美国加州大学圣地亚哥分校和一个国际协会大学的研究人员在早期开拓性工作的基础上,制作出如同谷歌地图一样,迄今为止最全面的虚拟重建人体新陈代谢模型——“侦察 2”(Recon 2)。“侦察 2”可鉴定疾病的成因,并对诸如癌症、糖尿病,甚至精神和神经退行性疾病等提出新的具有针对性的治疗方法。该研究成果在线刊登在最新期的《自然·生物技术》(Nature Biotechnology)上。
新陈代谢可将食物转换成能量和人体所需的分子,而代谢失衡是潜在的致病因素。科学家以人类基因组和系统生物学为基础,借助高效率计算机建立了广阔可交互的新陈代谢信息数据库。加州大学圣地亚哥分校雅各布工程学院生物工程教授伯恩哈德·保尔松表示,在不断改进原来“侦察 1”的基础上,开发出的“侦察 2”可使生物医学人员在研究人体新陈代谢的网络中比以往更精确,以了解特定的代谢途径是如何出现偏差并造成疾病的。
将“侦察 2”比喻为谷歌地图,是因为它有能力将复杂的细节合并成一张单一的、互动的地图。例如,研究人员观察癌肿瘤的生长代谢如何进展时,可以在该地图上放大个人代谢反应的细致图像,也可以缩小来看看与其他代谢间的关系。就像谷歌地图汇集大量数据,把图片、地址、街道和交通流量融汇成用于导航的综合工具。该模型汇编了大量公开发表的文献资料和既有的代谢过程模式。
“侦察 2”可以向研究人员多角度展示人体代谢网络,提供必要的背景数据。人体代谢网络最有前景的应用之一,是能够确定特定基因表达及其代谢途径的靶向给药。借助“侦察 2”,研究人员能够使用现有的基因数据库和整个代谢网络图,找到影响癌细胞生长的特定代谢途径,然后通过虚拟实验,验证哪些药物能够修复代谢失衡类疾病。
“侦察 2”无疑将加速个性化诊断和治疗的发展。未来,医生可为患者开发出个人代谢网络的虚拟模型,并针对各种疾病,包括糖尿病、癌症和神经退行性疾病确定最有效的治疗方案。(生物谷Bioon.com)
doi:10.1038/nbt.2488
PMC:
PMID:
A community-driven global reconstruction of human metabolism
Ines Thiele, Neil Swainston, Ronan M T Fleming, Andreas Hoppe, Swagatika Sahoo, Maike K Aurich, Hulda Haraldsdottir, Monica L Mo, Ottar Rolfsson, Miranda D Stobbe, Stefan G Thorleifsson, Rasmus Agren, Christian Blling, Sergio Bordel, Arvind K Chavali, Paul Dobson, Warwick B Dunn, Lukas Endler,David Hala, Michael Hucka, Duncan Hull, Daniel Jameson, Neema Jamshidi, Jon J Jonsson, Nick Juty, Sarah Keating, Intawat Nookaew, Nicolas Le Novère, Naglis Malys, Alexander Mazein, Jason A Papin, Nathan D Price, Evgeni Selkov Sr, Martin I Sigurdsson, Evangelos Simeonidis,Nikolaus Sonnenschein, Kieran Smallbone,Anatoly Sorokin,Johannes H G M van Beek, Dieter Weichart,Igor Goryanin,Jens Nielsen, Hans V Westerhoff,Douglas B Kell,Pedro Mendes & Bernhard Palsson.
Multiple models of human metabolism have been reconstructed, but each represents only a subset of our knowledge. Here we describe Recon 2, a community-driven, consensus 'metabolic reconstruction', which is the most comprehensive representation of human metabolism that is applicable to computational modeling. Compared with its predecessors, the reconstruction has improved topological and functional features, including ~2× more reactions and ~1.7× more unique metabolites. Using Recon 2 we predicted changes in metabolite biomarkers for 49 inborn errors of metabolism with 77% accuracy when compared to experimental data. Mapping metabolomic data and drug information onto Recon 2 demonstrates its potential for integrating and analyzing diverse data types. Using protein expression data, we automatically generated a compendium of 65 cell type–specific models, providing a basis for manual curation or investigation of cell-specific metabolic properties. Recon 2 will facilitate many future biomedical studies and is freely available at http://humanmetabolism.org/.