人體新陳代謝圖

這幅圖像是到目前為止最為精確的人體代謝圖，它能夠用來研究各種與代謝有關的疾病。 該研究提供了迄今最全面的人類代謝網路模型，可幫助分析和預測測試人類細胞的生理和生化特性。 儘管這是一幅到目前為止最為複雜的人體代謝網路圖，但也並非人體代謝圖像的完整版本。

簡介

2013年3月，一支國際生物工程師小組描繪了一幅人體新陳代謝的“谷歌地圖”，它比之前的代謝圖像包含更多的反應途徑和更強的“預測能力”。這幅圖像是到目前為止最為精確的人體代謝圖，它能夠用來研究各種與代謝有關的疾病。
研究人員利用“Recon 2”捕獲了大部分已知的細胞外代謝產物，生成了65個不同人類細胞類型特異性模型，繪製出了2,600多種酶和1,052種酶複合物的藥物作用地圖。該研究提供

了迄今最全面的人類代謝網路模型，可幫助分析和預測測試人類細胞的生理和生化特性。

特點

這幅被稱為“偵查2”的代謝圖像是早期版本“偵查1”的升級版，其中所包含的生化反應的數量是前者的兩倍。來自加州大學聖地亞哥分校的生物工程師Bernhard Palsson說：“‘偵查2’允許生物醫學研究人員以更加精確的方式研究人體的新陳代謝網路。這對於理解哪條代謝路徑出現問題而導致疾病來說非常重要。”Palsson把“偵查2”比喻為生物化學中的“谷歌地圖”，正如谷歌能夠把錯綜複雜的數據整合到一張能進行互動的地圖上一樣，這幅新陳代謝的圖像也允許使用者對某個細節生化反應進行放大和縮小。有了這幅圖像，就好像知道了一座城市中所有汽車的坐標。在實際使用方面，類似的代謝圖像能夠幫助生物學家提高酵母中乙醇的產量和預測大腸桿菌等微生物對藥物的抵抗能力。

套用

這幅新的人體代謝圖像最主要的套用是：預測特殊藥物對與癌細胞生長有關的代謝途徑的影響，並進行虛擬實驗找到可行的治療方法。儘管這是一幅到目前為止最為複雜的人體代謝網路圖，但也並非人體代謝圖像的完整版本。實際上，“偵查2”僅僅覆蓋了十分之一的人體基因編碼的蛋白質。
“Recon 2”可多尺度表現人類代謝網路，從而為研究人員提供了重要的供其評估的數據內容。科學家已成功證實了這樣的模型在研究如酵母和大腸桿菌等簡單生物中的功用。因此，他們能夠在實驗室操縱這些生物體，提高乙醇生產效率，預測細菌耐藥性。
該網路重建最具前途的套用之一就是能夠鑑別特異的基因表達，以及靶向藥物傳遞的代謝途徑。從現有藥物或正在開發中的藥物中提取出分子來處理人類細胞，大型基因表達資料庫將適應於這一研究。例如，“Recon 2”可使研究人員能夠利用這一現有的基因表達數據，以及對完整代謝網路的認識，來推測某些藥物對於促進癌細胞生長的特異代謝信號通路的影響及機制。他們隨後能夠開展虛擬實驗觀察這類藥物是否能夠修復致病性代謝失衡。
這一模型將最小的分子尺度與全細胞水平連線到一起。它包含了超過8,000個分子種類和7,000個化學反應。沒有任何一個研究人員單獨可以完成這一工作。它表明這樣的大型協作，以及利用開放標準和共享數據資源，對於系統生物學至關重要。