An exact arithmetic toolbox for a consistent and reproducible structural analysis of metabolic network models.
An exact arithmetic toolbox for a consistent and reproducible structural analysis of metabolic network models.
复制标题
DOI：
10.1038/ncomms5893
复制
发表时间：
2014-10-07
影响因子：
16.6
通讯作者：
Berger, Bonnie
中科院分区：
文献类型：
--
作者：
Chindelevitch, Leonid;Trigg, Jason;Regev, Aviv;Berger, Bonnie
基于约束的模型是目前允许在全基因组范围内研究新陈代谢的唯一方法。通量平衡分析通常用于分析基于约束的模型。奇怪的是，这种分析的结果随着运行的软件的不同而不同，我们所展示的这种情况可以通过使用精确运算而不是浮点运算来纠正。在这里，我们介绍了Mongoose，一个用精确算法分析基于约束的代谢模型结构的工具箱。我们将Mongoose应用于分析98个现有的代谢网络模型，发现其中近一半的生物质反应出人意料地受阻(无法维持非零通量)。我们提出了一种解锁这些反应的原则性方法，并将其扩展到识别基本和合成致命反应以及最低限度媒介的问题。我们的结构洞察力使我们能够对基于约束的代谢模型进行系统研究，从而更深入地了解它们的可能性和局限性。目前用于分析代谢网络基于约束的模型的工具由于使用浮点算法而精度有限。在这里，作者介绍了一种新的计算工具Mongoose，它以精确的算法分析此类模型，提供了更高的精度和重复性。
Constraint-based models are currently the only methodology that allows the study of metabolism at the whole-genome scale. Flux balance analysis is commonly used to analyse constraint-based models. Curiously, the results of this analysis vary with the software being run, a situation that we show can be remedied by using exact rather than floating-point arithmetic. Here we introduce MONGOOSE, a toolbox for analysing the structure of constraint-based metabolic models in exact arithmetic. We apply MONGOOSE to the analysis of 98 existing metabolic network models and find that the biomass reaction is surprisingly blocked (unable to sustain non-zero flux) in nearly half of them. We propose a principled approach for unblocking these reactions and extend it to the problems of identifying essential and synthetic lethal reactions and minimal media. Our structural insights enable a systematic study of constraint-based metabolic models, yielding a deeper understanding of their possibilities and limitations. Current tools to analyse constraint-based models of metabolic networks have limited accuracy due to their use of floating-point arithmetic. Here the authors present MONGOOSE, a new computational tool that analyses such models in exact arithmetic, providing improved accuracy and reproducibility.
登录
查看更多内容
影响因子：
--
作者：
Mo ML;Palsson BO;Herrgård MJ
通讯作者：
Herrgård MJ
影响因子：
5.8
作者：
Bornstein, Benjamin J.;Keating, Sarah M.;Hucka, Michael
通讯作者：
Hucka, Michael
影响因子：
14.8
作者：
Becker, Scott A.;Feist, Adam M.;Herrgard, Markus J.
通讯作者：
Herrgard, Markus J.
影响因子：
--
作者：
De Martino, A.;Granata, D.;Van Kerrebroeck, V.
通讯作者：
Van Kerrebroeck, V.
影响因子：
4.3
作者：
De Martino D;Figliuzzi M;De Martino A;Marinari E
通讯作者：
Marinari E