دانلود رایگان ترجمه مقاله بازسازی مدل های متابولیک در مقیاس ژنوم برای ۱۲۶ بافت انسانی (نشریه BMC 2012) (ترجمه ارزان – نقره ای ⭐️⭐️)

BMC

 

 

این مقاله انگلیسی ISI در نشریه BMC در ۱۶ صفحه در سال ۲۰۱۱ منتشر شده و ترجمه آن ۳۸ صفحه میباشد. کیفیت ترجمه این مقاله ارزان – نقره ای ⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

بازسازی مدل های متابولیک در مقیاس ژنوم برای ۱۲۶ بافت انسانی با استفاده از mCADRE

عنوان انگلیسی مقاله:

Reconstruction of genome-scale metabolic models for 126 human tissues using mCADRE

 
 
 
 
 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۱۲
تعداد صفحات مقاله انگلیسی ۱۶ صفحه با فرمت pdf
رشته های مرتبط با این مقاله زیست شناسی
گرایش های مرتبط با این مقاله بیوشیمی، ژنتیک، علوم سلولی و مولکولی
چاپ شده در مجله (ژورنال) بیولوژی سیستم های BMC
کلمات کلیدی بازسازی شبکه متابولیک خودکار، مغز، متابولیسم سرطان، مدل متابولیک خاص-بافت، مدل سازی مبتنی بر محدودیت
ارائه شده از دانشگاه موسسه بیولوژی سیستم ها، ایالات متحده آمریکا
رفرنس دارد  
کد محصول F1491
نشریه BMC

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۳۸ صفحه (۳ صفحه رفرنس انگلیسی) با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است ✓ 
ترجمه متون داخل تصاویر ترجمه نشده است  
ترجمه متون داخل جداول ترجمه شده است 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است 
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن به صورت عدد درج شده است 
کیفیت ترجمه کیفیت ترجمه این مقاله متوسط میباشد 

 

فهرست مطالب

چکیده
پیش زمینه
نتایج و بحث
بررسی اجمالی روش و ویژگی های سودمند mCADRE
اعتبارسنجی مبتنی بر-پوشش و عملکردی برای یک مدل کبد ساخته شده mCADRE
مدل کبد مبتنی بر mCADRE از نظر عملکردی با مدل کبد موجود قابل مقایسه است
mCADRE برای تولید مدل با توان عملیاتی بالا
دانشنامه-خاص-بافت از متابولیسم تجزیه و تحلیل جهانی بافت انسان را میسر می سازد
توزیعات واکنش های مدل TSEM متناظر با ویژگی های شناخته شده از بافت مغز و تومور هستند
مقایسه مدل های کلیه TSEM با مدل متابولیک کلیه موجود
مقایسه mCADRE با روش INIT به تازگی منتشر شده
نتیجه گیری
روش ها
پردازش داده های بیان ژن
انتساب امتیازات شواهد به واکنش ها
شواهد مبتنی بر بیان
شواهد مبتنی بر اتصال
شواهد مبتنی بر سطح اعتماد
تنظیم مدل عمومی
آزمون عملکردی مدل های کبد

 

 

بخشی از ترجمه
 چکیده
پیش زمینه: بافت های انسانی، وظایف متابولیک متنوع را انجام می دهند. ترسیم این وظایف خاص-بافت در مدل های مقیاس-ژنوم، درک ما را از اساس متابولیک فرآیندهای مختلف فیزیولوژیک و پاتولوژیک پیشرفت خواهد داد. مرکز آموزش جهانی وظایف متابولیک طبقه بندی شده برای ژنوم انسان (Human Recon 1) همراه با داده هایی با توان عملیاتی بالا در حال حاضر امکان بازسازی مدل های متابولیک خاص-بافت را فراهم می سازد. با این حال، تعدادی از مدل های خاص-بافت در دسترس در مقایسه با تنوع زیادی از بافت های انسانی ناقص باقی مانده است.
نتایج: ما یک روش به نام خاصیت-زمینه متابولیک مورد ارزیابی توسط ارزیابی واکنش قطعی (mCADRE) را توسعه دادیم. mCADRE قادر به استنتاج یک شبکه خاص-بافت بر اساس داده های بیان ژن و توپولوژی شبکه متابولیک همراه با ارزیابی قابلیت های عملکردی در طول ساخت مدل است. mCADRE، مدل ها را با قابلیت مشابه و یا بهتر تولید می کند و به سرعت محاسباتی چشمگیر بیش از روش های موجود دستیابی پیدا می کند. با استفاده از روش ما، ما مدل های متابولیک پیش نویس در مقیاس ژنوم را برای ۱۲۶ بافت و انواع سلول انسانی بازسازی نمودیم. در این میان، مدل هایی برای ۲۶ بافت تومور همراه با همتایان عادی خود، و ۳۰ بافت مختلف مغزی وجود دارد. ما تجزیه و تحلیل هایی در سطح مسیر را برای این مجموعه بزرگ از مدل های خاص-بافت انجام دادیم و مسیر متابولیک ایکوزانوئید، به ویژه واکنش های تسریع کننده تولید لوکوترین ها را از اسید آراکیدونیک، به عنوان اهداف دارویی بالقوه که به صورت انتخابی، بافت های تومور را تحت تاثیر قرار می دهند شناسایی نمودیم.
نتیجه گیری ها: این مجموعه بزرگ از ۱۲۶ مدل های متابولیک پیش نویس در مقیاس ژنوم، یک منبع مفید برای مطالعه اساس متابولیک را برای انواع بیماری های انسانی در بسیاری از بافت ها فراهم می کند. عملکرد مدل های حاصل و سرعت محاسباتی سریع الگوریتم mCADRE آن را به یک ابزار مفید برای ساخت و به روز رسانی مدل های متابولیک خاص-بافت تبدیل ساخته است.
 
۱- مقدمه
اختلال عملکردی متابولیک در یک طیف گسترده ای از بیماری های انسانی مانند چاقی، دیابت، اختلالات مادرزادی متابولیسم، بیماری های عصبی، و سرطان نقش دارد. بازسازی اخیر مدل های مقیاس-ژنوم در متابولیسم انسان [۱،۲]، اساس بیوشیمیایی مهم برای تجزیه و تحلیل سیستم جنبه های مرتبط با متابولیسم را برای فیزیولوژی انسانی و آسیب شناسی فراهم می کند [۳]. چنین رویکردهایی در سیستم ها، حیاتی هستند، زیرا متابولیسم به خودی خود یک فرایند تحول مولکولی است که در آن مسیرهای متابولیکی متعدد به طور جدایی ناپذیری به هم پیوسته اند [۴]. با این حال، بدن انسان شامل بسیاری از بافت های متمایز و انواع سلول ها می شود که هر یک تنها بیان کننده کسری از ژن های متابولیک کدگذاری شده در ژنوم هستند [۵]. تنوع اضافی از شرایط محیطی و محرک های خارجی ناشی می شود. هیچ کدام از این تغییرات نمی توانند به طور کامل تنها با مدل متابولیک انسان عمومی اختصاص داده شوند. با توجه به بافت-به عنوان مثال، ژنومی، تشریحی، زیست محیطی، و یا زمانی-که بنابراین تحت آن یک زیر مجموعه از شبکه بیوشیمیایی در مقیاس ژنوم عمل می کند برای درک اساس مولکولی در بسیاری از بیماری های انسانی ضروری است.
اهمیت زمینه-خاص-بافت در بیماری، از مشخصات متابولیک مجزای سرطان ناشی از بافت های مختلف آشکار است. به عنوان مثال، به صورت تجربی اثبات شده است که تومورهای کبدی ناشی از-انکوژن Myc، افزایش جذب گلوتامین را نشان می دهد، در حالی که تومورهای ریه ناشی از MYC، ترشح گلوتامین را نشان می دهد [۶]. مطالعه دیگری نشان داد که در حالی که دهیدروژناز لاکتات A برای سرطان پستان، نوروبلاستوم، و سلول های تومور سلول-B مهم است، این برای لنفوماگنسیس ناشی از-Myc [7] است. نتایج مشابهی برای دهیدروژناز فسفوگلیسرات در سرطان پستان و ملانوما [۸،۹] در مقابل لنفوماگنسیس ناشی از-MYC مشاهده شد [۷]. از آن مهمتر، متابولیسم سرطان به طور کلی نیز در زمینه های منحصر به فرد زیست محیطی و سیگنالینگ در مقایسه با فیزیولوژی نرمال و بیماری های متابولیک مانند چاقی و دیابت کارکرد دارد [۴].
زمینه ای که در آن یک شبکه متابولیک عمل می کند، می تواند در مقیاس های مختلف دیده شود که همه آنها می توانند وابسته به یکدیگر باشند. گسترده ترین سطح به طور معمول مرتبط با مدل های متابولیک، زمینه ژنومیک است-یعنی، توانایی آنزیمی کامل کد گذاری شده در ژنوم. از آنجا که ژنوم، نقطه شروعی است که از آن هر مدل ارگانیسم عمومی ساخته می شود، ما آن را در اینجا بیشتر در نظر نمی گیریم. یک ملاحظه زمینه ای حیاتی تر برای مدل های مقیاس-ژنوم در موجودات بالاتر- به خصوص در بافت های انسانی- زیر مجموعه ای از آنزیم های متابولیک است که (به عنوان مثال، در ترانسکریپتوم ارائه می شود) در یک زمان معین بیان می شوند. حالت نظارتی رونویسی حاکم است که زیر مجموعه ای از آنزیم های متابولیک و مسیرهای فعال هستند، و به صورت (i) برنامه بیان خاص برای یک نوع بافت یا سلول یا (ii) پاسخ بافتی و یا سلولی به شرایط داخل سلولی یا محیط زیست آشکار می شوند. استراتژی ایده آل برای مدل سازی چنین تفاوت های زمینه ای، ادغام یک مدل عمومی در مقیاس-ژنوم خواهد بود (به عنوان مثال، Human Recon 1 [1]) با یک شبکه نظارتی رونویسی خاص-زمینه (TRN) خواهد بود، از جمله رخدادهای سیگنالینگ که راهنمایی ها از میکرومحیط سلولی را تقویت می کند. با این حال، در حالیکه این TRNs نمی توانند به طور جامع وجود داشته باشنر، با دقت بازسازی شوند و در سلول های انسانی مدلسازی شوند، تلاش های اخیر به استفاده از داده های بیان خاص -زمینه برای ایجاد مدل هایی معطوف شده است که نماینده متابولیسم فعال در بافت های انسانی خاص و انواع سلول ها در سراسر طیف گسترده ای از شرایط تجربی و یا تحت شرایط خاص هستند [۱۰-۱۹].

 

بخشی از مقاله انگلیسی

Abstract

Background: Human tissues perform diverse metabolic functions. Mapping out these tissue-specific functions in genome-scale models will advance our understanding of the metabolic basis of various physiological and pathological processes. The global knowledgebase of metabolic functions categorized for the human genome (Human Recon 1) coupled with abundant high-throughput data now makes possible the reconstruction of tissue-specific metabolic models. However, the number of available tissue-specific models remains incomplete compared with the large diversity of human tissues.

Results: We developed a method called metabolic Context-specificity Assessed by Deterministic Reaction Evaluation (mCADRE). mCADRE is able to infer a tissue-specific network based on gene expression data and metabolic network topology, along with evaluation of functional capabilities during model building. mCADRE produces models with similar or better functionality and achieves dramatic computational speed up over existing methods. Using our method, we reconstructed draft genome-scale metabolic models for 126 human tissue and cell types. Among these, there are models for 26 tumor tissues along with their normal counterparts, and 30 different brain tissues. We performed pathway-level analyses of this large collection of tissue-specific models and identified the eicosanoid metabolic pathway, especially reactions catalyzing the production of leukotrienes from arachidnoic acid, as potential drug targets that selectively affect tumor tissues.

Conclusions: This large collection of 126 genome-scale draft metabolic models provides a useful resource for studying the metabolic basis for a variety of human diseases across many tissues. The functionality of the resulting models and the fast computational speed of the mCADRE algorithm make it a useful tool to build and update tissue-specific metabolic models.

Background

Metabolic dysfunction has been implicated in a wide variety of human diseases such as obesity, diabetes, inborn errors of metabolism, neurodegenerative diseases, and cancer. The recent reconstruction of genome-scale models of human metabolism [1,2] provides an important biochemical basis for systems analysis of metabolic related aspects of human physiology and pathology [3]. Such systems approaches are critical, as metabolism itself is a molecular transformation process where numerous metabolic pathways are inextricably interlinked [4]. However, the human body consists of many distinct tissues and cell types, each only expressing a fraction of the metabolic genes encoded within the genome [5]. Additional variability arises from environmental conditions and external stimuli. None of this variation can be fully accounted for with only the generic human metabolic model. Considering the context—e.g., genomic, anatomical, environmental, or temporal—under which a subset of the genome-scale biochemical network operates is therefore essential to understanding the molecular basis for many human diseases.

The importance of tissue-specific context in disease is evident from distinct metabolic profiles of cancers arising from different tissues. For example, it has been experimentally demonstrated that MYC oncogene-induced liver tumors show increased glutamine uptake, while MYCinduced lung tumors show glutamine secretion [6]. Another study showed that while lactate dehydrogenase A is important for breast carcinoma, neuroblastoma, and B-cell tumor cells, it is dispensable for MYC-induced lymphomagenesis [7]. Similar results were observed for phosphoglycerate dehyrogenease in breast cancer and melanoma [8,9] versus MYC-induced lymphomagenesis [7]. Importantly, cancer metabolism in general also operates in unique environmental and signaling contexts compared to normal physiology and metabolic diseases such as obesity and diabetes [4].

The context in which a metabolic network operates can be viewed at multiple scales, all of which can be dependent on one another. The broadest level typically associated with metabolic models is genomic context—i.e., the full enzymatic capability encoded in the genome. Since the genome is the starting point from which to construct any generic organismal model, we will not consider it further here. A more critical contextual consideration for genome-scale models in higher organisms—especially in human tissues—is the subset of metabolic enzymes that are being expressed (e.g., represented in the transcriptome) at a given time. The transcriptional regulatory state governs which subset of metabolic enzymes and pathways are active, and manifests as either (i) the specific expression program for a tissue or cell type; or (ii) the tissue or cellular response to intracellular or environmental conditions. The ideal strategy for modeling such contextual differences would be the integration of a generic, genomescale model (e.g., Human Recon 1 [1]) with a detailed, context-specific transcriptional regulatory network (TRN), including signaling events that relay cues from the cellular microenvironment. However, as these TRNs cannot yet be comprehensively and accurately reconstructed and modeled in human cells, recent efforts have turned to employing context-specific expression data to create models that are representative of active metabolism in specific human tissues and cell types either across a wide range of experimental conditions or under a particular condition [10-19].

 

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

بازسازی مدل های متابولیک در مقیاس ژنوم برای ۱۲۶ بافت انسانی با استفاده از mCADRE

عنوان انگلیسی مقاله:

Reconstruction of genome-scale metabolic models for 126 human tissues using mCADRE

 
 
 
 
 

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *