Understanding the control processes of metabolism is an important issue because it is an important factor when manipulating an organism’s metabolism in metabolic engineering, and it helps to identify cause and effects of pathogenesis. In this work, we propose computational methods for identifying altered metabolism caused by control process of metabolism.
First, with E.coli, we propose a method for scoring the enzyme activity of reactions in order to identify significantly regulated reactions following perturbation of the cellular environment. For this work, we used metabolic network topology information and microarray gene expression profiles of E. coli K-12 strain. Our method quantified the enzyme activity of reactions and identified significance scores for 388 reactions following five different types of perturbation. Among these 388 reactions, we identified 70 significantly regulated reactions (p-value < 0.001). Our results were consistent with previous case studies that examined the effects of metabolic perturbations on regulation. Moreover, we identified 26 reactions (p-value < 0.001) that show responses to the following perturbations: low-pH, aerobic; high-pH, aerobic; low-pH, anaerobic; and high-pH, anaerobic.
Second, a computational method is proposed that identifies genome-wide altered metabolism by analyzing functional units of KEGG pathways. As control of a metabolic pathway is accomplished by altering the activity of at least one rate-determining step enzyme, not all gene expressions of enzymes in the pathway demonstrate significant changes even if the pathway is altered. Therefore, we measure the alteration levels of a metabolic pathway by observing significantly changed expression levels of genes in a pathway. The proposed method was applied to two strains of S. cerevisiae gene expression data. Classes of carbohydrate, energy metabolisms that were induced under very high-gravity (VHG) stress and nucleotides, and amino acid metabolisms that were reduced under VHG stress were identified. With the identified altered pathways, the proposed method achieved best accuracy and sensitivity rates for the Red Star (RS) strain compared to other three related studies (Gene set enrichment analysis (GSEA), SAM-GS, reporter metabolite), and for the CEN.PK 113-7D (CEN) strain, the proposed method and the GSEA method showed comparably similar performances. Thus, the proposed work represents a method to identify altered metabolism through using gene expression and metabolic pathway information.
Third, we propose a new method for identification of cancer urinary markers by combining transcriptome and metabolome to assist candidate marker selection. We first identify cancer metabolism with statistical tests using gene expression and metabolic pathway information, and then with the identified altered signatures of cancer metabolism we selected candidate metabolic markers. Once candidate markers are selected, we identify the candidate markers from gas chromatography-mass spectrometry (GC-MS) data of urine samples. We applied our method to urine samples of breast cancer, thyroid cancer and normal persons. Four metabolic markers (urocanate, hypoxanthine, thiodiacetic acid, and urea) were identified to be different in breast cancer and normal (p-value < 0.05), two metabolic markers (3-Indoleacetonitrile, 3-Butynoate) for thyroid cancer were found to be different between the cancer and normal (p-value < 0.05). In the case of the predictive performance of the identified markers, sets of multiple markers for breast cancer achieved area under the ROC curve (AUC) values of 0.79, 0.75, and 0.78 with linear discriminate analysis, random forest, and support vector machine, respectively. Sets of multiple markers for thyroid cancer achieved area under the ROC curve (AUC) values of 0.98, 0.99, and 0.99 with linear discriminate analysis, random forest, and support vector machine, respectively.
모든 생물은 주위 환경으로부터 자신에게 필요한 물질을 흡수하며 흡수한 물질들을 이용해 자신에게 필요한 물질을 합성, 분해하면서 그로부터 생명 활동에 필요한 에너지를 얻는다. 그리고 그러한 과정에서 생긴 부산물이나 노폐물을 배출한다. 이렇게 생물체가 자신의 생명 유지를 위해 진행하는 모든 과정을 물질대사라 부른다. 대사과정은 환경적 변화나 유전적 변이에 따라 그 양상이 달라지게 되는데 이러한 대사과정 변화는 질병의 원인이나 결과로 알려져 있으며 또한 대사공학적 측면에서 중요한 이슈로 자리잡고 있다. 하지만 현재의 측정 기술로는 대사 산물의 농도를 대용량 처리 데이터로 동시에 측정하는 것이 불가능하기 때문에 생명체 전반에서 일어나는 대사 과정의 변화를 알아내는 것은 힘든 상황이다. 때문에 이러한 대사 과정의 변화를 유추하는 방법론의 필요성이 대두 되었다.
본 연구에서는 대사 과정 변화를 유추하는 방법론들을 제안한다. 첫 번째 방법은 외부 환경 변화에 따라 유의하게 조절 받는 대사 작용들을 효소의 발현적 측면 그리고 효소의 활동성 제어 측면에서 찾아준다. 이 방법은 대장균 K-12 균주의 마이크로어레이 유전자 발현 데이터와 대사 경로의 구조 정보를 사용한다. 388개의 가용 효소 활동성 정보가 있는 대사 작용을 중심으로 다섯 가지의 외부 환경 자극에 따라 어떤 대사 작용들이 유의한 조절을 받는지를 살펴보았다. 총 388개의 대사 작용 중 70개의 대사 작용들이 유의한 조절 양상을 보였고 (p-value < 0.001), 이러한 유의한 변화를 보인 대사 작용 중에는 기존 연구 결과들과 일치하는 대사 작용들도 관찰되었다.
두 번째는 외부 환경 변화에 따라 유의하게 조절 받는 대사 경로를 찾는 방법이다. 이 방법론은 유전자 전사 정보와 대사 경로를 통합한 후 통계적 처리에 의해 대사 과정 변화를 확인한다. 본 연구에서 제안하는 방법론으로 우리는 배양액 농도 변화에 따라 반응하는 효모의 대사 과정 변화를 유추하였으며 그 결과를 실제로 해당 환경 변화에 대하여 측정된 대사 산물의 농도와 비교하였다. 그 결과 RS 균주의 경우 본 연구에서 제안하는 방식이 세개의 다른 기존 연구에 비해서 정확도, 민감도, 특이도 모두 최고의 정확성을 보였다고 CEN 균주의 경우는 제안하는 방법과 GSEA 방법이 비교할만한 성능을 보였다.
다음으로 우리는 제안하고 있는 방법론을 인간 암 문제에 적용하였다. 유방암과 갑상선 암에서 어떠한 종류의 대사 과정이 변화하고 있는지 확인하였다. 더 나아가 유방암과 갑상선암 환자의 소변 견본에서 변화된 대사 과정 산물이 변별력이 있는 표지가 될 수 있는지에 대한 실험도 수행하였다. GC-MS 분석을 통한 소변 견본의 질량스펙트럼에서 변화된 대사 과정 산물의 상대 농도를 측정, 비교한 결과 변화된 대사 과정 산물들 중 암과 정상군을 더 정확하게 구분하는 표지를 찾을 수 있었다. 이러한 변화된 대사 과정 산물들 중 네 개의 유방암 표지들이 (urocanate, hypoxanthine, thiodiacetic acid, and urea) 유방암 환자들과 정상군의 소변 샘플에서 유의한 변화를 보였으며 (p-value < 0.05), 두 개의 갑상선암 표지들이 (3-Indoleacetonitrile, 3-Butynoate) 갑상선암 환자들과 정상군의 소변 샘플에서 유의한 변화를 보였다 (p-value < 0.05). 발굴된 표지들의 예측 성능 실험 결과의 경우, 유방암의 표지들이 AUC 수치로 각각 0.79, 0.75, 0.78 의 정확도를 LDA, random forest, SVM 분류 기법으로 얻었다. 갑성선암의 표지들의 경우 AUC 수치로 각각 0.98, 0.99, 0.99 의 정확도를 LDA, random forest, SVM 분류 기법으로 얻었다.
