缩小我们的新陈代谢

每一分钟，我们数万亿个细胞中的每一个都会进行无数的化学反应，将食物转化为能量，建立蛋白质并消除有毒废物。总的来说，所有这些反应都构成了我们的新陈代谢。但它受到哪些潜在机制的监管?来自SIB和CHUV(洛桑大学医院)的研究人员已经找到了一种新方法，以更高的分辨率来理解新陈代谢的调节基础。

1. 什么是基因组规模代谢网络(GSMN)?

GSMN是复杂的生物网络，它将数千个节点本身互连，分为四种主要类型：1)代谢物; 2)生化和运输反应; 3)酶和转运蛋白; 和4)基因。如果手头有足够的数据，GSMN可用作预测工具，通过模拟敲除实验来了解生物体是否以及如何产生一定量的生物量，或基因对生物体的重要性。

2.什么是转录组学?

转录组学的科学研究了给定细胞群中RNA的表达水平，从而揭示了在任何给定时间点哪些基因是活跃表达的。研究转录组和测量RNA水平的最常用方法之一是使用称为RNAseq的新一代测序技术。

能够确定我们新陈代谢的调节途径将有助于我们更好地理解 - 甚至可能防止 - 潜在的故障，例如与糖尿病或肥胖有关的故障。然而，将这些途径分开，不仅需要对生物和化学过程的高层次理解，例如基因组规模代谢网络(GSMN，见方框1)所提供的，还需要对每个基因的作用进行精细分辨。通过表达 - 或转录组学 - 数据提供(RNAseq，见方框2)。

来自CHUV的研究人员，来自Vital-IT集团的SIB科学家开发出一种结合两种方法的新方法，从而更好地了解我们的新陈代谢的基础规则以及预测它们的方法。他们的方法可以作为名为metaboGSE的R包获得，结果发表在Bioinformatics期刊上。

“通过利用已有的数据，这种”组合“方法使研究人员能够获得比单独使用GSMN或RNAseq方法更高水平的代谢信息，”SIB的资深科学家和作家Marco Pagni说。“在某种程度上，它就像通过放大镜观察，而不是看到'磷脂生物合成，我们看到'磷脂酰胆碱生物合成' - 从分辨率来看，这是向前迈出的一大步”。

该团队呼吁对代谢研究进行广泛的重新研究，以获得更好的RNAseq数据和GSMN，以获得更强大和预测的结果。

对与肥胖特征相关的小鼠脂肪细胞数据进行了测试和验证，该团队现在打算对来自几个欧洲队列的人类糖尿​​病相关数据应用相同的方法。这将是几个创新药物倡议(IMI)项目的框架，其中SIB充当数据协调中心