211service.com
Människomodell färdig
Forskare vid University of California, San Diego, har konstruerat den första kompletta datormodellen av mänsklig metabolism. Finns gratis på webb , är modellen ett stort steg framåt inom det nya området för systembiologi, och den kommer att hjälpa forskare att upptäcka nya läkemedelsvägar och förstå den molekylära grunden för cancer och andra sjukdomar.
University of California, San Diego, har forskare konstruerat den första kompletta datormodellen av mänsklig metabolism. De använde modellen för att göra denna karta, en analys av de metaboliska effekterna av gastric bypass-operation efter ett år.
Metabolism är summan av alla kemiska reaktioner som är involverade i att bryta ner näringsämnena i maten till energi och använda dem som råvaror för att göra allt som kroppen behöver, från hormoner som insulin till lipiderna som utgör cellmembranen. Datormodellen för metabolism, konstruerad av forskare i labbet av Bernhard Palsson , professor i bioteknik, kopplar alla sådana kända kemiska reaktioner i kroppen till varje mänsklig gen.
Liknande modeller av metabolism i mikrober som jäst och E coli – inklusive flera genererade av Palssons labb – gör det möjligt för forskare att konstruera organismer som mer effektivt producerar produkter som etanol och läkemedel mot malaria. (Se Se hur bakterier utvecklas i labbet och konstruerade mikrober ökar etanolen.) Men, säger Aviv Regev , en beräkningsbiolog vid Broad Institute, i Cambridge, MA, har en högkvalitativ modell av metabolism hos människor varit svårfångad.
Den nya modellen inkluderar alla kända gener och varje metabolisk reaktion som Palssons grupp avslöjat i en omfattande sökning av den vetenskapliga litteraturen. En given gen i databasen är associerad med dess proteinprodukt, som kan vara associerad med ett antal metaboliska reaktioner, som är associerade med andra reaktioner, som är associerade med näringstillförsel som glukos och produktion av energi eller en produkt som melatonin. Palsson kallar modellen för en matematisk representation av all denna data. Onlinedatabasen kommer att uppdateras kontinuerligt.
Regev säger att en av modellens mest lovande tillämpningar är som en byggnadsställning för att projicera data från studier av genuttrycksprofilering. Med hjälp av mikromatriser är det nu möjligt att hitta skillnader i genuttryck mellan till exempel normal levervävnad, cancerös levervävnad och diabetisk levervävnad. Sådana data har potential att avslöja både de molekylära orsakerna till sjukdomen och potentiella läkemedelsmål. Men i dessa studier, säger Regev, är förändringar i genuttryck spridda över hela [genomet].
Med hjälp av modellen kan forskare mata in vilka gener som uttrycks i en sjuk vävnad och som utdata få de metaboliska vägar som dessa gener är involverade i - i motsats till att noggrant söka i den vetenskapliga litteraturen efter information en gen i taget. Till exempel, när det gäller levern, kan modellen berätta för forskare att en gen som överuttrycks i cancerös levervävnad är involverad i specifika metaboliska reaktioner, vilket skapar särskilda produkter. Forskare kan sedan leta efter ett läkemedel som riktar sig mot dessa vägar eller produkter. Det finns mycket storskaliga metaboliska förändringar i cancervävnad, säger Regev.
James Collins , professor i biomedicinsk teknik vid Boston University, har redan börjat använda metoder på nätverksnivå för att förstå cancer, och han säger att han kommer att använda Palssons modell i sin forskning. Man kan titta på differentiellt uttryckta gener hos en patient med prostatacancer, säger Collins. Finns det bland dessa vägar som indikerar sjukdomens underliggande processer? Det kommer att göra det möjligt för oss att filtrera och kondensera komplexa data och identifiera läkemedelsmål.
Dessutom kan modellen hjälpa forskare att bättre förstå och optimera befintliga läkemedel. Det är svårt att ta reda på vilka gener som påverkas indirekt av ett läkemedel, säger Collins. Du vill veta vad du gör för att få bättre kemi, starkare immateriella rättigheter och förstå biverkningar. Palsson påpekar att eftersom nätverket kan identifiera flera sätt att generera samma resultat, kan det hjälpa läkemedelsföretag att komma med föreningar som har samma effekter – alternativ till statinläkemedel som Lipitor, till exempel – utan att bryta mot konkurrenternas patent.