KSBB Journal

The Korean Society for Biotechnology and Bioengineering (한국생물공학회)
권호 표지

Quantitative Relationship Analysis of Bacterial Metabolic Network using ARACNE

ARACNE를 이용한 미생물 Metabolic network의 기능적 연관성 분석

  • Nguyen, Thuy Vu An (School of Chemical Engineering & Bioengineering, University of Ulsan) ;
  • Hong, Soon-Ho (School of Chemical Engineering & Bioengineering, University of Ulsan)
  • ;
  • 홍순호 (울산대학교 생명화학공학부)
  • Published : 2009.06.29
Download PDF
⟨ Previous Next ⟩

Abstract

Metabolic network is composed of more than thousands of metabolic reactions. Therefore, understanding of metabolic behavior of microorganisms is required to engineer metabolism of microorganisms. In this paper, we employed ARACNE (Algorithm for the Reconstruction of Accurate Cellular Networks) to quantify relationships among metabolic subpathways. The results showed that ARACNE analysis can give new insight into the study of bacterial metabolism.

최근 미생물을 이용하여 기존에 화학산업을 통하여 생산되어지던 여러 화학물질 혹은 대사산물을 생산하려는 연구가 활발히 이루어지고 있다. 이러한 연구를 통하여 미생물의 대사특성을 개량하기 위하여는, 미생물의 대사 특성을 분석하는 연구가 일차적으로 수행되어져야 한다. 본 연구에서는 대사network간의 기능적 연관성을 분석하기 위하여 transcriptome 연구에 주로 활용되던 ARACNE 기법이 활용되었다. 특정 대사 subpathway들이 미생물 균주들 사이에 존재하는 패턴이 유사하다면 그 대사 subpathway들이 서로 기능적 상관관계를 가지고 있을 가능성이 높다는 가정 하에, ARACNE를 활용하여 미생물들의 subrathway들의 존재 패턴을 분석함으로서 각 subpathway 사이의 기능적 상관관계를 분석하여 보았다. 본 연구에 활용된 새로운 대사network 분석기법을 활용한다면 더욱 효율적인 대사network 분석연구가 수행될 수 있을 것이라 기대된다.

Keywords

References

  1. Hong, S. H. (2007), Systems approaches to succinic acid-producing microorganisms. Biotechnol. Bioprocess Eng. 12(2), 73-79 https://doi.org/10.1007/BF03028629
  2. Ideker, T., T. Galitski, and L. Hood. (2001), A new approach to decoding life: systems biology. Annu. Rev. Genomics Hum. Genet. 2, 343-372 https://doi.org/10.1146/annurev.genom.2.1.343
  3. Kitano, H. (2002), Computational systems biology. Nature 420, 206-210 https://doi.org/10.1038/nature01254
  4. Kitano, H. (2002), Systems biology: a brief overview. Science 295, 1662-1664 https://doi.org/10.1126/science.1069492
  5. Lee, S. Y., D. Y. Lee, and T. Y. Kim (2005), Systems biotechnology for strain inprovement. Trends Biotechnol. 23, 349-358 https://doi.org/10.1016/j.tibtech.2005.05.003
  6. Hong, S. H., T. Y. Kim, and S. Y. Lee. (2004), Phylogenetic analysis based on genome-scale metabolic pathway reaction content. Appl. Microbiol. Biotechnol. 65, 203-210
  7. Kim, J. S., H. Yun, H. U. Kim, H. S. Choi, T. Y. Kim, H. M. Woo, and S. Y. Lee. (2006), Resources for systems biology research. J. Microbiol. Biotechnol. 16(6), 832-848
  8. Butte, A. J. and I. S. Kohane (2000), Mutual information relevance networks: functional genomic clustering using pairwise entropy measurements. Pac. Symp. Biocomput. 5, 418-429
  9. Duarte, N. C., S. A. Becker, N. Jamshidi, I. Thiele, M. L. Mo, T. D. Vo, R. Srivas, and B. O. Palsson (2007), Global reconstruction of the human metabolic network based on genomic and bibliomic data. PNAS 104, 1777-1782 https://doi.org/10.1073/pnas.0610772104
  10. Franckea C, R. J. Siezena, and B. Teusink (2005), Reconstructing the metabolic network of a bacterium from its genome. Trends in microbiology 13, 550-558 https://doi.org/10.1016/j.tim.2005.09.001
  11. Hartemink, A. J., D. K. Gifford, T. S. Jaakkola, and R. A. Young (2001), Using graphical models and genomic expression data to statistically validate models of genetic regulatory networks. Pac. Symp. Biocomput. 2001, 422-433
  12. Margolin, A. A., K. Wang, W. K. Lim, M. Kustagi, I. Nemenman, and A. Califano (2006), Reverse engineering cellular networks. Nature Protocol 1, 663-672 https://doi.org/10.1038/nprot.2006.106
  13. Kanehisa, M., S. Goto, S. Kawashima, and A. Nakaya (2002), The KEGG databases at GenomeNet. Nucleic Acids Res. 30, 42-46 https://doi.org/10.1093/nar/30.1.42