• search hit 12 of 26
Back to Result List

Towards structure and dynamics of metabolic networks

Struktur und Dynamik metabolischer Netzwerke

  • This work presents mathematical and computational approaches to cover various aspects of metabolic network modelling, especially regarding the limited availability of detailed kinetic knowledge on reaction rates. It is shown that precise mathematical formulations of problems are needed i) to find appropriate and, if possible, efficient algorithms to solve them, and ii) to determine the quality of the found approximate solutions. Furthermore, some means are introduced to gain insights on dynamic properties of metabolic networks either directly from the network structure or by additionally incorporating steady-state information. Finally, an approach to identify key reactions in a metabolic networks is introduced, which helps to develop simple yet useful kinetic models. The rise of novel techniques renders genome sequencing increasingly fast and cheap. In the near future, this will allow to analyze biological networks not only for species but also for individuals. Hence, automatic reconstruction of metabolic networks provides itself as aThis work presents mathematical and computational approaches to cover various aspects of metabolic network modelling, especially regarding the limited availability of detailed kinetic knowledge on reaction rates. It is shown that precise mathematical formulations of problems are needed i) to find appropriate and, if possible, efficient algorithms to solve them, and ii) to determine the quality of the found approximate solutions. Furthermore, some means are introduced to gain insights on dynamic properties of metabolic networks either directly from the network structure or by additionally incorporating steady-state information. Finally, an approach to identify key reactions in a metabolic networks is introduced, which helps to develop simple yet useful kinetic models. The rise of novel techniques renders genome sequencing increasingly fast and cheap. In the near future, this will allow to analyze biological networks not only for species but also for individuals. Hence, automatic reconstruction of metabolic networks provides itself as a means for evaluating this huge amount of experimental data. A mathematical formulation as an optimization problem is presented, taking into account existing knowledge and experimental data as well as the probabilistic predictions of various bioinformatical methods. The reconstructed networks are optimized for having large connected components of high accuracy, hence avoiding fragmentation into small isolated subnetworks. The usefulness of this formalism is exemplified on the reconstruction of the sucrose biosynthesis pathway in Chlamydomonas reinhardtii. The problem is shown to be computationally demanding and therefore necessitates efficient approximation algorithms. The problem of minimal nutrient requirements for genome-scale metabolic networks is analyzed. Given a metabolic network and a set of target metabolites, the inverse scope problem has as it objective determining a minimal set of metabolites that have to be provided in order to produce the target metabolites. These target metabolites might stem from experimental measurements and therefore are known to be produced by the metabolic network under study, or are given as the desired end-products of a biotechological application. The inverse scope problem is shown to be computationally hard to solve. However, I assume that the complexity strongly depends on the number of directed cycles within the metabolic network. This might guide the development of efficient approximation algorithms. Assuming mass-action kinetics, chemical reaction network theory (CRNT) allows for eliciting conclusions about multistability directly from the structure of metabolic networks. Although CRNT is based on mass-action kinetics originally, it is shown how to incorporate further reaction schemes by emulating molecular enzyme mechanisms. CRNT is used to compare several models of the Calvin cycle, which differ in size and level of abstraction. Definite results are obtained for small models, but the available set of theorems and algorithms provided by CRNT can not be applied to larger models due to the computational limitations of the currently available implementations of the provided algorithms. Given the stoichiometry of a metabolic network together with steady-state fluxes and concentrations, structural kinetic modelling allows to analyze the dynamic behavior of the metabolic network, even if the explicit rate equations are not known. In particular, this sampling approach is used to study the stabilizing effects of allosteric regulation in a model of human erythrocytes. Furthermore, the reactions of that model can be ranked according to their impact on stability of the steady state. The most important reactions in that respect are identified as hexokinase, phosphofructokinase and pyruvate kinase, which are known to be highly regulated and almost irreversible. Kinetic modelling approaches using standard rate equations are compared and evaluated against reference models for erythrocytes and hepatocytes. The results from this simplified kinetic models can simulate acceptably the temporal behavior for small changes around a given steady state, but fail to capture important characteristics for larger changes. The aforementioned approach to rank reactions according to their influence on stability is used to identify a small number of key reactions. These reactions are modelled in detail, including knowledge about allosteric regulation, while all other reactions were still described by simplified reaction rates. These so-called hybrid models can capture the characteristics of the reference models significantly better than the simplified models alone. The resulting hybrid models might serve as a good starting point for kinetic modelling of genome-scale metabolic networks, as they provide reasonable results in the absence of experimental data, regarding, for instance, allosteric regulations, for a vast majority of enzymatic reactions.show moreshow less
  • In dieser Arbeit werden mathematische und informatische Ansätze zur Behandlung diverser Probleme im Zusammenhang mit der Modellierung metabolischer Netzwerke vorgestellt, insbesondere unter Berücksichtigung der eingeschränkten Verfügbarkeit detaillierter Enzymkinetiken. Es wird gezeigt, dass präzise mathematische Formulierungen der Probleme notwendig sind, um erstens angemessene und, falls möglich, effiziente Algorithmen zur Lösung zu entwickeln. Und zweitens, um die Güte der so gefundenen Lösungen zu bewerten. Des weiteren werden Methoden zur Analyse dynamischer Eigenschaften metabolischer Netzwerke eingeführt, welche entweder nur auf der Struktur der Netzwerke basieren oder zusätzlich noch Informationen über stationäre Zustände mit berücksichtigen. Außerdem wird eine Strategie zur Bestimmung von Schlüsselreaktionen eines Netzwerkes vorgestellt, welche die Entwicklung kinetischer Modelle vereinfacht. Der Erfolg neuer Technologien ermöglicht eine immer billigere und schnellere Sequenzierung des Genoms. Dies wird in naher Zukunft dieIn dieser Arbeit werden mathematische und informatische Ansätze zur Behandlung diverser Probleme im Zusammenhang mit der Modellierung metabolischer Netzwerke vorgestellt, insbesondere unter Berücksichtigung der eingeschränkten Verfügbarkeit detaillierter Enzymkinetiken. Es wird gezeigt, dass präzise mathematische Formulierungen der Probleme notwendig sind, um erstens angemessene und, falls möglich, effiziente Algorithmen zur Lösung zu entwickeln. Und zweitens, um die Güte der so gefundenen Lösungen zu bewerten. Des weiteren werden Methoden zur Analyse dynamischer Eigenschaften metabolischer Netzwerke eingeführt, welche entweder nur auf der Struktur der Netzwerke basieren oder zusätzlich noch Informationen über stationäre Zustände mit berücksichtigen. Außerdem wird eine Strategie zur Bestimmung von Schlüsselreaktionen eines Netzwerkes vorgestellt, welche die Entwicklung kinetischer Modelle vereinfacht. Der Erfolg neuer Technologien ermöglicht eine immer billigere und schnellere Sequenzierung des Genoms. Dies wird in naher Zukunft die Analyse biologischer Netzwerke nicht nur für Spezies, sondern auch für einzelne Individuen ermöglichen. Die automatische Rekonstruktion metabolischer Netzwerke ist bestens dafür geeignet, diese großen Datenmengen auszuwerten. Eine mathematische Formulierung der Rekonstruktion als Optimierungsproblem wird vorgestellt, die sowohl bereits vorhandenes Wissen als auch theoretische Vorhersagen verschiedenster bioinformatischer Methoden berücksichtigt. Die rekonstruierten Netzwerke sind hinsichtlich möglichst großer und plausibler Zusammenhangskomponenten hin optimiert, um fragmentierte und isolierte Teilnetzwerke zu vermeiden. Als Beispiel dient die Rekonstruktion der Saccharosesynthese in Chlamydomonas reinhardtii. Es wird gezeigt, dass das Problem sehr rechenintensiv ist und somit Approximationsalgorithmen erforderlich macht. Das 'inverse scope' Problem hat als Optimierungsziel, für ein gegebenes metabolisches Netzwerk die minimale Menge notwendiger Metabolite zu bestimmen, um eine ebenfalls gegebene Menge von gewünschten Zielmetaboliten zu produzieren. Diese Zielmetabolite können entweder durch experimentellen Messungen festgelegt werden, oder sie sind die gewünschten Endprodukte einer biotechnologischen Anwendung. Es wird gezeigt, dass das 'inverse scope' Problem rechenintensiv ist. Allerdings wird angenommen, dass die Berechnungskomplexität stark von der Anzahl gerichteter Zyklen innerhalb des metabolischen Netzwerkes abhängt. Dies könnte die Entwicklung effizienter Approximationsalgorithmen ermöglichen. Unter der Annahme von Massenwirkungskinetiken erlaubt es die 'chemical reaction network theory' (CRNT), anhand der Struktur metabolischer Netzwerke Rückschlüsse auf Multistabilität zu ziehen. Auch weitere Kinetiken können durch Modellierung von Enzymmechanismen mit berücksichtigt werden. CRNT wird zum Vergleich von mehreren Modellen des Calvinzyklus, welche sich in Größe und Abstraktionsniveau unterscheiden, verwendet. Obwohl für kleinere Modelle Ergebnisse erzielt werden, erlauben es die verfügbaren Theoreme und Algorithmen der CRNT nicht, Aussagen für größere Modelle zu machen, da die gegenwärtigen Implementierungen der Algorithmen an ihre Berechnungsgrenzen stoßen. Sind sowohl die Stoichiometrie eines metabolischen Netzwerkes, als auch die Metabolitkonzentrationen und Flüsse im stationären Zustand bekannt, so kann 'structural kinetic modelling' angewandt werden, um das dynamische Verhalten des Netzwerkes zu analysieren, selbst wenn die expliziten Ratengleichung unbekannt sind. Dieser Ansatz wird verwendet, um den stabilisierenden Einfluss allosterischer Regulation in menschlichen Erythrozyten zu untersuchen. Des weiteren werden die Reaktionen anhand ihrer Bedeutung hinsichtlich Stabilität im stationären Zustand angeordnet. Die wichtigsten Reaktionen bezüglich dieser Ordnung sind Hexokinase, Phosphofructokinase und Pyruvatkinase, welche bekanntermaßen stark reguliert und irreversibel sind. Kinetische Modelle, die auf generischen Ratengleichung beruhen, werden mit detaillierten Referenzmodellen für Erythrozyten und Hepatozyten verglichen. Die generischen Modelle simulieren das Verhalten nur in der Nähe eines gegebenen stationären Zustandes recht gut. Der zuvor erwähnte Ansatz, wichtige Reaktionen bezüglich Stabilität zu identifizieren, wird zur Bestimmung von Schlüsselreaktionen genutzt. Diese Schlüsselreaktionen werden im Detail modelliert, während für alle anderen Reaktionen weiterhin generische Ratengleichung verwendet werden. Die so entstandenen Hybridmodelle können das Verhalten des Referenzmodells signifikant besser beschreiben. Die Hybridmodelle können als Ausgangspunkt zur Erstellung genomweiter kinetischer Modelle dienen.show moreshow less

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar Statistics
Metadaten
Author:Sergio Grimbs
URN:urn:nbn:de:kobv:517-opus-32397
Advisor:Joachim Selbig
Document Type:Doctoral Thesis
Language:English
Year of Completion:2009
Publishing Institution:Universität Potsdam
Granting Institution:Universität Potsdam
Date of final exam:2009/06/19
Release Date:2009/07/01
Tag:Bioinformatik; Dynamik; Modellierung; Struktur; metabolische Netzwerke
bioinformatics; dynamics; metabolic networks; modelling; structure
RVK - Regensburg Classification:WD 9200
RVK - Regensburg Classification:WC 7700
Organizational units:Mathematisch-Naturwissenschaftliche Fakultät / Institut für Biochemie und Biologie
Dewey Decimal Classification:5 Naturwissenschaften und Mathematik / 57 Biowissenschaften; Biologie / 570 Biowissenschaften; Biologie
Licence (German):License LogoCreative Commons - Namensnennung, Nicht kommerziell, Weitergabe zu gleichen Bedingungen 3.0 Deutschland