211service.com
Žmogaus modelis baigtas
Kalifornijos universiteto San Diege mokslininkai sukonstravo pirmąjį pilną kompiuterinį žmogaus metabolizmo modelį. Galima nemokamai Žiniatinklis , modelis yra didelis žingsnis į priekį besikuriančioje sistemų biologijos srityje ir padės tyrėjams atrasti naujus gydymo būdus ir suprasti vėžio bei kitų ligų molekulinį pagrindą.
Kalifornijos universiteto San Diege mokslininkai sukūrė pirmąjį pilną kompiuterinį žmogaus metabolizmo modelį. Jie naudojo modelį, kad sudarytų šį žemėlapį – skrandžio šuntavimo operacijos metabolinio poveikio analizę po vienerių metų.
Metabolizmas yra visų cheminių reakcijų, susijusių su maisto maistinių medžiagų skaidymu į energiją ir naudojant jas kaip žaliavą gaminant viską, ko reikia organizmui, nuo hormonų, tokių kaip insulinas, iki lipidų, sudarančių ląstelių membranas, suma. Kompiuterinis metabolizmo modelis, sukurtas mokslininkų laboratorijoje Bernhardas Palssonas , bioinžinerijos profesorius, visas tokias žinomas chemines reakcijas organizme susieja su kiekvienu žmogaus genu.
Panašūs mikrobų, tokių kaip mielės ir, metabolizmo modeliai E. coli Įskaitant keletą Palssono laboratorijos sukurtų, mokslininkai gali sukurti organizmus, kurie efektyviau gamina tokius produktus kaip etanolis ir vaistai nuo maliarijos. (Žr. Kaip stebėti, kaip laboratorijoje vystosi bakterijos ir sukurti mikrobai, kurie padidina etanolio kiekį.) Tačiau sako Avivas Regevas , skaičiavimo biologas iš Broad Institute, Kembridže, MA, aukštos kokybės žmonių metabolizmo modelis buvo sunkiai prieinamas.
Naujasis modelis apima visus žinomus genus ir kiekvieną metabolinę reakciją, kurią Palssono grupė atskleidė tyrinėdama mokslinę literatūrą. Tam tikras duomenų bazėje esantis genas yra susietas su jo baltyminiu produktu, kuris gali būti susijęs su daugybe medžiagų apykaitos reakcijų, kurios yra susijusios su kitomis reakcijomis, kurios yra susijusios su maistinėmis medžiagomis, pvz., gliukoze ir energijos gamyba arba tokiu produktu kaip melatoninas. Palssonas vadina modelį matematiniu visų šių duomenų atvaizdavimu. Internetinė duomenų bazė bus nuolat atnaujinama.
Regevas sako, kad vienas iš perspektyviausių modelio pritaikymų yra pastoliai, ant kurių galima projektuoti duomenis iš genų ekspresijos profiliavimo tyrimų. Naudojant mikromatricas, dabar galima rasti genų ekspresijos skirtumus tarp, pavyzdžiui, normalaus kepenų audinio, vėžinio kepenų audinio ir diabetinio kepenų audinio. Tokie duomenys gali atskleisti ir molekulines ligos priežastis, ir galimus vaistų taikinius. Tačiau šiuose tyrimuose, sako Regevas, genų ekspresijos pokyčiai išplito visame [genome].
Naudodamiesi šiuo modeliu, mokslininkai gali įvesti, kurie genai yra išreikšti sergančiame audinyje, ir gauti kaip išvestį medžiagų apykaitos kelius, kuriuose dalyvauja šie genai, o ne kruopščiai ieškoti informacijos mokslinėje literatūroje po vieną geną. Pavyzdžiui, kepenų atveju modelis gali pasakyti tyrėjams, kad vėžiniame kepenų audinyje pernelyg išreikštas genas dalyvauja specifinėse metabolinėse reakcijose, sukuriant tam tikrus produktus. Tada mokslininkai gali ieškoti vaisto, kuris būtų skirtas šiems keliams ar produktams. Regevas sako, kad vėžio audinyje vyksta labai didelio masto metaboliniai pokyčiai.
Jamesas Collinsas , Bostono universiteto biomedicinos inžinerijos profesorius, jau pradėjo naudoti tinklo lygmens metodus, kad suprastų vėžį, ir sako, kad savo tyrimuose naudos Palssono modelį. Galite pažvelgti į skirtingai išreikštus genus pacientams, sergantiems prostatos vėžiu, sako Collinsas. Ar tarp jų yra būdų, rodančių pagrindinius ligos procesus? Tai leis mums filtruoti ir sutrumpinti sudėtingus duomenis ir nustatyti narkotikų taikinius.
Be to, modelis galėtų padėti tyrėjams geriau suprasti ir optimizuoti esamus vaistus. Sunku išsiaiškinti, kuriuos genus netiesiogiai veikia vaistas, sako Collinsas. Norite žinoti, ką darote, kad gautumėte geresnę chemiją, stipresnę intelektinę nuosavybę ir suprastumėte šalutinį poveikį. Palsson pabrėžia, kad kadangi tinklas gali nustatyti kelis būdus, kaip pasiekti tą patį rezultatą, jis gali padėti vaistų įmonėms sukurti junginius, turinčius tokį patį poveikį – pavyzdžiui, statinų vaistų, tokių kaip Lipitor, alternatyvų, nepažeidžiant savo konkurentų patentų.