Anika Küken

• The metabolic state of an organism reflects the entire phenotype that is jointly affected by genetic and environmental changes. Due to the complexity of metabolism, system-level modelling approaches have become indispensable tools to obtain new insights into biological functions. In particular, simulation and analysis of metabolic networks using constraint-based modelling approaches have helped the analysis of metabolic fluxes. However, despite ongoing improvements in prediction of reaction flux through a system, approaches to directly predict metabolite concentrations from large-scale metabolic networks remain elusive. In this thesis, we present a computational approach for inferring concentration ranges from genome-scale metabolic models endowed with mass action kinetics. The findings specify a molecular mechanism underling facile control of concentration ranges for components in large-scale metabolic networks. Most importantly, an extended version of the approach can be used to predict concentration ranges without knowledge ofThe metabolic state of an organism reflects the entire phenotype that is jointly affected by genetic and environmental changes. Due to the complexity of metabolism, system-level modelling approaches have become indispensable tools to obtain new insights into biological functions. In particular, simulation and analysis of metabolic networks using constraint-based modelling approaches have helped the analysis of metabolic fluxes. However, despite ongoing improvements in prediction of reaction flux through a system, approaches to directly predict metabolite concentrations from large-scale metabolic networks remain elusive. In this thesis, we present a computational approach for inferring concentration ranges from genome-scale metabolic models endowed with mass action kinetics. The findings specify a molecular mechanism underling facile control of concentration ranges for components in large-scale metabolic networks. Most importantly, an extended version of the approach can be used to predict concentration ranges without knowledge of kinetic parameters, provided measurements of concentrations in a reference state. We show that the approach is applicable with large-scale kinetic and stoichiometric metabolic models of organisms from different kingdoms of life. By challenging the predictions of concentration ranges in the genome-scale metabolic network of Escherichia coli with real-world data sets, we further demonstrate the prediction power and limitations of the approach. To predict concentration ranges in other species, e.g. model plant species Arabidopsis thaliana, we would rely on estimates of kinetic parameters (i.e. enzyme catalytic rates) since plant-specific enzyme catalytic rates are poorly documented. Using the constraint-based approach of Davidi et al. for estimation of enzyme catalytic rates, we obtain values for 168 plant enzymes. The approach depends on quantitative proteomics data and flux estimates obtained from constraint-based model of plant leaf metabolism integrating maximal rates of selected enzymes, plant-specific constraints on fluxes through canonical pathways, and growth measurements from Arabidopsis thaliana rosette under ten conditions. We demonstrate a low degree of plant enzyme saturation, supported by the agreement between concentrations of nicotinamide adenine dinucleotide, adenosine triphosphate, and glyceraldehyde 3-phosphate, based on our maximal in vivo catalytic rates, and available quantitative metabolomics data. Hence, our results show genome-wide estimation for plant-specific enzyme catalytic rates is feasible. These can now be readily employed to study resource allocation, to predict enzyme and metabolite concentrations using recent constrained-based modelling approaches. Constraint-based methods do not directly account for kinetic mechanisms and corresponding parameters. Therefore, a number of workflows have already been proposed to approximate reaction kinetics and to parameterize genome-scale kinetic models. We present a systems biology strategy to build a fully parameterized large-scale model of Chlamydomonas reinhardtii accounting for microcompartmentalization in the chloroplast stroma. Eukaryotic algae comprise a microcompartment, the pyrenoid, essential for the carbon concentrating mechanism (CCM) that improves their photosynthetic performance. Since the experimental study of the effects of microcompartmentation on metabolic pathways is challenging, we employ our model to investigate compartmentation of fluxes through the Calvin-Benson cycle between pyrenoid and stroma. Our model predicts that ribulose-1,5-bisphosphate, the substrate of Rubisco, and 3-phosphoglycerate, its product, diffuse in and out of the pyrenoid. We also find that there is no major diffusional barrier to metabolic flux between the pyrenoid and stroma. Therefore, our computational approach represents a stepping stone towards understanding of microcompartmentalized CCM in other organisms. This thesis provides novel strategies to use genome-scale metabolic networks to predict and integrate metabolite concentrations. Therefore, the presented approaches represent an important step in broadening the applicability of large-scale metabolic models to a range of biotechnological and medical applications.…
• Der Stoffwechsel eines Organismus spiegelt den gesamten Phänotyp wieder, welcher durch genetische und umweltbedingte Veränderungen beeinflusst wird. Aufgrund der Komplexität des Stoffwechsels sind Modellierungsansätze, welche das ganzheitliches System betrachten, zu unverzichtbaren Instrumenten geworden, um neue Einblicke in biologische Funktionen zu erhalten. Insbesondere die Simulation und Analyse von Stoffwechselnetzwerken mithilfe von Constraint-basierten Modellierungsansätzen hat die Analyse von Stoffwechselflüssen erleichtert. Trotz kontinuierlicher Verbesserungen bei der Vorhersage des Reaktionsflusses durch ein System, sind Ansätze zur direkten Vorhersage von Metabolitkonzentrationen aus metabolischen Netzwerken kaum vorhanden. In dieser Arbeit stellen wir einen Ansatz vor, mit welchem Konzentrationsbereiche aus genomweiten metabolischen Netzwerken, die mit einer Massenwirkungskinetik ausgestattet sind, abgeleitet werden können. Die Ergebnisse zeigen einen molekularen Mechanismus auf, welcher der Steuerung vonDer Stoffwechsel eines Organismus spiegelt den gesamten Phänotyp wieder, welcher durch genetische und umweltbedingte Veränderungen beeinflusst wird. Aufgrund der Komplexität des Stoffwechsels sind Modellierungsansätze, welche das ganzheitliches System betrachten, zu unverzichtbaren Instrumenten geworden, um neue Einblicke in biologische Funktionen zu erhalten. Insbesondere die Simulation und Analyse von Stoffwechselnetzwerken mithilfe von Constraint-basierten Modellierungsansätzen hat die Analyse von Stoffwechselflüssen erleichtert. Trotz kontinuierlicher Verbesserungen bei der Vorhersage des Reaktionsflusses durch ein System, sind Ansätze zur direkten Vorhersage von Metabolitkonzentrationen aus metabolischen Netzwerken kaum vorhanden. In dieser Arbeit stellen wir einen Ansatz vor, mit welchem Konzentrationsbereiche aus genomweiten metabolischen Netzwerken, die mit einer Massenwirkungskinetik ausgestattet sind, abgeleitet werden können. Die Ergebnisse zeigen einen molekularen Mechanismus auf, welcher der Steuerung von Konzentrationsbereichen für Komponenten in metabolischen Netzwerken zugrunde liegt. Eine erweiterte Version des Ansatzes kann verwendet werden, um Konzentrationsbereiche ohne Kenntnis der kinetischen Parameter vorherzusagen, vorausgesetzt, dass Messungen von Konzentrationen in einem Referenzzustand vorhanden sind. Wir zeigen, dass der Ansatz mit kinetischen und stöchiometrischen Stoffwechselmodellen von Organismen aus verschiedenen taxonomischen Reichen anwendbar ist. Indem wir die Vorhersagen von Konzentrationsbereichen im genomweiten Stoffwechselnetzwerk von Escherichia coli mit realen Datensätzen validieren, demonstrieren wir die Vorhersagekraft und die Grenzen des Ansatzes. Um Konzentrationsbereiche in anderen Spezies vorherzusagen, z.B. der Modellpflanzenspezies Arabidopsis thaliana, stützen wir uns auf Schätzungen der kinetischen Parameter (d.h. der katalytischen Enzymraten), da tatsächlich gemessene, pflanzenspezifische katalytische Enzymraten nur unzureichend dokumentiert sind. Unter Verwendung des Constraint-basierten Ansatzes von Davidi et al. zur Abschätzung der katalytischen Enzymraten erhalten wir Werte für 168 pflanzliche Enzyme. Der Ansatz hängt von quantitativen Proteomikdaten und Schätzungen des Reaktionsflusses ab, die aus einem Constraint-basierten Modell des Pflanzenblattmetabolismus unter Einbeziehung der maximalen Raten ausgewählter Enzyme, pflanzenspezifischen Einschränkungen des Flusses durch kanonische Pfade und Wachstumsmessungen aus Rosetten von Arabidopsis thaliana unter zehn Bedingungen erhalten wurden. Wir fanden einen niedrigen Grad an Sättigung der Pflanzenenzyme, der durch die Übereinstimmung zwischen den Konzentrationen von Nicotinamidadenindinukleotid, Adenosintriphosphat und Glycerinaldehyd-3-phosphat auf der Grundlage unserer maximalen in vivo katalytischen Raten und den verfügbaren quantitativen Metabolomikdaten gestützt wird. Daher zeigen unsere Ergebnisse, dass genomweite Schätzungen für pflanzenspezifische Enzymkatalyseraten möglich sind. Diese können nun leicht verwendet werden, um die Ressourcenzuweisung zu untersuchen und die Enzym- und Metabolitenkonzentrationen unter Verwendung neuerer Constraint-basierter Modellierungsansätze vorherzusagen. Constraint-basierte Methoden berücksichtigen kinetische Mechanismen und entsprechende Parameter nicht direkt. Daher wurden einige Methoden entwickelt, welche die Reaktionskinetik approximieren und systemumfassende kinetische Modelle zu parametrisieren. Wir präsentieren eine systembiologische Strategie zur Erstellung eines vollständig parametrisierten Modells von Chlamydomonas reinhardtii, welches die Mikrokompartimentierung im Chloroplaststroma berücksichtigt. Eukaryotische Algen besitzen ein Mikrokompartiment, den Pyrenoiden, der für den Kohlenstoffkonzentrationsmechanismus (KKM) unerlässlich ist und die Photosyntheseleistung verbessert. Die experimentelle Untersuchung der Auswirkungen der Mikrokompartimentierung auf Stoffwechselwege stellt eine Herausforderung dar. Daher verwenden wir unser Modell um die Kompartimentierung von Reaktionsflüssen durch den Calvin-Benson-Zyklus zwischen Pyrenoid und Stroma zu untersuchen. Unser Modell sagt voraus, dass Ribulose-1,5-Bisphosphat, das Substrat von Rubisco, und 3-Phosphoglycerat , das Produkt, in den Pyrenoid hinein und aus ihm heraus diffundieren. Weiter stellen wir fest, dass es keine wesentliche Diffusionsbarriere zwischen dem Pyrenoid und dem Stroma gibt. Somit bietet unser Ansatz eine Möglichkeit um ein Verständnis des mikrokompartimentierten KKM auch in anderen Organismen zu erlangen. Diese Dissertation zeigt neue Strategien um metabolische Netzwerke zur Vorhersage von Metabolitkonzentrationen zu nutzen und selbige zu integrieren. Daher stellen die Ansätze einen wichtigen Schritt zur Anwendbarkeit von genomweiten Stoffwechselmodellen auf eine Reihe von biotechnologischen und medizinischen Anwendungen dar.…