Krooninen sairaus

tiivistelmä

Background

muutostyöt glukoosin kulutusta ja biosynteettisen aktiivisuuden aminohappoja, lipidejä ja nukleotidit ovat aineenvaihdunnan muutokset ylläpitämiseksi solujen lisääntymisen syöpäsoluissa. Peruuttamaton todiste tästä on Warburg vaikutus, joka vahvistaa, että syöpäsolut mieluummin Glykolyysivaiheen yli oksidatiivisen fosforylaation tuottaa ATP. Sääntelytoimet yli metabolisia entsyymejä on avannut uuden ikkunan tehokkaampien anti-syövän hoitomuotoja. Tämä yritys ei ole vähäpätöinen ja kehittämistä laskentamalleja, jotka edistävät tunnistaa mahdolliset entsyymejä murtaa luotettavuutta syöpäsolujen on etusijalla.

Menetelmät /Principal Havainnot

Tämä työ esittelee constraint- pohjan mallintaminen kaikkein kokeellisesti tutkittu metaboliareitit tukevat syöpäsoluja:

Glykolyysivaiheen

,

TCA cycle

,

Pentoosi fosfaatti

,

glutaminolysis ja oksidatiivisen fosforylaation

. Arvioida sen ennustavan kapasiteettia, kasvua kinetiikkatutkimuksen varten

Hela

solulinjoissa saavutettiin ja laadullisesti verrata

in silico

ennusteita. Lisäksi perustuu puhtaaseen laskennalliset kriteerit me päätellä, että joukko entsyymien (esimerkiksi

laktaattidehydrogenaasin

ja

pyruvaattidehydrogenaasi

) suorittaa keskeinen rooli syöpäsolujen kasvua, havainnot tukevat kokeellinen vastine.

Johtopäätökset /merkitys

muutostyöt on aineenvaihdunta ovat ratkaisevan aloittamaan ja ylläpitämään syöpä fenotyypin. Tässä työssä olemme analysoineet fenotyyppi kapasiteettia syntynyt laskennallisen aineenvaihduntaverkoston sopeutui kaikkein kokeellisesti tutkittu väyliä ylläpitävä syöpäsolujen kasvua. Merkillistä,

in silico

malli pystyi muistuttamaan elintoimintojen syöpäsoluissa ja onnistuneesti tunnistettu joitakin entsyymejä parhaillaan tutkitaan sen terapeuttista vaikutusta. Kaiken kaikkiaan olemme toimittaneet todisteita siitä, että rajoitus mallinnus muodostaa lupaava laskennallinen alustan: 1) integroida suurikapasiteettisten teknologian ja luomaan ylikuulumisen kokeellinen validointi ja

in silico

ennustuksen syöpäsolun fenotyyppi; 2) tutkia olennaisen aineenvaihdunnan mekanismi, joka antaa kestävyyttä syövässä; ja 3) ehdottaa uusia metabolinen tavoitteet syöpähoitoihin. Kaikki nämä asiat ovat keskeinen tutkia syövän solujen aineenvaihduntaa alkaen systeemibiologian näkökulmasta.

Citation: Resendis-Antonio O, Checa A, Encarnación S (2010) Modeling Core Aineenvaihdunta syöpäsoluissa: Kartoitus Topologia taustalla Warburg Vaikutus. PLoS ONE 5 (8): e12383. doi: 10,1371 /journal.pone.0012383

Editor: Raya Khanin, Memorial Sloan-Kettering Cancer Center, Yhdysvallat

vastaanotettu 17. maaliskuuta 2010 Hyväksytty: 29 heinäkuu 2010; Julkaistu: 25 elokuu 2010

Copyright: © 2010 Resendis-Antonio et al. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään.

Rahoitus: Tämä työ oli osittain tuettu National Council of Science and Technology (CONACyT-Meksiko: avustus 83461) ja Programa de Apoyo Proyectos de Investigación e Innovación Tecnológica-Universidad Nacional Autónoma de Mexico (PAPIIT: myöntää IN203809-3). Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.

Johdanto

viime vuosina olemme todistaneet merkitysarvo ennakkomaksuja tunnistaminen ja ymmärtäminen roolia että yksittäiset geenit olla synnyssä, kehitykseen ja etenemiseen syövän [1]. Vaikka merkittäviä edistysaskeleita genomista tieteiden tunnistamisessa onkogeenien ja tuumorisuppressoreilla, systeeminen selitys siitä, miten nämä geenit vapauttaa normaalia toimintaa geneettisen piirien ja miten sen ohjaus voidaan suunnitella tehokkaita lääkkeitä syöpää vastaan ​​on edelleen suuri haaste systeemibiologia [2], [3], [4], [5], [6].

tämän yhteydessä molekyyli- näkymä syövän, yksityiskohtaisia ​​tutkimuksia seurataan metabolisen muutoksia soluissa ovat lupaavalta ymmärtämiseen ja ohjaava soluproliferaatiota syöpäsoluissa [2], [7], [8]. Esimerkiksi tutkijat ovat tutkineet laajasti

p53

kasvain vaimennin kykyä laukaista

DNA korjaukseen

, solusyklin pysähtymisen ja apoptoosin, mutta viime aikoina

p53

kykyä vaikuttaa mitokondrioiden hengitys ja energia-aineenvaihdunta on selvitetty [9], [10]. Samoin tehostetut vaikutus Glykolyysivaiheen, laktaatti (

lac

) tuotantoa ja valvontaa rasvahappojen hapettumisen alullepanija

hypoksian indusoima tekijä (HIF) B ja

LKB1

tuumorisuppressoriproteiinia ovat selkeitä esimerkkejä yhdistää geenien ilmentyminen, aineenvaihduntaa ja syöpä fenotyyppi [3].

tässä asiayhteyteen järjestelmässä kehittäminen laskutoimituksiin pystyy kartoittaa fysiologisia reaktioita syöpäsoluihin kannalta sen metabolisen rakenteeseen ja geneettinen informaatio muodostaa houkuttelevan strategia ymmärtämiseen, luonteenomaiset, suunnittelemalla ja parantamalla tehokkuutta syöpälääkkeiden [11]. Tässä työssä esittelemme rajoitus perustuva analyysi aineenvaihdunnan verkon integroitu ydin metaboliareitit osallistuvat syöpäsolujen kasvua:

Glykolyysivaiheen

,

TCA cycle

,

Pentoosi fosfaatti reittejä (PPP) ja oksidatiivisen fosforylaation

. Constraint-mallinnus on osoittautunut onnistuneeksi paradigman systeemibiologian kuvaamiseen ja tutkia fenotyypin kapasiteettia erilaisia ​​perustuvaan sen erityisen genomin sekvenssit ja metabolisen topologia [11], [12], [13], [14] , [15].

Tämä paperi keskeinen tavoite on kaksitahoinen: 1) rakentaminen mallin simuloida metabolisms joka toimii laskennallinen puitteet apu- kuvata ja ymmärtää fysiologista käyttäytymistä syöpäsoluja; ja 2) potentiaalisten metabolisen tavoitteiden aiheuttamaan alennettu fenotyypin syöpäsolujen kasvua. Jotta laadun arviointia

in silico

saadut tulokset aineenvaihdunta jälleenrakennukseen kanssa kokeellisesti havaittu, me aikaan tutkimus kasvukinetiikat varten

Hela

solulinjassa. Lisäksi perustuu laskennallisiin kriteereihin tunnistimme joitakin entsyymejä, joilla on vastaava vaikutus solujen kasvuun ja vertasi niitä joita pidetään mahdollisina terapeuttisina kohteina kirjallisuudessa.

Kaiken kaikkiaan olemme todisteet, että rajoitus mallinnus voidaan käyttää alustana purkautuu biokemiallinen mekanismi taustalla syöpäsolujen kasvua ja mahdollisesti myötävaikuttavat suunniteltaessa strategioita kliinisiä hoitoja syövän.

tulokset

Core Aineenvaihdunta syöpäsoluissa

lähtien uraauurtava havainto, että aerobinen Glykolyysivaiheen syövässä [7] pidetään parempana kuin

oksidatiivisen fosforylaation

mekanismina tuottaa

ATP

glukoosista, lukuisat kokeilut ovat tukeneet ja laajentanut merkittävä rooli, joka aineenvaihdunnan olla transformaatio, leviäminen, angiogeneesi ja etäpesäkkeiden syöpä [16], [17], [18]. Siten skannaus ihmisen kasvaimista

positroniemissiotomografia

(

PET

) [17] on vahvistanut, että suuri sisäänoton nopeus glukoosin muodostaa tunnusmerkki syöpäsoluissa, oletettavasti tarvitaan antaa adaptiivisen etuja päin happamia ja hypoksinen ympäristöissä [19].

näiden havaintojen valossa, selitys siitä, miksi energiantuotannon nojaa

Glykolyysivaiheen

sijaan on tehokkaampaa reitin vetämänä

oksidatiivinen fosforylaatio

in

mitokondrioita

[2], [16] edellytetään laskennallisten mallien kykenee ottamaan huomioon paitsi molempia reittejä vaan vankka metabolinen verkko, joka sisältää sen metabolista yhteenliitettävyyttä.

Pitäen mielessä tässä systeeminen mieltä, rakensimme metabolinen verkon kanssa metaboliareitit jotka ovat keskeinen rooli syöpäsolujen kasvua:

Glykolyysivaiheen

,

TCA cycle

,

Pentoosi fosfaatti

,

glutaminolysis ja oksidatiivisen fosforylaation

[3], [16]. Mukaan jälleenrakentamiseen protokollien, meidän verkko perustui julkaistiin tieto aineenvaihduntaa syöpäsoluissa, perus termodynamiikan ja jakautumista osiin tiedot liittyvät kunkin metaboliareaktio solun sisällä, katso taulukko S1. Siten esimerkiksi tutkimuksiin

C

13 NMR

spektroskopialla ovat osoittaneet, että glutaminolysis on aktiivisena metaboliareitti ihmisillä glioblastoomasolulinjoissa [8], ja näin ollen kysyntää reaktio

α- ketoglutaraattiin

edustaa välittäjänä yhdiste pitkin muuntaminen glutamiinia laktaatin sisällytettiin jälleenrakentamiseen. Lisäksi jälleenrakennuksen täydennettiin liikenteen reaktioita muistuttamaan fysiologisia vallitsevat syöpäsoluissa, erityisesti niitä, jotka liittyvät

glukoosi

kulutus,

laktaatin

tuotanto ja

hypoksia

olosuhteet

katso taulukko S1

. Kaiken kaikkiaan meidän jälleenrakennukseen integroi 66 aineenvaihduntatuotteiden osallistuvat 80 aineenvaihduntareaktioiden edustavat

Glykolyysivaiheen

,

Pentoosi fosfaatti

,

TCA cycle

,

oksidatiivisen fosforylaation

ja

glutaminolysis

, sekä liikenne reaktiot olennaisten aineenvaihduntatuotteiden soluproliferaation, erityisesti

happea

,

vety

,

hiilidioksidia

ja

vesi

, katso taulukko S1 oheismateriaalia.

Kuva 1

esittää metabolisen verkkoa käytetään tässä tutkimuksessa. Matemaattinen esitys Tästä reaktioiden kautta stoikiometrinen matriisin muodostaa meidän keskeinen alustan tutkia ja arvioida aineenvaihduntakapasiteetin mahdollisesti ajo syöpäsoluja [3], [16].

seurauksena kirjallisuusluettelo haun, olemme valinneet ne metaboliareitit jotka mahdollisesti voivat olla metabolisen ydin useimmissa syöpäsoluissa. Oranssi, punainen ja vihreä katkoviivat osoittavat metaboliitteja, jotka osallistuvat muihin biosynteesireittejä, metaboliitteja, jotka voidaan siirtää sytoplasmasta mitokondrioissa ja aineenvaihduntatuotteiden, jotka voidaan siirtää mitokondrioissa sytoplasmaan, vastaavasti. Lokero tiedot on merkitty ulkoinen ympäristö [e], sytoplasmaan [c] ja mitokondriot [m]. Joukko reaktioita integroi tämän jälleenrakennuksen luetellaan taulukossa S1.

Dynaaminen Constraint-mallinnus ja sen kokeellinen arviointi

Kokeellinen tulosten arviointi ja hypoteesi päätellä laskennallinen mallintaminen on varmistamiseksi tarvitaan korkealaatuisen metabolisen jälleenrakennukseen todellisella laajuus selittämiseksi ja ennustamiseksi solujen käyttäytymiseen. Koska omavaraisuus kasvun signaaleja ja mekanismit kiertää apoptoosin [20] syöpäsoluissa edistävät hallitsematon solujen lisääntymistä, mahdollisuutta meidän simuloi syöpäsolun kasvua muodosti pääasiaa arvioida. Siksi dynaaminen rajoitus mallinnus levitettiin metabolisen jälleenrakentamiseen kuvattu

Kuva 1

. Tämän formalismiin kasvunopeus lasketaan olettaen, että kyseessä on ominaisuus aikaskaala, jolloin vakaan tilan edellytys metaboliittipitoisuuksien on uskottava oletus. Siten olettamalla, että fysiologinen kasvuvauhti kulloinkin mittakaavassa noudattaa optimointiperiaatteisiimme, lineaarinen ohjelmointi levitettiin tunnistaa metabolisen vuon profiilin, joka maksimoi liittyvä toiminto kasvuvauhti [21], katso menetelmät osassa.

Pahanlaatuinen eteneminen edellyttää asianmukaista aineenvaihdunnan solu koneita voidakseen toimittaa energia- ja biosynteettiset kysyntä tarvitaan syöpäsolujen kasvua. Määrällisesti syöpäsolujen kasvua kannalta sen metabolisen verkkoja ja yhdistää topologian jälleenrakennuksen kanssa syöpäsolun fysiologia etenimme rakentaa objektiivinen toiminto, joka matemaattisesti edustaa aineenvaihdunnan vaatimuksiin vaaditaan onnistuneen solukasvun [11], [13 ], [22], [23].

oikea valinta tavoitefunktiota on ratkaisevan tärkeää vähentää vakaan tilan stoikiometrisesti toteuttamiskelpoinen ratkaisu optimaalinen ratkaisu tila [22], [24]. Tässä työssä kohdefunktion luotiin ottamalla huomioon odotettu aineenvaihduntatuotteiden tukeva syöpäsolujen lisääntymistä [25]. Siten perustuu tarkastelun kirjallisuuden ja harkitsee joukon aineenvaihduntatuotteiden integroida jälleenrakentamiseen, ehdotamme objektiivisen funktion, joka koostuu

laktaattia (lac) B,

ATP

,

riboosi 5- fosfaatti (R 5p) B,

oksaaliasetaatti (OAA) B ja

sitraatti (cit) B tuotanto, jotka on valittu mukaan perustavanlaatuisia rooliinsa 1) tarvittavien lähtöaineiden energian tuotantoon, 2) esiasteita aminohappoja ja nukleotideja ja 3) välituotteita ylläpitää glykolyysin ja pelkistävän tarvittava teho biosynteesiin solun muiden yhdisteiden [25], [26]: jossa

c

,

e

ja

m

llä osastoihin hyödynnetään jälleenrakentamisessa (

solulimassa

,

ulkoisen ympäristön

ja

mitokondrioita

vastaavasti).

lisäksi oikea laskennallinen edustus ympäristöolosuhteissa on välttämätöntä saada luotettavia tuloksia ja tulkintoja

in silico

menettelyissä [24]. Siksi

pesuallas

ja

kysyntä

reaktiot olivat mukana määrittelemään asianmukaisen metabolisen rajat jäljittelemään fysiologisia vallitsevat olosuhteet ympäri syöpäsoluja, katso taulukko S1. Kautta sink reaktioita (jotka toimivat esitellä niitä metaboliitteja, joita tuotetaan tai kulutetaan nonmetabolic solun prosessit), me edustamme

NADH

,

NAD

,

CO2

,

riumbifosfaatti

,

vety

,

vesi

,

hiilidioksidi

,

koentsyymi

,

FAD

ja

FADH2

. Puolestaan ​​kysynnän kautta reaktiot (jotka ovat epätasapainossa reaktioita, jotka sallivat kertyminen yhdisteen muuten sallita vakaan tilan malleja, koska massa tasapainottaminen vaatimukset), pystyimme sisällyttää lähde

ACCOA

,

ADP

ja

happea

.

Lisäksi plasma, runsas lähde glukoosin ja glutamiinin syöpäsoluissa, edusti kaksi kysyntä reaktioita jälleenrakentamiseen, katso kuva 1 ja Taulukko S1. Jotta simuloida glukoosin kulutusta, yksinkertainen glukoosin sisällytettiin aineenvaihdunnan jälleenrakentamiseen, kun taas kulutus glutamiinia edusti läpi ulkoista

2-oksoglutaraatiksi

, yksi välittäjä tuotteiden glutaminolysis väylän syöpäsolut, katso kuva 1 [8].

Lopuksi sopusoinnussa hypoksia ehtoja syöpäsolun ympäristössä, kaikki simulaatiot olivat pakko alhainen hapenottokyvyn [27], katso yksityiskohdat taulukosta S1.

Constraint-base mallinnus arviointi: arviointi tavoite Tehtävä

arvioimiseksi fysiologista merkitystä ehdotetun kohdefunktion, päätimme tutkia, missä määrin kasvuvauhti johdettu dynaaminen rajoitus mallinnus samaan aikaan joka saatu kineettinen kasvun tutkimus

Hela

solulinjoissa. Siksi

in silico

ajallista profiilia kasvu laskettiin määrittelemällä aluksi solujen tiheys, aluksi saatavilla glukoosipitoisuuden ja oikea aikaskaala olettaen vakaan tilan kunto, katso menetelmät osassa. Samaan aikaan,

Hela

syöpäsolulinjoja viljeltiin liuoksessa ja kasvua kineettinen tutkimus toteutettiin. Kuten kuvattu -osiossa on kokeellinen mittaukset solujen tiheys on

Hela

solut tehtiin kuusi rinnakkaista arvioitu kokeellista toistettavuutta ja seuraamalla prosessia 24 tunnin välein viiden päivän ajan, katso myös kuva 2 (B).

(A) Vertaileva välinen kasvu saatu kokeellisesti ja

in silico

. (B) keskiarvon ja keskihajonnan saatu kinetiikka mittaukset

Hela

solulinjoissa. Kuten on kuvattu menetelmiä, kasvu tarkkailtiin 24 tunnin välein viiden päivän ajan, ja kuusi rinnakkaista saatiin kultakin absorbanssin mittausta. Tilastollisia ominaisuuksia kuvaavat kineettiset kasvu

Hela

solulinjoja näkyvät

Kuva 2 (B) B, kun taas ajallinen käyttäytyminen glukoosin sisäänoton nopeus ja ulkoinen pitoisuus ennusti

in silico

menettelyt, näytetään

(C) B ja

(D) B, vastaavasti. Variaatiokertoimet saatu kunkin mittauksen ilmoitetaan punaisella pisteet (B).

panos metabolisen yksiköiden kohdefunktion on oletettu sama painoarvo kasvunopeuteen tällaisessa että käyttämisen sijaan määrälliset kriteerit arvioida välinen ylikuuluminen kokeilu ja mallintaminen, laadullinen menettely perustuu normalisointia solujen tiheyden profiilin toteutettiin. Siten etenee kuvatulla menetelmät jaksossa, huomasimme, että meidän mallinnus kykeni saada normalisoitu ajallinen kasvuprofiiliin verrattavissa liittyvät

Hela

solulinjoissa, katso kuva 2.

valossa tämä tulos, me olettaa, että kohdefunktion liittyvän metabolisen jälleenrakennusta kuvattu

Kuva 1

mahdollisesti pystyy valaista metabolinen vuon toimintaa tarvitaan syöttämään aineenvaihdunnan kysyntä syöpäsolujen kasvua. Tämä on ratkaiseva osuus tässä tutkimuksessa ja muodostaa selkärangan tutustua välisiä suhteita geenin toimintaa, aineenvaihduntaa ja fenotyypin syövässä.

In silico

simulaatioita

Computational mallit biologiset järjestelmät ovat kaksi yleistä tavoitetta: 1) toistamaan mitä fysiologisesti havaita ja ymmärtää niiden biologisiin periaatteisiin, ja 2) luoda foorumi, joka kykenee ennustamaan solun fenotyypin kun aineenvaihdunnan muutoksia indusoituvat järjestelmässä. Todettuaan että

in silico

fenotyypin laadullisesti toistetaan kasvuvauhti

Hela

solulinjoissa etenimme kartoittaa metabolisen mekanismeja tukevat solujen lisääntymisen kautta

Flux Balance Analyysi

(

FBA

), joka on

in silico

muodollisuus, joka on ollut hyötyä tutkimalla genotyyppi-fenotyyppi suhteessa erilaisiin organismien [11], [12], [13], [22], [23], [28]. Erityisesti olemme käyttäneet meidän metabolisen jälleenrakennukseen tunnistamiseksi niille biokemiallisia reaktioita, jotka vaikuttavat voimakkaasti valvontaan syöpäsolujen kasvua, arvokas asia, kun halutaan tunnistaa metabolisen tavoitteita tehokkaita tuloksia syövän hoitojen [6]. Tätä tarkoitusta varten metabolisen kohteisiin, joiden keskeinen rooli syöpäsolujen kasvua tunnistettiin kaksi rajoitukset:

matalan vuon vaihtelua

ja

korkea entsymaattiset olennaisuuden

syövän solujen kasvua. Yhdessä nämä rajoitteet ovat laskennallisia valintakriteerien niille reaktioita, jotka takaavat alhaiset redundanssi on aineenvaihduntatuote synteesi maksimaalisen vaikutuksen vähentämiseksi sen fenotyypin. Siten tämä laskennallinen kriteerit johtaa meidät tunnistaa joukko kohde-entsyymien joiden aineenvaihdunta voi on suora vaikutus syöpäsolujen kasvua, katso kuva 3.

tunnistaa ne reaktiot, jotka voivat olla keskeinen rooli syövän kasvua korko, flux vaihtelevuus ja entsyymi olennaisuuden analyysi saatiin aikaan kaikkien reaktiot mukana jälleenrakentamisessa. Paneelissa

(A) B, metabolinen reaktioita jonka poisto tuottaa merkittävän alennuksen kasvuvauhti on korostettu punaisella. Ne reaktiot, jotka varmistavat alhaisen vaihtelevuutta ja korkea olennaisuuden muodostavat 27% koko metabolisen jälleenrakennus ja nämä näkyvät punaisella paneelissa

(B)

. Exchange ja pesuallas reaktiot kuulu tämän analyysin. Lyhenne koodi:

enolaasi (ENO) B,

glyseraldehydi-3-fosfaattidehydrogenaasi (GAPD) B,

fosfoglukomutaasi (PGMT) B,

pyruvaattikinaasin (PYK)

,

trioosifosfaatti-fosfaatti-isomeraasi (TPI) B,

(LDH) B,

riboosi-5-fosfaatti-isomeraasi (RPI) B,

pyruvaattidehydrogenaasia (PDHm) B,

2-oksoglutaraatiksi dehydrogenaasi (AKGDm) B,

cytrate syntaasi (CSM) B,

fumaraatin hydrataasia (FUMm) B,

malaattidehydrogenaasin (MDHm) B,

sukkinaattidehydrogenaasi (SUCD1m) B,

sukkinyyli-CoA (SUCOAS)

.

luotettavuutta tästä kohde-entsyymien kannalta suhdeluvut keskuudessa kohdefunktion komponentteja myöhemmin tarkistettiin: Me toistuvasti soveltanut

in silico

analyysi joukko kohdefunktioiden jonka ekvimolaariset osuudet objektiivisiin funktion komponentteja ei oletettu. Tässä mielessä, 1000 kohdefunktioiden (komponentteja valitaan satunnaisesti tasaisesta jakaumasta vaihtelee 0: sta 1 noin numeeriset arvot arvioidaan muille organismeille [22]) on rekonstruoitu, ja entsyymien

matalan vuon vaihtelua

ja

korkea entsymaattiset olennaisuuden

tunnistettiin kuhunkin toteutukseen. Kasvusta huolimatta hinnat riippuu suuresti suhteet kohdefunktion komponentteja tunnistimme joukko entsyymejä, että 99% kaikista toteumat tottelivat valintakriteerit,

katso

Kuva 4

. Niistä kohde-entsyymien tunnistettu

in silico

, todettiin, osa osallistuvat

Glykolyysivaiheen

, kuten

fosfoglukomutaasi (PGMT) B,

enolaasi (ENO)

,

glyseraldehydi-3-fosfaattidehydrogenaasi (GAPD) B,

pyruvaattikinaasin (PYK) B ja

laktaattidehydrogenaasin (LDH)

. Tämän mukaisesti tulos, lääkkeiden kehittämiseen suunnataan pääasiassa glukoosin kuljetusta ja fosforylaatio askelia glykolyyttisissä väyliä ovat osoittautuneet piilevä terapeuttinen strategia vähentää syövän fenotyyppi [19], [27], [29].

Reaktiot korkea olennaisuuden ja alhainen vaihtelu tunnistettiin joukolla 1000 tavoite toimintoja nonequivalent suhdeluvut keskuudessa toiminto komponentteja. Kuten paneeli (A) näyttää, reaktiot tottelemalla molemmat kriteerit (punainen mustalla alueet) piirrettiin yli 1000 oivallusta. Kussakin toteutumista, ne entsyymit, jotka noudattavat

in silico

kriteerit merkitty mustalla; kaikki muut valkoiset. Prosenttiosuus kertaa reaktioita totteli laskennalliset kriteerit on kuvattu paneeli (B). Kestävä entsyymejä merkityksellisiä tämän tutkimuksen (pois lukien kuljettajat, vaihtoon ja kysyntä reaktioita) leimattiin punaisella. EX, DM ja Sink merkitsevät vaihto, kysynnän ja pesuallas reaktioita sytoplasmassa [c] ja mitokondriot [m] osastoa.

Lisäksi rajoitus mallinnus viittaa siihen, että

laktaattidehydrogenaasi

voidaan käyttää metabolinen piste fenotyyppi käyttäytymisen kanssa aikaisempien tutkimusten

katso

Kuva 5

[2], [3]. Erityisesti on ollut kokeellista näyttöä, että inhibitio

laktaattidehydrogenaasin

indusoi vähentynyt aktiivisuus noin glykolyyttisten entsyymien ja näin ollen vähentää kasvua syöpäsoluissa [30]. Motivoi tämä seikka, jonka tarkoituksena on edelleen arvioitaessa meidän laskennallisen tulkinnan, arvioimme, missä määrin vähentämiseen entsymaattisen kapasiteetin

laktaattidehydrogenaasin

vaikuttaa metabolisen aktiivisuuden entsyymejä osallistuvat

Glykolyysivaiheen

,

Pentoosi fosfaatti

ja

TCA cycle

. Kuten

Kuva 5

osoittaa (paneeli A, B ja C), vuo tasapaino analyysi on esillä lisäys entsyymin aktiivisuutta

laktaattidehydrogenaasin

seuraa lisääntynyt metabolinen aktiivisuus yli

Glykolyysivaiheen

ja jotkut entsyymit osallistuvat

TCA cycle

ja

pentoosifosfaattireitistä

. Tämän mukaisesti

in silico

havainto, kasvua

laktaatin

tuotanto on ehdotettu olevan välttämätön edellytys tukeva tuumorisolun muutosta läpi Warburg vaikutus [31]. Sen vahvistamiseksi, että tämä ominaisuus on seurausta geometrian vuon vakaan tilan ratkaisua tilaa ja ei erityisen valikoimat suhdeluvut kohdefunktion komponentteja, eli nonbiased Monte Carlo näytteenotto- menetelmää sovellettiin luonteenomaiset ratkaisu tiloihin [23], katso menetelmät osassa. Kuten kuviosta 5 (D) on esitetty, merkittävä korrelaatio välille syntyi metabolista aktiivisuutta laktaattidehydrogenaasin (

LDH

) ja ensimmäinen entsyymi glykolyysiin:

fosfoglukomutaasi

(

PDGM

) . Pieneneminen

LDH

taipumus liittyvät lasku glukoosiaineenvaihduntaan kautta

PDGM

siten meidän

in silico

analyysi viittaa

LDH

kuin säätöpistettä syövän solujen aineenvaihduntaa.

(LDH) B on ehdotettu keskeisessä metabolisen valvontaa syöpäsolujen kasvua, jolla on merkittävä rooli Warburg vaikutus. Paneelit (A), (B) ja (C) esittävät vaikutuksia, joita muunnelmia

LDH

aktiivisuus on joitakin entsyymejä osallistuvat

Glykolyysivaiheen

,

TCA cycle

ja

Pentoosi fosfaatti

, vastaavasti. Metabolinen aktiivisuus LDH kasvaa alhaalta ylöspäin. Paneeli

(D) B osoittaa korrelaatio vuon aktiivisuutta

LDH

ja

fosfoglukomutaasi (PGMT) B saatu näytteenotto nolla-avaruuden stoikiometrisen matriisin. Fenotyyppi vaihe koneeseen

glukoosi-6-fosfaattidehydrogenaasin

(

G6PDH

) ja

transketolaasia

(

TKT1

), entsyymit määrällisesti aktiivisuus oksidatiivisen ja ei-hapettava oksat Pentoosi fosfaatti, on esitetty paneelissa (E). Valkoinen nuolet osoittavat suunnan, jossa metabolinen vuon kasvaa.

Toisaalta, meidän laskennallinen alustan viittaa siihen, että

pyruvaattidehydrogenaasia (PDHm

) voidaan suorittaa keskeinen rooli ajo solussa leviämisen Vähäisen

vuon vaihtelua

ja korkea

entsymaattiset olennaisuuden

varten aineenvaihdunnan syöpäsolujen kasvua, katso kuva 4 (A). Tämän mukaisesti havainnon, on näyttöä siitä, metabolinen esto

PDHm

edistää Warburg aineenvaihduntaa ja lisää pahanlaatuisen fenotyypin ihmisen kaulan ja pään squamous karsinoomia [26], [32]. Tämä havainto voisi järkeä valossa lisäsääntely osien yhdistämiseen metabolisen palapeliä. Ensinnäkin, hypoksia ehto kasvaimissa indusoi aktivointiin

HIF (hypoksian indusoima tekijä) B, joka puolestaan ​​aktivoi

pyruvaattidehydrogenaasikinaasi 1

, entsyymiä, joka säätelee negatiivisesti katalyyttinen aktiivisuus

PDHm

. Lisäksi aerobinen

glykolyysin

on parantaa se, että

HIF

indusoi ylituotanto entsyymien osallistuvien glykolyyttisen reitin ja laktaatin tuotantoa [31]. Kaiken parantaminen Warburg vaikutus ja vähenevä aktiivisuus

PDHm

näyttää olevan metabolisen vasteen, joka antaa valikoivan edun eloonjäämisen ja soluproliferaation.

Jonka tarkoituksena on kartoittaa, miten kasvua syöpäsoluissa voi vaihdella vaihdettaessa aineenvaihdunnan toimintaa sekä

PDHm

ja

glukoosinkuljetuksen

, olemme saavuttaneet

fenotyyppinen vaihetasossa

analyysi, laskennallinen menettely visuaalisesti tutkia miten kohdefunktion käyttäytyy kun vuon vaihtelut kahden itsenäisen aineenvaihduntareaktioiden tapahtuu [21], [23]. Merkillistä, kuten kuviossa 6 (B) esittää, meidän analyysi viittaa siihen, että fix glukoosin sisäänoton nopeus lasku on

PDHm

entsyymiaktiivisuus voi parantaa fenotyyppi kasvuvauhti syöpäsolulinjoissa, nuoli alueella I. Vaikka että tämä tulos on sopimus joidenkin kokeellinen raportteja, meidän laskennallinen malli ennustaa olemassaolon kynnys

PDHm

jonka aktiivisuus on vähentynyt voisi olla hyödyllistä pidättämään syöpäsolun kasvua (alue II), että tulos edellyttää taka kokeellinen todentaminen.

Panel (A) on kolmiulotteinen esitys miten metabolista aktiivisuutta sukkinaattidehydrogenaasi ja glukoosin sisäänoton nopeus vaikuttavat kasvuun. Kuten Paneelit

(B) ja (C) B osoittavat,

in silico

mallinnus johtaa meidät tunnistaa joitakin alueita, joilla muunnelmia

pyruvaattidehydrogenaasia

ja

fumaraatti hydrataasia

, molemmat aiheuttaa kasvaimia estävä aktiivisuus, voi johtaa erilaisiin fenotyyppejä. Valkoiset viivat osoittavat suunnan, jossa aineenvaihdunnan vuot lisäys; mustat viivat, suuntaan, jossa ne vähentävät. Mahdollinen vaikutus, että pyruvaatti kinaasiaktiivisuutta voidaan tuottamaan syöpäsolujen kasvua kuvataan

(D)

. Paneelissa

(D)

kohdefunktion komponentit valittiin seuraavasti:

c

ATP

= 12,47,

c

Lactate

= 0,13,

c

NADPH

= 0,93,

c

R 5p

= 0,6,

c

NAD

= 0,89,

c

OAA

= 0.75,

c

ATP [m]

= 17,09 ja

c

sitraatti

= 0,55. Kynnys vuo aktiivisuus on merkitty punaisella viivalla.

optimointi kohdefunktion voidaan päätellä, että

glutaminolysis

, alkaen

glutamiinia

kertymävakio ja päättyy laktaatin tuotantoa, on aktiivinen reitti aikana syöpäsolujen kasvua. Toiminnallisesta ja biologisesta näkökulmasta,

glutaminolysis

suorittaa keskeinen rooli täydennystä

TCA cycle

ja tule lisätä pelkistävää voimaa tarvitaan rasvahappojen biosynteesiä. Lisäksi meidän

in silico

analyysin mukaan

fumaraatti hydrataasia (FUMm) B ja

sukkinaattidehydrogenaasi (SUCD1m) B voi itsenäisesti käyttää metabolisen tavoitteet säätelemiseksi solujen lisääntymistä, katso Kuvio 6A ja C. Fenotyyppikuvaus vaihetasossa hoituu näiden entsyymien avulla voimme päätellä, että kun toiminta

FUMm

(

SUCD1M

) pelkistetään eri alueita, joita erottaa kynnysarvon tunnistetaan. Kuten voidaan arvostaa

Kuva 6

(A) B ja

(B) B, kun aineenvaihdunta on

FUMm

tai

SUCD1M

pienenee, fenotyyppi kasvu alueella I on parannettu, kun taas alueen III vähenee. Mielenkiintoista on, että fenotyyppi käyttäytyminen havaittiin alueella I on sopusoinnussa sen kanssa, että

FUMm tai SUCD1m

voivat osallistua tuumorisuppressorina kun sen entsymaattinen aktiivisuus on puutteellinen, [33]. Vaikka malli voi aistia vaikutuksen, että entsymaattinen aktiivisuus

FUMm

tai

SUCD1m

on syövän kasvu, lisäanalyysi on arvioitava, jos

in silico

tulkinnassa aluevapaissa II ja III on biologinen merkitys.

Korostamme, että meidän simulaatioita mitokondrioiden johdettuja

sitraatti

perustavanlaatuinen metaboliitti voidaan optimoida tukemaan solujen lisääntymisen. Tämän seurauksena alhainen sitraatti kuljetus mitokondriot kohti solulimassa indusoi vähentynyt vaikutus

in silico

kasvuvauhtia. Noudattavat julkaistuja havaintoja, esto

ATP sitraattilyaasi

osallistuvat muuntaminen mitokondrioiden johdettujen sitraatti osaksi

asetyyli-koentsyymi A:

sytoplasmassa estää syöpäsolujen lisääntymistä ja kasvaimen kasvua, koska sen keskeinen rooli esiaste lipidien [2], [34]. Vaikka esto

ATP sitraattilyaasi

ja alhainen

sitraatti

liikenne on viimeinen vähentää

asetyyli-koentsyymi A:

, tarkempi analyysi olisi harkittava tulevaisuudessa reconstructions .