文献

J-GLOBAL ID：202002281372368656   整理番号：20A0548994

ゲノム規模代謝モデルのためのネットワーク低減法【JST・京大機械翻訳】

Network reduction methods for genome-scale metabolic models

著者 (3件)： Singh Dipali (Department of Biology and Institute for Computer Science, Heinrich Heine University, Dueesseldorf, Germany) ,  Singh Dipali (Microbes in Food Chain, Quadram Institute Bioscience, Norwich Research Park, Norwich, UK) ,  Lercher Martin J. (Department of Biology and Institute for Computer Science, Heinrich Heine University, Dueesseldorf, Germany)
資料名： Cellular and Molecular Life Sciences  (Cellular and Molecular Life Sciences)
巻： 77  号： 3  ページ： 481-488  発行年： 2020年 
JST資料番号： B0496A  ISSN： 1420-682X  CODEN： CMLSFI  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ゲノムスケール代謝モデル(GSMs)は細胞代謝の包括的表現を提供する。GSMsは細胞遺伝子型と代謝表現型の間の機構的リンクを提供し,したがって,システムレベルでの代謝を分析するために広く使用されている。GSMsは数百または数千の反応から成る。従って,それらはフラックスバランス分析のような計算的に効率的な制約ベースの方法で分析され,それらの範囲と表現型予測精度を制限している。計算的により要求されるが,速度論的および動的モデリングのような潜在的により有益な方法は,現在,小規模または中規模のモデルに限られている。したがって,有意な代謝モジュールを捕捉する小,粗粒モデル表現への大規模代謝モデルの非バイアス化学量論的減少を達成することが望ましい。ここでは,大規模代謝モデル還元に用いられる公表された自動化および半自動化法をレビューした。議論されたトップダウン法は,ユーザ保護表現型のセットを保持する最小ネットワークを提供するが,モデルの代謝と表現型の汎用性を低下させる可能性がある。対照的に,レビューした2つのボトムアップアプローチは,表現型のより偏りのないセットを保持した。同時に,これらの方法はユーザによってGSMの代謝サブシステムへの分割を必要とし,サブシステムの接続とそれらの状態についてそれぞれ強い仮定を作る。Copyright Springer Nature Switzerland AG 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ゲノム ,  速度論 ,  自動化 ,  *ネットワーク ,  中規模 ,  遺伝子型 ,  磁束 ,  バイアス ,  化学量論 ,  表現型 ,  汎用性
準シソーラス用語： ボトムアップ ,  粗粒モデル ,  予測精度 ,  細胞代謝 , 【Automatic Indexing@JST】

著者キーワード (5件)： ゲノム規模の代謝モデル ,  代謝ネットワーク ,  ネットワーク縮小法 ,  フラックスバランス解析 ,  基本磁束モード

分類 (2件)： 生物学的機能  (EB03040U) ,  中枢神経系  (EJ12030F)

タイトルに関連する用語 (4件)： ゲノム ,  規模 ,  代謝 ,  モデル