211service.com
Menneskelig model afsluttet
Forskere ved University of California, San Diego, har konstrueret den første komplette computermodel af menneskelig stofskifte. Tilgængelig gratis på Web , er modellen et stort skridt fremad inden for systembiologiens nye felt, og den vil hjælpe forskere med at afdække nye lægemiddelveje og forstå det molekylære grundlag for kræft og andre sygdomme.
University of California, San Diego, har forskere konstrueret den første komplette computermodel af menneskelig metabolisme. De brugte modellen til at lave dette kort, en analyse af de metaboliske virkninger af gastrisk bypass-operation efter et år.
Metabolisme er summen af alle kemiske reaktioner involveret i at nedbryde næringsstofferne i maden til energi og bruge dem som råmaterialer til at lave alt, hvad kroppen har brug for, fra hormoner som insulin til lipiderne, der udgør cellemembranerne. Computermodellen for stofskifte, konstrueret af forskere i laboratoriet i Bernhard Palsson , professor i bioteknik, forbinder alle sådanne kendte kemiske reaktioner i kroppen til ethvert menneskeligt gen.
Lignende modeller for metabolisme i mikrober såsom gær og E coli -herunder flere genereret af Palssons laboratorium - gør det muligt for forskere at konstruere organismer, der mere effektivt producerer produkter som ethanol og antimalariamidler. (Se at se bakterier udvikle sig i laboratoriet og udviklede mikrober booster ethanol.) Men, siger Aviv Regev , en beregningsbiolog ved Broad Institute, i Cambridge, MA, har en højkvalitetsmodel for metabolisme hos mennesker været uhåndgribelig.
Den nye model inkluderer alle kendte gener og enhver metabolisk reaktion, som Palssons gruppe afslørede i en omfattende søgning i den videnskabelige litteratur. Et givet gen i databasen er forbundet med dets proteinprodukt, som kan være forbundet med en række metaboliske reaktioner, som er forbundet med andre reaktioner, som er forbundet med ernæringsmæssige input som glucose og output af energi eller et produkt som melatonin. Palsson kalder modellen for en matematisk repræsentation af alle disse data. Onlinedatabasen vil blive opdateret løbende.
Regev siger, at en af modellens mest lovende anvendelser er som et stillads, hvorpå man kan projicere data fra gen-ekspressionsprofileringsstudier. Ved hjælp af mikroarrays er det nu muligt at finde forskelle i genekspression mellem for eksempel normalt levervæv, kræftlevervæv og diabetisk levervæv. Sådanne data har potentiale til at afsløre både de molekylære årsager til sygdom og potentielle lægemiddelmål. Men i disse undersøgelser, siger Regev, er ændringer i genekspression spredt over hele [genomet].
Ved hjælp af modellen kan forskere indtaste, hvilke gener der udtrykkes i et sygt væv og som output få de metaboliske veje, som disse gener er involveret i - i modsætning til omhyggeligt at søge i den videnskabelige litteratur efter information et gen ad gangen. For eksempel, i tilfælde af leveren, kan modellen fortælle forskerne, at et gen, der er overudtrykt i kræft levervæv, er involveret i specifikke metaboliske reaktioner, hvilket skaber særlige produkter. Forskere kan derefter lede efter et lægemiddel, der er rettet mod disse veje eller produkter. Der er meget store metaboliske skift i kræftvæv, siger Regev.
James Collins , professor i biomedicinsk ingeniørvidenskab ved Boston University, er allerede begyndt at bruge tilgange på netværksniveau til at forstå kræft, og han siger, at han vil bruge Palssons model i sin forskning. Man kan se på differentielt udtrykte gener hos en patient med prostatakræft, siger Collins. Er der blandt disse veje, der indikerer de underliggende processer af sygdommen? Det vil gøre os i stand til at filtrere og kondensere komplekse data og identificere lægemiddelmål.
Desuden kan modellen hjælpe forskere med bedre at forstå og optimere eksisterende lægemidler. Det er svært at finde ud af, hvilke gener der påvirkes indirekte af et lægemiddel, siger Collins. Du vil gerne vide, hvad du rammer for at få bedre kemi, stærkere intellektuel ejendom og forstå bivirkninger. Palsson påpeger, at fordi netværket kan identificere flere måder at generere det samme resultat på, kan det hjælpe lægemiddelvirksomheder med at finde på forbindelser, der har de samme virkninger – alternativer til statinlægemidler som Lipitor, for eksempel – uden at krænke deres konkurrenters patenter.