種子のゲノムスケールの代謝ネットワークの自動生成に向けて

背景：ゲノムスケールの代謝ネットワークの自動生成のための現在の方法ゲノム注釈と予備の生化学反応ネットワークアセンブリに焦点を当てていますが、反応ネットワークのギャップを識別して埋めるプロセスに適切に対処しないでください。システムレベル分析。したがって、現在の方法はドラフト品質のネットワークを生成するのに十分であり、反応ネットワークの改良は、主にマニュアルの労働集約的なプロセスです。 結果：システムレベル分析に適した実質的に完全な反応ネットワークを生成するゲノムスケールの代謝ネットワークを生成する方法を開発しました。私たちの方法は、中央および中間代謝の反応空間を、互いに単独で組み立てて検証し、相互接続性のレベルで統合および検証できる離散的な相互接続コンポーネントに分割します。生物間で一般的なコンポーネントのデータベースを開発し、生物のゲノムにエンコードされた代謝経路に基づいて、特定の生物に適した成分を自動的に組み立てるためのツールを作成しました。これには、データベースにまだ表されていない生物の代謝のその部分に手動の努力が焦点を当てています。黄色ブドウ球菌の出版されたゲノムスケール代謝モデルから反転エンジニアリングを行い、反応ネットワークを自動的に再生することにより、私たちの方法の有効性を実証しました。さらに、これらのコンポーネントを使用して、他の3つの公開された代謝モデル（大腸菌、ヘリコバクターピロリ、およびピロリ、およびピロリ、およびピロリ類ヘリコバクター、および）から反応ネットワークの実質的に完全な再構成を生成することにより、我々のメソッドがS. aureus用に作成された共通反応ネットワークコンポーネントのデータベースを活用することを確認しました。lactococcus lactis）。比較ゲノム注釈と分析のためのオープンソースソフトウェア環境であるSeed内にツールとデータベースを実装しました。 結論：私たちの方法は、現在種子に含まれている400を超える完全なゲノム配列の実質的に完全な代謝ネットワークの自動生成の段階を設定します。ツールを使用して処理される各ゲノムにより、一般的なコンポーネントのデータベースは、代謝経路の多様性をより多くカバーするために成長します。これにより、その後処理されたゲノムの反応ネットワークのコンポーネントを、手動で組み立てて検証するのではなく、データベースから取得できる可能性が高くなります。

BACKGROUND: Current methods for the automated generation of genome-scale metabolic networks focus on genome annotation and preliminary biochemical reaction network assembly, but do not adequately address the process of identifying and filling gaps in the reaction network, and verifying that the network is suitable for systems level analysis. Thus, current methods are only sufficient for generating draft-quality networks, and refinement of the reaction network is still largely a manual, labor-intensive process. RESULTS: We have developed a method for generating genome-scale metabolic networks that produces substantially complete reaction networks, suitable for systems level analysis. Our method partitions the reaction space of central and intermediary metabolism into discrete, interconnected components that can be assembled and verified in isolation from each other, and then integrated and verified at the level of their interconnectivity. We have developed a database of components that are common across organisms, and have created tools for automatically assembling appropriate components for a particular organism based on the metabolic pathways encoded in the organism's genome. This focuses manual efforts on that portion of an organism's metabolism that is not yet represented in the database. We have demonstrated the efficacy of our method by reverse-engineering and automatically regenerating the reaction network from a published genome-scale metabolic model for Staphylococcus aureus. Additionally, we have verified that our method capitalizes on the database of common reaction network components created for S. aureus, by using these components to generate substantially complete reconstructions of the reaction networks from three other published metabolic models (Escherichia coli, Helicobacter pylori, and Lactococcus lactis). We have implemented our tools and database within the SEED, an open-source software environment for comparative genome annotation and analysis. CONCLUSION: Our method sets the stage for the automated generation of substantially complete metabolic networks for over 400 complete genome sequences currently in the SEED. With each genome that is processed using our tools, the database of common components grows to cover more of the diversity of metabolic pathways. This increases the likelihood that components of reaction networks for subsequently processed genomes can be retrieved from the database, rather than assembled and verified manually.