ОБЗОРЫ
ТОМ 12 № 2 (45) 2020 |
ACTA NATURAE
|
29
путей и организмов требуется длительная и обшир-
ная оптимизация [5–8].
Для выявления метаболических путей и управле-
ния ими в клетках-хозяевах разработаны как экс-
периментальные, так и
расчетные и моделирующие
методы. В отношении хорошо изученных метаболи-
ческих путей и хорошо известных организмов-хо-
зяев модели
in silico обладают значительной пред-
сказательной силой.
Расчетные модели позволяют
исследователям изменять экспрессию генов и уров-
ни продукции ферментов
in silico и непосредственно
наблюдать их воздействие на динамику гетероло-
гического пути. Эти модели, однако, сложно, а ино-
гда и невозможно применить к экспериментальным
системам, многие важные параметры которых не-
известны [9]. Более широким биоинформатическим
подходом является создание метаболических моде-
лей целых организмов [10, 11]. Помимо своей фун-
даментальной ценности, эти модели позволяют про-
гнозировать наличие и количество определенных
метаболитов, что, в свою очередь,
способствует опти-
мальному соответствию хозяина и гетерологического
метаболического пути.
При внедрении экзогенной генной кассеты в ор-
ганизм хозяина
необходимо также учитывать
сложность метаболических сетей и необходимость
поддержания баланса метаболитов в организме-хо-
зяине, т.е. контролировать производство и расход
жизненно важных соединений, таких, как NADH,
ATP и O
2
[12]. Для прогнозирования пути разрабо-
таны различные
расчетные подходы,
причем ос-
новное внимание уделяется главным образом рет-
росинтетическим алгоритмам, генерирующим все
возможные пути, связывающие определенный ме-
таболит хозяина с желаемым целевым продуктом
[13–15]. Большинство ретросинтетических алгорит-
мов позволяют рассчитать для целевых метаболи-
тов кратчайшие гетерологические пути [14, 16, 17].
Этот подход, однако, не всегда оптимален, посколь-
ку для протекания биохимических реакций обычно
требуются кофакторы и пул метаболитов, которые
в организме хозяина могут отсутствовать или нахо-
диться в ограниченном количестве. В этом случае
лучше использовать более сложные алгоритмы, учи-
тывающие количество участников каждой конкрет-
ной реакции [18].
Достарыңызбен бөлісу: