There have been several methods developed for the prediction of synthetic metabolic pathways leading to the production of desired chemicals. In these approaches, novel pathways were predicted based on chemical structure changes, enzymatic information, and/or reaction mechanisms, but the approaches generating a huge number of predicted results are difficult to be applied to real experiments. Also, some of these methods focus on specific pathways, and thus are limited to expansion to the whole metabolism.
In the present study, we propose a system framework employing a retrosynthesis model with a prioritization scoring algorithm. This new strategy allows deducing the novel promising pathways for the synthesis of a desired chemical together with information on enzymes involved based on structural changes and reaction mechanisms present in the system database. The prioritization scoring algorithm employing Tanimoto coefficient and group contribution method allows examination of structurally qualified pathways to recognize which pathway is more appropriate. In addition, new concepts of binding site covalence, estimation of pathway distance and organism specificity were taken into account to identify the best synthetic pathway. Parameters of these factors are evolutionarily optimized when a newly proven synthetic pathway is registered.
In order to show the applicability of the proposed system framework, the novel synthetic pathways for the production of isobutanol, 3-hydroxypropionate, and butyryl-CoA were predicted. The prediction results show that experimentally verified synthetic pathways were listed within the top 0.089% of the identified pathway candidates in all three test cases.
It is expected that the systematical approach and framework developed in this study would be useful for the $\It{in silico}$ design of novel metabolic pathways to be employed for the efficient production of chemicals, fuels, and materials.
대사 네트워크에서 원하는 목적 물질의 생산을 위한 합성 경로의 예측에대한 기존의 여러 연구들에서는 화합물의 구조 변화, 효소 정보, 그리고 반응 메커니즘에 따라 신 생합성 경로를 예측하였다. 그러나 기존의 연구는 너무 많은 데이터를 양산하여 실제 실험에 적용하기 불가능한 결과를 제공하거나 혹은 특정 경로에 국한되어 전체적인 대사 네트워크에 대한 분석을 하기는 어려웠던 단점을 지닌다.
본 연구에서는 이러한 단점을 극복하기 위하여 우선순위 알고리즘을 사용한 목적물질로부터의 생합성경로 역 추적 방법을 제안하였다. 제 2장에서 보여진 시스템 역 추적 방법은 목적 물질 및 생성할 경로의 길이를 지정한 후 본 연구에서 제안한 46가지 반응룰의 조합으로, 신 합성 경로를 화합물 구조 변화, 효소 정보, 반응 메커니즘 모두를 사용, 가능한 모든 경로를 역으로 생성하게 된다. 케그(KEGG) 데이터베이스와 비교하여 자연계에 존재하는 화합물에 대해서는 반복적 경로 생성을 제한하고 자연계에 존재하지 않는 화합물에 대해서 경로 길이까지 반복적으로 경로를 생산한다. 그리고 이 과정에서 보여진 모든 알려진 물질이 시작 물질 후보가 되며, 사용자가 지정한 시작 물질 후보에서부터 목적 물질까지 이르는 모든 경로가 다시 재귀적으로 찾아진다. 이렇게 찾아진 경로의 수에 가능한 모든 존재하는 반응들이 매치되는데, 이 반응들의 조합의 수는 실제 실험에 적용하기에는 너무나 많다.
따라서 위의 과정에서 얻어낸 유추 경로 중 어떤 것이 실제 실험에서 좀더 실현 가능한지를 정량적으로 예측한다. 이를 제 3장에서 우선순위(prioritization) 방법론이라 정의하였는데, 타니모토 계수(Tanimoto coefficient)와 그룹 기여 방법(group contribution method) 및 경로 거리(pathway distance)를 포함, 바인딩 사이트 공유도(binding site covalence) 와 개체 특화도(organism specificity) 라는 새로운 개념을 제안하여 함께 고려하였다. 바인딩 사이트 공유도는 국소적 유사성을, 타니모토 계수는 화합물 전체 구조의 유사성을, 그룹 기여 방법은 열역학적 적합도를, 경로 거리 와 개체 특화도는 경로마다 적용되는 효소들의 관계를 경로 최단 거리와 개체 계층을 분석하여 함께 발현될 수 있는 확률에 대하여 판별하게 된다. 이러한 다섯 요소들의 조합으로 유추 경로의 최종 우선순위를 결정하게 된다.
제 4장에서, 우선순위 요소들의 매개변수는 진화적 최적화 방법을 이용하여 새로 실험적으로 합성된 경로가 있을 때마다 매개변수를 업데이트 하게 된다. 이를 위해 혼합 정수 이중 목적 함수 최적화 문제(MILP dual objective optimization)가 구성되었으며, 기존 매개변수에서 크게 달라지지 않으면서 실제 합성된 경로의 순위를 높여주는 두 가지의 목적함수를 동시에 만족하는 해를 찾게 된다.
제 5장에서는 제안된 방법론의 실제 적용 가능성을 보여주기 위하여, 본 연구에서는 아이소뷰탄올(isobutanol), 3-히드록시프로피오네이트(3-hydroxy-propionate), 그리고 뷰티릴 코엔자임 A(butyryl-CoA)로 가는 합성 경로를 예측하였다. 예측 결과는 세 가지의 모든 시뮬레이션에서, 실제 실험으로 합성된 경로가 모사로 유추된 모든 가능 경로 중 상위 0.089% 이내에 들어 본 방법론의 신뢰도를 보여주었다.
본 연구는 화합물, 연료, 그리고 유용한 물질의 효과적인 생산을 위한 생물학적 합성 경로의 설계에 시간과 비용의 절약 및 신 물질 합성 가능성을 증대시킴으로써 산업생물공학에 많은 기여를 할 수 있을 것으로 기대된다.
