Reducción de Modelos a Escala Genómica usando la Red Metabólica y Transcriptómica
4 pages, 2 figures.-- III CEA symposium of the Groups: Control Engineering – Modelling, Simulation and Optimization. 10-12 April, 2024, Vigo, Spain
Saved in:
Main Authors: | , , , , , |
---|---|
Other Authors: | |
Format: | capítulo de libro biblioteca |
Language: | Spanish / Castilian |
Published: |
CSIC - Instituto de Investigaciones Marinas (IIM)
2024
|
Subjects: | Genome-Scale model, Omic data integration, Transcriptomics, Systems biology, Bioinformatics, Modelo a Escala Genómica, Integración de datosómicos, Transcriptómica, Biología de Sistemas, Bioinformática, |
Online Access: | http://hdl.handle.net/10261/355996 http://dx.doi.org/10.13039/501100000780 http://dx.doi.org/10.13039/501100010801 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
id |
dig-iata-es-10261-355996 |
---|---|
record_format |
koha |
institution |
IATA ES |
collection |
DSpace |
country |
España |
countrycode |
ES |
component |
Bibliográfico |
access |
En linea |
databasecode |
dig-iata-es |
tag |
biblioteca |
region |
Europa del Sur |
libraryname |
Biblioteca del IATA España |
language |
Spanish / Castilian |
topic |
Genome-Scale model Omic data integration Transcriptomics Systems biology Bioinformatics Modelo a Escala Genómica Integración de datosómicos Transcriptómica Biología de Sistemas Bioinformática Genome-Scale model Omic data integration Transcriptomics Systems biology Bioinformatics Modelo a Escala Genómica Integración de datosómicos Transcriptómica Biología de Sistemas Bioinformática |
spellingShingle |
Genome-Scale model Omic data integration Transcriptomics Systems biology Bioinformatics Modelo a Escala Genómica Integración de datosómicos Transcriptómica Biología de Sistemas Bioinformática Genome-Scale model Omic data integration Transcriptomics Systems biology Bioinformatics Modelo a Escala Genómica Integración de datosómicos Transcriptómica Biología de Sistemas Bioinformática Troitiño, Diego Mansouri, A. Minebois, Romain Querol, Amparo Remondini, D. Balsa-Canto, Eva Reducción de Modelos a Escala Genómica usando la Red Metabólica y Transcriptómica |
description |
4 pages, 2 figures.-- III CEA symposium of the Groups: Control Engineering – Modelling, Simulation and Optimization. 10-12 April, 2024, Vigo, Spain |
author2 |
European Commission |
author_facet |
European Commission Troitiño, Diego Mansouri, A. Minebois, Romain Querol, Amparo Remondini, D. Balsa-Canto, Eva |
format |
capítulo de libro |
topic_facet |
Genome-Scale model Omic data integration Transcriptomics Systems biology Bioinformatics Modelo a Escala Genómica Integración de datosómicos Transcriptómica Biología de Sistemas Bioinformática |
author |
Troitiño, Diego Mansouri, A. Minebois, Romain Querol, Amparo Remondini, D. Balsa-Canto, Eva |
author_sort |
Troitiño, Diego |
title |
Reducción de Modelos a Escala Genómica usando la Red Metabólica y Transcriptómica |
title_short |
Reducción de Modelos a Escala Genómica usando la Red Metabólica y Transcriptómica |
title_full |
Reducción de Modelos a Escala Genómica usando la Red Metabólica y Transcriptómica |
title_fullStr |
Reducción de Modelos a Escala Genómica usando la Red Metabólica y Transcriptómica |
title_full_unstemmed |
Reducción de Modelos a Escala Genómica usando la Red Metabólica y Transcriptómica |
title_sort |
reducción de modelos a escala genómica usando la red metabólica y transcriptómica |
publisher |
CSIC - Instituto de Investigaciones Marinas (IIM) |
publishDate |
2024 |
url |
http://hdl.handle.net/10261/355996 http://dx.doi.org/10.13039/501100000780 http://dx.doi.org/10.13039/501100010801 |
work_keys_str_mv |
AT troitinodiego reducciondemodelosaescalagenomicausandolaredmetabolicaytranscriptomica AT mansouria reducciondemodelosaescalagenomicausandolaredmetabolicaytranscriptomica AT mineboisromain reducciondemodelosaescalagenomicausandolaredmetabolicaytranscriptomica AT querolamparo reducciondemodelosaescalagenomicausandolaredmetabolicaytranscriptomica AT remondinid reducciondemodelosaescalagenomicausandolaredmetabolicaytranscriptomica AT balsacantoeva reducciondemodelosaescalagenomicausandolaredmetabolicaytranscriptomica AT troitinodiego reducinggenomescalemodelsusingmetabolicnetworkandtranscriptomics AT mansouria reducinggenomescalemodelsusingmetabolicnetworkandtranscriptomics AT mineboisromain reducinggenomescalemodelsusingmetabolicnetworkandtranscriptomics AT querolamparo reducinggenomescalemodelsusingmetabolicnetworkandtranscriptomics AT remondinid reducinggenomescalemodelsusingmetabolicnetworkandtranscriptomics AT balsacantoeva reducinggenomescalemodelsusingmetabolicnetworkandtranscriptomics |
_version_ |
1802820560991813632 |
spelling |
dig-iata-es-10261-3559962024-05-06T11:52:02Z Reducción de Modelos a Escala Genómica usando la Red Metabólica y Transcriptómica Reducing Genome-Scale Models using Metabolic Network and Transcriptomics Troitiño, Diego Mansouri, A. Minebois, Romain Querol, Amparo Remondini, D. Balsa-Canto, Eva European Commission Ministerio de Ciencia, Innovación y Universidades (España) Xunta de Galicia Genome-Scale model Omic data integration Transcriptomics Systems biology Bioinformatics Modelo a Escala Genómica Integración de datosómicos Transcriptómica Biología de Sistemas Bioinformática 4 pages, 2 figures.-- III CEA symposium of the Groups: Control Engineering – Modelling, Simulation and Optimization. 10-12 April, 2024, Vigo, Spain [EN] A Genomic Scale Model (GEM) is a mathematical representation of the metabolism of a given organism based on biochemical, genomic and physiological information. GEMs aim to include all reactions encoded by genes in addition to transport reactions between the medium and the cell or between compartments. Thus, they are based on a metabolic reconstruction and the associated stoichiometric matrix, making it possible to define a set of linear equations on metabolic fluxes. However, the number of equations is lower than the number of fluxes to be estimated, leaving us with an underdetermined system. It is, therefore, convenient to find formulas that allow us to reduce the solution space. In this work, we propose a new method to reduce the model by integrating metabolic network topology information and transcriptomic data (gene activation). The method consists of a heuristic that combines influence coefficients of the network nodes and transcriptomic data to define which reactions are active in a specific environmental context. To illustrate the potential of the method, the case of yeast fermentation is considered and the results of this method are compared with those obtained by standard alternatives based solely on the use of transcriptomics. The proposed method has several advantages over the alternatives: it has better predictive capabilities, and its use can be generalised to dynamic processes [ES] Un Modelo a Escala Genómica (GEM) es una representación matemática del metabolismo de un organismo basada en información bioquímica, genómica y fisiológica. Estos modelos tienen por objetivo incluir todas las reacciones codificadas por genes además de las reacciones de transporte entre el medio y la célula o entre compartimentos. Se basan pues en una reconstrucción metabólica y la matriz estequiométrica asociada, lo que permite definir un conjunto de ecuaciones lineales sobre los flujos metabólicos. Sin embargo, el número de ecuaciones es inferior al número de flujos a estimar lo que nos deja con un sistema indeterminado. Resulta, pues, conveniente encontrar fórmulas que nos permitan restringir el espacio de soluciones. En este trabajo se propone un nuevo método que permite reducir el modelo integrando información de topología de la red metabólica y datos transcriptómicos (activación génica). El método consiste en una heurística que combinando coeficientes de influencia de los nodos de la red y datos de transcriptómica permite definir qu´e reacciones están activas en un contexto ambiental específico. Para ilustrar la potencialidad del método, se considera el caso de fermentación de levaduras y se comparan los resultados de este método con los obtenidos por alternativas estándar basadas únicamente en el uso de transcriptómica. El método propuesto resulta en varias ventajas sobre las alternativas: tiene mejores capacidades predictivas, y su uso puede generalizarse a procesos dinámicos Este trabajo ha sido realizado gracias al apoyo de e-MUSE MSCA-ITN-2020 European Training Network under the MarieSklodowska-Curie Grant Agreement No. 956126; MCIU/AEI/-FEDER, UE grants: PID2021-126380OB-C31 & PID2021-126380OB-C32, y al GAIN–Xunta de Galicia Grant IN607B 2023/04. D.T-J. esá financiado mediante una Axuda de Apoio á Etapa Predoutoral GAIN–Xunta de Galicia IN606A-2021/037) No 2024-05-06T11:50:30Z 2024-05-06T11:50:30Z 2024 capítulo de libro comunicación de congreso http://purl.org/coar/resource_type/c_3248 http://purl.org/coar/resource_type/c_5794 Actas del III Simposio Conjunto de los Grupos Temáticos de CEA: 74-77 (2024) 978-84-09-61199-7 http://hdl.handle.net/10261/355996 http://dx.doi.org/10.13039/501100000780 http://dx.doi.org/10.13039/501100010801 es #PLACEHOLDER_PARENT_METADATA_VALUE# #PLACEHOLDER_PARENT_METADATA_VALUE# info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2021-2023/PID2021-126380OB-C31/ES/OPTIMIZACION DE FERMENTACIONES VINICAS SOSTENIBLES A TRAVES DE APROXIMACIONES INNOVADORAS: BIODIVERSIDAD DE LEVADURAS./ info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2021-2023/PID2021-126380OB-C32/ES/OPTIMIZACION DE FERMENTACIONES VINICAS SOSTENIBLES A TRAVES DE APROXIMACIONES INNOVADORAS: DISEÑO BASADO EN MODELOS/ Publisher's version Sí open CSIC - Instituto de Investigaciones Marinas (IIM) |