Nekaj pogledov na sistemsko biologijo kvasovke - Revision history

GZun at 10:12, 13 February 2019

2019-02-13T10:12:41Z

← Older revision		Revision as of 10:12, 13 February 2019
Line 21:		Line 21:
	== Primer sistemskobiološkega pristopa od spodaj navzgor: Rekonstrukcija umetne mreže v kvasovki ==		== Primer sistemskobiološkega pristopa od spodaj navzgor: Rekonstrukcija umetne mreže v kvasovki ==

	Umetna mreža IRMA (''In-vivo'', Reverse-engineering and Modeling Assesment) je primer pristopa sistemske biologije od spodaj navzgor, ki zaradi natančnih kvantitativnih podatkov omogoča ~~povratno~~ inženirstvo, tj. poleg napovedi fenotipa tudi razmerja med elementi takega umetnega podsistema. <ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>		Umetna mreža IRMA (''In-vivo'', Reverse-engineering and Modeling Assesment) je primer pristopa sistemske biologije od spodaj navzgor, ki zaradi natančnih kvantitativnih podatkov omogoča obratno inženirstvo, tj. poleg napovedi fenotipa tudi razmerja med elementi takega umetnega podsistema. <ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>
	[https://www.semanticscholar.org/paper/Efficient-parameter-search-for-qualitative-models-Batt-Page/349a7a6241de4d682ebbc25a276ea20ce2da02a1/figure/0 IRMA] sestoji iz 5 ločenih transkripcijskih enot na genomu kvasovke ''Saccharomyces cerevisiae'':		[https://www.semanticscholar.org/paper/Efficient-parameter-search-for-qualitative-models-Batt-Page/349a7a6241de4d682ebbc25a276ea20ce2da02a1/figure/0 IRMA] sestoji iz 5 ločenih transkripcijskih enot na genomu kvasovke ''Saccharomyces cerevisiae'':
	*gen ''CBF1'' (s 3' ''GFP''), ki ga regulira promotor ''HO'',		*gen ''CBF1'' (s 3' ''GFP''), ki ga regulira promotor ''HO'',
Line 66:		Line 66:


	== ~~Povratno~~ inženirstvo ==		== Obratno inženirstvo ==

	Cilj ~~povratnega~~ inženirstva je poleg kvantitativnih parametrov tudi določiti razmerja med elementi sistema.<ref name="dvanajsti">H. Lopes and I. Rocha, “Genome-scale modeling of yeast: chronology, applications and critical perspectives,” FEMS yeast research. 2017.</ref> Te lahko izračunamo z dvema pristopoma:		Cilj obratnega inženirstva je poleg kvantitativnih parametrov tudi določiti razmerja med elementi sistema.<ref name="dvanajsti">H. Lopes and I. Rocha, “Genome-scale modeling of yeast: chronology, applications and critical perspectives,” FEMS yeast research. 2017.</ref> Te lahko izračunamo z dvema pristopoma:
	*z uporabo diferencialnih enačb opišemo časovno odvisnost mRNA kot posledico dinamike genskega omrežja, regresorje - tj. interaktorje izbranega gena, pa iščemo kot najboljšo rešitev enačbe po perturbaciji,		*z uporabo diferencialnih enačb opišemo časovno odvisnost mRNA kot posledico dinamike genskega omrežja, regresorje - tj. interaktorje izbranega gena, pa iščemo kot najboljšo rešitev enačbe po perturbaciji,
	*z uporabo Bayesovega teorema grafično opišemo verjetnost interakcij oz. razmerij med spremenljivkami.		*z uporabo Bayesovega teorema grafično opišemo verjetnost interakcij oz. razmerij med spremenljivkami.

GZun at 11:05, 4 December 2018

2018-12-04T11:05:50Z

GZun at 18:19, 3 December 2018

2018-12-03T18:19:08Z

← Older revision		Revision as of 18:19, 3 December 2018
Line 1:		Line 1:
	~~Izvorni~~ članek: [https://www.cell.com/abstract/S0092-8674(09)00156-1: I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” ''Cell'', 2009.]		Izhodiščni članek: [https://www.cell.com/abstract/S0092-8674(09)00156-1: I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” ''Cell'', 2009.]

	----		----

GZun at 18:12, 3 December 2018

2018-12-03T18:12:40Z

Show changes

GZun at 17:42, 3 December 2018

2018-12-03T17:42:17Z

← Older revision		Revision as of 17:42, 3 December 2018
Line 1:		Line 1:
	~~Izvirni~~ članek: I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” ''Cell'', 2009.		Izvorni članek: [https://www.cell.com/abstract/S0092-8674(09)00156-1: I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” ''Cell'', 2009.]

	----		----

GZun at 14:20, 3 December 2018

2018-12-03T14:20:37Z

← Older revision		Revision as of 14:20, 3 December 2018
Line 1:		Line 1:
			Izvirni članek: I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” ''Cell'', 2009.

			----

	Sistemska biologija je disciplina, ki skuša kvantitativno opisati biološki sistem. Tak kvantitativen opis omogoča izdelavo matematičnega modela, z njim pa lahko napovemo obnašanje biološkega sistema po perturbaciji.<ref name="prvi">A. R. Borneman, P. J. Chambers, and I. S. Pretorius, “Yeast systems biology: modelling the winemaker’s art,” Trends in Biotechnology, vol. 25, no. 8, pp. 349–355, 2007.</ref><ref name="drugi">R. Mustacchi, S. Hohmann, and J. Nielsen, “Yeast systems biology to unravel the network of life,” Yeast. 2006.</ref><ref name="tretji">D. Petranovic and G. N. Vemuri, “Impact of yeast systems biology on industrial biotechnology,” Journal of Biotechnology, 2009.</ref><ref name="četrti">R. S. K. Walker and I. S. Pretorius, “Applications of yeast synthetic biology geared towards the production of biopharmaceuticals,” Genes. 2018.</ref><ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>		Sistemska biologija je disciplina, ki skuša kvantitativno opisati biološki sistem. Tak kvantitativen opis omogoča izdelavo matematičnega modela, z njim pa lahko napovemo obnašanje biološkega sistema po perturbaciji.<ref name="prvi">A. R. Borneman, P. J. Chambers, and I. S. Pretorius, “Yeast systems biology: modelling the winemaker’s art,” Trends in Biotechnology, vol. 25, no. 8, pp. 349–355, 2007.</ref><ref name="drugi">R. Mustacchi, S. Hohmann, and J. Nielsen, “Yeast systems biology to unravel the network of life,” Yeast. 2006.</ref><ref name="tretji">D. Petranovic and G. N. Vemuri, “Impact of yeast systems biology on industrial biotechnology,” Journal of Biotechnology, 2009.</ref><ref name="četrti">R. S. K. Walker and I. S. Pretorius, “Applications of yeast synthetic biology geared towards the production of biopharmaceuticals,” Genes. 2018.</ref><ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>

GZun: User:GZun moved to Nekaj pogledov na sistemsko biologijo kvasovke

2018-12-03T14:16:58Z

User:GZun moved to Nekaj pogledov na sistemsko biologijo kvasovke

← Older revision	Revision as of 14:16, 3 December 2018
(No difference)

GZun at 14:14, 3 December 2018

2018-12-03T14:14:18Z

Show changes

GZun at 14:04, 3 December 2018

2018-12-03T14:04:28Z

Show changes

GZun at 13:38, 3 December 2018

2018-12-03T13:38:14Z

Show changes

← Older revision		Revision as of 11:05, 4 December 2018
Line 1:		Line 1:
	Izhodiščni članek: [https://www.cell.com/abstract/S0092-8674(09)00156-1: I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” ''Cell'', 2009.]		Izhodiščni članek: [https://www.cell.com/abstract/S0092-8674(09)00156-1 I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” ''Cell'', 2009.]

	----		----
Line 22:		Line 22:

	Umetna mreža IRMA (''In-vivo'', Reverse-engineering and Modeling Assesment) je primer pristopa sistemske biologije od spodaj navzgor, ki zaradi natančnih kvantitativnih podatkov omogoča povratno inženirstvo, tj. poleg napovedi fenotipa tudi razmerja med elementi takega umetnega podsistema. <ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>		Umetna mreža IRMA (''In-vivo'', Reverse-engineering and Modeling Assesment) je primer pristopa sistemske biologije od spodaj navzgor, ki zaradi natančnih kvantitativnih podatkov omogoča povratno inženirstvo, tj. poleg napovedi fenotipa tudi razmerja med elementi takega umetnega podsistema. <ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>
	[https://www.semanticscholar.org/paper/Efficient-parameter-search-for-qualitative-models-Batt-Page/349a7a6241de4d682ebbc25a276ea20ce2da02a1/figure/0: IRMA] sestoji iz 5 ločenih transkripcijskih enot na genomu kvasovke ''Saccharomyces cerevisiae'':		[https://www.semanticscholar.org/paper/Efficient-parameter-search-for-qualitative-models-Batt-Page/349a7a6241de4d682ebbc25a276ea20ce2da02a1/figure/0 IRMA] sestoji iz 5 ločenih transkripcijskih enot na genomu kvasovke ''Saccharomyces cerevisiae'':
	*gen ''CBF1'' (s 3' ''GFP''), ki ga regulira promotor ''HO'',		*gen ''CBF1'' (s 3' ''GFP''), ki ga regulira promotor ''HO'',
	*gen ''GAL4'', ki ga regulira promotor ''MET16'',		*gen ''GAL4'', ki ga regulira promotor ''MET16'',
Line 33:		Line 33:
	*Swi5 je transkripcijski faktor promotorja ''ASH1'' in ''HO'', zato aktivira transkripcijo ''GAL80'', ''ASH1'' in ''CBF1'',		*Swi5 je transkripcijski faktor promotorja ''ASH1'' in ''HO'', zato aktivira transkripcijo ''GAL80'', ''ASH1'' in ''CBF1'',
	*Ash1 je represor promotorja ''HO'' in zavira transkripcijo ''CBF1''.<ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>		*Ash1 je represor promotorja ''HO'' in zavira transkripcijo ''CBF1''.<ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>
	Sistem IRMA ima tudi [http://mol-biol4masters.masters.grkraj.org/html/Gene_Expression_II10-GAL_and_Histidine_Gene_Expression_files/image023.jpg: stikalo], saj prisotnost galaktoze spodbudi transkripcijo z galaktoznega promotorja, posledično pa tudi aktivacijo vseh ostalih elementov. Takrat proteina Gal4 in Gal80 nista v interakciji. Na gojišču z glukozo je IRMA izključena, saj protein Gal80 asociira z Gal4 in preprečuje, da bi aktiviral transkripcijo s promotorja ''GAL10''.<ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>		Sistem IRMA ima tudi [http://mol-biol4masters.masters.grkraj.org/html/Gene_Expression_II10-GAL_and_Histidine_Gene_Expression_files/image023.jpg stikalo], saj prisotnost galaktoze spodbudi transkripcijo z galaktoznega promotorja, posledično pa tudi aktivacijo vseh ostalih elementov. Takrat proteina Gal4 in Gal80 nista v interakciji. Na gojišču z glukozo je IRMA izključena, saj protein Gal80 asociira z Gal4 in preprečuje, da bi aktiviral transkripcijo s promotorja ''GAL10''.<ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>


Line 41:		Line 41:
	Z merjenjem koncentracije genov IRME (''CBF1'', ''GAL4'', ''SWI5'', ''GAL80'', ''ASH1'') oz. njihovo mRNA s qPCR ob različnih perturbacijah je mogoče pridobiti vrednosti potrebnih parametrov za matematični opis modela.<ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>		Z merjenjem koncentracije genov IRME (''CBF1'', ''GAL4'', ''SWI5'', ''GAL80'', ''ASH1'') oz. njihovo mRNA s qPCR ob različnih perturbacijah je mogoče pridobiti vrednosti potrebnih parametrov za matematični opis modela.<ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>
	<h3>Spremljanje dinamike modela pri različnih virih ogljika</h3>		<h3>Spremljanje dinamike modela pri različnih virih ogljika</h3>
	[https://www.researchgate.net/profile/Velia_Siciliano/publication/51798605/figure/fig1/AS:305864385810434@1449935160842/Identifi-cation-and-validation-results-of-time-series-phenomenological-model-Circles_Q320.jpg: Koncentracija mRNA je odvisna časovno in od vira ogljika]: glukoza sistem ugasne, galaktoza pa prižge.		[https://www.researchgate.net/profile/Velia_Siciliano/publication/51798605/figure/fig1/AS:305864385810434@1449935160842/Identifi-cation-and-validation-results-of-time-series-phenomenological-model-Circles_Q320.jpg Koncentracija mRNA je odvisna časovno in od vira ogljika]: glukoza sistem ugasne, galaktoza pa prižge.
	Na glukozi najprej opazimo visoko porast Gal4 in Gal80, ki naj bi se aktivirala zaradi menjave gojišča, ne pa aktivacije glukoze same. Značilni so 3 vrhovi v aktivaciji Swi5, saj ima 3 tarče (''CBF1'', ''GAL80'', ''ASH1''). Cbf1 se zaradi promotorja ''HO'' aktivira z zamikom – sekvenčno po vezavi Swi5. Analogno se Cbf1 z zamikom utiša ob menjavi gojišča z glukozo za galaktozo.<ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>		Na glukozi najprej opazimo visoko porast Gal4 in Gal80, ki naj bi se aktivirala zaradi menjave gojišča, ne pa aktivacije glukoze same. Značilni so 3 vrhovi v aktivaciji Swi5, saj ima 3 tarče (''CBF1'', ''GAL80'', ''ASH1''). Cbf1 se zaradi promotorja ''HO'' aktivira z zamikom – sekvenčno po vezavi Swi5. Analogno se Cbf1 z zamikom utiša ob menjavi gojišča z glukozo za galaktozo.<ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>
	<h3>Koncentracija mRNA v stacionarnem stanju ob prekomernem izražanju genov IRME</h3>		<h3>Koncentracija mRNA v stacionarnem stanju ob prekomernem izražanju genov IRME</h3>
Line 62:		Line 62:
	*vpliv medija (glukoza ali galaktoza).<ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>		*vpliv medija (glukoza ali galaktoza).<ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>

	Cilj izvedenih eksperimentov je določitev vseh 33 parametrov, ki nastopajo v sistemu nelinearnih diferencialnih enačb, ki opisujejo model. 16 izmed 33 parametrov dobimo s poskusi merjenja moči promotorjev v stacionarnem stanju pri različni ravni izražanja transkripcijskega faktorja. Parametre moči promotorjev dobimo s prileganjem modelne funkcije stacionarnega stanja. Preostale parametre dobimo iz poskusov obnašanja sistema v stacionarnem ali dinamičnem stanju po menjavi medija. [https://www.researchgate.net/profile/Velia_Siciliano/publication/51798605/figure/fig1/AS:305864385810434@1449935160842/Identifi-cation-and-validation-results-of-time-series-phenomenological-model-Circles_Q320.jpg: Simulacije modela zelo dobro opišejo eksperimentalne podatke.]<ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>		Cilj izvedenih eksperimentov je določitev vseh 33 parametrov, ki nastopajo v sistemu nelinearnih diferencialnih enačb, ki opisujejo model. 16 izmed 33 parametrov dobimo s poskusi merjenja moči promotorjev v stacionarnem stanju pri različni ravni izražanja transkripcijskega faktorja. Parametre moči promotorjev dobimo s prileganjem modelne funkcije stacionarnega stanja. Preostale parametre dobimo iz poskusov obnašanja sistema v stacionarnem ali dinamičnem stanju po menjavi medija. [https://www.researchgate.net/profile/Velia_Siciliano/publication/51798605/figure/fig1/AS:305864385810434@1449935160842/Identifi-cation-and-validation-results-of-time-series-phenomenological-model-Circles_Q320.jpg Simulacije modela zelo dobro opišejo eksperimentalne podatke.]<ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>


Line 71:		Line 71:
	*z uporabo diferencialnih enačb opišemo časovno odvisnost mRNA kot posledico dinamike genskega omrežja, regresorje - tj. interaktorje izbranega gena, pa iščemo kot najboljšo rešitev enačbe po perturbaciji,		*z uporabo diferencialnih enačb opišemo časovno odvisnost mRNA kot posledico dinamike genskega omrežja, regresorje - tj. interaktorje izbranega gena, pa iščemo kot najboljšo rešitev enačbe po perturbaciji,
	*z uporabo Bayesovega teorema grafično opišemo verjetnost interakcij oz. razmerij med spremenljivkami.		*z uporabo Bayesovega teorema grafično opišemo verjetnost interakcij oz. razmerij med spremenljivkami.
	Značilno je uporaba Bayesovega pristopa zanesljivejša in primernejša na večjih modelih. [https://www.researchgate.net/figure/Benchmark-B4-IRMA-doi101371-journalpone0096732g008_fig8_262147800: Arhitekturo IRME bolje opiše pristop z diferencialnimi enačbami.]<ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>		Značilno je uporaba Bayesovega pristopa zanesljivejša in primernejša na večjih modelih. [https://www.researchgate.net/figure/Benchmark-B4-IRMA-doi101371-journalpone0096732g008_fig8_262147800 Arhitekturo IRME bolje opiše pristop z diferencialnimi enačbami.]<ref name="peti">I. Cantone et al., “A Yeast Synthetic Network for In Vivo Assessment of Reverse-Engineering and Modeling Approaches,” Cell, 2009.</ref>


Line 99:		Line 99:

	<h3>Primer metabolnega inženirstva: izboljšanje proizvodnje etanola pri kvasovki</h3>		<h3>Primer metabolnega inženirstva: izboljšanje proizvodnje etanola pri kvasovki</h3>
	Da bi izboljšali proizvodnjo etanola, je potrebno spremeniti regulacijo centralnega ogljikovega metabolizma.<ref name="tretji">D. Petranovic and G. N. Vemuri, “Impact of yeast systems biology on industrial biotechnology,” Journal of Biotechnology, 2009.</ref><ref name="šestnajsti">C. Bro, B. Regenberg, J. Förster, and J. Nielsen, “In silico aided metabolic engineering of Saccharomyces cerevisiae for improved bioethanol production,” Metabolic Engineering, 2006.</ref> Težava je, da je fluks preko osrednjega ogljikovega metabolizma zelo natančno kontroliran: [https://ars.els-cdn.com/content/image/1-s2.0-S1096717605000789-gr1.gif: Etanol nastaja med anaerobno fermentacijo, hkrati pa tudi glicerol in biomasa.] Fluks bi bilo potrebno preusmeriti iz glicerola in biomase v etanol.<ref name="šestnajsti">C. Bro, B. Regenberg, J. Förster, and J. Nielsen, “In silico aided metabolic engineering of Saccharomyces cerevisiae for improved bioethanol production,” Metabolic Engineering, 2006.</ref> [https://ars.els-cdn.com/content/image/1-s2.0-S1096717605000789-gr2.gif: Predpostavljene tarče za izboljšanje proizvodnje etanola so:]		Da bi izboljšali proizvodnjo etanola, je potrebno spremeniti regulacijo centralnega ogljikovega metabolizma.<ref name="tretji">D. Petranovic and G. N. Vemuri, “Impact of yeast systems biology on industrial biotechnology,” Journal of Biotechnology, 2009.</ref><ref name="šestnajsti">C. Bro, B. Regenberg, J. Förster, and J. Nielsen, “In silico aided metabolic engineering of Saccharomyces cerevisiae for improved bioethanol production,” Metabolic Engineering, 2006.</ref> Težava je, da je fluks preko osrednjega ogljikovega metabolizma zelo natančno kontroliran: [https://ars.els-cdn.com/content/image/1-s2.0-S1096717605000789-gr1.gif Etanol nastaja med anaerobno fermentacijo, hkrati pa tudi glicerol in biomasa.] Fluks bi bilo potrebno preusmeriti iz glicerola in biomase v etanol.<ref name="šestnajsti">C. Bro, B. Regenberg, J. Förster, and J. Nielsen, “In silico aided metabolic engineering of Saccharomyces cerevisiae for improved bioethanol production,” Metabolic Engineering, 2006.</ref> [https://ars.els-cdn.com/content/image/1-s2.0-S1096717605000789-gr2.gif Predpostavljene tarče za izboljšanje proizvodnje etanola so:]
	#zamenjava reakcij z NADPH pri rasti biomase za NADH,		#zamenjava reakcij z NADPH pri rasti biomase za NADH,
	#zamenjava reakcij z NAD<sup>+</sup> pri rasti biomase za NADP<sup>+</sup>,		#zamenjava reakcij z NAD<sup>+</sup> pri rasti biomase za NADP<sup>+</sup>,
Line 105:		Line 105:
	#zamenjava reakcij sinteze glicerola za etanol, pri čemer pa pride do oksidacije NADH.<ref name="šestnajsti">C. Bro, B. Regenberg, J. Förster, and J. Nielsen, “In silico aided metabolic engineering of Saccharomyces cerevisiae for improved bioethanol production,” Metabolic Engineering, 2006.</ref>		#zamenjava reakcij sinteze glicerola za etanol, pri čemer pa pride do oksidacije NADH.<ref name="šestnajsti">C. Bro, B. Regenberg, J. Förster, and J. Nielsen, “In silico aided metabolic engineering of Saccharomyces cerevisiae for improved bioethanol production,” Metabolic Engineering, 2006.</ref>

	Preko simulacij metabolnega modela, ki ima dostop tudi do reakcij, ki sicer v kvasovki ne potekajo, je možno pridobiti podatke o uspešnosti predpostavljenih rešitev. Kot [https://ars.els-cdn.com/content/image/1-s2.0-S1096717605000789-gr3.gif: najugodnejša rešitev je bila zmodelirana 4.]; potrdili so jo tudi eksperimentalno in za 10 % povečali izkoristek proizvodnje etanola. Pri tem je uvedba heterologne gliceraldehid-3-fosfat dehidrogenaze (nefosforilajoča in od NADP<sup>+</sup> odvisna) omogoča ireverzibilno oksidacijo gliceraldehid-3-fosfata in NADP<sup>+</sup> v 3-fosfoglicerat in NADPH. Na ta način je raven oksido-redukcijskih kofaktorjev ugodnejša za nastanek etanola.<ref name="šestnajsti">C. Bro, B. Regenberg, J. Förster, and J. Nielsen, “In silico aided metabolic engineering of Saccharomyces cerevisiae for improved bioethanol production,” Metabolic Engineering, 2006.</ref>		Preko simulacij metabolnega modela, ki ima dostop tudi do reakcij, ki sicer v kvasovki ne potekajo, je možno pridobiti podatke o uspešnosti predpostavljenih rešitev. Kot [https://ars.els-cdn.com/content/image/1-s2.0-S1096717605000789-gr3.gif najugodnejša rešitev je bila zmodelirana 4.]; potrdili so jo tudi eksperimentalno in za 10 % povečali izkoristek proizvodnje etanola. Pri tem je uvedba heterologne gliceraldehid-3-fosfat dehidrogenaze (nefosforilajoča in od NADP<sup>+</sup> odvisna) omogoča ireverzibilno oksidacijo gliceraldehid-3-fosfata in NADP<sup>+</sup> v 3-fosfoglicerat in NADPH. Na ta način je raven oksido-redukcijskih kofaktorjev ugodnejša za nastanek etanola.<ref name="šestnajsti">C. Bro, B. Regenberg, J. Förster, and J. Nielsen, “In silico aided metabolic engineering of Saccharomyces cerevisiae for improved bioethanol production,” Metabolic Engineering, 2006.</ref>


Line 111:		Line 111:

	Za uspešno izgradnjo celičnih tovarn je ključno sodelovanje sistemske in sintezne biologije.<ref name="prvi">A. R. Borneman, P. J. Chambers, and I. S. Pretorius, “Yeast systems biology: modelling the winemaker’s art,” Trends in Biotechnology, vol. 25, no. 8, pp. 349–355, 2007.</ref><ref name="dvanajsti">H. Lopes and I. Rocha, “Genome-scale modeling of yeast: chronology, applications and critical perspectives,” FEMS yeast research. 2017.</ref><ref name="trinajsti">C. M. Denby et al., “Industrial brewing yeast engineered for the production of primary flavor determinants in hopped beer,” Nature Communications, 2018.</ref> Za napovedovanje novih kompleksnih sistemov bo potrebno opisati kompleksnejše modele. To pa bo mogoče le ob poznavanju vseh – tudi kinetičnih – parametrov večjega števila različnih mikroorganizmov. Visokozmogljive metode pa so pri tem ključnega pomena.<ref name="četrti">R. S. K. Walker and I. S. Pretorius, “Applications of yeast synthetic biology geared towards the production of biopharmaceuticals,” Genes. 2018.</ref><ref name="osmi">C. Boone, “Yeast systems biology: Our best shot at modeling a cell,” Genetics, 2014.</ref><ref name="deveti">V. Janjić, R. Sharan, and N. Pržulj, “Modelling the yeast interactome,” Scientific Reports, 2014.</ref>		Za uspešno izgradnjo celičnih tovarn je ključno sodelovanje sistemske in sintezne biologije.<ref name="prvi">A. R. Borneman, P. J. Chambers, and I. S. Pretorius, “Yeast systems biology: modelling the winemaker’s art,” Trends in Biotechnology, vol. 25, no. 8, pp. 349–355, 2007.</ref><ref name="dvanajsti">H. Lopes and I. Rocha, “Genome-scale modeling of yeast: chronology, applications and critical perspectives,” FEMS yeast research. 2017.</ref><ref name="trinajsti">C. M. Denby et al., “Industrial brewing yeast engineered for the production of primary flavor determinants in hopped beer,” Nature Communications, 2018.</ref> Za napovedovanje novih kompleksnih sistemov bo potrebno opisati kompleksnejše modele. To pa bo mogoče le ob poznavanju vseh – tudi kinetičnih – parametrov večjega števila različnih mikroorganizmov. Visokozmogljive metode pa so pri tem ključnega pomena.<ref name="četrti">R. S. K. Walker and I. S. Pretorius, “Applications of yeast synthetic biology geared towards the production of biopharmaceuticals,” Genes. 2018.</ref><ref name="osmi">C. Boone, “Yeast systems biology: Our best shot at modeling a cell,” Genetics, 2014.</ref><ref name="deveti">V. Janjić, R. Sharan, and N. Pržulj, “Modelling the yeast interactome,” Scientific Reports, 2014.</ref>
	Ker je za kvasovko ''Saccharomyces cerevisiae'' poznanih več modelov, je zelo dober biotehnološki organizem. Raziskovalci predvidevajo, da jim bo uspelo [http://syntheticyeast.org/: ''de novo''] – s sintezo posameznih komponent sestaviti funkcionalen kvasni genom z želenimi lastnostmi in brez odvečnih regij.<ref name="četrti">R. S. K. Walker and I. S. Pretorius, “Applications of yeast synthetic biology geared towards the production of biopharmaceuticals,” Genes. 2018.</ref>		Ker je za kvasovko ''Saccharomyces cerevisiae'' poznanih več modelov, je zelo dober biotehnološki organizem. Raziskovalci predvidevajo, da jim bo uspelo [http://syntheticyeast.org/ ''de novo''] – s sintezo posameznih komponent sestaviti funkcionalen kvasni genom z želenimi lastnostmi in brez odvečnih regij.<ref name="četrti">R. S. K. Walker and I. S. Pretorius, “Applications of yeast synthetic biology geared towards the production of biopharmaceuticals,” Genes. 2018.</ref>


	<h2>Viri</h2>		<h2>Viri</h2>
	<references/>		<references/>