贝叶斯代谢通量分析揭示胞内通量耦合
机器学习
2018-04-19 v1 机器学习
摘要
代谢通量平衡分析是分析与测量值、稳态以及代谢反应网络化学计量相容的代谢反应速率的标准工具。由于将问题表述为线性规划模型的便利性，通量分析方法通常对通量施加不切实际的假设，且大多数方法忽略了通量估计中的显著不确定性。我们引入了一种贝叶斯代谢通量分析的新范式，以概率术语对全基因组规模细胞系统的反应进行建模，并能够基于交换通量和胞内（例如13C）通量测量、稳态假设和目标函数假设，推断全基因组规模代谢系统的完整通量向量分布。贝叶斯模型在一个简单的截断多元后验分布中将所有通量联合耦合在一起，从而揭示了有信息量的通量耦合。我们的模型是通量平衡分析（FBA）等传统代谢平衡方法的直接替代品。我们的实验表明，我们可以表征全基因组规模的通量协方差，揭示通量耦合，并在C. acetobutylicum中从13C数据中确定比通量可变性分析更多的胞内未观测通量。兼容COBRA的软件可在github.com/markusheinonen/bamfa获取。
引用
@article{arxiv.1804.06673,
title = {Bayesian Metabolic Flux Analysis reveals intracellular flux couplings},
author = {Markus Heinonen and Maria Osmala and Henrik Mannerström and Janne Wallenius and Samuel Kaski and Juho Rousu and Harri Lähdesmäki},
journal= {arXiv preprint arXiv:1804.06673},
year = {2018}
}
备注
8 pages