A Dynamic Constraint-Based Modelling Approach of Cell Metabolism

La modélisation métabolique mathématique est une approche systématique pour déterminer les principales causes d'un changement métabolique observé dans un biosystème, et estimer les implications d'une perturbation métabolique induite. En fournissant des informations mécanistiquement pertinentes au niveau des systèmes sur un réseau de bioréactions, la modélisation dynamique basée sur les contraintes (DCBM) s'est révélée prometteuse en ingénierie métabolique et pour la conception de bioprocédés. Aussi, nous avons d'abord dressé l'état de l'art en approches de modélisation du métabolisme de cellules eucaryotes, sous la forme d'une revue. Nous avons, par la suite, développé une approche DCBM qui utilise une boîte à outils mathématique d'optimisation convexe et de régression non linéaire pour estimer les distributions dynamiques des flux métaboliques intracellulaires dans deux biosystèmes : dans un premier temps les globules rouges stockés comme élément critique pour la médecine transfusionnelle, et dans un deuxième temps, des cellules de l'ovaire de hamster chinois (CHO), lignée cellulaire en tant que principal organisme hôte pour produire des produits biopharmaceutiques recombinant par culture cellulaire. Nous avons créé un réseau métabolique ad hoc comportant 77 réactions et 74 métabolites pour les globules rouges. Nous avons acquis une dynamique de flux à grain fin des processus intracellulaires. Ensuite, pour une analyse dynamique de l'équilibre des flux (DFBA), nous avons créé quatre fonctions objectives liées à l'accumulation de stress oxydatif dans les globules rouges stockés. Des prédictions de flux résolues dans le temps ont été obtenues dans les quatre situations tout en respectant les exigences d'égalité et d'inégalité requises. Enfin, pour calculer la distance euclidienne entre les vecteurs de flux optimaux dynamiques, nous avons utilisé une approche de programmation quadratique (QP). L'approche DCBM que nous avons créée ici, couplée au réseau métabolique que nous avons développé, s'est avérée adaptée à l'analyse informatique du comportement métabolique des globules rouges, et on s'attend à ce qu'elle soit bénéfique pour d'autres biosystèmes. De plus, en raison de la complexité inhérente des cellules eucaryotes, l'optimisation de la dynamique de croissance cellulaire et de la bio-production à partir de cultures de cellules de mammifères est une tâche complexe au niveau cellulaire. En conséquence, les approches expérimentales heuristiques en l'ingénierie métabolique des organismes hôtes sont fréquemment complétées par des modèles mathématiques de culture cellulaire afin d'améliorer l'efficacité des bioprocédés et d'identifier les causes des améliorations connues. En utilisant la stoechiométrie des bilans de masse du réseau, les modèles métaboliques structurés sont capables de représenter avec précision la complexité d'un réseau métabolique. Les modèles métaboliques basés sur les contraintes ont progressé au cours des vi deux dernières décennies, passant de leur utilisation pour fournir une description linéaire des systèmes métaboliques à l'état d'équilibre, à la modélisation de la dynamique des systèmes non linéaires dans une formulation de problème d'optimisation résolue dans le temps ou dynamique. Cependant, bon nombre de ces approches échouent lorsqu'elles sont testées dans un contexte autre que celui pour lequel elles ont été développées, en raison d'un grand nombre d'hypothèses formulées au cours du processus de développement du modèle, ainsi que de diverses normes de modélisation utilisées par différents groupes de recherche, tous visant à révéler la complexité inhérente des réseaux métaboliques. Nous avons suivi les normes établies par la communauté telles que dans la reconstruction de réseaux et leur analyse basées sur les contraintes (COBRA). La plateforme COBRA in silico a été utilisée pour proposer une technique de modélisation dynamique basée sur les contraintes (gDCBM) à l'échelle du génome, et a permis de fournir la dynamique résolue dans le temps d'un réseau métabolique structuré pour le métabolisme des cellules CHO. Nous avons amélioré le réseau métabolique à l'aide d'un modèle métabolique de référence à l'échelle du génome (GSMM) de CHO, à savoir iCHO DG44 v1, puis imposé des contraintes dynamiques sur ses flux de transport à l'aide de données métabolomiques générées en interne. Pour anticiper les changements physiologiques dans les variants clonaux de CHO, nous avons utilisé cette technique gDCBM. Le modèle peut prédire les flux intracellulaires de manière continue et résolue dans le temps (par heure de temps de culture) pendant la croissance et vers le changement métabolique de non-croissance, a été confirmé en prédisant les concentrations en métabolites extracellulaires, y compris les acides aminés, ainsi que leur dynamique dans le temps. En conséquence, nous pouvons générer des hypothèses d'intervention et étudier les effets d'altération in silico avant ou en plus des expériences de culture cellulaire, qui sont chronophages et coûteuses. Le modèle est également utilisé pour décrire les altérations métaboliques globales entre les lignées cellulaires parentales et productrices élevées dans une autre application. Nous avons démontré que l'approche de modélisation établie peut être utilisée pour étendre ou réduire le réseau métabolique de manière systématique.