Все живые существа сделаны из углерода и сахара, например. глюкоза, очень распространенный источник этого. Следовательно, большинство клеток хорошо поедают сахара, используя ферменты для их переваривания посредством ряда химических реакций, которые превращают исходный сахар в различные клеточные компоненты, включая аминокислоты, строительные блоки ДНК и жиры. Поскольку они помогают эффективно протекать реакциям метаболизма сахара, ферменты называют биокатализаторами.

Учитывая, насколько важны все ферменты для самой жизни, ученые создали несколько математических моделей, которые описывают, как клетки используют ферменты для превращения сахара. Такие модели были успешно использованы, например, для улучшения производства биотоплива 2-го поколения или для определения целей лекарств от малярии, но они не учитывают метаболическую «стоимость» производства ферментов, которые катализируют все эти химические реакции.

Учет этого явления, называемого «экспрессия», является ключом к описанию многих других явлений, включая ферментацию пива и рост раковых клеток. Но все это в первую очередь зависит от точного моделирования механизмов выражения.

Теперь профессор Василий Хатзиманикатис из EPFL и Пьер Сальви, аспирант в своей лаборатории, разработали математическую модель, которая может эффективно моделировать экспрессию ферментов в живых клетках, а также связанные с этим метаболические издержки. Модель называется ETFL для «потока выражения и термодинамики», и ее точность основана на учете биохимии и термодинамики – набора физико-химических законов, которые описывают, как энергия течет в системах. Комбинируя это с математическими инструментами из области оптимизации, исследователи смогли значительно повысить точность предсказаний модели.

«Эта интеграция метаболизма, экспрессии и термодинамики является первой в своем роде и в 10–100 раз быстрее, чем предыдущие современные модели, которые не имеют термодинамики», – говорит Салви.

Чтобы еще больше повысить свою предсказательную силу, модель ETFL была разработана для учета широкого спектра измерений, выполненных в огромном поле «омиков», которое измеряет характеристики клеток, такие как экспрессия генов, профили белков и т. Д.

Наш алгоритм может быть использован для улучшения производства биохимических продуктов или для точного прогнозирования метаболизма раковых клеток. Это также может открыть дверь для применения в персонализированной медицине. "

Пьер Салви, аспирант EPFL