Evolutionary Modeling of Cell Processes

Anastasia SLUŠTÍKOVÁ LEBEDIK

Disertační práce

Abstract:

Za účelem rozšíření znalostí biologických omezení mechanismů modelování je nezbytně nutné prozkoumat metabolické sítě, které řídí buněčné procesy. Složitost vazeb mezi jednotlivými komponenty těchto sítí dělá předpověď chování systému extrémně komplikovanou. Studium dynamiky metabolického systému zahrnuje identifikaci parametrů systému. Na základě vysokého počtu reakcí, nelineárních interakcí mezi různými metabolity, enzymy a jinými komponenty systému můžeme posouzení parametrů metabolických systémů formulovat jako problém nelineárního programování (NLP). V disertační práci zkoumáme výkon moderních evolučních metod v identifikaci parametrů známých metabolických systémů. Navíc jsou ještě vybrané evoluční algoritmy použity k modelování metabolického systému s neznámými vlastnostmi. Disertační práce poskytuje teoretické základy pro studium metabolických sítí. Evoluční algoritmy použité na problém modelování metabolických sítí jsou popsány v teoretické části. Experimentální část se skládá ze čtyř studií. Tři evoluční techniky: Genetický Algoritmus, Diferenciální Evoluce a SamoOrganizující se Migrační Algolritmus, jsou použity k definování parametrů tří známých metabolických systémů: močovinový cyklus, three-step pathway a glykogenolýza v kosterní svalovině. Jednou z unikátních předností této disertační práce je novátorské použití algoritmu SOMA, dosud nepoužitého v oblasti bioscience, k definici parametrů systému na základě experimentálně získaných dat. Zároveň je naše studie jednou z hlavních částí výzkumu metabolismu lidských kmenových buněk. Celkově výsledky modelování ukázali, že evoluční algoritmy poskytují efektivní přístup v nalezení parametrů metabolických modelů a mohou být aplikovány při hledání řešení rozsáhlých problémů modelování metabolických sítí.

Abstract:

In order to extend knowledge of biological regulation mechanisms modeling, it is necessary to investigate metabolic networks that control cellular processes. Complexity of interactions between components of these networks makes prediction of system behavior extremely challenging. The study of a metabolic system dynamics includes parameter estimation of the system. Due to a large number of reactions, non-linear interactions between different metabolites, enzymes and other components of the system, parameters estimation of metabolic systems can be formulated as non-linear programming (NLP) problem. The dissertation investigated parameter estimation of well-studied metabolic systems using modern evolutionary techniques. It also included comparison of algorithms performance in identifying model parameters. Furthermore, selected evolutionary algorithms were applied to modeling of metabolic system with unknown properties. The doctoral thesis provides a theoretical basis for the study of metabolic networks. It also describes the application of evolutionary algorithms to metabolic networks modeling problems. Experimental part consisted of four case studies. In first three case studies three evolutionary techniques namely Genetic Algorithm, Differential Evolution and Self-Organizing Migrating Algorithm were applied to define parameters of three well-studied metabolic systems: the urea cycle, a three-step pathway and the model of glycogenolysis in skeletal muscle. The last case study included parameter estimation of model of energy metabolism in human stem cell based on experimentally measured data. This investigation is one of the main parts in whole study of human stem cell metabolism, which is carried out in stem cell laboratory in Masaryk University (Brno). One of remarkable contributions of this study is the application of SOMA, a novel evolutionary technique in bioscience, to optimization of kinetic parameters in metabolic systems. Kinetic parameters of the urea cycle model and model of glycogenolysis in skeletal muscle were firstly defined using evolutionary techniques. Overall, the results of modeling show that evolutionary algorithms provide an effective approach in parameter estimation of metabolic models and could be used even in large-scale problems.

Keywords

metabolické sítě, evoluční algoritmy, identifikace parametrů

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 4. 10. 2013

Zveřejnit od: 4. 10. 2013

Obhajoba závěrečné práce

• Obhajoba proběhla 4. 12. 2013

Univerzita Tomáše Bati ve Zlíně

Fakulta aplikované informatiky

Doktorský studijní program / obor:
Inženýrská informatika / Inženýrská informatika