkrijgen (Wang et al., 2014). Structureel-kinetische modellering zou een mogelijke manier kunnen zijn om deze tekortkoming te omzeilen. Deze methode vormt een overgangsbrug tussen de stoichiometrische benadering en de verschillende dynamische kinetische modellen. Hoewel het geen feitelijk dynamisch gedrag definieert, beschrijft het de stabiliteit en robuustheid van een specifieke metabolische toestand en verduidelijkt het gerelateerde interacties en parameters die de dynamische eigenschappen van het systeem bepalen. Gedetailleerde wiskundige informatie, evenals de voorgestelde werkstroom voor modellering, zijn geleverd door Steuer et al. (2006). Een structureel kinetisch model bestaande uit 18 metabolieten en 20 reacties werd opgesteld om de Calvin-Benson-cyclus te analyseren. Het model heeft met succes dynamische eigenschappen van het systeem geëxtraheerd zonder te vertrouwen op een bepaalde veronderstelling over de functionele vorm van de kinetische snelheidsvergelijkingen (Steuer et al., 2006). Dezelfde benadering is toegepast op de TCA-cyclus in planten (Steuer et al., 2007) om het dynamische gedrag te detecteren en te kwantificeren. Een tweede benadering om het probleem aan te pakken was om het kinetische model op een "top-down" manier samen te stellen, wat neerkomt op het aanpassen van het model aan de waargenomen metabolietconcentraties en fluxen. Deze benadering werd gebruikt om het benzenoïde netwerk in de bloem van petunia (Petunia hybrida) te modelleren, wat leidde tot de succesvolle identificatie van de belangrijkste flux-controlerende stappen (Colón et al., 2010). Een "bottom-up" kinetische modelleringsbenadering is beschreven bij het modelleren van floëemstroom in suikerriet (Saccharum officinarum) in de vorm van een advectie-diffusiereactieraamwerk. Dit baanbrekende model kan waarschijnlijk worden aangepast aan andere plantensoorten en misschien zelfs worden uitgebreid om xyleemstromen te bestuderen. Er is gesuggereerd dat hetzelfde raamwerk de basis zou kunnen vormen voor het creëren van een geïntegreerd kinetisch model van de fysiologische functie van de hele plant (Rohwer, 2012).

NIEUWE INZICHTEN IN METABOLISME EN TECHNISCHE PLANTENSYSTEMEN Een van de belangrijkste doelen van metabolic engineering is de optimalisatie van metabole routes voor de productie van industrieel belangrijke metabolieten. Een grote uitdaging is om de doelpaden nauwkeurig te selecteren en vervolgens af te stemmen en te optimaliseren

Systeembiologie en metabolisme

het expressieniveau van elk enzym voor de geselecteerde routes (Xu et al., 2013b). Modellen van plantenmetabolisme zijn begonnen deze uitdaging aan te pakken door een meer rigoureuze basis te bieden voor toekomstige genetische manipulatie. Een voorbeeld hiervan is de identificatie van enkele belangrijke regulerende punten binnen de route van monoterpeenmetabolisme in pepermunt, met behulp van een dynamische MFA-benadering. De van het model afgeleide resultaten van deze studie zijn experimenteel geverifieerd en hebben het potentieel aangetoond om de manipulatie van het metabolisme te sturen om de accumulatie van monoterpeen te verbeteren (Rios-Estepa et al., 2008). Een ander voorbeeld wordt gegeven in een onderzoek naar Arabidopsis-zaad, waarbij het FBA-model werd gebruikt om metabolische engineeringstrategieën voor overproductie van vitamine E te ontwerpen (Mintz-Oron et al., 2012). Een derde voorbeeld is een kinetisch model van monolignolbiosynthese in P. trichocarpa, dat mechanismen onthulde die betrokken zijn bij de regulatie van ligninebiosynthese (Wang et al., 2014). Dit werk biedt een platform voor toekomstige engineering van de lignineproductie en voor verbeteringen op andere gerelateerde gebieden, zoals de resistentie tegen biotische en abiotische stress en de productie van nieuwe biomaterialen (Wang et al., 2014). De verbindingen die in de plantencel worden gesynthetiseerd, kunnen worden geclassificeerd als primaire metabolieten of secundaire metabolieten (Bu'Lock, 1965 Luckner, 1972 Richter, 1978). Manipulatie van secundaire metabole netwerken is doorgaans minder complex dan die van primair metabolisme, waardoor ze gemakkelijk kunnen worden afgebroken tot beter beheersbare entiteiten en daarom gunstigere mogelijkheden bieden voor route-engineering (Sweetlove et al., 2010). Bovendien kunnen ze, ondanks de opmerkelijke diversiteit van het secundaire metabolisme, nog steeds worden georganiseerd in groepen van structureel verwante verbindingen. Dit vergemakkelijkt het categoriseren van paden en zelfs hun volgorde om hun modellering handelbaarder te maken. Het groeperen van metabolieten van vergelijkbare biosynthetische oorsprong vormt de logische basis voor de organisatie van modellen van fluxen en kinetische modellen (Morgan en Shanks, 2002 Fernie en Morgan, 2013). Desalniettemin is de engineering van secundaire metabolieten in planten minder ontwikkeld dan in andere organismen, misschien vanwege de zeer gecompliceerde netwerkverbindingen die primaire en secundaire metabolismes met elkaar verbinden. Sommige transcriptiefactoren die zijn geassocieerd met de productie van een bepaalde groep secundaire metabolieten, coactiveren bijvoorbeeld de expressie van genen die coderen voor metabole enzymen die zijn gekoppeld aan primaire routes die voorlopers bieden voor deze secundaire metabolieten (Aharoni en Galili, 2011). Dergelijke verbindingen zijn verantwoordelijk geweest voor het frustreren van een aantal pogingen om het secundaire metabolisme van planten te manipuleren, met onverwachte resultaten of triviale veranderingen aan het systeem tot gevolg (Colón et al., 2010 Stitt et al., 2010). Daarom kan het bestuderen van het centrale metabolismenetwerk de engineering van zowel het primaire als het secundaire metabolisme bevorderen. Fotosynthese Er zijn talloze experimenten uitgevoerd om de productiviteit van gewassen te verbeteren door genetische manipulatie van fotosynthetisch elektronentransport, RuBP-regeneratie, Rubisco-activiteit en de bijbehorende stroom naar fotorespiratie (Peterhansel et al., 2008 Raines, 2011). Deze resultaten bevestigen het belang van wiskundige modellen voor een beter begrip van fotosynthetische reacties

(Arnold en Nikoloski, 2014). Een functioneel model van fotosynthese zou niet alleen de individuele metabolische stappen moeten omvatten, maar ook de belangrijkste regulerende mechanismen die deze stappen beïnvloeden. Dergelijke uitgebreide modellen zouden idealiter de reactie van het fotosynthetische metabolische netwerk op omgevings- of genetische verstoringen voorspellen en zouden implicaties hebben voor de omleiding van koolstof naar hoogwaardige natuurlijke producten en uiteindelijk de verbetering van de gewasopbrengst (Szecowka et al., 2013 Zhu et al., 2013 ). Hoewel veel aspecten van fotosynthetische netwerken zijn onderworpen aan modelstudies, is de Calvin-Benson-cyclus een favoriet doelwit geworden, omdat het de primaire route is in planten, die zetmeel en sucrose uit CO2 produceert (Arnold en Nikoloski, 2014). Een verwaarloosd aspect van het C3-fotosynthesenetwerk is echter de controle van flux van de Calvin-Benson-cyclus naar de outputroutes van zetmeel, sucrose, isoprenoïden, shikimaat en nucleotiden. Hierdoor is het moeilijk om op een alomvattende manier te voorspellen hoe de relatieve stroom naar deze routes verandert tijdens de ontwikkeling of als reactie op veranderingen in de omgeving (Raines, 2011). Desalniettemin bieden de bestaande modellen potentieel een goed startpunt voor het uitbreiden en verbeteren van toekomstige fotosynthesemodellen. In dit verband vergeleken Arnold en Nikoloski (2011) 15 Calvin-Benson-cyclusmodellen die in de afgelopen 30 jaar waren verzameld en gaven een gedetailleerde classificatie op basis van de modelgrenzen, het niveau van cellulaire organisatie, de complexiteit van de kinetiek en de regelgevende processen die zijn opgenomen. Ze rangschikten de modellen op verschillende criteria, waaronder gevoeligheid, stabiliteit, robuustheid en de resterende kwadratensom bij de resulterende stabiele toestanden. Hun doel was om modelkandidaten te identificeren die kwantitatief nauwkeurige voorspellingen opleverden voor gebruik in metabole engineering. Op basis van hun analyse categoriseerden ze de bestaande modellen in twee groepen: die welke geschikt zijn voor koolstoffixatie en die welke geschikt zijn voor metabolic engineering. De meest geschikte modellen lijken die te zijn die zijn voorgesteld door Farquhar et al. (1980) en Poolman et al. (2000), respectievelijk. Het voordeel van het door Farquhar et al voorgestelde model. (1980) is dat het Rubisco in verband brengt met in vivo metingen van de fotosynthesesnelheid en daarom in staat is om de nettosnelheden van fotosynthetische CO2-fixatie in reactie op variabele omgevingscondities te voorspellen. Vanwege deze voordelen is het model gedurende vele jaren bestudeerd en uitgebreid gevalideerd, en zijn er afgeleiden van het model opgesteld die momenteel worden gebruikt in grootschalige ecologische modelleringsstudies (Sweetlove et al., 2013). Het Farquhar-model en zijn afgeleiden bestaan ​​uitsluitend uit algebraïsche vergelijkingen die het steady-state-gedrag alleen kunnen vastleggen door beperkende aannames (Arnold en Nikoloski, 2013). Fotosynthese is echter zelden in een stabiele toestand in de natuurlijke omgeving als gevolg van fluctuerende omgevingsomstandigheden. Daarom is een zeer mechanisch, goed gevalideerd model nodig om fotosynthese in een meer praktische benadering te bestuderen. In dit opzicht is onlangs een kinetisch model (e-fotosynthese) beschreven voor C3-fotosynthese, dat elk afzonderlijk proces van lichtopname tot koolhydraatsynthese omvat. Het e-fotosynthesemodel bootst effectief veel typische kinetische van fotosynthetische kenmerken na en biedt een werkbaar platform voor het begeleiden van engineering van verbeterde fotosynthese-efficiëntie (Zhu et al., 2013).

Vanwege zijn stabiele aard zijn het Farquhar-model en zijn derivaten niet in staat om dynamische veranderingen vast te leggen die optreden in de relatie tussen fotosynthese en fotorespiratie bij verschillende lichtintensiteiten en concentraties van CO2 en O2. Recent experimenteel bewijs geeft aan dat fotorespiratie ook betrokken is bij nitraatassimilatie, energieproductie van fotosynthese, uitwisseling van redox-equivalenten tussen compartimenten, één-koolstof (C1) metabolisme en redox-signaaltransductie (Arnold en Nikoloski, 2013). Nauwkeurige kwantitatieve modellering van fotorespiratie is dus van groot belang om te begrijpen hoe de fijnafstemming van de niveaus van tussenproducten en fluxen een optimale CO2-assimilatie handhaaft in reactie op voortdurend veranderende omstandigheden (Fernie et al., 2013). Afgezien van de afgeleiden van het Farquhar-model, hebben zelfs kinetische modelleringsbenaderingen van fotorespiratie de complexe rol ervan verwaarloosd en hebben ze meestal een veel te vereenvoudigde versie gekoppeld aan fotosynthetisch metabolisme. Het e-fotosynthesemodel (Zhu et al., 2013) heeft fotorespiratie echter in meer detail opgenomen. Een veelbelovende benadering voor het modelleren van fotorespiratie zou kunnen zijn het samenstellen van een compleet metabool netwerk op zo'n manier dat ook rekening wordt gehouden met de koppeling van het stikstofmetabolisme. Door bijvoorbeeld stikstofspecifieke reacties in een dergelijk model te verstoren, zou het samenspel van fotorespiratie en fotosynthese, evenals effecten op het hele systeem kunnen worden getest. Een uitbreiding van een dergelijke benadering zou kunnen worden ondernomen door de recente bevindingen met betrekking tot regulerende en signalerende gebeurtenissen van fotorespiratie toe te voegen aan modellen op genoomschaal (Arnold en Nikoloski, 2013). Hoewel de balans tussen fotosynthese en ademhaling een belangrijke determinant is van de koolstofeconomie, is een andere tekortkoming in het Farquhar-model en zijn derivaten dat ze de ademhaling voorspellen op basis van de correlatie met andere processen en niet als een onafhankelijk metabool fenomeen (Sweetlove et al. , 2013). Om het doel van een toepasbaar mechanisch ademhalingsmodel te bereiken, moeten verschillende uitdagingen worden aangepakt. Het lijkt erop dat de term 'ademhaling' zo moet worden gedefinieerd dat de lichtonafhankelijke metabole netwerken worden opgevangen, die leiden tot de netto CO2-productie. In dit verband hebben Sweetlove et al. (2013) stellen voor om de slecht gedefinieerde term 'ademhaling' te vervangen door 'netto CO2-evolutie', die wordt gedefinieerd als de som van alle CO2-producerende stappen minus de som van alle CO2-verbruikende stappen, met uitzondering van fotosynthese en fotorespiratie. Concentratie op de netto CO2-evolutie resulteert in de identificatie van twee precieze uitdagingen voor het modelleringsproces. Ten eerste moet men alle metabolische processen identificeren die bijdragen aan de netto CO2-productie en dit wordt over het algemeen als buitengewoon moeilijk beschouwd. Ten tweede moet elk voorspellend model rekening houden met verschillen tussen weefseltypes en de impact van een verandering in omstandigheden op de processen die bijdragen aan de netto CO2-evolutie. Bij het aanpakken van deze uitdagingen laat kwantificering van biochemische processen die leiden tot netto CO2-evolutie door MFA zien dat de bijdrage van verschillende processen aan de CO2-balans zeer variabel is. Het toont ook aan dat de variabiliteit in CO2-evolutie tussen soorten en weefsels groter kan zijn dan tussen groeiomstandigheden. Deze bevinding zou indirect de noodzaak weerspiegelen van een robuust centraal metabool netwerk in het licht van suboptimale omgevingscondities. Naast MFA is het potentieel voor FBA als hulpmiddel om de netto CO2-evolutie te voorspellen beoordeeld. Hoewel er relatief weinig FBA-onderzoeken zijn

waarvoor experimenteel beperkte metabole fluxgegevens beschikbaar zijn als vergelijkings-/validatiepunt, is de conclusie dat FBA het potentieel heeft om de metabolische oorsprong van geëvolueerd CO2 in verschillende weefsels/soorten en onder verschillende omstandigheden te voorspellen (Sweetlove et al., 2013) . De meeste van deze modellen gaan er echter van uit dat het organisme in constant licht groeit, wat anders is dan de natuurlijke situatie waarin de interactie tussen licht en donker metabolisme een belangrijk kenmerk is van het metabolisme van fotosynthetische organismen. Om een ​​meer representatief model van bladmetabolisme vast te stellen, hebben Cheung et al. (2014) construeerden een diel ux-balansmodel dat rekening hield met metabole fluxen in de lichte en donkere fasen van het bladmetabolisme door ze gelijktijdig te simuleren in een enkel optimalisatieprobleem. Het diel-model werd verkregen door een specifiek raamwerk van beperkingen toe te passen op een bestaand genoomschaalmodel van het Arabidopsis-metabolisme (Cheung et al., 2013). Het model heeft met succes veel bekende kenmerken van het C3-bladmetabolisme vastgelegd, waaronder de rol van citraatsynthese en accumulatie 's nachts (via de mitochondriale tricarbonzuurcyclus) en de export ervan vanuit de vacuole gedurende de dag als een voorloper voor het leveren van koolstofskeletten voor aminozuur synthese. Over het algemeen ontdekte dit model enkele belangrijke kenmerken van interacties tussen licht- en donkermetabolisme en voorspelde het met succes de metabole fluxen in het licht in C3-fotosynthese. C4-planten hebben een karakteristieke bladanatomie, die de fotosynthese een boost geeft door CO2 in de buurt van Rubisco te concentreren en de oxygenatiereactie aanzienlijk te verminderen (Wang et al., 2012). Een systeemkennis van de kenmerkende anatomie en unieke fysiologie is een voorwaarde voor een effectieve modellering van het C4-metabolisme. Om een ​​begrip op systeemniveau te krijgen van de ruimtelijke regulatie van fotosynthese in C4-planten, werd een metabool model op genoomschaal (C4GEM) ontwikkeld en toegepast om de fluxverdeling tussen twee interagerende weefsels van bundelomhulsel en mesofyl tijdens C4-fotosynthese te onderzoeken. Het model is een uitbreiding van een Arabidopsis-model (AraGEM) (de Oliveira Dal'Molin et al., 2010a), dat drie verschillende C4-subtypes vertegenwoordigt: NADP-ME (NADP-afhankelijk appelzuurenzym), NAD-ME (NAD-afhankelijk appelzuurenzym) en PEPCK (fosfoenolpyruvaatcarboxykinase) (de Oliveira Dal'Molin et al., 2010b). In een uitbreiding van deze studie, Wang et al.(2012) simuleerden de invloed van elk subtype op biomassasynthese en CO2-fixatie en concludeerden dat het PEPCK-subtype superieur is aan NADP-ME- en NAD-ME-subtypes bij voldoende toevoer van water en stikstof. Bovendien benadrukte het C4GEM-model verschillen in de relatieve fluxen door fotosysteem I en fotosysteem II (PSII) in de verschillende celtypen en in elk van de drie C4-subtypen. Het model voorspelde ook dat de NAD-ME- en PEPCK-subtypen aanzienlijke PSII-activiteit hebben in de bundelomhulselweefsels, terwijl NADPME-soorten weinig PSII en meer cyclisch elektronentransport (CET) in hun bundelomhulselcellen hebben. Terwijl C4-planten meer ATP nodig hebben dan C3-planten om CO2 te assimileren, is niet opgehelderd hoe het extra ATP wordt geproduceerd. Interessant is dat simulaties hebben aangetoond dat CET dat optreedt in de bundelomhulling een efficiënt middel is voor het leveren van de extra ATP die nodig is in het NADPH-ME-subtype. Het model vergeleek de minimale fotonenvereiste voor CET in de mesofylbundelschede. De resultaten toonden aan dat

Systeembiologie en metabolisme

CET in de bundelschede is energetisch efficiënter omdat er minder fotonen nodig zijn om de extra ATP te produceren dan CET dat actief is in het mesofyl (de Oliveira Dal'Molin et al., 2010b). Een begrip op systeemniveau van hoe C4-fotosynthese werkt en verschilt van C3-fabrieken is ook een voorwaarde om te begrijpen hoe koolstofshuttle-enzymen worden afgestemd door het controleren van netwerken (Wang et al., 2012 Weissmann en Brutnell, 2012). Het onderzoek van Wang et al. (2012) vergeleken een C3-metabool netwerk (AraGEM, voor Arabidopsis) met een C4-metabool netwerk (C4GEM, voor maïs). Daartoe hebben ze eerst beide modellen verbeterd en vergeleken met behulp van grafentheorie-analyse (waarmee belangrijke topologische parameters kunnen worden vergeleken). Ze ontdekten dat het C3-netwerk een dichtere topologie heeft dan C4. Dit is waarschijnlijk een weerspiegeling van het anatomische verschil tussen C4- en C3-bladstructuur, aangezien de eerste zowel mesofyl- als bundelschedecellen omvat, terwijl de laatste uit enkelvoudige celtypen bestaat. De simulatie van enzym-knockouts (verwijdering van een enkele reactie) toonde aan dat meer dan 86% (waarbij de doelfunctie biomassa maximaal is) en meer dan 96% (waar de doelfunctie CO2-fixatie is) geen invloed heeft wanneer ze worden verwijderd in C4 en C3 netwerken. Dit toont de robuustheid van deze netwerken aan. Verder toonde een vergelijking van de redundantie van het primaire metabolische netwerk tussen C4 en C3 aan dat, ongeacht het type objectieve functie, de C4-plant robuuster is tegen genmutatie of veranderingen in de omgeving (Wang et al., 2012). CAM vertegenwoordigt een tijdelijke scheiding van metabolische gebeurtenissen waarbij CO2 aanvankelijk 's nachts wordt gefixeerd in de vorm van carbonzuren (voornamelijk appelzuur) en vervolgens gedurende de dag wordt gedecarboxyleerd om CO2 te leveren voor conventionele fotosynthese (Cheung et al., 2014). CAM maximaliseert de efficiëntie van het watergebruik en handhaaft een hoge biomassaproductiviteit door CO2 rond Rubisco te concentreren, wat de carboxylase-activiteit bevordert. CAM vertegenwoordigt ook een eenvoudiger anatomische structuur, omdat het fotosynthetische metabolisme plaatsvindt in een enkele mesofylcel in plaats van in de twee afzonderlijke cellen zoals bij C4-fotosynthese. Modellering zou een belangrijke benadering kunnen bieden voor een uitgebreid systemisch begrip van de enzymatische en temporele regulerende gebeurtenissen die de carboxylatiedecarboxylatie van carbonzuren en de gelijktijdige metabole fluxen regelen door middel van glycolyse-gluconeogenese (Borland et al., 2014). Er is relatief weinig moeite gedaan om CAM op systeemniveau te bestuderen. Om dit aan te pakken, Cheung et al. (2014) gebruikten een innovatieve technische benadering door enkele wijzigingen aan te brengen in de beperkingen van het originele diel C3-model om de klassieke CAM-cyclus van een volwassen blad vast te leggen en om de metabolische flux gedurende een diel-cyclus te voorspellen. Hoewel het model metabole fluxen voorspelde die consistent zijn met de bekende CAM-cyclus, toonde het ook aan dat ondanks het potentieel voor onderdrukking van fotorespiratie door CO2-concentratie, het onwaarschijnlijk is dat er significante energetische voordelen zijn in CAM-fotosynthese ten opzichte van C3. Het model voorspelde dat de energetische besparingen van enzymatische machines, die zijn bereikt door onderdrukking van fotorespiratie, waarschijnlijk teniet worden gedaan door de hogere fluxbehoefte van de CAM-cyclus. Naast Rubisco, het carboxylerende enzym dat in de Calvin-Benson-cyclus werkt, maakt de natuur gebruik van verschillende andere koolstoffixatieroutes. Deze diversiteit aan natuurlijke oplossingen

biedt de kans om een ​​combinatie van modellering samen met synthetische biologie te gebruiken om volledig innovatieve CO2-fixatieroutes samen te stellen die mogelijk efficiënter zijn dan de C3-cyclus. Met als doel het ontwerpen van synthetische metabole routes voor verbeterde koolstoffixatie, groei en opbrengst, Bar-Even et al. (2010) beschouwden het hele scala van 5000 metabole enzymen waarvan bekend is dat ze in de natuur voorkomen als componenten en gebruikten een FBA om systemisch alle mogelijkheden te ontdekken die met deze enzymen als bouwstenen kunnen worden bedacht. Dit leidde tot verschillende veelbelovende synthetische koolstoffixatieroutes, die ze vervolgens vergeleken met de natuurlijke routes met behulp van fysiochemische criteria. De vergelijking suggereerde dat sommige van de voorgestelde synthetische routes een significant kwantitatief voordeel zouden kunnen hebben ten opzichte van de natuurlijke. Naast de Calvin-Benson-cyclus, die het grootste deel van de wereldwijde koolstoffixatie ondersteunt, zijn er momenteel vijf bekende natuurlijk voorkomende koolstoffixatieroutes: de reductieve TCA-cyclus, de 3-hydroxypropionaat/malyl-CoA-cyclus, de reductieve acetylCoA-route, de 3- hydroxypropionaat/4-hydroxybutyraatcyclus en de dicarboxylaat/4-hydroxybutyraatcyclus. Boyle en Morgan (2011) vergeleken de thermodynamica en efficiëntie van deze zes routes met behulp van FBA. Op basis van vergelijkingen van ofwel de energievraag ofwel de fotonenbehoefte voor de omzetting van foto-assimilaat in biomassa, werd aangetoond dat de reductieve TCA-cyclus de meest efficiënte manier is om biomassa uit zonne-energie op te wekken. De reductieve TCA-cyclus is echter slechts triviaal efficiënter dan de Calvin-Benson-cyclus. Over het algemeen benadrukt deze studie de rol van de Calvin-Benson-cyclus, die is geëvolueerd om te werken in de huidige oxidatieve omgeving van de aarde (Boyle en Morgan, 2011). TCA-cyclus In micro-organismen heeft in silico-pathway-analyse een aanzienlijk potentieel voor TCA-cyclusoptimalisatie gesuggereerd (Kjeldsen en Nielsen, 2009). Daarom zijn er pogingen ondernomen om het te construeren (Becker et al., 2009). Het ontwikkelen van de TCA-cyclus in planten kan ook nuttig zijn vanwege de hoogwaardige metabolieten die zijn afgeleid van koolstofskeletten die door deze route worden geleverd, waaronder aminozuren, vetzuren, flavonoïden, pigmenten, alkaloïden en isoprenoïden. In fabrieken zijn er aanzienlijke hindernissen bij het voortschrijden van de engineering van de TCA-cyclus, misschien vanwege de algehele complexiteit van het systeem. Bijna alle genen die coderen voor de enzymen die betrokken zijn bij de TCA-cyclus zijn echter gekloond uit verschillende plantensoorten en veel van de gecodeerde eiwitten zijn biochemisch gekarakteriseerd. De inspanningen zijn ook geïntensiveerd om de modulaire organisatie van de TCA-cyclus te begrijpen (Carrari et al., 2003). Deze prestaties hebben de basis gelegd voor inspanningen om de TCA-cyclus genetisch te wijzigen en om het gehalte aan organische zuren in planten te verbeteren (Morgan et al., 2013). Genetische en metabole experimenten hebben aangetoond dat de conventionele TCA-cyclus niet de enige route is waar TCA-flux doorheen gaat (Sweetlove et al., 2010), wat talrijke tot nu toe onbeantwoorde vragen oproept over het evenwicht tussen de cyclische en de niet-cyclische flux-modi. Antwoorden op deze vragen kunnen helpen om de TCA-cyclus van de plant efficiënt te ontwikkelen. Hiertoe zijn modelleringsexperimenten van groot nut geweest om aan te tonen dat wanneer de vraag naar ATP laag is, de cyclische stroom

modus wordt niet noodzakelijk gehandhaafd (Sweetlove et al., 2010). Evenzo toonde een grootschalig model van cellulair metabolisme in zich ontwikkelende embryo's van het B. napus-ontwikkelende zaad aan dat de cyclische TCA-activiteit wordt verminderd naarmate de fotosynthetische output van NADPH en ATP stijgt (Hay en Schwender, 2011a, 2011b), terwijl een FBA- gebaseerd model van heterotroof Arabidopsis-metabolisme toonde aan dat cyclische TCA-flux alleen nodig is als er een grote vraag naar ATP is (Poolman et al., 2009). In het gerst-endosperm is FBA gebruikt om aan te tonen dat de geleidelijke omschakeling van cyclische TCA (in aëroob weefsel) naar niet-cyclische TCA (in hypoxisch weefsel) plaatsvindt tijdens het rijpingsproces van graan, waarschijnlijk omdat succinaatdehydrogenase (dat de TCA-cyclus verbindt met de mitochondriale elektronentransportketen) is geassocieerd met slechts een kleine flux (GrafahrendBelau et al., 2009a). In overeenstemming met dit rapport toonden in silico ux-kaarten van van zaad afgeleide suspensiekweekrijstcellen gekweekt onder anoxische omstandigheden een afgeknotte TCA-cycluswerking tussen fumaraat en oxaalacetaat, terwijl een volledig operationele TCA-cyclus werd gekarakteriseerd onder aërobe omstandigheden. Dit verschil was voornamelijk te wijten aan de beperkte regeneratie van redox-cofactoren, aangezien de mitochondriale ademhaling was aangetast onder anoxie. Interessant genoeg onthulde FBA de mogelijke rol van g-aminoboterzuurshunt bij de omzetting van a-ketoglutaraat in succinaat in plaats van a-ketoglutaraatdehydrogenase en succinaat-CoA-ligase onder anaërobe omstandigheden. Bovendien werd, in tegenstelling tot anaërobe omstandigheden, een aanzienlijke hoeveelheid pyruvaat onder aerobe omstandigheden omgezet in acetyl-CoA, waardoor het in de TCA-cyclus voor energieproductie terechtkwam (Lakshmanan et al., 2013). Het metabolische model op genoomschaal van een zich ontwikkelende bladcel van rijst voorspelde dat de reacties van de drie naburige enzymen succinaatdehydrogenase, fumaraat en malaatdehydrogenase verschillend zijn bij verschillende lichtintensiteiten. Deze studie wees uit dat de TCA-cyclus het vermogen heeft om zijn reacties te herconfigureren om aan verschillende vereisten te voldoen onder verschillende omstandigheden of ontwikkelingsstadia (Poolman et al., 2013). Deze kijk op de TCA-cyclus wordt ondersteund door experimenteel bewijs uit andere onderzoeken (Studart-Guimarães et al., 2007 Rocha et al., 2010). Sucrosemetabolisme Ophoping van sucrose in opslagweefsels gaat gepaard met terugkerende splitsing en synthese, waarbij ATP wordt verspild (Schäfer et al., 2004). De genetische remming van deze futiele cyclus zal naar verwachting de gewasproductiviteit verhogen. Het identificeren van de kandidaatgenen voor transgene regulatie zou een moeizame benadering van gen per gen vereisen (Rohwer, 2012), terwijl modellering dit proces radicaal zou kunnen verkorten. Door een combinatie van EMA en kinetische modellering toe te passen, werden 14 elementaire modi gedetecteerd tijdens de accumulatie van sucrose in suikerriet, waarvan vijf geassocieerd waren met een zinloze cyclus. Het model voorspelde ook dat de verzwakking van neutraal invertase en de overexpressie van een vacuolaire sucrose-importeur en plasmamembraan-glucose- en fructose-transporters een efficiënt middel zouden zijn om futiele cycli te verminderen (Rohwer en Botha, 2001). Deze voorspellingen werden gedeeltelijk gevalideerd in een analyse van suspensiecelculturen waarin neutrale invertase-activiteit was neerwaarts gereguleerd door RNA-interferentie, aangezien deze cellen

beter in staat om sucrose te accumuleren in vergelijking met het wildtype (Rohwer, 2012). MFA van de maïskorrel toonde op dezelfde manier aan dat, afhankelijk van de subcellulaire locatie van glyceradehyde-3-fosfaat en de identiteit van de betrokken enzymen, nutteloze cycli tussen 18 en 47% van de ATP-pool zouden kunnen verspillen (Alonso et al., 2011). Echter, Kruger et al. (2007) stellen dat deze waarde waarschijnlijk niet zo hoog is als gerapporteerd en dat betrouwbare 13C MFA-metingen van de flux van hexosefosfaat naar glucose (sucrosecycli), alleen mogelijk zullen zijn als het labelingspatroon bekend is voor zowel de cytosolische als de vacuolaire glucose zwembaden. Zaadoliesynthese Tijdens zaadopslag hebben de biosyntheses van verschillende opslagverbindingen verschillende hoeveelheden energie-cofactoren (ATP en NADPH) nodig, evenals verschillende hoeveelheden metabole voorlopers (Hay en Schwender, 2011b). Omdat een voorspellend model van het oliemetabolisme nuttig is bij het manipuleren van de zaadsamenstelling, zijn er in dit opzicht veel inspanningen geleverd. Een belangrijk kenmerk dat de opbrengst aan zaadolie beïnvloedt, is de gemiddelde koolstofconversie-efficiëntie (CCE), een maat voor de efficiëntie van de omzetting van substraten in opslagproduct (Alonso et al., 2011). CCE is een rechttoe rechtaan definitie van metabolische efficiëntie en benadrukt het aandeel van de middelen dat wordt besteed aan de accumulatie van structurele, opslag- en reproductieve biomassa (Chen en Shachar-Hill, 2012). CCE-schattingen zijn verkregen voor het zonnebloem (Helianthus annuus) embryo (50%) (Alonso et al., 2007), het maïsendosperm (76 tot 92%) (Alonso et al., 2011) en embryo (56 tot 71% ) (Alonso et al., 2010), en het B. napus-zaad (>80%) (Alonso et al., 2007). Het bestuderen van de metabolische basis die aan deze verschillen ten grondslag ligt, kan inzicht geven in hoe genetische manipulatie kan worden gebruikt om het oliegehalte te verhogen en de samenstelling ervan te verbeteren. Er zijn verschillende modellen opgesteld voor de beschrijving van de olieproductie, waaronder in B. napus (Schwender et al., 2004 Schwender, 2008 Hay and Schwender, 2011a, 2011b), maïs (Alonso et al., 2010, 2011) en zonnebloem ( Alonso et al., 2007). Modellering van het opslagmetabolisme in het zich ontwikkelende B. napus-embryo heeft de potentiële deelname van verschillende routes benadrukt, waaronder de vorming van de lipide-precursor pyruvaat en de mogelijke rol van PEP-carboxylering in stikstofassimilatie of in lipidesynthese. Er werd geen verhoogde opname of veranderd gebruik van aminozuren, als mogelijke lipide-precursor, voorspeld met MFA of FVA (Hay en Schwender, 2011a, 2011b). Dezelfde studies karakteriseerden ook de bypass van glycolytische reacties door Rubisco op lipidesynthese. Deze "Rubisco-bypass" -route kan de waargenomen toename van CCE verklaren. Vanwege de energiebehoefte van de bypass wordt echter verwacht dat deze bijdrage alleen gunstig is als de lichtintensiteit boven een bepaalde drempel ligt (Hay en Schwender, 2011a). In een elegante studie werd een FBA-model voor gekweekte B. napus (Hay en Schwender, 2011a, 2011b) gecombineerd met metingen met hoge resolutie van in planta ontwikkelende embryo's om een ​​diepgaand inzicht te krijgen in de ruimtelijke variatie in metabole fluxen over verschillende weefsels van oliezaad. In tegenstelling tot de FBA-modelvoorspelling, voorspelde deze studie dat de Rubisco-bypass alleen voorkomt in de buitenste cotyledon, hypocotyl en radikel, maar niet in de

Systeembiologie en metabolisme

binnenste zaadlob. Dit komt waarschijnlijk door de vorm van het zaadje, want naarmate het zaadje groter wordt, wordt de lichtpenetratie in de binnenste weefsels kleiner (Hay en Schwender, 2011a Borisjuk et al., 2013). MFA van het zich ontwikkelende maïsembryo en endosperm heeft ook onthuld dat de flux door het OPPP groter is in het embryo dan in het endosperm. Niettemin kan zelfs de hoeveelheid koolstof die het embryo binnenkomt niet volledig voldoen aan de NADPH-vraag voor vetzuursynthese en kan de olieproductie beperken, terwijl NADPH geen beperkende factor is voor de lipidesynthese in het endosperm. MFA-onderzoeken onthulden ook de sleutelrol voor plastidische NADP-afhankelijke appelenzymactiviteit bij het leveren van reductiemiddel en koolstof voor vetzuursynthese bij de ontwikkeling van maïsembryo's (Alonso et al., 2010, 2011).

Metabolisme en het milieu Het gehalte aan metabolieten wordt sterk beïnvloed door milieuproblemen. Het verband tussen omgevingsomstandigheden en metabolisme wordt echter verborgen door de complexe netwerken die ze met elkaar verbinden. Het begrijpen van dit verband wordt belangrijker wanneer we de rol van het metabolisme bij de acclimatisatie aan abiotische stress proberen te herkennen. Metabole modellering is op dit probleem toegepast, waarbij antwoorden zijn gezocht op vragen zoals in hoeverre het functioneren van metabole routes kan worden geassocieerd met veranderingen in de omgeving en of de netwerkconnectiviteit behouden blijft of veranderingen tussen verschillende groeiomstandigheden. Een van de eerste pogingen tot stoichiometrische modellering van het plantenmetabolisme werd uitgevoerd om het opslagpatroon van het ontwikkelende gerstzaad-endosperm als reactie op zuurstofdepletie te analyseren (Grafahrend-Belau et al., 2009a). Sindsdien hebben verschillende modelleringsonderzoeken van plant-omgeving-interacties de impact van stress (verhoogde temperatuur en hyperosmotische stress) (Williams et al., 2010 Cheung et al., 2013), koolstof- en stikstofbeschikbaarheid (Sulpice et al., 2013) bestudeerd. ), licht- en temperatuurconditie (Töpfer et al., 2013) en stikstoftoevoer (nitraat of ammonium) (Masakapalli et al., 2013) op heterotroof metabolisme in Arabidopsis. De toenemende beschikbaarheid van high-throughput data voor gewasplanten leidt tot nieuwe modelleringstoepassingen in studies naar de interactie tussen gewasplanten en hun omgeving. Om bijvoorbeeld metabole fluxprofielen tijdens abiotische stress (overstromings- en droogtestress) op te helderen, werd een metabool/regulerend netwerk van rijstcellen gereconstrueerd voor twee verschillende rijstweefsels, ontkiemende zaden en foto-ademende bladeren (Lakshmanan et al., 2013). In een andere studie werd een metabool model op genoomschaal van een zich ontwikkelende bladcel van rijst gebruikt over een reeks foton-fluxwaarden (Poolman et al., 2013). Het kweken van nieuwe gewasvariëteiten met verbeterde prestaties onder abiotische stress wordt steeds belangrijker. Daarom wordt verwacht dat metabole modellering in de nabije toekomst een sleutelrol zal spelen op dit gebied.

SLOTOPMERKINGEN De computermodellering van planten evolueert snel en zal binnenkort het punt bereiken waarop het een impact kan gaan hebben op de plant

metabolische engineering praktijk. Er moeten echter nog steeds ernstige problemen worden overwonnen voordat metabole modellen van planten routinematig kunnen worden opgenomen als onderdeel van de biologie van gewassystemen en er is vooral behoefte aan modellen op meerdere schalen (Baldazzi et al., 2012). Een model met meerdere schalen integreert per definitie expliciet mechanismen die optreden op meerdere ruimtelijke of temporele schalen en/of functies (Baldazzi et al., 2012 Walpole et al., 2013). Het opzetten van een dergelijk model vereist soms een reeks uiteenlopende inputs, van biochemische of mechanistische mechanismen tot biomechanische fenomenen, wat leidt tot een hybride multischaalmodel (Baldazzi et al., 2012). Een uitstekend voorbeeld van zo'n hybride multischaalmodel is ontwikkeld voor het hart (Noble, 2011) waarin de reactie-diffusievergelijkingen (als beschrijving voor de elektromechanische contractie van het hart) worden gekoppeld aan een reeks gewone differentiaalvergelijkingen (zoals een beschrijving voor ionentransport op het celmembraan). Voorbeelden in de plantenbiologie zijn modellen die processen op moleculair niveau correleren met plantontwikkeling/morfogenese in Arabidopsis (Vernoux et al., 2011 Grieneisen et al., 2012). De uitgebreide fysiologische rol van het metabolische netwerk kan echter alleen volledig worden begrepen vanuit het perspectief van het hele lichaam, waarbij individuele cellen, het omringende weefsel en het hele organisme continu op metabool niveau interageren (Krauss et al., 2012 Grafahrend-Belau et al., 2013). Er zijn verschillende benaderingen beschreven voor het combineren van metabole modellen, die verschillende niveaus van biologische organisatie bij mensen bestrijken (Krauss et al., 2012), terwijl op het moment van deze review het enige meerschalige metabolische model in planten werd gepresenteerd door Grafahrend-Belau et al. . (2013). Tijdens deze studie werd het multi-organ FBA-model gecombineerd met een dynamisch multischaal functioneel plantmodel voor de hele plant. Dynamische FBA werd uitgevoerd door een geselecteerde plantengroeifase op te delen in verschillende tijdsintervallen en door een statische FBA te berekenen aan het begin van elk tijdsinterval. Om dynamische processen op te nemen, werden uitwisselingsstromen gebruikt die waren voorspeld door het functionele plantmodel en die ook tijdsafhankelijk zijn om de statische FBA binnen elk tijdsinterval te beperken. Het opzetten van een meerschalig plantenmodel vereist gelijktijdige modellering van veel verschillende celtypen in verschillende verbonden weefsels/organen.Gezien de grote schaal van een model met meerdere organen of een geheel organisme, is stoichiometrische modellering, in het bijzonder FBA, de meest geschikte benadering. Om tot een meerschalig metabool model te komen, moeten eerst de gevalideerde subsysteemspecifieke modellen afzonderlijk worden geconstrueerd, en vervolgens kunnen de afzonderlijke delen aan elkaar worden gekoppeld om het meerschalige model te construeren. Dit brengt verschillende technische en wiskundige uitdagingen met zich mee. De eerste is dat we nieuwe randvoorwaarden en/of objectieve functies moeten formuleren, zowel op het niveau van subsystemen als op het niveau van het geïntegreerde model om het gedrag van de plant zo realistisch mogelijk te beschrijven. De tweede is het gebrek aan weefselspecifieke informatie over de opname en secretie van metabolieten, die nodig is voor FBA (Shlomi et al., 2008). Het is duidelijk dat het aan elkaar koppelen van submodellen de systeemgrenzen opnieuw trekt. De vraag die rijst bij het koppelen van subsysteemmodellen is in hoeverre de onderlinge afhankelijkheden van fluxen in subsystemen zullen variëren met die in het gekoppelde metabolische netwerk. Om deze vraag te beantwoorden, is een speciale wiskundige analyse ontwikkeld, zoals de flux-koppelingsanalyse (Marashi en Bockmayr, 2011 Marashi et al., 2012).

Plant metabolic engineering kan alleen in menselijke behoeften voorzien als het op industriële schaal betekenisvolle veranderingen begint aan te brengen. Om dit te bereiken is multischaalmodellering een voorwaarde voor het verkrijgen van een beter begrip van het metabolisme op systeemniveau. Daarvoor moet de metabolische modellering van planten echter worden ondersteund door meer geavanceerde bio-informaticaplatforms en computertoolboxen. Er is ook behoefte aan een beter begrip van de regulerende circuits die het cellulaire metabolisme beheersen. Bovendien zijn ook verbeterde cellulaire resolutie en verhoogde gevoeligheid van metabolomics vereist.

BIJDRAGEN VAN DE AUTEUR Alle auteurs hebben bijgedragen aan het schrijven van het artikel.

DANKWOORD We danken R. George Ratcliffe voor zijn onschatbare intellectuele inbreng en feedback tijdens de ontwikkeling van dit artikel.

Ontvangen 25 juli 2014 herzien 22 september 2014 geaccepteerd 2 oktober 2014 gepubliceerd 24 oktober 2014.

REFERENTIES Aharoni, A., en Galili, G. (2011). Metabolische engineering van de primaire-secundaire metabolisme-interface van planten. Curr. Opin. Biotechnologie. 22: 239-244. Allen, D.K., Libourel, I.G.L. en Shachar-Hill, Y. (2009). Metabolische fluxanalyse in planten: omgaan met complexiteit. Plantencel omgeving. 32: 1241-1257. Alonso, A.P., Dale, V.L., en Shachar-Hill, Y. (2010). Inzicht in vetzuursynthese bij de ontwikkeling van maïsembryo's met behulp van metabole fluxanalyse. Metab. Ing. 12: 488-497. Alonso, A.P., Val, DL, en Shachar-Hill, Y. (2011). Centrale metabolische fluxen in het endosperm van de ontwikkeling van maïszaden en hun implicaties voor metabolische engineering. Metab. Ing. 13: 96-107. Alonso, A.P., Goffman, F.D., Ohlrogge, J.B. en Shachar-Hill, Y. (2007). Koolstofconversie-efficiëntie en centrale metabolische fluxen in zich ontwikkelende zonnebloem (Helianthus annuus L.) embryo's. Fabriek J. 52: 296-308. Alves, R., Antunes, F., en Salvador, A. (2006). Tools voor kinetische modellering van biochemische netwerken. nat. Biotechnologie. 24: 667-672. Arnold, A., en Nikoloski, Z. (2011). Een kwantitatieve vergelijking van Calvin-Benson-cyclusmodellen. Trends Plant Sci. 16: 676-683. Arnold, A., en Nikoloski, Z. (2013). Uitgebreide classificatie en perspectief voor het modelleren van het fotorespiratoire metabolisme. Plant Biol (Stuttg) 15: 667-675. Arnold, A., en Nikoloski, Z. (2014). Op zoek naar een nauwkeurig model van het fotosynthetische koolstofmetabolisme. Wiskunde. Berekenen. simultaan. 96: 171-194. Baldazzi, V., Bertin, N., de Jong, H., en Génard, M. (2012). Op weg naar meerschalige plantmodellen: integratie van cellulaire netwerken. Trends Plant Sci. 17: 728-736. Bar-Even, A., Noor, E., Lewis, NE, en Milo, R. (2010). Ontwerp en analyse van synthetische koolstoffixatieroutes. Proc. nat. Acad. Wetenschap. VS 107: 8889-8894.

Becker, J., Klopprogge, C., Schroder, H., en Wittmann, C. (2009). Metabolische engineering van de tricarbonzuurcyclus voor verbeterde lysineproductie door Corynebacterium glutamicum. toepassing omgeving. microbiologisch. 75: 7866-7869. Becker, S.A., Feist, A.M., Mo, M.L., Hannum, G., Palsson, B.O., en Herrgard, M.J. (2007). Kwantitatieve voorspelling van cellulair metabolisme met op beperkingen gebaseerde modellen: de COBRA-toolbox. nat. Protoc. 2: 727-738. Beurton-Aimar, M., Beauvoit, B., Monier, A., Vallée, F., DieuaideNoubhani, M., en Colombié, S. (2011). Vergelijking tussen analyse van elementaire fluxmodi en 13C-metabolische fluxen gemeten in bacteriële en plantencellen. BMC Syst. Biol. 5: 95. Borisjuk, L., et al. (2013). Zaadarchitectuur vormt het embryometabolisme in koolzaad. Plantencel 25: 1625-1640. Borland, AM, Hartwell, J., Weston, DJ, Schlauch, K.A., Tschaplinski, TJ, Tuskan, GA, Yang, X., en Cushman, JC (2014). Engineering van het metabolisme van crassulaceanzuur om de efficiëntie van het watergebruik te verbeteren. Trends Plant Sci. 19: 327-338. Boyle, N.R., en Morgan, J.A. (2011). Berekening van metabole fluxen en efficiënties voor biologische kooldioxidefixatie. Metab. Ing. 13: 150-158. Bu'Lock, JD (1965). De biosynthese van natuurlijke producten: een inleiding tot secundair metabolisme. (Londen: McGraw-Hill). Carrari, F., Urbanczyk-Wochniak, E., Willmitzer, L., en Fernie, A.R. (2003). Engineering van centraal metabolisme in gewassoorten: het systeem leren kennen. Metab. Ing. 5: 191-200. Cascante, M., Boros, L.G., Comin-Anduix, B., de Atauri, P., Centelles, J.J., en Lee, P.W.N. (2002). Metabole controle-analyse bij het ontdekken van geneesmiddelen en ziekte. nat. Biotechnologie. 20: 243-249. Chandran, A.K.N., en Jung, K.H. (2014). Bronnen voor systeembiologie in rijst. J. Plant Biol. 57: 80-92. Chen, X., en Shachar-Hill, Y. (2012). Inzichten in metabole efficiëntie uit fluxanalyse. J. Exp. Bot. 63: 2343-2351. Cheung, CY, Poolman, MG, Fell, DA, Ratcliffe, RG en Sweetlove, LJ (2014). Een diel flux-balansmodel legt interacties vast tussen licht- en donkermetabolisme tijdens dag-nachtcycli in C3- en Crassulacean-zuurmetabolismebladeren. Planten Fysiol. 165: 917-929. Cheung, CYM, Williams, TCR, Poolman, MG, Fell, DA, Ratcliffe, R.G. en Sweetlove, LJ (2013). Een methode voor het verantwoorden van onderhoudskosten in fluxbalansanalyse verbetert de voorspelling van metabole fenotypes van plantencellen onder stressomstandigheden. Fabriek J. 75: 1050-1061. Collakova, E., Yen, J.Y., en Senger, R.S. (2012). Zijn we klaar voor modellering op genoomschaal in planten? Plant Sci. 191-192: 53-70. Colón, A.M., Sengupta, N., Rhodes, D., Dudareva, N., en Morgan, J. (2010). Een kinetisch model beschrijft metabolische respons op verstoringen en distributie van flux-controle in het benzenoïde netwerk van Petunia hybrida. Fabriek J. 62: 64-76. Copeland, W.B., Bartley, B.A., Chandran, D., Galdzicki, M., Kim, KH, Sleight, S.C., Maranas, CD, en Sauro, H.M. (2012). Computational tools voor metabolic engineering. Metab. Ing. 14: 270-280. Cramer, GR, Urano, K., Delrot, S., Pezzotti, M., en Shinozaki, K. (2011). Effecten van abiotische stress op planten: een systeembiologisch perspectief. BMC Plant Biol. 11: 163-176. Curien, G., Bastien, O., Robert-Genthon, M., Cornish-Bowden, A., Cárdenas, ML, en Dumas, R. (2009). Inzicht in de regulatie van het aspartaatmetabolisme met behulp van een model gebaseerd op gemeten kinetische parameters. Mol. Syst. Biol. 5: 271-284. Dandekar, T., Moldenhauer, F., Bulik, S., Bertram, H., en Schuster, S. (2003). Een methode voor het classificeren van metabolieten in topologische routeanalyses op basis van minimalisering van het routenummer. Biosystemen 70: 255-270.

Systeembiologie en metabolisme

de Oliveira Dal'Molin, C.G., en Nielsen, L.K. (2013). Plant genoomschaal metabole reconstructie en modellering. Curr. Opin. Biotechnologie. 24: 271-277. de Oliveira Dal'Molin, C.G., Quek, L.E., Palfreyman, R.W., Brumbley, S.M., en Nielsen, L.K. (2010a). AraGEM, een reconstructie op genoomschaal van het primaire metabolische netwerk in Arabidopsis. Planten Fysiol. 152: 579-589. de Oliveira Dal'Molin, C.G., Quek, L.E., Palfreyman, R.W., Brumbley, S.M., en Nielsen, L.K. (2010b). C4GEM, een metabool model op genoomschaal om het metabolisme van C4-planten te bestuderen. Planten Fysiol. 154: 1871-1885. Elena, S.F., Carrera, J., en Rodrigo, G. (2011). Een systeembiologische benadering van de evolutie van plant-virusinteracties. Curr. Opin. Plant Biol. 14: 372-377. Farquhar, G.D., von Caemmerer, S., en Berry, J.A. (1980). Een biochemisch model van fotosynthetische CO2-assimilatie in bladeren van C3-soorten. Planta 149: 78-90. Viel, D. (1997). De controle van het metabolisme begrijpen. (Londen: Portland Press). Fernie, A.R., en Morgan, J.A. (2013). Analyse van metabolische flux met behulp van dynamische labeling en metabole modellering. Plantencel omgeving. 36: 1738-1750. Fernie, AR, Aharoni, A., Willmitzer, L., Stitt, M., Tohge, T., Kopka, J., Carroll, AJ, Saito, K., Fraser, PD en DeLuca, V. (2011) . Aanbevelingen voor het rapporteren van metabolietgegevens. Plantencel 23: 2477-2482. Fernie, AR, et al. (2013). Perspectieven op het fotorespiratoire metabolisme van planten. Plant Biol (Stuttg) 15: 748-753. Fiehn, O., Barupal, DK, en Kind, T. (2011). Uitbreiding van biochemische databases door metabolomische onderzoeken. J. Biol. Chem. 286: 23637-23643. Flint, H.J., Tateson, R.W., Barthelmess, I.B., Porteous, D.J., Donachie, W.D. en Kacser, H. (1981). Controle van de flux in de arginineroute van Neurospora crassa. Modulaties van enzymactiviteit en concentratie. Biochem. J.200: 231-246. Ghosh, S., Matsuoka, Y., Asai, Y., Hsin, KY, en Kitano, H. (2011). Software voor systeembiologie: van tools tot geïntegreerde platformen. nat. Rev. Genet. 12: 821-832. Ga, EP (2010). Databasebronnen in metabolomics: een overzicht. J. Neuro-immune Pharmacol. 5: 18-30. Gómez-Galera, S., Pelacho, A.M., Gené, A., Capell, T., en Christou, P. (2007). De genetische manipulatie van geneeskrachtige en aromatische planten. Plantencel Rep. 26: 1689-1715. Grafahrend-Belau, E., Schreiber, F., Koschützki, D., en Junker, B.H. (2009a). Fluxbalansanalyse van gerstzaden: een computationele benadering om systemische eigenschappen van het centrale metabolisme te bestuderen. Planten Fysiol. 149: 585-598. Grafahrend-Belau, E., Klukas, C., Junker, B.H., en Schreiber, F. (2009b). FBA-SimVis: interactieve visualisatie van op beperkingen gebaseerde metabole modellen. Bio-informatica 25: 2755-2757. Grafahrend-Belau, E., Junker, A., Eschenröder, A., Müller, J., Schreiber, F., en Junker, B.H. (2013). Multischaal metabolische modellering: dynamische fluxbalansanalyse op schaal van de hele plant. Planten Fysiol. 163: 637-647. Grennan, AK (2009). MoTo DB: een metabole database voor tomaat. Planten Fysiol. 151: 1701-1702. Grieneisen, V.A., Scheres, B., Hogeweg, P., en M Marée, A.F. (2012). Morphogengineering-wortels: mechanismen van morfogeengradiëntvorming vergelijken. BMC Syst. Biol. 6: 37. Gutierrez, R.A. (2012). Systeembiologie voor verbeterde plantenstikstofvoeding. Wetenschap 336: 1673-1675. Gutiérrez, R.A., Shasha, D.E., en Coruzzi, G.M. (2005). Systeembiologie voor de virtuele plant. Planten Fysiol. 138: 550-554.

Hay, J., en Schwender, J. (2011a). Computationele analyse van opslagsynthese in de ontwikkeling van Brassica napus L. (koolzaad) embryo's: flux-variabiliteitsanalyse in relatie tot ¹³C metabole flux-analyse. Fabriek J. 67: 513-525. Hay, J., en Schwender, J. (2011b). Metabole netwerkreconstructie en flux-variabiliteitsanalyse van opslagsynthese in zich ontwikkelende koolzaad (Brassica napus L.) embryo's. Fabriek J. 67: 526-541. Heinig, U., Gutensohn, M., Dudareva, N., en Aharoni, A. (2013). De uitdagingen van cellulaire compartimentering in metabolische engineering van planten. Curr. Opin. Biotechnologie. 24: 239-246. Heinrich, R., en Rapoport, T.A. (1974). Een lineaire steady-state behandeling van enzymatische ketens. Algemene eigenschappen, controle en effectorsterkte. EUR. J. Biochem. 42: 89-95. Heinrich, R., Rapoport, S.M., en Rapoport, T.A. (1977). Metabole regulatie en wiskundige modellen. prog. Biofysica. Mol. Biol. 32: 1-82. Hoops, S., Sahle, S., Meters, R., Lee, C., Pahle, J., Simus, N., Singhal, M., Xu, L., Mendes, P., en Kummer, U. (2006). COPASI—een COMplexe padsimulator. Bio-informatica 22: 3067-3074. Hucka, M., et al, SBML Forum (2003). De systeembiologische opmaaktaal (SBML): een medium voor representatie en uitwisseling van biochemische netwerkmodellen. Bio-informatica 19: 524-531. Jarboe, L.R., Zhang, X., Wang, X., Moore, J.C., Shanmugam, K.T., en Ingram, L.O. (2010). Metabolic engineering voor de productie van biohernieuwbare brandstoffen en chemicaliën: bijdragen van synthetische biologie. J. Biomed. Biotechnologie. 2010: 761042. Kacser, H., en Burns, J.A. (1973). De besturing van flux. Symp. Soc. Exp. Biol. 27: 65-104. Keurentjes, JJB, Angenent, G.C., Dicke, M., Dos Santos, V.A., Molenaar, J., van der Putten, W.H., de Ruiter, P.C., Struik, P.C. en Thomma, B.P. (2011). Herdefiniëren van plantensysteembiologie: van cel tot ecosysteem. Trends Plant Sci. 16: 183-190. Kjeldsen, K.R., en Nielsen, J. (2009). In silico reconstructie en validatie op genoomschaal van het Corynebacterium glutamicum metabolisch netwerk. Biotechnologie. Bioeng. 102: 583-597. Klamt, S., en Stelling, J. (2002). Combinatorische complexiteit van padanalyse in metabole netwerken. Mol. Biol. Rep. 29: 233– 236. Klamt, S., Saez-Rodriguez, J., en Gilles, E.D. (2007). Structurele en functionele analyse van mobiele netwerken met CellNetAnalyzer. BMC Syst. Biol. 1: 2. Klipp, E., en Schaber, J. (2006). Modellering van signaaltransductie in gist. In het begrijpen en benutten van systeembiologie in de biogeneeskunde en bioprocessen, M. Canovas, J. Iborra en A. Manjon, eds (Murica, Spanje: Fundacion CajaMurica), pp 15-30. Kopka, J., et al. (2005). [email protected]: de Golm Metabolome Database. Bio-informatica 21: 1635-1638. Krauss, M., Schaller, S., Borchers, S., Findeisen, R., Lippert, J., en Kuepfer, L. (2012). Integratie van cellulair metabolisme in een multischaalmodel voor het hele lichaam. PLOS-computer. Biol. 8: e1002750. Kruger, N.J., en Ratcliffe, R.G. (2012). Pathways and fluxes: verkenning van het metabolische netwerk van planten. J. Exp. Bot. 63: 2243-2246. Kruger, N.J., Le Lay, P., en Ratcliffe, R.G. (2007). Vacuolaire compartimentering bemoeilijkt de steady-state-analyse van het glucosemetabolisme en dwingt tot een herwaardering van de sucrose-cyclus in planten. Fytochemie 68: 2189-2196. Kruger, N.J., Masakapalli, S.K., en Ratcliffe, R.G. (2012). Strategieën voor het onderzoeken van het metabolische netwerk van planten met steady-state metabolische flux-analyse: lessen uit een Arabidopsis-celcultuur en andere systemen. J. Exp. Bot. 63: 2309-2323. Kurata, H., Zhao, Q., Okuda, R., en Shimizu, K. (2007). Integratie van enzymactiviteiten in metabole fluxverdelingen door elementaire modusanalyse. BMC Syst. Biol. 1: 31–44.

Lakshmanan, M., Zhang, Z., Mohanty, B., Kwon, J.Y., Choi, H.Y., Nam, H.J., Kim, D.I., en Lee, D.Y. (2013). Het ophelderen van het rijstcelmetabolisme onder overstromings- en droogtestress met behulp van flux-gebaseerde modellering en analyse. Planten Fysiol. 162: 2140-2150. Le Novère, N., et al. (2005). Minimum informatie gevraagd in de annotatie van biochemische modellen (MIRIAM). nat. Biotechnologie. 23: 1509-1515. Le Novère, N., et al. (2009). De systeembiologie grafische notatie. nat. Biotechnologie. 27: 735-741. Lee, S.Y., Park, J.M., en Kim, T.Y. (2011). Toepassing van metabolische fluxanalyse in metabole engineering. In Synthetic Biology, Pt B: Computer Aided Design and DNA Assembly, C. Voigt, ed. (San Diego, CA: Elsevier Academic Press), pp. 67-93. Li, C., et al. (2010). BioModels Database: een verbeterde, samengestelde en geannoteerde bron voor gepubliceerde kwantitatieve kinetische modellen. BMC Syst. Biol. 4: 92. Libourel, I.G.L. en Shachar-Hill, Y. (2008). Metabolische fluxanalyse in planten: van intelligent ontwerp tot rationele engineering. Ann. Rev. Plant Biol. 59: 625-650. Llaneras, F., en Picó, J. (2008). Stoichiometrische modellering van het celmetabolisme. J. Biosci. Bioeng. 105: 1-11. Luckner, M. (1972). Secundair metabolisme bij planten en dieren. (Londen: Chapman en Hall). Marashi, S.-A., en Bockmayr, A. (2011). Fluxkoppelingsanalyse van metabole netwerken is gevoelig voor ontbrekende reacties. Biosystemen 103: 57-66. Marashi, S.-A., David, L., en Bockmayr, A. (2012). Op flux-koppelingsanalyse van metabole subsystemen. J. Theor. Biol. 302: 62-69. Masakapalli, S.K., Kruger, N.J., en Ratcliffe, R.G. (2013). Het metabolische flux-fenotype van heterotrofe Arabidopsis-cellen onthult een complexe reactie op veranderingen in de stikstoftoevoer. Fabriek J. 74: 569-582. Mendes, P. (2002). Opkomende bio-informatica voor het metaboloom. Kort. Bio-informeren. 3: 134-145. Mintz-Oron, S., Meir, S., Malitsky, S., Ruppin, E., Aharoni, A., en Shlomi, T. (2012). Reconstructie van Arabidopsis metabolische netwerkmodellen die rekening houden met subcellulaire compartimentalisatie en weefselspecificiteit. Proc. nat. Acad. Wetenschap. VS 109: 339-344. Morandini, P. (2009). Metabole controle heroverwegen. Plant Sci. 176: 441-451. Morandini, P. (2013). Controlelimieten voor accumulatie van plantmetabolieten: brute kracht is geen vervanging voor begrip. Plantaardige biotechnologie. J. 11: 253-267. Morgan, JA, en Rhodes, D. (2002). Wiskundige modellering van metabole routes van planten. Metab. Ing. 4: 80-89. Morgan, JA, en Shanks, J.V. (2002). Kwantificering van metabole flux in secundair metabolisme van planten door een biogenetische organisatorische benadering. Metab. Ing. 4: 257-262. Morgan, MJ, Osorio, S., Gehl, B., Baxter, CJ, Kruger, NJ, Ratcliffe, R.G., Fernie, A.R. en Sweetlove, LJ (2013). Metabolische engineering van het organische zuurgehalte van tomatenfruit geleid door biochemische analyse van een introgressielijn. Planten Fysiol. 161: 397-407. Mueller, L.A., Zhang, P., en Rhee, S.Y. (2003). AraCyc: een biochemische routedatabase voor Arabidopsis. Planten Fysiol. 132: 453-460. Murphy, TA, Dang, CV, en Young, JD (2013).Isotopisch niet-stationaire 13C ux-analyse van door Myc geïnduceerde metabole herprogrammering in B-cellen. Metab. Ing. 15: 206-217. Noble, D. (2011). Successen en mislukkingen bij het modelleren van hartcelelektrofysiologie. Hartritme 8: 1798-1803. Papin, J.A., Stelling, J., Price, N.D., Klamt, S., Schuster, S., en Palsson, B.O. (2004). Vergelijking van netwerkgebaseerde routeanalysemethoden. Trends Biotechnologie. 22: 400-405.

Papp, B., Notebaart, RA, en Pál, C. (2011). Systeembiologische benaderingen voor het voorspellen van genomische evolutie. nat. Rev. Genet. 12: 591-602. Peterhansel, C., Niessen, M., en Kebeish, R.M. (2008). Metabolic engineering naar de verbetering van fotosynthese. Fotochem. Fotobiol. 84: 1317-1323. Pilalis, E., Chatziioannou, A., Thomasset, B., en Kolisis, F. (2011). Een in silico gecompartimentaliseerd metabool model van Brassica napus maakt de systemische studie van regulerende aspecten van het centrale metabolisme van planten mogelijk. Biotechnologie. Bioeng. 108: 1673-1682. Pitkänen, E., Rousu, J., en Ukkonen, E. (2010). Computationele methoden voor metabole reconstructie. Curr. Opin. Biotechnologie. 21: 70-77. Poolman, M.G. (2006). ScrumPy: metabolische modellering met Python. Syst. Biol. (Stevenage) 153: 375-378. Poolman, M.G., Fell, DA, en Thomas, S. (2000). Modellering van fotosynthese en de controle ervan. J. Exp. Bot. 51: 319-328. Poolman, M.G., Miguet, L., Sweetlove, L.J., en Fell, D.A. (2009). Een metabool model op genoomschaal van Arabidopsis en enkele van zijn eigenschappen. Planten Fysiol. 151: 1570-1581. Poolman, M.G., Kundu, S., Shaw, R., en Fell, D.A. (2013). Reacties op lichtintensiteit in een genoomschaalmodel van rijstmetabolisme. Planten Fysiol. 162: 1060-1072. Pritchard, L., en Birch, P. (2011). Een systeembiologisch perspectief op plant-microbe interacties: biochemische en structurele doelen van pathogene effectoren. Plant Sci. 180: 584-603. Raikhel, N.V., en Coruzzi, G.M. (2003). Het bereiken van de in silico plant. Systeembiologie en de toekomst van plantbiologisch onderzoek. Planten Fysiol. 132: 404-409. Raines, CA (2011). Toenemende fotosynthetische koolstofassimilatie in C3-planten om de gewasopbrengst te verbeteren: huidige en toekomstige strategieën. Planten Fysiol. 155: 36-42. Richter, G. (1978). Plantenmetabolisme: fysiologie en biochemie van primair metabolisme. (Stuttgart, Duitsland: Georg Thieme Publishers). Rios-Estepa, R., Turner, G.W., Lee, J.M., Croteau, R.B., en Lange, B.M. (2008). Een systeembiologische benadering identificeert de biochemische mechanismen die de samenstelling van monoterpenoïde essentiële olie in pepermunt reguleren. Proc. nat. Acad. Wetenschap. VS 105: 2818-2823. Rocha, M., Licausi, F., Araújo, W.L., Nunes-Nesi, A., Sodek, L., Fernie, A.R. en van Dongen, J.T. (2010). Glycolyse en de tricarbonzuurcyclus zijn verbonden door alanine-aminotransferase tijdens hypoxie veroorzaakt door wateroverlast van Lotus japonicus. Planten Fysiol. 152: 1501-1513. Rohn, H., Hartmann, A., Junker, A., Junker, B.H. en Schreiber, F. (2012). FluxMap: een VANTED-add-on voor de visuele verkenning van flux-distributies in biologische netwerken. BMC Syst. Biol. 6: 33. Rohwer, JM (2012). Kinetische modellering van metabole routes in planten. J. Exp. Bot. 63: 2275-2292. Rohwer, J.M., en Botha, F.C. (2001). Analyse van sucroseaccumulatie in de suikerriethalm op basis van in vitro kinetische gegevens. Biochem. J. 358: 437-445. Roscher, A., Kruger, N.J., en Ratcliffe, R.G. (2000). Strategieën voor metabole fluxanalyse in planten met behulp van isotopenlabeling. J. Biotechnologie. 77: 81-102. Saha, R., Suthers, P.F., en Maranas, C.D. (2011). Zea mays iRS1563: een uitgebreide metabole reconstructie op genoomschaal van het maïsmetabolisme. PLoS ONE 6: e21784. Schäfer, W.E., Rohwer, J.M., en Botha, F.C. (2004). Een kinetische studie van suikerriet sucrose synthase. EUR. J. Biochem. 271: 3971-3977. Schallau, K., en Junker, B.H. (2010). Simulatie van metabole routes van planten met enzym-kinetische modellen. Planten Fysiol. 152: 1763– 1771. Schreiber, F., Colmsee, C., Czauderna, T., Grafahrend-Belau, E., Hartmann, A., Junker, A., Junker, BH, Klapperstück, M., Scholz,

Systeembiologie en metabolisme

U., en Weise, S. (2012). MetaCrop 2.0: het beheren en verkennen van informatie over het metabolisme van gewasplanten. Nucleïnezuren Res. 40: D1173– D1177. Schuster, S., Dandekar, T., en Fell, D.A. (1999). Detectie van elementaire fluxmodi in biochemische netwerken: een veelbelovend hulpmiddel voor padanalyse en metabolische engineering. Trends Biotechnologie. 17: 53-60. Schuster, S., Fell, DA, en Dandekar, T. (2000). Een algemene definitie van metabole routes die nuttig zijn voor systematische organisatie en analyse van complexe metabole netwerken. nat. Biotechnologie. 18: 326-332. Schwender, J. (2008). Metabolische fluxanalyse als hulpmiddel bij metabolische engineering van planten. Curr. Opin. Biotechnologie. 19: 131-137. Schwender, J., Goffman, F., Ohlrogge, JB, en Shachar-Hill, Y. (2004). Rubisco zonder de Calvin-cyclus verbetert de koolstofefficiëntie van het ontwikkelen van groene zaden. Natuur 432: 779-782. Seaver, S.M., Henry, C.S., en Hanson, AD (2012). Grenzen in metabole reconstructie en modellering van plantengenomen. J. Exp. Bot. 63: 2247-2258. Shachar-Hill, Y. (2013). Metabolische netwerkstroomanalyse voor technische fabriekssystemen. Curr. Opin. Biotechnologie. 24: 247-255. Shlomi, T., Cabili, M.N., Herrgård, M.J., Palsson, B.Ø., en Ruppin, E. (2008). Netwerkgebaseerde voorspelling van menselijk weefselspecifiek metabolisme. nat. Biotechnologie. 26: 1003-1010. Small, J.R., en Kacser, H. (1993). Reacties van metabole systemen op grote veranderingen in enzymactiviteiten en effectoren. 1. De lineaire behandeling van onvertakte ketens. EUR. J. Biochem. 213: 613-624. Smallbone, K., Simeonidis, E., Swainston, N., en Mendes, P. (2010). Op weg naar een kinetisch model op genoomschaal van cellulair metabolisme. BMC Syst. Biol. 4: 6. Steuer, R. (2007). Computationele benaderingen van de topologie, stabiliteit en dynamiek van metabole netwerken. Fytochemie 68: 2139-2151. Steuer, R., Gross, T., Selbig, J., en Blasius, B. (2006). Structurele kinetische modellering van metabole netwerken. Proc. nat. Acad. Wetenschap. VS 103: 11868-11873. Steuer, R., Nesi, A.N., Fernie, A.R., Gross, T., Blasius, B., en Selbig, J. (2007). Van structuur tot dynamiek van metabole routes: toepassing op de mitochondriale TCA-cyclus van planten. Bio-informatica 23: 1378-1385. Stitt, M., Sulpice, R., en Keurentjes, J. (2010). Metabole netwerken: hoe sleutelcomponenten te identificeren in de regulatie van metabolisme en groei. Planten Fysiol. 152: 428-444. Studart-Guimarães, C., Fait, A., Nunes-Nesi, A., Carrari, F., Usadel, B., en Fernie, A.R. (2007). Verminderde expressie van succinyl-co-enzym A-ligase kan worden gecompenseerd door opregulatie van de g-aminobutyraat-shunt in verlichte tomatenbladeren. Planten Fysiol. 145: 626-639. Sulpice, R., Sienkiewicz-Porzucek, A., Osorio, S., Krahnert, I., Stitt, M., Fernie, A.R. en Nunes-Nesi, A. (2010). Milde reducties in cytosolische NADP-afhankelijke isocitraatdehydrogenase-activiteit resulteren in lagere aminozuurgehaltes en pigmentatie zonder de groei te beïnvloeden. Aminozuren 39: 1055-1066. Sulpice, R., Nikoloski, Z., Tschoep, H., Antonio, C., Kleessen, S., Larhlimi, A., Selbig, J., Ishihara, H., Gibon, Y., Fernie, AR en Stitt, M. (2013). Impact van de koolstof- en stikstofvoorziening op relaties en connectiviteit tussen metabolisme en biomassa in een breed panel van Arabidopsis-toetredingen. Planten Fysiol. 162: 347-363. Sweetlove, L.J., en Ratcliffe, R.G. (2011). Fluxbalansmodellering van het plantenmetabolisme. Voorkant. Plant Sci. 2: 38. Sweetlove, L.J., en Fernie, A.R. (2013). De ruimtelijke organisatie van het metabolisme in de plantencel. Ann. Rev. Plant Biol. 64: 723-746.

Sweetlove, L.J., Last, R.L., en Fernie, A.R. (2003). Predictive metabolic engineering: een doel voor systeembiologie. Planten Fysiol. 132: 420-425. Sweetlove, L.J., Fell, D., en Fernie, A.R. (2008). Aan de slag met het plantenstofwisselingsnetwerk. Biochem. J. 409: 27-41. Sweetlove, L.J., Obata, T., en Fernie, A.R. (2014). Systeemanalyse van metabole fenotypes: wat hebben we geleerd? Trends Plant Sci. 19: 222-230. Sweetlove, L.J., Williams, T.C., Cheung, C.Y., en Ratcliffe, R.G. (2013). Modellering van metabolische CO₂-evolutie - een frisse kijk op ademhaling. Plantencel omgeving. 36: 1631-1640. Sweetlove, L.J., Beard, KFM, Nunes-Nesi, A., Fernie, A.R. en Ratcliffe, R.G. (2010). Niet zomaar een cirkel: ux-modi in de TCA-cyclus van de installatie. Trends Plant Sci. 15: 462-470. Szecowka, M., Heise, R., Tohge, T., Nunes-Nesi, A., Vosloh, D., Huege, J., Feil, R., Lunn, J., Nikoloski, Z., Stitt, M ., Fernie, AR en Arrivault, S. (2013). Metabolische fluxen in een verlichte Arabidopsis-rozet. Plantencel 25: 694-714. Tomar, N., en De, R.K. (2013). Vergelijking van methoden voor metabole netwerkanalyse en een toepassing op metabole engineering. Gen 521: 1-14. Töpfer, N., Jozefczuk, S., en Nikoloski, Z. (2012). Integratie van in de tijd opgeloste transcriptomics-gegevens met op flux gebaseerde methoden onthult stress-geïnduceerde metabole aanpassing in Escherichia coli. BMC Syst. Biol. 6: 148. Töpfer, N., Scossa, F., Fernie, A., en Nikoloski, Z. (2014). Variabiliteit van metabolietniveaus is gekoppeld aan differentiële metabole routes in de reacties van Arabidopsis op abiotische stress. PLoS-comp. Biol. 10: e1003656. Töpfer, N., Caldana, C., Grimbs, S., Willmitzer, L., Fernie, AR, en Nikoloski, Z. (2013). Integratie van genoomschaalmodellering en transcriptprofilering onthult metabole routes die ten grondslag liggen aan licht- en temperatuuracclimatisering in Arabidopsis. Plantencel 25: 1197-1211. Toubiana, D., Fernie, AR, Nikoloski, Z., en Fait, A. (2013). Netwerkanalyse: complexe gegevens aanpakken om het plantenmetabolisme te bestuderen. Trends Biotechnologie. 31: 29-36. Toya, Y. en Shimizu, H. (2013). Fluxanalyse en metabolomics voor systematische metabolische engineering van micro-organismen. Biotechnologie. Adv. 31: 818-826. Vernoux, T., et al. (2011). Het auxine-signaleringsnetwerk vertaalt dynamische invoer in robuuste patronen aan de top van de opname. Mol. Syst. Biol. 7: 508. Walpole, J., Papin, J.A., en Peirce, S.M. (2013). Multischaal computationele modellen van complexe biologische systemen. Ann. ds. Biomed. Ing. 15: 137-154. Wang, C., Guo, L., Li, Y., en Wang, Z. (2012). Systematische vergelijking van C3- en C4-planten op basis van metabole netwerkanalyse. BMC Syst. Biol. 6 (bijlage 2): S9. Wang, JP, et al. (2014). Volledige op proteoom gebaseerde enzymreactie en remmingskinetiek onthullen hoe monolignol biosynthetische enzymfamilies de metabole flux en lignine in Populus trichocarpa beïnvloeden. Plantencel 26: 894-914. Weissmann, S., en Brutnell, T.P. (2012). Engineering C4 fotosynthetische regulerende netwerken. Curr. Opin. Biotechnologie. 23: 298-304. Wiechert, W. (2002). Modellering en simulatie: tools voor metabolic engineering. J. Biotechnologie. 94: 37-63. Williams, TC, Poolman, MG, Howden, AJ, Schwarzlander, M., Fell, DA, Ratcliffe, RG, en Sweetlove, LJ (2010). Een metabool model op genoomschaal voorspelt nauwkeurig fluxen in het centrale koolstofmetabolisme onder stressomstandigheden. Planten Fysiol. 154: 311-323. Xu, C., Liu, L., Zhang, Z., Jin, D., Qiu, J., en Chen, M. (2013a). Metabolisch model op genoomschaal bij het begeleiden van metabole engineering van microbiële verbetering. toepassing microbiologisch. Biotechnologie. 97: 519-539. Xu, P., Bhan, N., en Koffas, M.A.G. (2013b). Engineering plantenmetabolisme in microben: van systeembiologie tot synthetische biologie. Curr. Opin. Biotechnologie. 24: 291-299.

Yonekura-Sakakibara, K., Fukushima, A., en Saito, K. (2013). Modellering van transcriptoomgegevens voor gerichte metabolische engineering van planten. Curr. Opin. Biotechnologie. 24: 285-290. Young, J.D., Shastri, A.A., Stephanopoulos, G., en Morgan, J.A. (2011). In kaart brengen van foto-autotroof metabolisme met isotopisch niet-stationaire (13)C ux-analyse. Metab. Ing. 13: 656-665. Yuan, J.S., Galbraith, D.W., Dai, SY, Griffin, P., en Stewart, C.N., Jr. (2008). Plantensysteembiologie wordt volwassen. Trends Plant Sci. 13: 165–171. Zhang, P., et al. (2010). Creatie van een genoom-brede metabole route-database voor Populus trichocarpa met behulp van een nieuwe aanpak voor

reconstructie en curatie van metabole routes voor planten. Planten Fysiol. 153: 1479-1491. Zhu, XG, de Sturler, E., en Long, SP (2007). Het optimaliseren van de verdeling van hulpbronnen tussen enzymen van het koolstofmetabolisme kan de fotosynthesesnelheid drastisch verhogen: een numerieke simulatie met behulp van een evolutionair algoritme. Planten Fysiol. 145: 513-526. Zhu, XG, Wang, Y., Ort, DR, en Long, SP (2013). e-Fotosynthese: een uitgebreid dynamisch mechanisch model van C3-fotosynthese: van lichtopname tot sucrosesynthese. Plantencel omgeving. 36: 1711-1727.

Metabolische modellering van planten: nieuwe inzichten verkrijgen in metabolisme en metabolische engineering Kambiz Baghalian, Mohammad-Reza Hajirezaei en Falk Schreiber Plant Cell oorspronkelijk online gepubliceerd 24 oktober 2014 DOI 10.1105/tpc.114.130328 Deze informatie is actueel op 24 oktober 2014 Toestemmingen


Toegangsopties

Krijg volledige toegang tot tijdschriften voor 1 jaar

Alle prijzen zijn NET prijzen.
De btw wordt later bij het afrekenen toegevoegd.
De belastingberekening wordt definitief tijdens het afrekenen.

Krijg beperkte of volledige toegang tot artikelen op ReadCube.

Alle prijzen zijn NET prijzen.


Dankbetuigingen

Het team van Reproducible Research Results (R3), in het bijzonder C. Trefois en Y. Jarosz, van het Luxembourg Centre for Systems Biomedicine, wordt erkend voor hun hulp bij het opzetten van de virtuele machine en de Jenkins-server. Deze studie werd gefinancierd door het National Center of Excellence in Research (NCER) over de ziekte van Parkinson, het Amerikaanse ministerie van Energie, Offices of Advanced Scientific Computing Research en het Biological and Environmental Research als onderdeel van het Scientific Discovery Through Advanced Computing-programma, verleen geen . DE-SC0010429. Dit project ontving ook financiering van het HORIZON 2020-onderzoeks- en innovatieprogramma van de Europese Unie onder subsidieovereenkomst nr. 668738 en het Luxembourg National Research Fund (FNR) ATTRACT-programma (FNR/A12/01) en OPEN (FNR/O16/11402054) subsidies. N.E.L. werd ondersteund door NIGMS (R35 GM119850) en de Novo Nordisk Foundation (NNF10CC1016517). M.A.P.O. werd ondersteund door de Luxemburgse National Research Fund (FNR) subsidie ​​AFR/6669348. AR werd ondersteund door de Lilly Innovation Fellows Award. FJP werd ondersteund door de minister van Economie en Concurrentievermogen van Spanje (BIO2016-77998-R) en het ELKARTEK-programma van de Baskische regering (KK-2016/00026). IA. werd ondersteund door een predoctorale beurs van de Baskische regering (PRE_2016_2_0044). B.Ø.P. werd ondersteund door de Novo Nordisk Foundation via het Center for Biosustainability van de Technische Universiteit van Denemarken (NNF10CC1016517).


7 Samenvatting en Outlook

Het grote belang van thiamine voor de gezondheid van alle organismen en de tekortkomingen van eerdere thiamine-analysemethoden hebben samen geleid tot een voortdurende interesse in het verbeteren van methoden voor het bewaken van thiamine in een verscheidenheid aan matrices. Er zijn talloze colorimetrische, fluorescentie-, elektrochemische en biologische benaderingen ontwikkeld, elk met hun eigen inherente voordelen en kanttekeningen (tabel 1). Hoewel colorimetrische benaderingen ooit op grote schaal werden gebruikt, vanwege het inherent eenvoudige detectieprincipe, zijn ze grotendeels uit de gratie geraakt in plaats van gevoeligere fluorometrische methoden, vanwege hun hoge detectielimieten (μm ) en het risico op interferenties, vooral wanneer biologische monsters worden beschouwd. Als gevolg hiervan zijn de meest gebruikte methodologieën gebaseerd op fluorescentiedetectie na chromatografische scheiding. Deze gevestigde methodologieën bieden het voordeel van een gevoelige kwantificering van thiamine in mengsels van meerdere componenten en speciatie van thiaminefosfaten. Vooruitgang in HPLC-scheidingen en verbeteringen in detectiemogelijkheden bieden de mogelijkheid om indrukwekkende pM-detectieniveaus te bereiken die geschikt zijn voor goed uitgeruste laboratoriumomgevingen.


Bekijk de video: Hoe schrijf je een liedje? l Stappenplan, Tips u0026 Tricks (December 2021).