211service.com
Modello umano completato
I ricercatori dell'Università della California, San Diego, hanno costruito il primo modello computerizzato completo del metabolismo umano. Disponibile gratuitamente su ragnatela , il modello è un importante passo avanti nel nascente campo della biologia dei sistemi e aiuterà i ricercatori a scoprire nuovi percorsi farmacologici ea comprendere le basi molecolari del cancro e di altre malattie.
I ricercatori dell'Università della California, San Diego, hanno costruito il primo modello computerizzato completo del metabolismo umano. Hanno usato il modello per creare questa mappa, un'analisi degli effetti metabolici dell'intervento di bypass gastrico dopo un anno.
Il metabolismo è la somma di tutte le reazioni chimiche coinvolte nella scomposizione dei nutrienti negli alimenti in energia e nel loro utilizzo come materie prime per produrre tutto ciò di cui il corpo ha bisogno, dagli ormoni come l'insulina ai lipidi che compongono le membrane cellulari. Il modello computerizzato del metabolismo, costruito dai ricercatori nel laboratorio di Bernhard Palsson , professore di bioingegneria, collega tutte queste reazioni chimiche conosciute nel corpo a ogni gene umano.
Modelli simili di metabolismo in microbi come lievito e E. coli –inclusi diversi prodotti dal laboratorio di Palsson– stanno consentendo ai ricercatori di progettare organismi che producono in modo più efficiente prodotti come l'etanolo e i farmaci antimalarici. (Vedi Guardare l'evoluzione dei batteri in laboratorio e i microbi ingegnerizzati aumentano l'etanolo.) Ma, dice Aviv Regev , un biologo computazionale presso il Broad Institute, a Cambridge, MA, un modello di alta qualità del metabolismo negli esseri umani è stato sfuggente.
Il nuovo modello include ogni gene noto e ogni reazione metabolica scoperta dal gruppo di Palsson in un'ampia ricerca nella letteratura scientifica. Un dato gene nel database è associato al suo prodotto proteico, che potrebbe essere associato a una serie di reazioni metaboliche, che sono associate ad altre reazioni, che sono associate a input nutrizionali come il glucosio e la produzione di energia o un prodotto come la melatonina. Palsson chiama il modello una rappresentazione matematica di tutti questi dati. Il database online sarà aggiornato continuamente.
Regev afferma che una delle applicazioni più promettenti del modello è come impalcatura su cui proiettare dati da studi di profiling dell'espressione genica. Utilizzando i microarray, è ora possibile trovare differenze nell'espressione genica tra, ad esempio, tessuto epatico normale, tessuto epatico canceroso e tessuto epatico diabetico. Tali dati hanno il potenziale per rivelare sia le cause molecolari della malattia che potenziali bersagli farmacologici. Ma in questi studi, dice Regev, i cambiamenti nell'espressione genica sono diffusi in tutto [il genoma].
Utilizzando il modello, i ricercatori possono inserire quali geni sono espressi in un tessuto malato e ottenere come output le vie metaboliche in cui questi geni sono coinvolti, invece di ricercare scrupolosamente nella letteratura scientifica le informazioni un gene alla volta. Ad esempio, nel caso del fegato, il modello potrebbe dire ai ricercatori che un gene sovraespresso nel tessuto epatico canceroso è coinvolto in specifiche reazioni metaboliche, creando particolari prodotti. I ricercatori potrebbero quindi cercare un farmaco che prenda di mira questi percorsi o prodotti. Ci sono cambiamenti metabolici su larga scala nel tessuto canceroso, dice Regev.
James Collins , professore di ingegneria biomedica alla Boston University, ha già iniziato a utilizzare approcci a livello di rete per comprendere il cancro e afferma che utilizzerà il modello di Palsson nella sua ricerca. È possibile osservare i geni espressi in modo differenziale in un paziente con cancro alla prostata, afferma Collins. Tra questi, ci sono percorsi che indicano i processi alla base della malattia? Ci consentirà di filtrare e condensare dati complessi e identificare bersagli farmacologici.
Inoltre, il modello potrebbe aiutare i ricercatori a comprendere e ottimizzare meglio i farmaci esistenti. È difficile capire quali geni sono influenzati indirettamente da un farmaco, afferma Collins. Vuoi sapere cosa stai colpendo per ottenere una migliore chimica, una proprietà intellettuale più forte e comprendere gli effetti collaterali. Palsson sottolinea che poiché la rete può identificare più modi per generare lo stesso risultato, può aiutare le aziende farmaceutiche a trovare composti che hanno gli stessi effetti, alternative alle statine come Lipitor, per esempio, senza violare i brevetti dei loro concorrenti.