Systems biology aims at understanding the entire picture of the various networks in biological systems by integrating information generated from high-throughput experiments and computational modeling and simulation. Recent advances in ‘omics’ technologies and systems biology have brought the systems approach to metabolic engineering, which can be defined as purposeful modification of metabolic and cellular networks by employing various experimental techniques.
Metabolic flux analysis in the metabolic engineering is used for analyzing cell physiology through estimating intracellular flux distributions and becomes a powerful prediction tool in conjunction with genome-scale stoichiometric models. Constraints-based flux analysis, included in the metabolic flux analysis, utilizes optimization techniques to simulate large genome-scale stoichiometric models with various objectives which can be maximization of cell growth rate, maximization of product formation, and minimization of byproduct formation.
In order to interpret and examine the metabolic behavior in response to genetic and/or environmental modifications, we have developed MetaFluxNet which is a stand-alone program package for the management of metabolic reaction information and quantitative metabolic flux analysis. It is updated by extended modules, such as SBML module, export module and multiobjective flux balance analysis module.
This study proposes a novel multiobjective flux balance analysis method, which adapts the noninferior set estimation (NISE) method for multiobjective linear programming (MOLP) problems. NISE method can generate an approximation of the Pareto curve for conflicting objectives without redundant iterations of single objective optimization. Furthermore, the flux distributions at each Pareto optimal solution can be obtained for understanding the internal flux changes in the metabolic network.
To overcome the difficulty of hierarchal approach and to save time and computational power of sequential approach for identifying gene targets, we have developed a sequential approach with multiobjective flux balance analysis and clustering. Multiobjective flux balance analysis is used to get all noninferior points among objectives. Flux distributions of reactions at each noninferior points are clustered to narrow down the search space of in silico knockout simulation.
This proposed method accelerates the strain improvement in the metabolic engineering by reducing the computation time to obtain the Pareto curve and analysis time of flux distribution at each Pareto optimal solution.
인간 genome프로젝트 및 이후에 진행된 여러 genome 프로젝트의 성공으로 수 백 종의 생물체에 대한 염기서열이 정보가 밝혀지고 Transcriptome, proteome 데이터의 양도 지속적으로 증가하고 있다. 이러한 여러 high-throughput 기술을 바탕으로 현재 다양한 생물학적 데이터들이 놀라운 속도로 축적되고 있다. 시스템 생물학은 이러한 데이터를 바탕으로 생명체의 신비를 밝히고 개량하는 것이다.
유전체 염기서열 분석에 의한 시스템 레벨의 생물 유전자 발굴은 유전체 레벨의 in silico 모델을 구축할수 있게 하였다. 대사반응의 정상상태를 가정한 후 대사반응의 화학 양론에 근거하여 얻어진 모델이기에 시스템의 동역학적 정보는 얻을 수는 없지만 유전자 발현 및 발효조건의 변화가 어떻게 세포에 영향을 미치는지를 예측하는데 사용될 수 있다. 구축되어진 in silico 모델로 다양한 유전적 및 환경적 조건에서의 대사량의 분포를 계산할 수 있으며, 나아가 어떠한 유전자의 교란이 전체적으로 대사량의 분포에 어떠한 영향을 미치는지도 분석이 가능하다.
데이터를 효과적으로 모델링하고 대사흐름을 분석하기 위한 도구로 MetaFluxNet이 개발되었다. MetaFluxNet를 이용하면 세포 내 대사회로를 분석, 예측할수 있는 유기체의 생화학 정보를 이용해 특정 미생물의 가상세포 시스템을 구성하고, 이를 바탕으로 컴퓨터에서 세포의 대사흐름을 분석하는 것이 가능하다. 이 시스템은 잘 발달된 모델 구성 환경을 바탕으로 대사 흐름 분석과 사용자가의 상호작용을 용이하게 하고, 다양한 조건하에서 다른 유전적 형질을 갖는 계통의 비교 또한 쉽게 할수 있다. SBML을 이용하여 전세계 다른 분석도구들과의 호환성도 증대하였다.
대사흐름 분석에는 다양한 목적함수들이 사용된다. 대사산물의 과량생산과 셀의 성장은 서로 상충될 수 있다. 모사하고자 하는 셀 내부에 존재하는 이러한 다양한 목적함수들을 동시에 다루기 위하여 다목적 최적화 기법이 도입되었다. 대사모델의 선형성을 고려하여 선형다목적 최적화 기법들 중에서 the noninferior set estimation (NISE) 방법을 대사흐름분석에 적용하였다. 이를 이용하면 목적함수들간의 파래토 최적해를 쉽게 근사해낼 수 있다. 다른 방법과 비교하여 NISE 방법은 파래토 최적해를 구할 때 발생할 수 있는 중복계산을 피하고, 가장 끝점만을 효과적으로 구할 수 있다. E.coli 모델을 사용하여 Poly(3-hydroxybutyrate) [P(3HB)] 생산시스템에 적용하여 다양한 목적함수들간의 관계와, 강건성 분석을 해보았다.
유전체 레벨의 모델을 바탕으로 유전자 교란을 모사하기 위해서 knockout 시킬 gene들을 선택하여 모사하여야 하는데 유전자 조작을 어떠한 조합으로 할지를 결정하여 모사하는데 많은 시간과 노력이 필요하다. 이를 효과적으로 하기 위하여 군집방법의 하나인 K-means 방법을 사용하였다. 다목적 최적화로 파래토 최적해와 함께 각 반응에서의 대사 흐름 분포를 구할 수 있으므로 이를 군집화하여 knockout시킬 gene의 후보군을 찾는데 이용하였다.
제안한 방법을 이용하면 다양한 목적함수 하에서의 파레토 최적해를 효과적으로 구할 수 있고 이를 바탕으로 군집방법을 활용하면 knockout 시킬 진들의 조합을 찾는데 효과적으로 사용될 수 있다. 이는 대사공학에서의 균주를 개량하는데 사용될 수 있으며 다양한 대사산물 생산시스템에 적용이 가능하다. 궁국적으로는 다양한 생물학적 생산시스템의 가격 경쟁력을 확보하는데 사용 될 수 있을 것으로 예상된다.
