Comprender cómo las células procesan los nutrientes y producen energía (lo que en conjunto se denomina metabolismo) es esencial en biología. Sin embargo, analizar grandes cantidades de datos sobre procesos celulares para determinar los estados metabólicos es una tarea compleja.
La biología moderna genera grandes conjuntos de datos sobre diversas actividades celulares. Estos conjuntos de datos “ómicos” proporcionan información sobre diversas funciones celulares, como la actividad genética y los niveles de proteínas. Sin embargo, integrar y dar sentido a estos conjuntos de datos para comprender el metabolismo celular es un desafío.
Los modelos cinéticos ofrecen una forma de decodificar esta complejidad proporcionando una representación matemática del metabolismo celular. Sirven como mapas detallados que muestran cómo las moléculas interactúan y cambian dentro de una célula, mostrando cómo las sustancias se convierten en energía y otros productos con el tiempo. Esto ayuda a los científicos a comprender los procesos bioquímicos que subyacen al metabolismo celular. A pesar de su potencial, los modelos dinámicos son difíciles de desarrollar debido a la dificultad para determinar los parámetros que controlan los procesos celulares.
Un equipo de investigadores dirigido por Ljubisa Miskovic y Vassily Hatzmanikatis de la EPFL ha creado RENAISSANCE, una herramienta basada en inteligencia artificial que simplifica la creación de modelos cinéticos. RENAISSANCE combina una variedad de datos celulares para mostrar con precisión los estados metabólicos, lo que facilita la comprensión de cómo funcionan las células. El renacimiento representa un gran avance en la biología computacional, ya que abre nuevas vías para la investigación y la innovación en salud y biotecnología.
Los investigadores utilizaron RENAISSANCE para crear modelos cinéticos que reflejan con precisión Escherichia coli Comportamiento metabólico. La herramienta produjo con éxito modelos que coincidían con el comportamiento metabólico observado experimentalmente, simulando cómo las bacterias ajustarían su metabolismo con el tiempo en un biorreactor.
Los modelos cinéticos también demostraron ser sólidos y mantener la estabilidad incluso cuando se los somete a perturbaciones de las condiciones genéticas y ambientales. Esto indica que los modelos pueden predecir de manera confiable las respuestas celulares a diversos escenarios, aumentando su utilidad práctica en investigación y aplicaciones industriales.
“A pesar de los avances en las técnicas ómicas, la cobertura insuficiente de datos sigue siendo un desafío persistente”, afirma Miscovich. “Por ejemplo, la metabolómica y la proteómica sólo pueden detectar y cuantificar un número limitado de metabolitos y proteínas. Las técnicas de modelado que integran y combinan datos ómicos de diferentes fuentes compensan esta limitación. Combinando datos ómicos y otra información relevante, como el contenido del medio extracelular , datos fisicoquímicos y conocimiento experto, RENAISSANCE nos proporciona información sobre estados metabólicos intracelulares desconocidos, incluidos los flujos metabólicos y las concentraciones de metabolitos, lo que permite una cuantificación precisa”.
La capacidad de RENAISSANCE para modelar con precisión el metabolismo celular tiene implicaciones importantes, ofreciendo una herramienta poderosa para estudiar los cambios metabólicos, independientemente de que estén afectados por una enfermedad, y en el desarrollo de nuevas terapias y biotecnologías. Su facilidad de uso y eficiencia permitirán a una amplia gama de investigadores del mundo académico y de la industria utilizar modelos dinámicos de forma eficaz y promover la colaboración.
