view in publisher's site

Dynamic Network Modeling of Stem Cell Metabolism

Stem cell metabolism is intrinsically tied to stem cell pluripotency and function. Yet, understanding metabolic rewiring in stem cells has been challenging due to the complex and highly interconnected nature of the metabolic network. Genome-scale metabolic network models are increasingly used to holistically model the metabolic behavior of various cells and tissues using transcriptomics data. However, these powerful approaches that model steady-state behavior have limited utility for studying dynamic stem cell state transitions. To address this complexity, we recently developed the dynamic flux activity (DFA) approach; DFA is a genome-scale modeling approach that uses time-course metabolic data to predict metabolic flux rewiring. This protocol outlines the steps for modeling steady-state and dynamic metabolic behavior using transcriptomics and time-course metabolomics data, respectively. Using data from naive and primed pluripotent stem cells, we demonstrate how we can use genome-scale modeling and DFA to comprehensively characterize the metabolic differences between these states.

مدلسازی شبکه پویا از متابولیسم سلول بنیادی

متابولیسم سلول بنیادی ذاتا به تابع و تابع سلول بنیادی گره خورده‌است. با این حال، درک مکانیزم‌های متابولیک در سلول‌های بنیادی به دلیل ماهیت پیچیده و بسیار به‌هم‌پیوسته شبکه متابولیک، چالش برانگیز بوده‌است. مدل‌های شبکه متابولیک در مقیاس Genome به طور فزاینده‌ای برای مدلسازی رفتار متابولیک سلول‌ها و بافت‌های مختلف با استفاده از داده‌های transcriptomics مورد استفاده قرار می‌گیرند. با این حال، این رویکردهای قدرتمند که رفتار حالت پایدار را مدل می‌کنند، کاربرد محدودی برای مطالعه گذاره‌ای وضعیت سلول بنیادی دینامیک دارند. برای پرداختن به این پیچیدگی، ما اخیرا فعالیت شار دینامیک (DFA)را توسعه دادیم؛ DFA یک روش مدل‌سازی در مقیاس ژنوم است که از داده‌های متابولیک دوره زمانی برای پیش‌بینی تغییرات شار متابولیک استفاده می‌کند. این پروتکل مراحل مدل‌سازی رفتار متابولیک - حالت پایدار و دینامیکی را با استفاده از داده‌های metabolomics و زمان - دوره به ترتیب تعیین می‌کند. با استفاده از داده از سلول‌های بنیادی ساده و پیشرفته، ما نشان می‌دهیم که چگونه می‌توانیم از مدل‌سازی در مقیاس ژنوم استفاده کنیم و DFA برای توصیف جامع تفاوت‌های متابولیکی بین این کشورها است.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.