Ikhtisar
Analisis keseimbangan fluks (FBA) adalah metode pemodelan berbasis kendala yang memprediksi aliran metabolit melalui jaringan biokimia tanpa memerlukan parameter kinetik terperinci. FBA merepresentasikan metabolisme sebagai matriks stokiometri di mana setiap kolom adalah reaksi dan setiap baris adalah metabolit. Dengan asumsi sel berada dalam keadaan tunak, konsentrasi metabolit konstan, sistem persamaan linier menjadi kurang ditentukan, dan fungsi tujuan seperti produksi biomassa atau sintesis ATP dioptimalkan menggunakan pemrograman linier untuk menghasilkan distribusi fluks yang bermakna secara fisiologis.
Konsep Kunci
Matriks stokiometri mengkodekan topologi jaringan reaksi. Kendala membatasi fluks reaksi: laju penyerapan dari lingkungan, ireversibilitas termodinamika, dan kapasitas enzimatik maksimum. Fungsi tujuan memformalkan apa yang dioptimalkan sel, biasanya laju pertumbuhan dalam model mikroba. Analisis variabilitas fluks menyelidiki solusi optimal alternatif dengan memaksimalkan dan meminimalkan setiap fluks sambil mempertahankan nilai tujuan yang mendekati optimal. Model metabolik skala genom (GEM) sekarang mencakup ribuan reaksi dan metabolit dan direkonstruksi dari genom yang dianotasi menggunakan basis data seperti KEGG dan MetaCyc.
Aplikasi
FBA memprediksi laju pertumbuhan, esensialitas gen, dan strategi rekayasa metabolik. Ini mengidentifikasi target penghapusan optimal untuk overproduksi biofuel atau farmasi dalam kerangka mikroba. Dalam penelitian biomedis, model spesifik konteks yang direkonstruksi dari data omik mengungkap kerentanan metabolik dalam sel kanker. FBA terhubung langsung ke jalur metabolik klasik seperti glikolisis dan siklus asam sitrat, dan bergantung pada data regulasi enzim yang akurat untuk membatasi fluks reaksi dengan informasi kinetik atau regulasi.
Protokol Praktis
Rekonstruksi model metabolik skala genom (GEM) di COBRA Toolbox dimulai dengan genom yang dianotasi. Gunakan fungsi getModelFromSEED atau unduh model terkurasi dari BiGG Models. Di MATLAB/Octave, inisialisasi lingkungan COBRA: initCobraToolbox. Muat model dengan readCbModel('model.xml') atau gunakan GEM standar seperti readCbModel('ecoli_core_model.mat'). Periksa properti model: printRxnStats(model), model.rxns, model.mets, dan model.S (matriks stokiometri). Tetapkan fungsi tujuan ke produksi biomassa: model = changeObjective(model, 'BIOMASS_Ecoli_core_w_GAM'). Tentukan kendala lingkungan dengan menetapkan laju penyerapan: model = changeRxnBounds(model, 'EX_glc(e)', -10, 'l') menetapkan penyerapan glukosa maksimum 10 mmol/gDW/h. Jalankan FBA dengan solution = optimizeCbModel(model, 'max'); keluaran berisi solution.f (nilai tujuan, yaitu laju pertumbuhan) dan solution.x (vektor fluks). Lakukan analisis variabilitas fluks (FVA) untuk menjelajahi optimum alternatif: [minFlux, maxFlux] = fluxVariability(model, 90), di mana 90 berarti solusi dalam 90% dari optimum. Analisis esensialitas gen secara sistematis menghapus setiap gen: [grRatio, grRateKO, grRateWT] = singleGeneDeletion(model) untuk mengidentifikasi gen esensial. Rekonstruksi model spesifik konteks dari data omik menggunakan algoritme iMAT: model_ctx = createTissueSpecificModel(model, expression_data, 'iMAT'). Untuk memvisualisasikan hasil, gunakan drawFlux untuk memetakan fluks ke diagram jaringan metabolik. Bandingkan laju pertumbuhan yang diprediksi dengan pengukuran eksperimental, dan sempurnakan kendala dengan menambahkan informasi termodinamika atau regulasi dari data kinetika enzim. Paket COBRApy Python menyediakan fungsionalitas yang setara bagi mereka yang bekerja di lingkungan Python.
