redHUMAN: Zusammenhänge zwischen Genen und dem Stoffwechsel entschlüsseln

Wissenschaftler der EPFL haben eine neue Methode entwickelt, die die Verarbeitung von genetisch-metabolischen Daten vereinfacht, indem sie Veränderungen im Stoffwechsel aufspürt, die für zahlreiche Krankheiten wie Krebs und Alzheimer kennzeichnend sind. Die neue Methode mit dem Namen redHUMAN ist robust und weist eine garantierte Vorhersagbarkeit auf.
Kredit: Maria Masid (EPFL)

In den letzten zwei Jahrzehnten haben die Biowissenschaften eine wachsende Partnerschaft mit der Informationstechnologie erlebt. Der Hauptantrieb dahinter ist die Notwendigkeit, enorme Datenmengen aus verschiedenen Bereichen wie Genetik, Biochemie, Zell- und Molekularbiologie und Physiologie zu verarbeiten und zu integrieren, um ein tieferes Verständnis biologischer Systeme, Prozesse und sogar ganzer Organismen zu erlangen.

Das Problem ist, dass sich die Zusammenstellung von Daten aus zahlreichen miteinander verbundenen biologischen Netzwerken über verschiedene Schichten der biologischen Analyse (z.B. genetische vs. biochemische) als zu kompliziert erwiesen hat. Die schiere Menge und Komplexität der Daten über mehrere Bereiche hinweg ist schwer zu standardisieren und zu verarbeiten und hat teilweise zur Verbreitung verschiedener «Omik»-Bereiche (z.B. Genomik, Transkriptomik, Proteomik, Metabolomik usw.) geführt, die versuchen, Pools biologischer Moleküle auf eine Weise zu charakterisieren und zu quantifizieren, die sich auf ihre Struktur und Funktion in einem Organismus bezieht.

Eine Möglichkeit, wie die Wissenschaftler das Problem im Zusammenhang mit der Gen- und Stoffwechselanalyse angegangen sind, ist die Entwicklung von Stoffwechselmodellen auf der Genomskala, so genannten GEMs. Dabei handelt es sich um Computermodelle, die aus genetischen und biochemischen Daten erstellt werden und Gene mit Stoffwechselwegen in der Zelle in Verbindung bringen.

GEMs entwickeln sich rasch zu einem gängigen Werkzeug für Forschende. «Sie sind leistungsfähige Werkzeuge, um experimentelle Daten für eine bestimmte Physiologie zu integrieren und kontextspezifische Modelle zu erstellen, die Veränderungen im Stoffwechsel kranker Zellen, wie zum Beispiel Krebszellen, identifizieren können», sagt Maria Masid, Doktorandin aus dem Labor von Vassily Hatzimanikatis an der EPFL.

Im Bestreben, die GEMs weiter zu vereinfachen, haben Masid und ihre Kollegen jetzt in Nature Communications eine Arbeit veröffentlicht, die eine neue mathematische Methode zur Analyse des menschlichen Stoffwechsels vorstellt, die die Komplexität der GEMs auf Ebene des menschlichen Genoms reduziert, indem sie sich einfach auf bestimmte Teile des Stoffwechsels konzentriert und gleichzeitig den Informationsverlust durch die anderen Stoffwechselwege minimiert.

Das Studium des Zellstoffwechsels ist von hoher Relevanz, da Stoffwechselveränderungen als Anzeichen für verschiedene menschliche Krankheiten erkannt wurden, darunter Krebs, Diabetes, Fettleibigkeit, Alzheimer und Herz-Kreislauf-Erkrankungen. Daher kann das Verständnis der Beziehungen zwischen Stoffwechselmechanismen und Genen die Entdeckung von Medikamenten und die Entwicklung neuer Therapien leiten.

Die Forscher nannten ihre Methode redHUMAN und beschreiben sie als «einen Arbeitsablauf zur Rekonstruktion reduzierter Modelle, die sich auf Teile des Stoffwechsels konzentrieren, die für eine bestimmte Physiologie relevant sind». redHUMAN generiert reduzierte Stoffwechselmodelle, die die interessierenden Pfade und die Stoffwechselwege enthalten, die zur Untersuchung des Nährstoffmetabolismus und der Biomasse-Synthese erforderlich sind, wobei all dies unter Berücksichtigung der Bioenergetik der Zelle erfolgt. Auf diese Weise garantiert das redHUMAN-Modell die Konsistenz seiner Vorhersagen und überwindet eine der grössten Hürden der derzeitigen GEMs.

«Durch die Kombination dieser Stoffwechselmodelle mit Genexpressionsdaten können wir funktionelle Veränderungen identifizieren, die nicht direkt aus den Daten extrahiert werden können», sagt Masid, «und wir können auch Hypothesen formulieren, um die Versuchsplanung zu leiten.»

Mehr Informationen

Finanzierung

EU-Horizont 2020 (Marie-Sklodowska Curie, ITN SyMBioSys)

Literaturhinweise

Maria Masid, Meric Ataman, Wassili Hatzimanikatis. Analyse des menschlichen Stoffwechsels durch Reduktion der Komplexität der Genom-Skalenmodelle mit redHUMAN. Mitteilungen zur Natur 11, 2821 (2020). DOI: 10.1038/s41467-020-16549-2