Beräkningsmodeller förutsäger kända biomarkörer för ärftliga metabola sjukdomar

Vi är alla unika. Vår hälsa bestäms av våra inneboende genetiska skillnader i kombination med vår livsstil och de miljöer vi lever i.

Denna unika identitet innebär att en "one size fits all" -metod inte längre accepteras som det bästa sättet att hantera vår individuella hälsa. Det finns en efterfrågan på nya "personliga" metoder för att bättre hantera vår hälsa och rikta in sig på terapier för att uppnå optimala hälsoutfall.

Genom att kombinera och analysera information om vårt genom, med annan klinisk och diagnostisk information, mönster kan identifieras som kan hjälpa till att bestämma vår individuella risk att utveckla sjukdom, upptäcka sjukdom tidigare och bestämma de mest effektiva insatserna för att förbättra hälsan, vare sig det är mediciner, livsstilsval, eller till och med enkla kostförändringar.

Forskare, ledd av prof Ines Thiele, en huvudutredare vid APC Microbiome Ireland SFI Research Center, som är baserad vid National University of Ireland, Galway, har utvecklat helkroppsberäkningsmodeller - Harvey och Harvetta.

Dessa virtuella människor representerar hela kroppens metabolism, fysiologi, kost och tarmmikrobiom. Dessa nya modeller förutsäger framgångsrikt kända biomarkörer för ärftliga metabola sjukdomar och möjliggör utforskning av potentiella metaboliska interaktioner mellan människor och deras tarmmikrobiomer på en personlig nivå.

Precision, eller personlig, medicin kräver realistiska, mekanistiska beräkningsmodeller som fångar komplexiteten hos människan som representerar varje individs fysiologi, matvanor, metabolism och mikrobiomer. Molekylärbiologi har gett stor inblick i 'listan över delar' för mänskliga celler, men det är fortfarande utmanande att integrera dessa delar i en virtuell hel människokropp.

Projektet Virtual Human Physiome har genererat omfattande beräkningsmodeller om mänskliga organs anatomi och fysiologi men har ännu inte kopplats till molekylära processer och deras underliggande gener av nätverk, proteiner, och biokemiska reaktioner.

Prof Thieles team tacklade denna utmaning att utveckla den första helkroppen, könsspecifik, orgelupplösta beräkningsmodeller för mänsklig metabolism, som mekaniskt kopplar anatomi och fysiologi till metaboliska processer på molekylär nivå. Deras studie publiceras idag i den prestigefyllda tidskriften Molecular Systems Biology.

Harvey och Harvetta är virtuella manliga och kvinnliga mänskliga metaboliska modeller, respektive, byggd på litteratur och data om mänsklig metabolism, anatomi och fysiologi samt biokemisk, metabolomiska och proteomiska data.

De är anatomiskt sammankopplade som metaboliska modeller i hela kroppen, består av mer än 80, 000 biokemiska reaktioner fördelade på 26 organ och 6 typer av blodkroppar. Dessutom, de kan utökas till att inkludera tarmmikrobiell metabolism. Dessa unika modeller möjliggör generering av personliga metaboliska modeller för hela kroppen med hjälp av individens fysiologiska, genomisk, biokemiska data och mikrobiomdata.

Metabolism i hela kroppen

Att skapa personliga metaboliska modeller för hela kroppen är ett tvärvetenskapligt arbete. Utvecklingen av helkroppsmetoder för ämnesomsättning krävde utveckling av nya algoritmer och programvara för begränsningsbaserad modellering av högdimensionella biokemiska nätverk.

En helkroppsmodell genereras genom att börja med en uppsättning anatomiskt sammankopplade generiska rekonstruktioner av mänsklig metabolism. "

Ronan Fleming, Studera medförfattare och biträdande professor, Leiden Academic Center for Drug Research, Leidens universitet

"Denna utkastmodell hade över 300 tusen dimensioner, som sedan parades ner till cirka 80 tusen organspecifika reaktioner med hjälp av effektiva algoritmer och högpresterande datoranläggningar. "

"Harvey och Harvetta kommer att inleda en ny era för forskning om orsakssamband mellan värd-mikrobiom och kraftigt påskynda utvecklingen av riktade kost- och mikrobiella interventionsstrategier", säger professor Ines Thiele, som leder forskningen.

"Dessa modeller kan påskynda insikter om vägar som är involverade i könsspecifik sjukdomutveckling och progression. Dessutom, tack vare förmågan att anpassa hela kroppens metaboliska modeller med kliniska, fysiologisk, och omics -data, de utgör ett viktigt steg mot personlig, prediktiv modellering av kost- och läkemedelsinterventioner och läkemedelstoxicitet, som ligger i hjärtat av precisionsmedicin. "

• Ny inblick i hur parenterala oljeemulsioner förhindrar leversjukdom hos prematura barn
• Forskare hittar samband mellan stroke-relaterad hjärnblodkärl abnormitet och tarmbakterier