Quantification of Microbial Phenotypes.
Quantification of Microbial Phenotypes.
复制标题
DOI：
10.3390/metabo6040045
复制
发表时间：
2016-12-09
期刊：
影响因子：
4.1
通讯作者：
Krömer JO
中科院分区：
文献类型：
--
作者：
Martínez VS;Krömer JO
代谢物分析技术已经得到改进，可以产生接近定量的代谢组学数据，可以用来定量描述生物体的代谢表型。在这里，我们回顾了目前可用于定量代谢组学的技术，介绍了它们的优点和缺点，以及当前生成完全定量代谢组学数据的挑战。代谢组学数据可以集成到代谢网络使用热力学原理来约束反应的方向性。本文介绍了在生理条件下如何估计吉布斯能，包括估计的例子，以及基于热力学的网络分析的不同方法。描述了方法的基本原理和如何执行分析。最后，介绍了利用13C通量组学和基于热力学的网络分析方法，将定量代谢组学应用于酵母模型的实例。算例表明：(1)两种方法相辅相成；(2)需要考虑吉布斯能量误差。当分析中包含进一步的约束时，将获得更好的代谢表型估计。
Metabolite profiling technologies have improved to generate close to quantitative metabolomics data, which can be employed to quantitatively describe the metabolic phenotype of an organism. Here, we review the current technologies available for quantitative metabolomics, present their advantages and drawbacks, and the current challenges to generate fully quantitative metabolomics data. Metabolomics data can be integrated into metabolic networks using thermodynamic principles to constrain the directionality of reactions. Here we explain how to estimate Gibbs energy under physiological conditions, including examples of the estimations, and the different methods for thermodynamics-based network analysis. The fundamentals of the methods and how to perform the analyses are described. Finally, an example applying quantitative metabolomics to a yeast model by 13C fluxomics and thermodynamics-based network analysis is presented. The example shows that (1) these two methods are complementary to each other; and (2) there is a need to take into account Gibbs energy errors. Better estimations of metabolic phenotypes will be obtained when further constraints are included in the analysis.
登录
查看更多内容
DOI：
10.1016/s1389-0344(02)00003-5
发表时间：
2002-06-01
期刊：
BIOMOLECULAR ENGINEERING
影响因子：
--
作者：
Buchholz, A;Hurlebaus, J;Takors, R
通讯作者：
Takors, R
将代谢物浓度包括到通量平衡分析中：热力学可实现性作为对代谢网络中通量分布的限制。
影响因子：
--
作者：
Hoppe, Andreas;Hoffmann, Sabrina;Holzhutter, Hermann-Georg
通讯作者：
Holzhutter, Hermann-Georg
影响因子：
3.4
作者：
Haraldsdottir, H. S.;Thiele, I.;Fleming, R. M. T.
通讯作者：
Fleming, R. M. T.
影响因子：
46.9
作者：
Fiehn, O;Kopka, J;Willmitzer, L
通讯作者：
Willmitzer, L
影响因子：
9.9
作者：
通讯作者：
--