Resumen de Desarrollo y análisis de algoritmos probabilísticos para la reconstrucción de modelos metabólicos a escala genómica.
Raymari Reyes Chirino
Los avances en la Biología Molecular y las técnicas genómicas, las nuevas herramientas bioinformáticas que han posibilitado el acceso a miles de datos biológicos, el mayor poder computacional y los nuevos algoritmos de modelación han propiciado el nacimiento de una nueva disciplina denominada Biología de Sistemas. Esta nueva área de investigación se centra en el estudio de un sistema biológico, analizado como un sistema integrado de biomoléculas y reacciones bioquímicas interrelacionadas que dan lugar a la gran variedad de procesos biológicos. Profesionales procedentes de áreas como la Biología, la Informática, la Física, la Química o las Matemáticas se han conjugado en el estudio de esta ciencia moderna. Uno de los enfoques fundamentales de dicha rama se basa en la reconstrucción de modelos metabólicos a escala genómica, un esfuerzo que a día de hoy no se encuentra automatizado. Dicho proceso consiste en listar y agrupar el conjunto de reacciones metabólicas de un organismo, a partir de la información disponible en diversas bases de datos biológicas, por lo que requiere del trabajo de un especialista durante varios meses. Los modelos metabólicos a escala genómica constituyen una herramienta útil para estudiar las capacidades metabólicas de un organismo y su comportamiento ante posibles perturbaciones, con lo cual es posible diseñar estrategias ingenieriles orientadas a mejorar una función en particular. El presente proyecto se basó en el desarrollo y análisis de algoritmos que incluyen decisiones a partir de criterios probabilísticos. Consecuentemente, se logra reconstruir modelos metabólicos a escala genómica cumpliendo los criterios de completitud y unicidad de las vías metabólicas. Como parte del algoritmo se trató la inclusión de reacciones metabólicas adicionales al modelo. Su selección se fundamentó por la prevalencia de metabolitos en un mapa metabólico general, conformado por todas las reacciones metabólicas que existen en los sistemas vivos de la naturaleza. Por otro lado, se tuvo en cuenta la presencia repetida de una misma reacción metabólica pero relacionada con diferentes enzimas. Nuevamente, se usó un criterio probabilístico para la toma de decisión basada en la unicidad de las vías metabólicas, considerando una única reacción bioquímica. La metodología seguida en la automatización de este proceso fue la implementada de forma manual para la reconstrucción del primer modelo metabólico a escala genómica de un microorganismo fotosintético, la Synechocystis sp. PCC6803. Como resultado se obtuvo además, la aplicación web Computational Platform to Access Biological Information (COPABI) que permite reconstruir modelos metabólicos a escala genómica siguiendo la metodología antes mencionada. Para la validación de los resultados se compararon 9 modelos metabólicos de organismos publicados en la literatura con los modelos generados por COPABI siguiendo los criterios probabilísticos al 10 % y al 100%. Se midieron indicadores como: cantidad de reacciones, cantidad de metabolitos, cantidad de pares de metabolitos conectados entre sí, porcentaje de reacciones reversibles e irreversibles, entre otros. Además, se utilizaron algoritmos estándar que permitieron calcular el promedio de la ruta más corta entre los nodos de la red y la conectividad de los mismos. Los resultados de la comparación entre los dos modelos automáticos generados por COPABI y el modelo utilizado de la literatura muestran la tendencia de la distribución siguiendo una ley de potencia y la similitud entre los modelos. Una vez más se demuestra la efectividad de la metodología implementada para la reconstrucción de modelos metabólicos a escala genómica. Por último, se procedió a evaluar la semejanza entre dos modelos metabólicos a partir de un criterio que permite diferenciar ambas redes. Los resultados obtenidos de la comparación de 6 modelos metabólicos de diferentes organismos, demuestran la consistencia de los modelos reconstruidos automáticamente. Los algoritmos probabilísticos desarrollados permitirán acelerar el proceso de reconstrucción de modelos metabólicos a escala genómica a un período de pocos días, dando paso al desarrollo de investigaciones futuras.
