代谢分析控制.pptVIP

利用基因组学和蛋白组学数据改进优选代谢网络模型为过程优化服务 施加盐胁迫前后菌株FY834的代谢流分布情况 利用基因组学和蛋白组学数据改进优选代谢网络模型为过程优化服务 菌株834碳中心代谢流骨架和所有参与反应的生物酶编码基因转录数据 利用基因组学和蛋白组学数据改进优选代谢网络模型为过程优化服务 碳中心代谢途径中的几个主要支路的基因组学数据、蛋白组学数据和代谢流分布在盐胁迫后的变化情况 利用代谢网络模型的在线状态预测和控制 代谢网络模型的输入输出信号的表达 以半乳糖为碳源的重组酵母菌的代谢网络 以及输入输出的信号表达 输入 输出 S.Jin et al., J.Biosci.Bioeng., 80, 541, 1995 利用代谢网络模型的在线状态预测和控制 网络模型的传递函数和节点间的输入输出信号的表达 网络模型信号图的基本特性 网络模型信号图的简化和求解 利用代谢网络模型的在线状态预测和控制 从网络某节点到其他任何一个节点间的传递函数T可由Mason定理按下式给出： 这里，Pk是第k个向前支路的传递系数，Li是第i个闭回路的传递系数， Li Lk是两个完全不 接触的闭回路传递系数之积。同样， Li Lk Lm是三个完全不接触的闭回路传递系数之积。 称为Graph Determinant。?k是从?减去与第k个向前支路相接触的闭回路传递系数所剩下 的部分。以下列网络为例进行解释。 I O 1 1 a12 a22 a13 a31 L1 L2 L3 I O a23 闭回路的传递系数 向前支路的传递系数 Graph Determinant 从网络输入点到输出点间的传递函数 网络模型的传递函数和节点间的输入输出信号的表达 利用代谢网络模型的在线状态预测和控制 利用Mason定理表现代谢网络模型传递函数的实例 代谢网络模型的传递函数 代谢网络模型的传递函数表达了输入输出与代谢网络和各节点间的内在联系。在预测代谢回路的特定酶反应对整个代谢网络的活化作用时，非常有用。系数cij可以由输入输出数据加以实际确定。 利用代谢网络模型的在线状态预测和控制 如果定义 则原输入输出间的传递函数可以变成 如果根据得到的输入输出实验数据，分别以1/Y和1/YO2，1/CQ和1/RQ做图，从斜率分别可以得到相应的系数cij。根据斜率的变化，可以判断出发酵处在不同的阶段(Phase)，从而了解发酵过程的不同生理状态。比如， 如果c220，则说明LTCA1，说明此时TCA回路的活性很高。 酵母间歇培养时传递函数各系数cij的变化 利用Mason定理表现代谢网络模型传递函数的实例 利用代谢网络模型的在线状态预测和控制 酵母间歇培养的不同阶段，图b)和c)中的粗线代表相应的代谢回路(TCA,UR,etc.)被激活 利用Mason定理表现代谢网络模型传递函数的实例 利用代谢网络模型的发酵过程控制和在线状态预测 利用代谢网络模型的在线状态预测和控制 典型的代谢网络 磷酸戊糖(PP)途径 解糖(EMP)途径 呼吸和 电子传递 TCA 生物体合成 有机酸生成 目的产物， 赖氨酸生成 CO2生成和固定 N源的摄取 Metabolic network of lysine Production by Corynebacterium glutamicum 利用代谢网络模型的在线状态预测和控制 Glucose PYR ATP EtOH O2 NADH2 CO2 TCA Biomass NH3 r1 r5 r2 r3 r4 原始代谢网络 代谢网络的简化 简化代谢反应 r1: C6H12O6?2PYR+2ATP+2NADH2 r2: PYR+NADH2?EtOH+CO2 r3: PYR ?3CO2+ATP+4.7NADH2 r4: O2 +2NADH2 ?4(P/O)ATP r5: 0.68C6H12O6+0.2PYR+NH3+ 14.7NADH2?C5.6H10.6O3.3N 其中PYR,ATP, NADH2是中间代谢产物，在反应中其瞬间的积累立即被消耗。即 他们的浓度为0。 P/O=2。 利用代谢网络模型的在线状态预测和控制 0 0 0 0 1 -1 0 0 0 0 0 -1 0 0 0 -0.68 0 -1 0 0 0 0 0 1 0 0 0 0 0 -1 0 0 0 0 0 0 -1 0 0 0 0 -1 0