Biología de sistemas: ¿cómo se pueden llenar los vacíos que existen en las redes metabólicas?

En general, después de encontrar lagunas, lo que puede hacer para llenarlas es utilizar una reconstrucción de referencia e intentar usarla para extraer las reacciones que satisfarán sus reacciones faltantes.

Por ejemplo, digamos que identificó que hay un metabolito “A” que es usado por la reacción “r1” pero que nunca es producido por ninguna otra reacción en la red, por lo que se accede a la reconstrucción de una plantilla y se intenta encontrar la reacción que producirá el metabolito “A” e introducirá esa reacción en tu modelo, si eres capaz de encontrar tal reacción también tendrás que ser MUY cuidadoso de que tanto los reactivos como los productos de esa nueva reacción ya estén presentes y se consuman en tu reconstrucción, si no se enfrenta a un juego interminable de llenar un espacio aquí y abrir uno nuevo allí. En la caja de herramientas de COBRA tienes FASTGAPFILL:

fastGapFill: relleno eficiente de espacios en redes metabólicas.

Y hay otras implementaciones. En nuestro laboratorio estamos a punto de publicar un enfoque desarrollado para R y que utiliza Sybill para esa persona.

A veces no puede encontrar una reacción adecuada para llenar su espacio, por lo que se ve obligado a agregar una reacción falsa, que está anotada en su reconstrucción, una reacción de la que es muy escéptico.

Espero eso ayude.

Las redes metabólicas se construyen a partir de información existente, que se ha recopilado experimentalmente. Para los enlaces faltantes, podría ser necesaria una mayor experimentación o la información podría estar disponible, por ejemplo, en la literatura, pero que aún no se ha utilizado.

Así que podemos optar por procedimientos experimentales adaptados, como métodos enzimáticos / cromatográficos (tradicionales), espectroscopía de masas, análisis de series de tiempo y otras técnicas. Sin embargo, tales experimentos son costosos, especialmente si queremos verificar ciegamente todas las posibles interacciones. Además, tales experimentos se han llevado a cabo en abundancia y el siguiente paso es utilizar los resultados para la reconstrucción y predicción de enlaces perdidos en las redes.

La respuesta es Extracción de datos y minería de textos: para procesar los datos disponibles y asignarlos a las redes. Para las redes gráficas, muchos vinculan algoritmos de predicción (ampliamente divididos como algoritmos de similitud, máxima verosimilitud, algoritmos probabilísticos, etc.) tales como el método vecino común, el coeficiente Jacquard, el algoritmo de ruta más corta, el método de paseo aleatorio, los métodos de estructura jerárquica, etc.