Transcript v - 京都大学
生命情報学/システム生物情報学 (3)
代謝ネットワーク
阿久津 達也
京都大学 化学研究所
バイオインフォマティクスセンター
講義予定(阿久津担当分)
第1回: 生命情報学・システム生物情報学概観
第2回:生体内ネットワークの特徴解析(1)
第3回:生体内ネットワークの特徴解析(2)
スケールフリーネットワーク
代謝ネットワーク
第4回:タンパク質相互作用解析
第5回:遺伝子発現データ解析
本日の講義内容
代謝ネットワーク
ミカエリスメンテン式
代謝流量解析
階層型スケールフリーモデル
代謝ネットワーク
代謝
生体内における化学反応
代謝経路の例
物質代謝:化合物(生体高分子を含む)の合成、分解、
変換
エネルギー代謝:エネルギーの出入りや変換
解糖系:糖を分解してピルビン酸などを生成
TCA回路(クエン酸回路):ピルビン酸などからATPや
NADHを生成
カルビン回路:光合成により糖を生成
多くの代謝反応は酵素(≒タンパク質)により触媒さ
れる
ミカエリス・メンテン式
化学反応の微分方程式による記述例
例:分子Aが1個と分子Bが1個が反応して、分子
ABが1個できる
k1
A +B
AB
分子Xの濃度を[X]とした時の、ABの濃度変化
d [ AB ]
dt
k2
k 1 [ A ][ B ] k 2 [ AB ]
平衡状態におけるABの比率
[ AB ]
[ A ] [ AB ]
[B]
k 2 / k1 [ B ]
( [ AB ] ( k 1 / k 2 )[ A ][ B ])
ヒル式
分子Aが1個と分子Bがn個が反応して、分子
A(nB)が1個できる
A + nB
k1
A(nB)
k2
平衡状態におけるA(nB)の比率
[ A( n B) ]
[ A ] [ A( n B) ]
[B]
K
n
n
[B]
(K
n
n
k 2 / k1 )
ヒル式の様子
[B]
n
K [B]
n
n
K=10の場合
[B]が増えるに従
い1に近づく
n が大きいと、K
の付近で急速に0
から1へと変化
ミカエリス・メンテン式 (1)
基質をS、 酵素をE、 その複合体をES、さらに、ES
から生成物Pができるとする
E+S
k1
k2
ES
k3
基質(S)
E+P
生成物(P)
活性部位
酵素(E)
酵素-基質複合体
(ES)
酵素(E)
ミカエリス・メンテン式 (2)
E+S
d [ ES ]
dt
dt
d [P ]
dt
k2
ES
k3
E+P
d [P ]
k 1 [ E ][ S ] k 2 [ ES ] k 3 [ ES ]
d [ ES ]
E total
k1
0 , E total [ E ] [ ES ] とおくと
( k 2 k 3 )[ ES ]
[ ES ]
k 1 [S ]
dt
k 3 [ ES ]
k 2 k 3 k1[ S ]
[ ES ] より
k 1 [S ]
k 1 k 3 E total [ S ]
d [P ]
k 2 k 3 k 1 [S ]
dt
( V max k 3 E total
V max [ S ]
K m [S ]
K m ( k 2 k 3 ) / k1 )
ミカエリス・メンテン式 (3)
E+S
d [ ES ]
dt
k1
k2
ES
E+P
k 1 [ E ][ S ] k 2 [ ES ] k 3 [ ES ]
k 3 k 1 , k 3 k 2 とすると
よって、
d [P ]
dt
k3
E total
d [P ]
dt
k 3 [ ES ]
k 1 [ S ][ E ] k 2 [ ES ]
1
[ E ] [ ES ] k 2 / k 1
1 [ ES ]
[S ]
k 3 E total [ S ]
d [P ]
k 2 / k 1 [S ]
dt
( V max k 3 E total
V max [ S ]
K s [S ]
K s k 2 / k1 )
代謝流束解析
代謝流束解析(1)
定常状態を対象
化合物の生成量と消費量のバランスを一次式で
表現
v1
v2
v6
X1
v3
X2
v5
X4
X3
v4
代謝流束解析(2)
dX 1
dt
dX
2
v2 v3 v5 v6
3
v3 v4
4
v4 v5
dt
dX 1
dX
dt
2
dX
dt
3
dt
dX
dX
4
0
dt
dt
dX
v1 v 2 v 3
dt
v1
v6
v2
X1
v3
X2
v5
X4
X3
v4
1
0
0
0
1
1
0
0
1
1
0
1
0
1
1
0
0
0
1
1
v1
0 v 2 0
1 v3
0
0 v 4 0
0
0 v 5
v
6
代謝流束解析(3)
解は一意に決まらない
しかし、v1, v6 を指定すれ
ば一意に決定
1
0
0
0
1
1
0
0
1
1
0
1
0
1
1
0
0
0
1
1
v1
0 v 2 0
1 v3
0
0 v 4 0
0
0 v 5
v
6
v1
v6
v2
v2 v6
X1
v3
X2
v5
X4
X3
v4
v 3 v1 v 6
v 4 v1 v 6
v 5 v1 v 6
代謝流束解析(4)
v2, v3, v4, v5 に制約がある場合に、X2の生成量を
最大化したい ⇒ 線形計画問題
maximize
v6
subject to
a 2 v 2 b2
a 3 v 3 b3
a 4 v 4 b4
a 5 v 5 b5
1
0
0
0
1
1
0
0
1
1
0
1
0
1
1
0
0
0
1
1
v1
0 v 2 0
1 v3
0
0 v 4 0
0
0 v 5
v
6
基準モードと極値パスウェイ(1)
代謝流量を基本的な流れの重ね合わせで表現
基準モード
極値パスウェイ
定常状態を維持する流れ
極小数の反応で構成
他のモードの非負係数の線形結合で表わされない基準モードの集合
「どの酵素群を不活性化させれば、特定の化合物を合成不
可能にできるか」やネットワークのロバスト性の解析に有用
v4
A
v3
代謝
ネットワーク
v1
C
v6
B
v2
v5
A
B
C
基準モード
の例
基準モードと極値パスウェイ(2)
M1
A
B
M2
A
C
M3
A
C
B
M4
A
C
B
M1,M2,M3,M4はすべて基準モード
極値パスウェイは M1, M2, M3
B
C
階層型スケールフリーネットワーク
階層型スケールフリーネットワーク
優先的選択法によるスケールフリーネットワーク
クラスター係数の平均値(
実際の代謝ネットワーク
1
n
C )が小さい( O ( n
i
(3 / 4)
))
1 i n
クラスター係数の平均値が大きい
階層的な構造をしていると考えられる
⇒ クラスター係数が大きな階層的スケールフリー
ネットワークの構成法
階層型ネットワークの構成法
再帰的、かつ、決定的(乱数を使わず)に構成
フラクタル的
L角形を使うと
P (k ) k
1 (ln( L 1 ) / ln( L ))
クラスター係数
は定数オーダー
[Ravasz et al, Nature, 2002]
階層型ネットワークの解析
レベル i のハブの次数は
n= 1
i= 1 の ハ ブ
2 2 2 2
2
2
n= 2
i= 2 の ハ ブ
3
i 1
2 2
i
i
ステップ n におけるレベル
i のハブの個数は
n= 3
( 2 / 3)3
i= 2
n= 4
3
ni
ここで、 k 2 とおくと、
i
3
i= 1
n i 1
ni
3 /3
n
よって、 γ
( 実際には
γ 1
ln 3
ln 2
i
3 (k
n
ln 3
ln 2
ln 3
ln 2
binning
)
のため、
)
L+Mモデル
Barabasi のモデルの拡張
2より大きな任意の値にいくらでも近いγを持つネットワ
ークを構成可能
(Barabasi モデルでは γ<2.58 )
1
ln( L M )
ln( L )
(L=2)
(M=2)
L+M モデルの解析
Degree of i - th level node is around
The number
ni
k L ,
i
By letting
ni
( L M ) /( L M )
Thus, we have
(Finally,
i
of i - th level nodes in n - th step is around
(L M )
(L M )
L
n
γ
by binning,
i
( L M ) (k
n
ln ( L M )
ln L
)
ln ( L M )
ln ( L )
γ 1
ln( L M )
ln ( L )
)
1
ln( L M )
ln( L )
Barabasiらの階層モデルの解釈
Barabasi らの階層スケールフリーモデル
⇒ L+Mモデルにおける M=1 の場合に相当
1
ln( L M )
ln( L )
1
ln( L 1)
ln( L )
1
ln( 3 )
2 . 58
ln( 2 )
L=3, M=1
まとめ
代謝
ミカエリス・メンテン式
d [P ]
酵素反応による生成物の生成速度
dt
V max [ S ]
K m [S ]
代謝流束解析
生体内における化学反応
基質と生成物のバランスを一次式で表現
基準モード、極値パスウェイ
階層型スケールフリーネットワーク
クラスター係数が大きなスケールフリーネットワーク
再帰的構成法
[参考文献:江口至洋著:細胞のシステム生物学、共立出版、2008]