JP2008510485A - 微生物産生系の再設計法 - Google Patents
微生物産生系の再設計法 Download PDFInfo
- Publication number
- JP2008510485A JP2008510485A JP2007529791A JP2007529791A JP2008510485A JP 2008510485 A JP2008510485 A JP 2008510485A JP 2007529791 A JP2007529791 A JP 2007529791A JP 2007529791 A JP2007529791 A JP 2007529791A JP 2008510485 A JP2008510485 A JP 2008510485A
- Authority
- JP
- Japan
- Prior art keywords
- production
- reactions
- reaction
- computer
- pathway
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Bioethics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Preparation Of Compounds By Using Micro-Organisms (AREA)
Abstract
Description
システム生物学の基本的な目標は、生体系内の世界にアクセス可能な生体内変化の完全な「パレット(palette)」を解明することである。この目標は、拡大し続ける一連の所望の生体内変化を達成する能力を有する微生物株を構築しようとするバイオテクノロジーにおける継続的な探求目標と平行してある。これらの生体内変化は、単純な前駆化学物質(Nakamura & Whited, 2003、Causey et al., 2004)又はカロテノイドなどの複雑な分子(Misawa et al., 1991)から、生物燃料電池(Liu et al., 2004)又はバッテリー(Bond et al., 2002、Bond et al., 2003)内の電子、及びバイオレメディエーション応用において重金属錯体を沈殿させる能力を有する微生物(Methe et al., 2003、Lovley, 2003、Finneran et al., 2002)に至るまでの生成物に照準を定めている。分子生物学及び組換えDNA技術における最近の進展は、産生微生物株の遺伝子内容及び発現レベルを、直接に、またそれを標的として形にすることができる新しい時代を先導した(Bailey, 1991、Stephanopoulos & Sinskey, 1993)。新しく獲得されたこれらの能力の驚くべき範囲及び多様性、ならびにバイオテクノロジー分野の応用範囲は、株最適化プロジェクトのための最適な遺伝子改変セットを演繹的に識別するためのモデル化及び計算支援が今までにもまして必要であることを暗示している。
取り組んだ最初の課題は、所望の生体内変化を可能にするために、特定の生物の代謝ネットワーク(例えばE.coli(Reed et al., 2003、Edwards & Palsson, 2000)、S. cerevisiae(Forster et al., 2003)、C. acetobutylicum(Desai et al., 1999、Papoutsakis, 1984)など)にどの機能を追加すべきかを識別する体系的な計算フレームワークの開発である。本発明の発明者らは、ずっと小規模ながら、この目標にすでに貢献した(Burgard & Maranas, 2001)。編纂されたデータベースのサイズが極めて大きく、また、時に相反する複数の目的を同時に満たす必要があることから、本発明者らは、図1に示されたOptStrain手順を開発した。それぞれのステップは、解く必要がある最適化問題の特定の構造及びサイズに起因する異なる計算上の課題を導入する。
微生物株最適化の計算結果は、水素及びバニリンの産生に集中する。本開示の恩恵に浴する当業者は、本発明が、本発明を単に例示するにすぎないこれらの特定の生体工学目的に限定されるものではないことを理解するであろう。この水素産生ケーススタディは、最適な産生環境を特定するために複数の基質及び微生物宿主を調べることの重要性、ならびに競合機能を排除する必要性を強調する。対照的に、バニリンケーススタディでは、非ネイティブ反応の最小数を識別することが、株設計の主要な課題であることが示される。メチロトローフMethylobacterium extorquens AM1の代謝経路(Van Dien & Lindstrom, 2002)及びKEGG反応データベース(Kanehisa et al., 2004)を一緒にプールすることによって、両方の例に対して共通の反応データベースを、(ステップ1で)概説されたとおりに構築した。
効率的な微生物水素産生戦略は、水素を高い速度で形成する能力を有する最適な基質及び微生物株を選択することを要求する。最初に、本発明者らは、水素、酸素、窒素、イオウ、リン及び炭素に関してバランスの取れたカタログ化された全ての反応(約3,000反応)を組換え候補として使用して、最大収率LP公式(ステップ2)を解いた。OptStrainは、ペントース及びヘキソース、酢酸、乳酸、リンゴ酸、グリセリン、ピルビン酸、コハク酸、メタノールなどのさまざまな基質の選択を考慮したことに留意されたい。メタノール基質に対して得られた最も高い水素収率は、消費基質1gあたり0.126gであった。メタノールの水素と炭素の比は最大4対1なので、これは、驚くべきことではない。相対的に効率的ないくつかの基質の収率の比較を図2に示す。本発明者らは、メタノールの高い収率及びグルコースの使用に伴う有利なコストを動機として、メタノールとグルコースをさらに調べることとした。
MILPフレームワーク(ステップ3で説明)は、基質としてグルコースを使用すると、E.coliは、水素産生のために、非ネイティブ機能を必要としないことを正しく検証した。興味深いことに、水素産生は、陽子を還元して水素を形成するフェレドキシンヒドロゲナーゼ反応(E.C.#1.12.7.2)、又はNADHをNAD+に変換し、陽子会合によって水素を形成する水素デヒドロゲナーゼ反応(E.C.#1.12.1.2)によって可能であった。続いて、E.coli化学量論モデル(Reed et al., 2003)について、最大水素形成の上限及び下限を、好気的条件と嫌気的条件の両方で、ベースグルコース取込み速度10mmol/gDW/hrで、バイオマス形成速度(すなわち増殖速度)の関数として、調べた(図3参照)。注目すべきことに、水素の最大理論収率は好気的条件下のほうが高い。しかし、最大増殖速度で水素が形成され、増殖と結びついた産生モードに至るのは嫌気的条件下だけである(図3の点A参照)。なお、水素産生は、嫌気的条件下でギ酸を水素と二酸化炭素に変換するギ酸水素リアーゼ反応によって起こり、これは現在の実験観察(Nandi & Sengupta., 1998)と一致している。
豊富な文献が、クロストリジウム属の生物を天然の水素産生系として識別している(Nandi & Sengupta, 1998、Katakoka et al., 1997、Chin et al., 2003、Das & Veziroglu, 2001)。フェレドキシンヒドロゲナーゼ(E.C.#1.12.7.2)による陽子の水素への還元が、主たる関連反応である。驚くことではないが、本発明者らは、OptStrain(ステップ3)を使用して、グルコースを基質として使用したClostridium acetobutylicumの水素産生には非ネイティブ反応が必要ない(Papoutsakis & Meyer, 1985)ことを検証した。次に本発明者らは、OptKnockフレームワークを使用して競合機能を賢明に除去することによって、E.coliの場合と同様に、水素産生を高めることができるかどうかを調べた。この目的に、本発明者らは、Papoutsakis及びその共同研究者によって開発されたClostridium acetobutylicumの化学量論モデル(Desai et al., 1999、Papoutsakis, 1984)を使用した。OptKnockは、酢酸形成反応及び酪酸輸送反応の欠失を提案した。
本発明者らは次に、基質をグルコースからメタノールに代え、メタノールを唯一の炭素及びエネルギー源として生存する(Van Dien & Lidstrom, 2002)通性メチロトローフ、Methylobacterium extorquens AM1の水素産生を調べた。この生物は十分に研究されており(Anthony, 1982、Chistoserdova et al., 2004、Chistoserdova et al., 1998、Korotkova et al., 2002、Van Dien et al., 2003)、最近になって、その中心代謝の化学量論モデルが発表された(Van Dien & Lidstrom, 2002)。OptStrainのステップ3を使用して、本発明者らは、水素産生を可能にするためには、M. extorquensの代謝ネットワークに反応を1つ導入すればよいことを識別した。2つの候補は、陽子を水素に還元するヒドロゲナーゼ(E.C.#1.12.7.2)、あるいは以下の変換を触媒するN5,N10-メテニルテトラヒドロメタノプテリンヒドロゲナーゼである。
メチロトローフの中心代謝経路は、Van Dien & Lidstrom, 2002に抜粋されているように、E.coli及びクロストリジウム属の嫌気性菌には見られるヒドロゲナーゼなどの、陽子を水素に変換する反応を含まないため、追加の反応の必要性が予想される。したがって、本発明者らの知識の及ぶ限りにおいて、Pseudomonas AMI、P. methylica(Nandi & Sengupta, 1998)などのメチロトローフを使用して水素産生を達成した者はいないことは驚くべきことではない。識別された反応の追加は、生成された陽子を水素に変換する機構の欠如を指摘することによって、この結果に対するもっともらしい説明を提供する。
バニリンは重要な香味及び香気分子である。貯蔵バニラ莢からのその低い収率が、バイオテクノロジーによってバニラを生産する研究に動機を与えた。このケーススタディでは、E.coliでグルコースからバニリンをデノボ(de novo)生産する代謝ネットワーク再設計戦略を識別する。本発明者らは最初に、OptStrainを使用し、水素を除く全ての元素に関してバランスの取れた約4,000の候補反応についてLP最適化問題を解くことによって、グルコースからのバニリンの最大理論収率を、0.63g/gグルコースと決定した(ステップ2)。本発明者らは次に、最大収率を達成するために必要な経路をE.coliに与えるためにE.coliに組み込まなければならない非ネイティブ反応の最小数を3と識別した(ステップ3)。収率と組み込む反応の最小化の両方の最適化基準を満たす、補因子の使用だけが異なる多数の代替経路を識別した。例えば、そのような1つの経路は、以下の3つの非ネイティブ反応を使用する:
(i) E.C.#1.2.1.46: ギ酸+NADH+H+⇔ホルムアルデヒド+NAD++H2O、
(ii) E.C.#1.2.3.12: 3,4-ジヒドロキシ安息香酸(又はプロトカテク酸)+NAD++ H2O+ホルムアルデヒド⇔バニリン酸+O2+NADH、及び
(iii) E.C.#12.1.67: バニリン酸+NADH+H+⇔バニリン+NAD++H2O
興味深いことに、これらのステップは本質的に、Li and Frost(1998)よる実験的研究において、組換えE.coli細胞内でグルコースをバニリンに変換するために使用されたステップと同じであり、このことは、この計算手順によって実際に、適当な操作戦略を発見できることを証明している。しかし、報告された実験による収率0.15g/gグルコースは、ネットワークの最大理論収率(すなわち0.63g/gグルコース)からはほど遠く、向上の余地が相当にあることを示していることに留意されたい。
き、そのときにPEP分子を消費する。したがって、フルクトース-6-リン酸アルドラーゼの除去は、バニリン合成のために必要なF6PとPEPの両方の利用を防ぐ。さらに、ネットワークの驚くべきフラックスの再分配は、1炭素代謝の一群の反応を使用して、10-ホルミルテトラヒドロ葉酸を形成し、これは続いてホルムアルデヒドに変換される。
本発明のOptStrainフレームワークは、小分子だけでなく複雑な分子を過剰産生させるために、微生物系のゲノムスケール代謝ネットワーク全体を体系的に再構成することを目的とする。本発明者らは、これまでに、さまざまな宿主(すなわちE.coli、C. acetobutylicum、M. extorquens)を使用して、いくつかの異なる生成物(例えば1,3-プロパンジオール、イノシトール、ピルビン酸、電子伝達など)を調べた。上で論じた2つのケーススタディ、水素及びバニリンは、OptStrainが、株の再設計に関連した範囲の課題に対処することができることを示している。同時に、OptStrainフレームワークを用いて得られる結果の妥当性(validity)及び適合性(relevance)は、検討される反応データベース及び微生物代謝モデルの完全性(completeness)及び正確さ(accuracy)のレベルに左右されることを強調することは重要である。本発明者らは、特に水素原子に関してバランスが取れていない反応、及び本発明者らが利用した反応データベースの曖昧な反応方向性の多数の例を識別した。本発明者らの全てのケーススタディでは、それに先立ってダウンロードされた反応の慎重なキュレーションを実施した。炭素に関する反応のバランサビリティを復元することができなかったときはいつでも、その反応を考慮から除外した。本発明者らは、反応データベースの試験及び検証用の自動化ツール(Segre et al., 2003)が使用可能になるにつれて、このステップにかかる時間がより短くなるものと予想している。微生物モデルの代謝経路の純粋に化学量論的な表現は、動力学的障壁(kinetic barrier)及び調節的相互作用(例えばアロステリック制御)を考慮しないことによって、非現実的なフラックス分配につながる可能性がある。これを緩和するため、本発明は、ブール制約条件の形態の調節性情報(Covert & Palsson, 2002)をE.coliの化学量論モデルに組み込むこと、及び必要に応じて動力学的表現(kinetic expression)を使用する(Castellanos et al. 2004、Tomita et al., 1999、Varner & Ramkrishna, 1999)ことを企図する。さらに、本発明は、OptKnockを使用して、反応の欠失だけでなく、さまざまな主要反応ステップのアップ又はダウンレギュレーションをも考慮することを企図する。これらの単純化にもかかわらず、OptStrainはすでに、多くのケースで、微生物宿主再設計に対する有用な洞察を提供しており、より重要には、OptStrainは、将来のモデル化の改良に開いた統合フレームワークを初めて確立した。
OptStrain手順を使用することによって生成物収率の向上を可能にする微生物代謝ネットワークの再設計は、複数のタイプの最適化問題の解を必要とする。最初の最適化作業(ステップ2)は、代謝産物の集合N={1,...,N}及び反応の集合M={1,...,M}からなる代謝ネットワークにおける所望の生成物の最大収率を決定することを含む。基質の集合Rから(集合Nの中の)特定の生成物Pへの重量ベースの収率を最大にするための線形計画(LP)問題は、下式によって公式化される。
ゲノムスケールで、したがって体系的に単細胞生物の代謝を調べることができることは、株操作戦略を識別することを目的とする新規の計算法の必要性に動機を与える。本発明は、E.coliでの特定の化合物の過剰産生につながる遺伝子欠失戦略を提案するOptKnockと呼ばれる計算フレームワークを含む。これは、代謝ネットワークの接続性を「形にする」ことにより所望の化学物質の産生が増殖の必須の副生物になることを保証することによって達成される。言い換えると、OptKnockは、細胞増殖を化学的産生から分離する能力を有する代謝反応を識別し、続いてこれを欠失させる。この計算手順は、Palsson及びその共同研究者のin silico E.coliモデル(Edwards & Palsson, 2000)の中に要約されたE.coli代謝ネットワーク全体を同時に考慮することによって、直接的なノックアウト戦略だけでなく、非直感的なノックアウト戦略をも識別するように設計される。このネットワークの複雑さ及び組み込まれた冗長性(例えばこのE.coliモデルは720の反応を包含する)は、候補遺伝子ノックアウト戦略の組合せ的爆発(combinatorial explosion)と戦うために、体系的で効率的な探索法を必要とする。
グルコース基質によって活性化される代謝産物の集合N={1,...,N}及び代謝反応の集合M={1,...,M}を含む定常状態代謝ネットワークに対する総反応フラックスとして定量化される細胞目的の最大化は、数学的には以下のように表現される。
コハク酸及び乳酸産生
それらがある場合に、E.coli K-12 化学量論モデル(Edwards & Nissen, 2000)から除去して、バイオマス最大化がフラックス配分のよい記述子であるときにはいつでも残りのネットワークがコハク酸又は乳酸を産生するようにすることができる反応を識別した。予め指定された量のグルコース(10mmol/gDW/hr)、ならびに無機リン酸塩、酸素、硫酸塩及びアンモニアの制約のない取込み経路を提供して、代謝ネットワークを活性化する。この最適化ステップは、グルコースの取込みのためにホスホトランスフェラーゼ系又はグルコキナーゼ、あるいはその両方の機構を選ぶことができる。酢酸、二酸化炭素、エタノール、ギ酸、乳酸及びコハク酸の分泌経路も使用可能にされる。グルコース取込み速度は固定なので、バイオマス及び生成物収率はそれぞれ、バイオマス及び生成物産生速度と本質的に等しいことに留意されたい。全てのケースで、OptKnock手順は酸素摂取反応を排除し、現在のコハク酸(Zeikus et al., 1999)及び乳酸(Datta et al., 1995)発酵性産生戦略と矛盾しない嫌気的増殖条件を指示した。
1,3-プロパンジオール(PDO)産生
最適な遺伝子ノックアウト戦略を案出することに加えて、OptKnockを使用して、E.coliにおけるPDO産生など、遺伝子の欠失とともに遺伝子の追加が必要な株を設計した。微生物1,3-プロパンジオール(PDO)産生法は、グリセリンを主たる炭素源として利用してすでに開発されているが(Hartlep et al., 2002、Zhu et al., 2002)、単一の微生物でのグルコースからの1,3-プロパンジオールの直接産生は最近、かなりの関心を集めている(Cameron et al., 1998、Biebl et al., 1999、Zeng & Biebl, 2002)。野生型E.coliは、PDO産生に必要な経路を欠いているため、最初に遺伝子追加フレームワークを使用して(Burgard and Maranas, 2001)、E.coliでグルコースからPDOを産生するために必要な追加の反応を識別した。この遺伝子追加フレームワークは、グリセリンホスファターゼによるグリセリン-3Pのグリセリンへの変換、及びその後のグリセリンデヒドラターゼ及び1,3-プロパンジオールオキシドレダクターゼによるグリセリンの1,3-プロパンジオールへの変換を含む、直接的な3反応径路を識別した。次いでこれらの反応をE.coli化学量論モデルに追加し、続いてOptKnock手順を適用した。
代替細胞目的:代謝調整の最小化
上述の結果は全て、フラックス配分を駆動する細胞目的としてバイオマス収率の最大化を生じさせることによって得られたものである。この仮説は、本質的に、変化する環境条件下でバイオマス収率の最大化を維持するために、代謝ネットワークは任意に変化することができ、かつ/又は調節ループを配線し直すことさえできると仮定する(最大応答)。最近の証拠は、これが時に、複数回の増殖選択サイクルの後に、E.coliのK-12株によって達成されることを示唆している(Ibarra et al., 2002)。このセクションでは、遺伝子欠失後の代謝ネットワークによる近視眼的な(最小)応答を仮定した対照的な仮説(すなわち代謝調整の最小化(MOMA)(Segre et al., 2002))を検討した。具体的には、MOMA仮説は、代謝ネットワークが、遺伝子欠失によっては到達できないその系の本来の定常状態のできるだけ近くにとどまろうとすることを示唆する。この仮説は、遺伝子欠失事象の直後のフラックス配分をより正確に記述することが示された(Segre et al., 2002)。この研究では、MOMA目的を利用して、OptKnockによって識別される突然変異株におけるフラックス分配を予測した。乳酸及びコハク酸シミュレーションに対するベースケースは、嫌気的条件下の最大バイオマス形成であると仮定され、PDOシミュレーションに対するベースケースは、好気的条件下の最大バイオマス形成であった。結果は、表1の最後の列に示されている。全てのケースで、提案された複数の遺伝子ノックアウト戦略は、MOMAケースの化学的産生収率が、最大バイオマス仮説に比べてわずかに低いだけであることを示唆している。これは、OptKnock結果が、細胞目的の選択に関してかなりロバストであることを暗示する。
本発明の背景を照らし出し、又は実施に関する追加の詳細を提供する刊行物及び明細書において使用された他の資料は、それらの全体が参照によって本明細書に組み込まれる。本発明は、生物の変異、細胞目的の変異、生体工学目的の変異、形成される最適化問題及び使用される解のタイプの変異を含む、多数の変異を企図する。これらの変異、修正又は変更及び/あるいはその他の変異、修正又は変更は、添付の請求項に記載された本発明の趣旨及び範囲から逸脱することなく実施することができる。
Anthony, C. (1982) The Biochemistry of Methylotrophs (Academic Press.)
Arita, M. (2000) Simulation Practice and Theory 8, 109-125.
Arita, M. (2004) Proc Natl Acad Sci U S A 101, 1543-7.
Badarinarayana, V., Estep, P.W., 3rd, Shendure, J., Edwards, J., Tavazoie, S., Lam, F., Church, G.M. (2001) Nat Biotechnol 19(11): 1060-5.
Bailey, J. E. (1991) Science 252, 1668-75.
Bailey, J. E. (2001) Nat Biotechnol 19, 503-4.
Bard, J. F. 1998. Practical bilevel optimization : algorithms and applications. Dordrecht ; Boston, Kluwer Academic.
Biebl, H., Menzel, K., Zeng, A.P., Deckwer, W.D. (1999) Appl Environ Microbiol 52: 289-297.
Bond, D. R. & Lovley, D. R. (2003) Appl Environ Microbiol 69, 1548-55.
Bond, D. R., Holmes, D. E., Tender, L. M. & Lovley, D. R. (2002) Science 295, 483-5.
Brown, M. (1999) Perl programmer's reference (Osborne/McGraw-Hill, Berkeley, Calif.).
Burgard, A. P. & Maranas, C. D. (2001) Biotechnol Bioeng 74, 364-375.
Burgard, A. P., Pharkya, P. & Maranas, C. D. (2003) Biotechnol Bioeng 84, 647-57.
Burgard, A. P., Maranas, C. D. (2003) Biotechnol Bioeng 82(6): 670-7.
Burgard, A. P., Vaidyaraman, S., Maranas, C. D. (2001) Biotechnol Prog 17: 791-797.
Cameron, D. C., Altaras, N. E., Hoffman, M. L., Shaw, A. J. (1998) Biotechnol Prog 14(1): 116-25.
Castellanos, M., Wilson, D. B. & Shuler, M. L. (2004) Proc Natl Acad Sci U S A 101, 6681-6.
Causey, T. B., Shanmugam, K. T., Yomano, L. P. & Ingram, L. O. (2004) Proc Natl Acad Sci U S A 101, 2235-40.
Chin, H. L., Chen, Z. S. & Chou, C. P. (2003) Biotechnol Prog 19, 383-8.
Chistoserdova, L., Laukel, M., Portais, J. C., Vorholt, J. A. & Lidstrom, M. E. (2004) J Bacteriol 186, 22-8.
Chistoserdova, L., Vorholt, J. A., Thauer, R. K. & Lidstrom, M. E. (1998) Science 281, 99-102.
Compagno, C., Boschi, F., Ranzi, B. M. (1996) Biotechnol Prog 12(5): 591-5.
Covert, M.W., Palsson, B.O. (2002) J Biol Chem 277(31): 28058-64.
Covert, M.W., Schilling, C.H., & Palsson, B.O. (2001) J Theor Biol 213(1): 73-88.
Das, D. & Veziroglu, T. N. (2001) International Journal of Hydrogen Energy 26, 13-28.
Datta, R., Tsai, S., Bonsignore, P., Moon, S., Frank, J. R. (1995) FEMS Microbiol. Rev. 16: 221-231.
David, H., Akesson, M. & Nielsen, J. (2003) Eur J Biochem 270, 4243-53.
Desai, R. P., Nielsen, L. K. & Papoutsakis, E. T. (1999) J Biotechnol 71, 191-205.
Edwards, J. S. & Palsson, B. O. (2000) Proc Natl Acad Sci U S A 97, 5528-33.
Edwards, J. S., Ibarra, R. U., Palsson, B. O. (2001) Nat Biotechnol 19(2): 125-30.
Edwards, J. S., Palsson, B. O. (2000) Proc Natl Acad Sci U S A 97(10): 5528-33.
Ellis, L. B., Hou, B. K., Kang, W. & Wackett, L. P. (2003) Nucleic Acids Res 31, 262-5.
Eppstein, D. (1994) in 35th IEEE Symp. Foundations of Comp. Sci, Santa Fe), pp. 154-165.
Fan, L. T., Bertok, B. & Friedler, F. (2002) Comput Chem 26, 265-92.
Finneran, K. T., Housewright, M. E. & Lovley, D. R. (2002) Environ Microbiol 4, 510-6.
Forster, J., Famili, I., Fu, P. C., Palsson, B., Nielsen, J. (2003) Genome Research 13(2): 244-253.
Forster, J., Famili, I., Fu, P., Palsson, B. O. & Nielsen, J. (2003) Genome Res 13, 244-53.
Gupta, S., Clark, D. P. (1989) J Bacteriol 171(7): 3650-5.
Hartlep, M., Hussmann, W., Prayitno, N., Meynial-Salles, I., Zeng, A. P. (2002) Appl Microbiol Biotechnol 60(1-2): 60-6.
Hatzimanikatis, V., Emmerling, M., Sauer, U., Bailey, J. E. (1998) Biotechnol Bioeng 58(2-3): 154-61.
Hatzimanikatis, V., Li, C., Ionita, J. A. & Broadbelt, L. J. (2003) presented at Biochemical Engineering XIII Conference, Session 2, Boulder, CO.
Heinrich, R., Rapoport, T. A. (1974) Eur. J. Biochem. 41: 89-95.
Hugler, M., Menendez, C., Schagger, H., Fuchs, G. (2002) J Bacteriol 184(9): 2404-10.
Ibarra, R. U., Edwards, J. S., Palsson, B. O. (2002) Nature 420(6912): 186-9.
Ignizio, J.P., Cavalier, T.M. 1994. Linear programming. Englewood Cliffs, N.J., Prentice Hall.
Kacser, H., Burns, J. A. (1973). Symp. Soc. Exp. Biol. 27: 65-104.
Kanehisa, M., Goto, S., Kawashima, S., Okuno, Y. & Hattori, M. (2004) Nucleic Acids Res 32 Database issue, D277-80.
Karp, P. D., Riley, M., Saier, M., Paulsen, I. T., Collado-Vides, J., Paley, S. M., Pellegrini-Toole, A., Bonavides, C. & Gama-Castro, S. (2002) Nucleic Acids Res 30, 56-8.
Kataoka, N., Miya, A. & Kiriyama, K. (1997) Wat. Sci. Tech. 36, 41-47.
Kompala, D. S., Ramkrishna, D., Tsao, G. T. (1984) Biotechnol Bioeng 26(11): 1272-1281.
Korotkova, N., Chistoserdova, L. & Lidstrom, M. E. (2002) J Bacteriol 184, 6174-81.
Krieger, C. J., Zhang, P., Mueller, L. A., Wang, A., Paley, S., Arnaud, M., Pick, J., Rhee, S. Y. & Karp, P. D. (2004) Nucleic Acids Res 32 Database issue, D438-42.
Li, K. & Frost, J. W. (1998) Journal of American Chemical Society 120, 10545-10546.
Liu, H., Ramnarayanan, R. & Logan, B. E. (2004) Environmental Sceince and Technology 38, 2281-2285.
Lovley, D. R. (2003) Nat Rev Microbiol 1, 35-44.
Majewski, R.A., Domach, M. M. (1990) Biotechnol Bioeng 35: 732-738.
Mavrovouniotis, M., Stephanopoulos, G. & Stephanopoulos, G. (1990) Biotechnol Bioeng 36, 1119-1132.
McShan, D. C., Rao, S. & Shah, I. (2003) Bioinformatics 19, 1692-8.
Menendez, C., Bauer, Z., Huber, H., Gad'on, N., Stetter, K.O., Fuchs, G. (1999) J Bacteriol 181(4): 1088-98.
Methe, B. A., Nelson, K. E., Eisen, J. A., Paulsen, I. T., Nelson, W., Heidelberg, J. F., Wu, D., Wu, M., Ward, N., Beanan, M. J., et al. (2003) Science 302, 1967-9.
Misawa, N., Yamano, S. & Ikenaga, H. (1991) Appl Environ Microbiol 57, 1847-9.
Nakamura, C. E. & Whited, G. M. (2003) Curr Opin Biotechnol 14, 454-9.
Nakamura, C.E. 2002. Production of 1,3-Propanediol by E. coli. presented at Metab Eng IV Conf: Tuscany, Italy.
Nandi, R. & Sengupta, S. (1996) Enzyme and microbial tehcnology 19, 20-25.
Nandi, R. & Sengupta, S. (1998) Crit Rev Microbiol 24, 61-84.
Neidhardt, F.C., Curtiss, R. 1996. Escherichia coli and Salmonella : cellular and molecular biology. Washington, D.C., ASM Press.
Overbeek, R., Larsen, N., Pusch, G. D., D'Souza, M., Selkov, E., Jr., Kyrpides, N., Fonstein, M., Maltsev, N. & Selkov, E. (2000) Nucleic Acids Res 28, 123-5.
Papin, J.A., Price, N.D., Wiback, S.J., Fell, D.A., Palsson, B. 2003. Metabolic Pathways in the Post-Genome Era. Trends Biochem Sci, accepted.
Papoutsakis, E. & Meyer, C. (1985) Biotechnol Bioeng 27, 50-66.
Papoutsakis, E. (1984) Biotechnol Bioeng 26, 174-187.
Pharkya, P., Burgard, A. P. & Maranas, C. D. (2003) Biotechnol Bioeng 84, 887-99.
Price, N.D., Papin, J. A., Schilling, C.H., Palsson, B. 2003. Genome-scale Microbial In Silico Models: The Constraints-Based Approach. Trends Biotechnol, accepted.
Ramakrishna, R., Edwards, J. S., McCulloch, A., Palsson, B. O. (2001) Am J Physiol Regul Integr Comp Physiol 280(3): R695-704.
Ramakrishna, R., Ramakrishna, D., Konopka, A. E. (1996). Biotechnol Bioeng 52: 141-151.
Reed, J. L., Vo, T. D., Schilling, C. H. & Palsson, B. O. (2003) Genome Biol 4, R54.
Schilling, C. H., Covert, M. W., Famili, I., Church, G. M., Edwards, J. S. & Palsson, B. O. (2002) J Bacteriol 184, 4582-93.
Schilling, C. H., Covert, M. W., Famili, I., Church, G. M., Edwards, J. S., Palsson, B. O. (2002) J Bacteriol 184(16): 4582-93.
Schilling, C. H., Palsson, B. O. (2000) J Theor Biol 203(3): 249-83.
Segre, D., Vitkup, D., Church, G. M. (2002) Proc Natl Acad Sci U S A 99(23): 15112-7.
Segre, D., Zucker, J., Katz, J., Lin, X., D'Haeseleer, P., Rindone, W. P., Kharchenko, P., Nguyen, D. H., Wright, M. A. & Church, G. M. (2003) Omics 7, 301-16.
Selkov, E., Jr., Grechkin, Y., Mikhailova, N. & Selkov, E. (1998) Nucleic Acids Res 26, 43-5.
Seressiotis, A. & Bailey, J. E. (1988) Biotechnol Bioeng 31, 587-602.
Stephanopoulos, G., Aristidou, A. A., Nielsen, J. 1998. Metabolic engineering : principles and methodologies. San Diego, Academic Press.
Stephanopoulos, G. & Sinskey, A. J. (1993) Trends Biotechnol 11, 392-6.
Stols, L., Donnelly, M. I. (1997) Appl Environ Microbiol 63(7): 2695-701.
Tomita, M., Hashimoto, K., Takahashi, K., Shimizu, T. S., Matsuzaki, Y., Miyoshi, F., Saito, K., Tanida, S., Yugi, K., Venter, J. C., et al. (1999) Bioinformatics 15, 72-84.
Valdes, J., Veloso, F., Jedlicki, E. & Holmes, D. (2003) BMC Genomics 4, 51.
Van Dien, S. J. & Lidstrom, M. E. (2002) Biotechnol Bioeng 78, 296-312.
Van Dien, S. J., Strovas, T. & Lidstrom, M. E. (2003) Biotechnol Bioeng 84, 45-55.
Varma, A., Boesch, B. W., Palsson, B. O. (1993) Appl Environ Microbiol 59(8): 2465-73.
Varma, A, Palsson, B. O. (1993) J. Theor. Biol. 165: 503-522.
Varma, A. & Palsson, B. O. (1994) Bio/Technology 12, 994-998.
Varner, J., Ramkrishna, D. (1999) Biotechnol Prog 15(3): 407-25.
Varner, J. & Ramkrishna, D. (1999) Curr Opin Biotechnol 10, 146-150.
Zeikus, J. G., Jain, M. K., Elankovan, P. (1999) Appl Microbiol Biotechnol 51: 545-552.
Zeng, A. P., Biebl, H. (2002) Adv Biochem Eng Biotechnol 74: 239-59.
Zhu, M. M., Lawman, P. D., Cameron, D. C. (2002) Biotechnol Prog 18(4): 694-9.
Claims (14)
- 宿主内での所望の生体内変化を可能にするため生物特異的な代謝ネットワークに追加する機能を識別するためのコンピュータ援用法であって、
ユニバーサルデータベースの反応にアクセスして、化学量論的バランスを提供するステップと、
前記産生宿主内のいくつかの非ネイティブ機能を最小化する少なくとも1つの化学量論的にバランスの取れた経路を、少なくとも部分的に前記反応及び基質に基づいて識別するステップと、前記少なくとも1つの化学量論的にバランスの取れた経路を前記宿主に組み込んで、前記所望の生体内変化を提供するステップと
を含むコンピュータ援用法。 - 前記少なくとも1つの化学量論的にバランスの取れた経路を識別する前記ステップが、最適化問題を解くステップを含む、請求項1記載のコンピュータ援用法。
- 前記最適化問題が、少なくとも1つの細胞目的を生体工学目的に結びつけることによって形成される、請求項2記載のコンピュータ援用法。
- 産生宿主内での所望の生体内変化を可能にするため生物特異的な代謝ネットワークに追加する機能を識別するためのコンピュータ援用法であって、
ユニバーサルデータベースの反応にアクセスし、これら反応を化学量論的にバランスを取らせるステップと、
基質に関連した生成物の最大理論収率を計算するステップと、
前記産生宿主内のいくつかの非ネイティブ機能を最小化する少なくとも1つの化学量論的にバランスの取れた経路を、前記反応、前記基質及び前記生成物の前記最大理論収率に基づいて識別するステップと、
前記少なくとも1つの化学量論的にバランスの取れた経路を前記産生宿主に組み込んで、前記所望の生体内変化を提供するステップと
を含むコンピュータ援用法。 - 前記少なくとも1つの化学量論的にバランスの取れた経路を識別する前記ステップが、最適化問題を解くステップを含む、請求項4記載のコンピュータ援用法。
- 前記最適化問題が線形計画問題である、請求項5記載のコンピュータ援用法。
- 前記最適化問題が混合整数最適化問題である、請求項5記載のコンピュータ援用法。
- 前記最適化問題が2層最適化問題である、請求項5記載のコンピュータ援用法。
- 前記最適化問題が、少なくとも1つの細胞目的を生体工学目的に結びつける、請求項5記載のコンピュータ援用法。
- 前記所望の生体内変化を含むように変更された前記生物特異的な代謝ネットワークを記憶するステップをさらに含む、請求項1記載のコンピュータ援用法。
- 産生宿主の所望の生体内変化を可能にするために機能が追加された生物特異的な代謝ネットワークに基づく変更された代謝ネットワークの記憶された表現であって、複数の代謝経路を含み、前記複数の代謝経路が、(a)ユニバーサルデータベースの反応にアクセスして化学量論的バランスを提供し、(b)基質に関連した生成物の最大理論収率を計算し、(c)前記産生宿主内のいくつかの非ネイティブ機能を最小化する少なくとも1つの化学量論的にバランスの取れた経路を、前記反応、前記基質及び前記生成物の前記最大理論収率に基づいて識別し、(d)前記少なくとも1つの化学量論的にバランスの取れた経路を前記産生宿主に組み込んで、前記所望の生体内変化を提供することによって形成された、少なくとも1つの化学量論的にバランスの取れた経路を含む、記憶された表現。
- 記憶装置に記憶された、請求項11記載の記憶された表現。
- 信号に記憶された、請求項11記載の記憶された表現。
- 生体工学によって操作された生物に記憶された、請求項11記載の記憶された表現。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2004/027614 WO2006025817A1 (en) | 2004-08-26 | 2004-08-26 | Method for redesign of microbial production systems |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011264256A Division JP2012104129A (ja) | 2011-12-02 | 2011-12-02 | 微生物産生系の再設計法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008510485A true JP2008510485A (ja) | 2008-04-10 |
Family
ID=36000353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007529791A Pending JP2008510485A (ja) | 2004-08-26 | 2004-08-26 | 微生物産生系の再設計法 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP1782061A4 (ja) |
JP (1) | JP2008510485A (ja) |
AU (1) | AU2004322970B2 (ja) |
CA (1) | CA2578028A1 (ja) |
WO (1) | WO2006025817A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014150747A (ja) * | 2013-02-06 | 2014-08-25 | Sekisui Chem Co Ltd | 変異微生物、並びに、コハク酸の生産方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MX336229B (es) * | 2010-05-05 | 2016-01-08 | Genomatica Inc | Microorganismos y metodos para la biosintesis de butadieno. |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002070730A2 (en) * | 2001-03-01 | 2002-09-12 | The Regents Of The University Of California | Models and methods for determining systemic properties of regulated reaction networks |
US20020142321A1 (en) * | 2001-01-31 | 2002-10-03 | Palsson Bernhard O. | Method for the evolutionary design of biochemical reaction networks |
US20020168654A1 (en) * | 2001-01-10 | 2002-11-14 | Maranas Costas D. | Method and system for modeling cellular metabolism |
WO2004035009A2 (en) * | 2002-10-15 | 2004-04-29 | The Regents Of The University Of California | Methods and systems to identify operational reaction pathways |
JP2005034149A (ja) * | 2003-06-30 | 2005-02-10 | Ajinomoto Co Inc | 同位体で標識された基質を用いた細胞内代謝フラックスの解析方法 |
JP2005275794A (ja) * | 2004-03-24 | 2005-10-06 | Ntt Data Corp | 情報間関係性解析装置、情報間関係性解析方法、プログラムおよび記録媒体 |
-
2004
- 2004-08-26 AU AU2004322970A patent/AU2004322970B2/en not_active Ceased
- 2004-08-26 CA CA002578028A patent/CA2578028A1/en not_active Abandoned
- 2004-08-26 WO PCT/US2004/027614 patent/WO2006025817A1/en active Application Filing
- 2004-08-26 EP EP04782168A patent/EP1782061A4/en not_active Withdrawn
- 2004-08-26 JP JP2007529791A patent/JP2008510485A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020168654A1 (en) * | 2001-01-10 | 2002-11-14 | Maranas Costas D. | Method and system for modeling cellular metabolism |
US20020142321A1 (en) * | 2001-01-31 | 2002-10-03 | Palsson Bernhard O. | Method for the evolutionary design of biochemical reaction networks |
WO2002070730A2 (en) * | 2001-03-01 | 2002-09-12 | The Regents Of The University Of California | Models and methods for determining systemic properties of regulated reaction networks |
WO2004035009A2 (en) * | 2002-10-15 | 2004-04-29 | The Regents Of The University Of California | Methods and systems to identify operational reaction pathways |
JP2005034149A (ja) * | 2003-06-30 | 2005-02-10 | Ajinomoto Co Inc | 同位体で標識された基質を用いた細胞内代謝フラックスの解析方法 |
JP2005275794A (ja) * | 2004-03-24 | 2005-10-06 | Ntt Data Corp | 情報間関係性解析装置、情報間関係性解析方法、プログラムおよび記録媒体 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014150747A (ja) * | 2013-02-06 | 2014-08-25 | Sekisui Chem Co Ltd | 変異微生物、並びに、コハク酸の生産方法 |
Also Published As
Publication number | Publication date |
---|---|
AU2004322970B2 (en) | 2010-04-01 |
CA2578028A1 (en) | 2006-03-09 |
EP1782061A1 (en) | 2007-05-09 |
WO2006025817A1 (en) | 2006-03-09 |
AU2004322970A1 (en) | 2006-03-09 |
EP1782061A4 (en) | 2009-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8108152B2 (en) | Method for redesign of microbial production systems | |
US8457941B2 (en) | Method for determining gene knockouts | |
Li et al. | Deep learning-based k cat prediction enables improved enzyme-constrained model reconstruction | |
Burgard et al. | Optknock: a bilevel programming framework for identifying gene knockout strategies for microbial strain optimization | |
Zomorrodi et al. | Mathematical optimization applications in metabolic networks | |
Reed et al. | Thirteen years of building constraint-based in silico models of Escherichia coli | |
Francke et al. | Reconstructing the metabolic network of a bacterium from its genome | |
Reed et al. | Genome-scale in silico models of E. coli have multiple equivalent phenotypic states: assessment of correlated reaction subsets that comprise network states | |
Kim et al. | Large-scale bi-level strain design approaches and mixed-integer programming solution techniques | |
Hamilton et al. | Identification of functional differences in metabolic networks using comparative genomics and constraint-based models | |
Costa et al. | Kinetic modeling of cell metabolism for microbial production | |
Haggart et al. | Whole-genome metabolic network reconstruction and constraint-based modeling⋆ | |
Watanabe et al. | Exploration and evaluation of machine learning-based models for predicting enzymatic reactions | |
US7869957B2 (en) | Methods and systems to identify operational reaction pathways | |
Breitling et al. | Modeling challenges in the synthetic biology of secondary metabolism | |
Maertens et al. | Modeling with a view to target identification in metabolic engineering: a critical evaluation of the available tools | |
JP2008510485A (ja) | 微生物産生系の再設計法 | |
JP2012104129A (ja) | 微生物産生系の再設計法 | |
Orth | Systems biology analysis of Escherichia coli for discovery and metabolic engineering | |
Krishnakumar et al. | SHARP: genome-scale identification of gene–protein–reaction associations in cyanobacteria | |
Ullah et al. | PreProPath: An uncertainty-aware algorithm for identifying predictable profitable pathways in biochemical networks | |
Matos | Mass Action Stoichiometric Simulation for Cell Factory Design | |
Oyetunde | Decoding Complexity in Metabolic Networks using Integrated Mechanistic and Machine Learning Approaches | |
Lopes | Accelerating metabolic engineering tasks by the in silico development of yeast cell factories | |
Gotama | Reconstruction of linlog kinetics combining constraint-based and bayesian methodologies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100302 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20100527 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20100603 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100902 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20110802 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20111202 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20120111 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20120202 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20120316 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20140130 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20140204 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20140917 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20140922 |