缩小我们的新陈代谢

每一分钟，我们数万亿个细胞中的每一个都会进行无数的化学反应，将食物转化为能量，建立蛋白质并消除有毒废物。总的来说，所有这些反应都构成了我们的新陈代谢。但它受到哪些潜在机制的监管?来自SIB和CHUV(洛桑大学医院)的研究人员已经找到了一种新方法，以更高的分辨率来理解新陈代谢的调节基础。

1. 什么是基因组规模代谢网络(GSMN)?

GSMN是复杂的生物网络，它将数千个节点本身互连，分为四种主要类型：1)代谢物; 2)生化和运输反应; 3)酶和转运蛋白; 和4)基因。如果手头有足够的数据，GSMN可用作预测工具，通过模拟敲除实验来了解生物体是否以及如何产生一定量的生物量，或基因对生物体的重要性。

2.什么是转录组学?

转录组学的科学研究了给定细胞群中RNA的表达水平，从而揭示了在任何给定时间点哪些基因是活跃表达的。研究转录组和测量RNA水平的最常用方法之一是使用称为RNAseq的新一代测序技术。

能够确定我们新陈代谢的调节途径将有助于我们更好地理解 - 甚至可能防止 - 潜在的故障，例如与糖尿病或肥胖有关的故障。然而，将这些途径分开，不仅需要对生物和化学过程的高层次理解，例如基因组规模代谢网络(GSMN，见方框1)所提供的，还需要对每个基因的作用进行精细分辨。通过表达 - 或转录组学 - 数据提供(RNAseq，见方框2)。

来自CHUV的研究人员，来自Vital-IT集团的SIB科学家开发出一种结合两种方法的新方法，从而更好地了解我们的新陈代谢的基础规则以及预测它们的方法。他们的方法可以作为名为metaboGSE的R包获得，结果发表在Bioinformatics期刊上。

“通过利用已有的数据，这种”组合“方法使研究人员能够获得比单独使用GSMN或RNAseq方法更高水平的代谢信息，”SIB的资深科学家和作家Marco Pagni说。“在某种程度上，它就像通过放大镜观察，而不是看到'磷脂生物合成，我们看到'磷脂酰胆碱生物合成' - 从分辨率来看，这是向前迈出的一大步”。

该团队呼吁对代谢研究进行广泛的重新研究，以获得更好的RNAseq数据和GSMN，以获得更强大和预测的结果。

对与肥胖特征相关的小鼠脂肪细胞数据进行了测试和验证，该团队现在打算对来自几个欧洲队列的人类糖尿病相关数据应用相同的方法。这将是几个创新药物倡议(IMI)项目的框架，其中SIB充当数据协调中心

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。