Professional Documents
Culture Documents
PROFESOR GUÍA:
JUAN ASENJO DE LEUZE
MIEMBROS DE LA COMISIÓN:
ALEJANDRO MAASS SEPÚLVEDA
BARBARA ANDREWS FARROW
ZIOMARA GERDTZEN HAKIM
SANTIAGO DE CHILE
SEPTIEMBRE 2007
Resumen
La presente memoria tiene como objetivo comparar teóricamente las capacidades me-
tabólicas de dos tipos de levadura: Saccharomyces cerevisiae y Pichia pastoris, como sistemas de
expresión de la enzima Superóxido Dismutasa humana (hSOD).
Para ello se determinaron las redes metabólicas de ambos organismos produciendo hSOD,
se estudiaron las propiedades topológicas básicas de ambos modelos, se calcularon sus modos ele-
mentales y los rendimientos máximos de hSOD y biomasa versus glucosa, glicerol y metanol entre
los modos elementales, para distintas condiciones.
Al comparar los modos elementales de ambos modelos se observó que la red de P. pas-
toris presenta un mayor número de modos debido a la presencia del catabolismo de metanol, el
cual no realiza S. cerevisiae. La degradación de glucosa se presenta en el 78 % y 88 % de los mo-
dos elementales para S. cerevisiae y P. pastoris respectivamente, siendo éste el sustrato con mayor
participación en los modos.
Con respecto a los rendimientos relativos máximos de biomasa y hSOD versus glucosa,
glicerol, éstos resultan idénticos para ambos modelos, lo cual indica que los modos en los que se
encuentran aquellos rendimientos máximos se encuentran en ambos modelos, aunque no son nece-
sariamente los mismos modos, y que los modos elementales que incluyen consumo de metanol no
entregan –dada la estequiometrı́a de las reacciones involucradas– mejores rendimientos relativos.
Los resultados sugieren que una fuente de carbono adicional y la mayor cantidad de mo-
dos elementales asociada, que se refleja en mayores posibles combinaciones de vı́as metabólicas
activas da cuenta de la mayor eficiencia mostrada por P. pastoris como productor de proteı́nas re-
combinantes o simplemente, que las vı́as o factores que entregan mayor productividad a P. pastoris
no fueron consideradas.
Se logró realizar el modelo metabólico de mayor extensión conocido hasta la fecha para
Pichia pastoris, abriendo camino para que futuros investigadores realicen mayores análisis y des-
arrollos al modelo.
P. pastoris presenta la ventaja de poseer un promotor (del gen que codifica a la primera
enzima de la vı́a catabólica de metanol) fuertemente regulado, por lo que serı́a de gran interés el
considerar regulación génica al presente modelo y continuar el estudio, para ası́ dilucidar si las
diferencias en eficiencia –como productor de proteı́nas heterólogas– entre P. pastoris frente a S.
cerevisiae, radica en la regulación.
1
Dedicatoria
Gustavo
Pascuala
Clarita
.............
2
Agradecimientos
A quienes han sido un modelo a seguir en la ingenierı́a y/o academia, por su calidad pro-
fesional y humana.
A quienes me han brindado grandes oportunidades y han sido un importante apoyo duran-
te mi carrera, en particular en el desarrollo de esta memoria: Muchas Gracias por tanta confianza.
A mis hermanas, a mis amigos y a mis compañeros por su amistad, humor y paciencia.
3
Índice general
1. Introducción 9
1.1. Propósito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2. Contenido de la memoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3. Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1. Modelos Estequiométricos . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.2. Marco de trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.3. Fenómeno Modelado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.4. Hipótesis de Trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4. Objetivo Principal y Actividades Realizadas . . . . . . . . . . . . . . . . . . . . . 16
4
2.5.2. Rendimientos Relativos . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3. Metodologı́a 34
3.1. Modelos Metabólicos Estacionarios . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.1.1. Desarrollo Modelo Metabólico Pichia pastoris . . . . . . . . . . . . . . . 34
3.1.2. Análisis Modelos Metabólicos P. pastoris y S. cerevisiae . . . . . . . . . . 35
3.1.3. Modelo Estequiométrico Saccharomyces cerevisiae . . . . . . . . . . . . . 36
3.2. Análisis Modelos Metabólicos Estacionarios . . . . . . . . . . . . . . . . . . . . . 37
3.3. Tratamiento Informático del Problema . . . . . . . . . . . . . . . . . . . . . . . . 37
3.3.1. Codificación de los Modelos Metabólicos en formato SBML . . . . . . . . 37
3.3.2. Representación Gráfica de Resultados: Lenguage GLE . . . . . . . . . . . 38
3.3.3. Software C ELL N ETA NALYZER . . . . . . . . . . . . . . . . . . . . . . . 38
4. Resultados y Discusiones 39
4.1. Modelo Estequiométrico de S. cerevisiae . . . . . . . . . . . . . . . . . . . . . . 39
4.2. Modelo Estequiométrico de P. pastoris . . . . . . . . . . . . . . . . . . . . . . . . 41
4.3. Modelo Estequiométrico de P. pastoris . . . . . . . . . . . . . . . . . . . . . . . . 42
4.4. De los Modelos Estequiométricos . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.4.1. Potenciales Mejoras a los Modelos Estequiométricos . . . . . . . . . . . . 42
4.5. Análisis Modelos Estequiométricos . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.5.1. Propiedades Topológicas Básicas . . . . . . . . . . . . . . . . . . . . . . 44
4.5.2. Conectividad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.5.3. Modos Elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.5.4. Rendimientos Relativos . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5. Conclusiones 56
5.1. De los Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.1.1. De la Productividad de P. pastoris versus S. cerevisiae . . . . . . . . . . . 57
5.2. Conclusiones Generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.3. Aporte al Campo o a la Disciplina . . . . . . . . . . . . . . . . . . . . . . . . . . 60
Apéndice 68
5
A. Modelos Metabólicos 69
A.1. Modelo Estequiométrico de Saccharomyces cerevisiae . . . . . . . . . . . . . . . 69
A.1.1. Vı́as Metabólicas del Modelo de Saccharomyces cerevisiae . . . . . . . . 69
A.2. Modelo Estequiométrico de Pichia pastoris . . . . . . . . . . . . . . . . . . . . . 76
A.2.1. Vı́as Metabólicas del Modelo de Pichia pastoris . . . . . . . . . . . . . . 76
B. Nomenclatura y Abreviaciones 82
B.1. General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
B.2. Metabolitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
B.3. Flujos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
C. Material Suplementario 87
C.1. Algoritmo Cálculo Modos Elementales . . . . . . . . . . . . . . . . . . . . . . . . 87
C.1.1. Descomposición de Distribuciones de Flujo . . . . . . . . . . . . . . . . . 87
C.1.2. Implementación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
C.2. Archivos de los Modelos Estequiométricos en formato SBML . . . . . . . . . . . 90
C.3. Representación Modelos Metabólicos . . . . . . . . . . . . . . . . . . . . . . . . 90
C.4. Modos Elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
Índice Alfabético 92
Glosario 96
6
Índice de figuras
2.1. Ejemplo Simple de Red metabólica, Modos Elementales (EM) y Vı́as Extremas (EP) 32
visiae. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.4. Modos Elementales con Máximos Rendimientos Y biomasa y Y SOD Modelo P. pastoris. 52
metanol metanol
7
Índice de tablas
8
Capı́tulo 1
Introducción
1.1. Propósito
La presente memoria tiene como propósito estudiar, a través de un análisis de vı́as me-
tabólicas de los modelos estequiométricos de Pichia pastoris y Saccharomyces cerevisiae, las di-
ferencias teóricas de sus capacidades metabólicas para producir la proteı́na heteróloga Superóxido
Dismutasa humana (hSOD).
Introducción. Indica el propósito de la presente memoria junto con resumir su contenido. Además
contiene antecedentes de las levaduras Pichia pastoris y Saccharomyces cerevisiae, de mo-
delos metabólicos y su análisis, en particular el análisis de modos elementales. Además se
explica el marco de trabajo, el fenómeno a modelar, el objetivo principal y las actividades
realizadas.
9
redes metabólicas y análisis de modelos estequiométricos.
Metodologı́a. Describe el procedimiento llevado a cabo para cumplir los objetivos planteados en
un comienzo, en particular para desarrollar el modelo metabólico de Pichia pastoris y para
comparar tal modelo con el modelo metabólico de Saccharomyces cerevisiae. Adicional-
mente abarca análisis de modelos metabólicos y tratamiento informático del problema.
Resultados y Discusiones. Muestra el modelo metabólico desarrollado para P. pastoris, las fuen-
tes bibliográficas utilizadas para desarrollar ambos modelos, las diferencias entre las redes
y los resultados obtenidos tras aplicar el método de análisis de modos elementales y ren-
dimientos relativos sobre los dos modelos estequiométricos. Adicionalmente se presentan
discusiones respecto del trabajo realizado y de los resultados obtenidos.
Conclusiones. Indica las conclusiones generales y especı́ficas que se lograron inferir a partir de
los resultados obtenidos, respondiendo a los objetivos planteados en un comienzo. En parti-
cular contiene conclusiones en relación a la productividad de P. pastoris versus S. cerevisiae.
Finalmente se señalan aportes al campo o a la disciplina.
Apéndices. Incluye los modelos estequiométricos en detalle (listas de reacciones), el diagrama del
modelo de S. cerevisiae, y los enlaces a direcciones web en donde se encuentran disponibles
los archivos SBML1 de ambos modelos, los códigos en GLE2 para su representación y los
modos elementales calculados para cada modelo. Para facilitar la comprensión de los mode-
los, se incluye nomenclatura, abreviaciones y explicaciones de los nombres de los flujos.
1.3. Antecedentes
10
al escalar los cultivos, que las proteı́nas a ser excretadas queden restringidas en el espacio peri-
plasmático, entre otros. Es por esto que han surgido levaduras alternativas como sistemas de expre-
sión, entre las que cabe mencionar Kluyveromyces lactis, Schizosaccharomyces pombe, Yarrowia
lipolytica, Hansenula polymorpha y Pichia pastoris, la cual se ha destacado por su elevada produc-
tividad al expresar proteı́nas recombinantes3 [75].
Es por esto que modelar su metabolismo no es una tarea sencilla, y se debe basar en la
información de enzimas aisladas o de estudios de flujos medidos con técnicas como C13 y experi-
mentos de hibridización cruzada con microarrays de distintos organismos, entre otros. [68].
3 Una lista actualizada de proteı́nas que han logrado ser expresadas en P. pastoris se encuentra en
http://faculty.kgi.edu/cregg/Pichia2004.htm
4 La empresa Integrated Genomics Inc. (IG) ha secuenciado el genoma de Pichia pastoris, pero aún no lo hace
público.
11
Los modelos realizados para P. pastoris hasta la fecha están basados en modelos este-
quiométricos que describen la variación de la biomasa y ciertos sustratos y productos [67, 77, 76].
El primero de estos modelos [67] es muy reducido (por ejemplo, utiliza sólo 8 reacciones para
describir el metabolismo del organismo cuando crece en glicerol), el segundo de éstos [77] no con-
templa el consumo de metanol y el tercero [76], a pesar de incluir el metabolismo del metanol, no
incorpora las reacciones de sı́ntesis de proteı́nas, etanol, carbohidratos, ARN y lı́pidos.
Entre los genes conocidos de P. pastoris, se han identificado secuencias de alta similitud
al compararlos con los correspondientes a S. cerevisiae (puntaje superior a 75 % sobre un largo de
al menos 250 pares de bases). La mayorı́a de los genes secuenciados pertenecen al metabolismo
del carbono y energı́a, o contribuyen a la sı́ntesis de aminoácidos o proteı́nas. Otro grupo de genes
de Pichia pastoris de secuencia conocida pertenece a vı́as especı́ficas de levaduras metilotróficas.
Para tales genes no hay homólogos presentes en el genoma de Saccharomyces cerevisiae [68].
Actualmente existen al menos doce bases de datos metabólicas; BioCasta, BioCyc, Bio-
Silico, BRITE, BSD, KEGG, Kiotho, LIGAND, Metacyc, Metagrowth, PathDB y UM-BBD.
12
Los modelos metabólicos han tenido un rol protagónico en la biologı́a de sistemas (sys-
tems biology);
“estudio de un organismo, visto como una red integrada e interactuante de genes, pro-
teı́nas y reacciones bioquı́micas que dan origen a la vida. En vez de analizar compo-
nentes individuales o aspectos del organismo, tales como ciertas vı́as o componentes
celulares, la biologı́a de sistemas se preocupa de todos los componentes y las interac-
ciones entre ellos, todo como parte de un sistema. Tales interacciones son las respon-
sables, en última instancia de la forma e interacciones del organismo5 . ” [4]
Entre los distintos tipos de modelos metabólicos es posible distinguir modelos basados
en restricciones (CBM, Constrain Based Models) y modelos no basados en restricciones, donde la
principal diferencia radica, tal como es posible inferir de la clasificación, en la presencia/ausencia
de restricciones, en la conectividad (estequiometrı́a de las reacciones), la capacidad (flujos me-
tabólicos máximos), las tasas (de regulación, cinéticas, etc.), otros (presión enzimática, electro-
neutralidad, etc.) [64].
Para analizar modelos estequiométricos y lograr obtener información adicional del sis-
tema a la obtenida por simple inspección, existen distintas herramientas y métodos que permiten
caracterizar al espacio solución (distribuciones de flujo permitidas dadas las restricciones impues-
tas). Entre los métodos más utilizados es posible mencionar; Análisis de Flujos Metabólico (MFA),
Análisis de Balances de Flujos (FBA) [69], Análisis Regulatorio de Balances de Flujos (rFBA)
[58], Análisis de Planos de Fases de Fenotipos (PhPA) [58], Análisis de Minimización de Ajustes
Metabólicos (MOMA) [58], Análisis de Balances de Energı́a (EBA) [59], Análisis de Robustez
[58], Análisis de Control Metabólico (MCA) [58], Teorı́a Bioquı́mica de Sistemas (BST) [58],
Modelo Cibernético y Análisis de Vı́as Metabólicas (MPA) [9] que incluye al Análisis de Vı́as
5 Tales interacciones permiten identificar propiedades emergentes del sistema.
13
Extremas (EPA) [86] y Análisis de Modos Elementales (EMA) [9], entre otros.
Del listado anterior los dos últimos métodos requieren sólo la estequiometrı́a de la red
metabólica, y permiten determinar propiedades topológicas de la red estequiométrica (conectivi-
dad de metabolitos por ejemplo), identificar potenciales blancos (targets) terapéuticos, estudiar
secuencias huérfanas, etc. La identificación de targets terapéuticos consiste en identificar reaccio-
nes esenciales para forzar o bloquear cierta función metabólica. Por ejemplo, si se ha identificado
que una reacción está presente en todos los modos elementales asociados con tal función, al blo-
quear la reacción, el sistema ya no serı́a capaz de realizar tal función, es decir, tal reacción es un
blanco terapéutico potencial [9].
Las vı́as extremas corresponden al mı́nimo conjunto de vı́as capaces de describir todas
las distribuciones de flujo posibles en estado estacionario y son linealmente independientes, mien-
tras que los modos elementales representan las sub-redes más pequeñas que le permiten al sistema
metabólico operar en estado estacionario, desde un punto de vista funcional [47].
Los modos elementales son un subconjunto de las vı́as extremas. Para un sistema con
todas sus reacciones irreversibles, ambos conjuntos de vı́as son equivalentes [60].
14
1.3.2. Marco de trabajo
Se escogió utilizar el formato SBML [41] como el formato a utilizar, debido a su estruc-
tura lógica y a la gran difusión y penetración que tiene en los cı́rculos académicos del área. De tal
modo, se facilita compartir, validar y simular los modelos.
En vez de haber programado los métodos de análisis, se optó por utilizar el software
libre C ELL N ETA NALYZER [47] debido a que cuenta con una gran variedad de métodos de análisis
de modelos estequiométricos bien implementados, está basado en M ATLAB, pudiendo modificarse
los códigos fuentes y debido a que posee una gráfica adecuada.
15
complejidad similar a este modelo. En el caso de Pichia pastoris se incluyeron adicionalmente las
reacciones que explican el metabolismo del metanol, dado que éste es un organismo metilotrófico.
1. Se identificaron los elementos que componen la red metabólica de Pichia pastoris produ-
ciendo la enzima Superóxido Dismutasa humana (hSOD) y cómo se interrelacionan.
16
b) Se codificó el modelo metabólico de Pichia pastoris en formato SBML.
6. Se determinaron los rendimientos máximos de biomasa y SOD con respecto a glucosa, gli-
cerol y metanol de los modos elementales de ambos modelos y se compararon con datos de
rendimientos experimentales reportados en la literatura para ambas levaduras produciendo
SOD.
17
Capı́tulo 2
Aunque todas las levaduras son microorganismos que derivan su energı́a quı́mica en la
forma de ATP, a partir de la ruptura de compuestos orgánicos, existe diversidad metabólica en
cómo estos organismos generan y consumen energı́a desde tales sustratos [26].
Está bien establecido que la mayorı́a de las levaduras emplean azúcares como su princi-
pal fuente de carbono, pero ciertas levaduras pueden utilizar fuentes de carbono no convencionales.
Con respecto al metabolismo de nitrógeno, la mayorı́a de las levaduras son capaces de asimilar
fuentes de nitrógeno simples para biosintetizar aminoácidos y proteı́nas. Aspectos del metabolis-
mo de azufre y fósforo, como también el metabolismo de otros compuestos inorgánicos han sido
18
estudiado en cierto detalle, predominantemente en Saccharomyces cerevisiae [26, 83].
Se pueden observar dos formas principales para el uso de piruvato en la posterior produc-
ción de energı́a, respiración y fermentación. En la presencia de oxı́geno y la ausencia de represión,
el piruvato ingresa a la matriz mitocondrial donde es descarboxilado oxidativamente hacia Acetil-
CoA por el complejo multienzimático piruvato deshidrogenasa. Esta reacción une la glicólisis con
el ciclo del ácido cı́trico, en el cual AcetilCoA es completamente oxidado para dar dos moléculas
de CO2 y equivalentes reductivos en la forma de NADH y FADH2 . Sin embargo, el ciclo del áci-
do cı́trico es una vı́a ambibólica, dado que combina funciones tanto catabólicas como anabólicas
[26]. Los compuestos necesarios para impulsar el ciclo de ácido cı́trico, como el oxaloacetato y
α-cetoglutarato son recuperados a través de [26, 83];
(i) la fijación de CO2 hasta piruvato por la acción de las enzimas piruvato carboxilasa (depen-
diente de ATP) y fosfoenolpiruvato carboxiquinasa,
(ii) el ciclo del glioxilato (un atajo a través del ciclo del ácido cı́trico), el que es relevante cuando
las levaduras crecen en dos fuentes de carbono, como acetato y etanol.
Una forma alternativa de oxidación de glucosa es la vı́a de las pentosas fosfato, que pro-
vee a las células con azúcares pentosas y NADPH citosólico para la biosı́ntesis de ácidos grasos,
19
aminoácidos y alcohol azúcares. El primer paso en esta vı́a es la deshidrogenación de glucosa-6-
fosfato a 6-fosfogluconolactona y la generación de 1 mol de NADPH por glucosa-6-fosfato deshi-
drogenasa. A continuación, el 6-fosfogluconato es descarboxilado por la acción de fosfoglucanato
deshidrogenasa para dar ribulosa-5-fosfato y un segundo mol de NADPH [26].
Los transportadores redox, NAD y FAD, que se reducen durante la ruptura de azúcares a
NADH y FADH2 , respectivamente, son reoxidados en la cadena respiratoria (transporte de electro-
nes) ubicada en la membrana interior de la mitocondria. La energı́a liberada durante la transferencia
de electrones está acoplada al proceso de fosforilación oxidativa (también ubicada en la membrana
mitocondrial interna), que está diseñado para sintetizar ATP desde ADP y fosfato inorgánico [26].
Muchos tipos de levadura pueden crecer en glicerol como única fuente de carbono bajo
condiciones aeróbicas, siendo también una fuente de carbono no fermentable para varias levaduras,
incluyendo Saccharomyces cerevisiae. Para servir como fuente de carbono, tras ser internalizado
el glicerol, debe ser convertido por glicerol quinasa a glicerol-3-fosfato, el que es luego transfor-
mado hacia DAH fosfato (sustrato en gluconeogénesis) por glicerol-3-fosfato deshidrogenasa [26].
20
sorbitol la actividad especı́fica de AOX1 es cercana al 60 % de la observada en metanol. Por otro
lado, la glucosa y el etanol son represores efectivos; en cultivos con glicerol la actividad AOX no
se detecta, sin embargo esta fuente de carbono no reprime el sistema. Además se ha demostrado
que los efectos represor e inductor compiten [63].
P. pastoris tiene un promotor fuertemente inducible por metanol (AOX1) el que permite
tener un control fuerte sobre la degradación de metanol y producción de proteı́nas heterólogas.
Además de esto, P. pastoris realiza glicosilación de manera similar a las células humanas, produ-
ciendo proteı́nas de menor antigenicidad que S. cerevisiae 1 [17].
P. pastoris puede crecer a densidades celulares mayores que S. cerevisiae (100 g/litro
aproximadamente), lo cual se asocia a una mayor producción de proteı́nas secretadas. Por ejem-
1 En la Sub-Sección 2.2.1 se discutirá en mayor detalle la diferencia en glicosilación de ambas levaduras
21
plo, entre los mayores rendimientos de P. pastoris se encuentra el de la proteı́na heteróloga (S)-
Hidroxinitrilo liasa (Hnl) con un rendimiento de 22 g/litro, mientras que para S. cerevisiae se
encuentra la producción de α-amilasa de bacteria, con un rendimiento de 2.5 g/litro [38, 29].
Por otro lado, se ha demostrado que P. pastoris presenta un mayor rendimiento al produ-
cir proteı́nas heterólogas que S. cerevisiae. Tal es el caso de (S)-Hidroxinitrilo liasa (Hnl) de Hevea
brasiliensis [38], α-amilasa pPAM de ratón [43], insulina [46], monoamida oxidasa A de hı́gado
humano [51], carboxilesterasa de hı́gado de conejo [55], lisozima H5 de huevo de gallina [53],
penicilina G amidasa de Providencia rettgeri [73], nucleoproteı́na del virus de sarampión [74],
dalcoquinasa de Dalbergia cochinchinensis Pierre [79], lactoferrina porcina (rPLF) [84], precur-
sor de insulina de cerdo (PIP) [85] y antı́geno del parásito de la malaria Pfs25 [89], entre muchas
otras.
Más aún, Parekh señala que la diferencia entre especies de levaduras en cuanto a su
capacidad para secreción de proteı́nas heterólogas podrı́a ser eliminada si se logra que S. cere-
visiae realice un uso eficiente de sus capacidades secretorias disponibles, y que la capacidad de
productividad máxima proteica está determinada por la capacidad del retı́culo endoplasmático de
enrollamiento proteico [61].
22
2.2. Levadura como sistema de expresión
Los sistemas de expresión procariontes son de gran utilidad para producir proteı́nas he-
terólogas (recombinantes) a partir de cDNA de origen eucarionte. Sin embargo, en muchos casos
las proteı́nas eucariontes sintetizadas por bacterias son inestables o carecen de actividad biológi-
ca. Al purificar las proteı́nas recombinantes, éstas se pueden ver contaminadas por compuestos
bacterianos tóxicos o que causen un aumento de temperatura corporal en humanos y animales
(pirogénicos), en el caso de aplicaciones terapéuticas. Con el objetivo de evitar estos problemas,
se han desarrollado sistemas de expresión eucariontes para la producción de proteı́nas de uso te-
rapéutico (humanos o animales), que en general deber ser idénticas a las producidas de forma
nativa, a modo de mantener intactas sus propiedades bioquı́micas, fı́sicas y funcionales. La inca-
pacidad de los organismos procariontes de producir versiones idénticas se debe princialmente a la
ausencia de mecanismos apropiados para realizar modificaciones post-traduccionales [48, 78].
23
Proteı́nas a ser excretadas se quedaban retenidas en el espacio periplasmático.
Debido a tales limitaciones ha sido necesario estudiar otras especies de levadura como
sistemas de expresión. Entre tales especies es posible mencionar Kluyveromyces lactis, Saccha-
romyces pombe, Yarrowia lipolyctica, Hansenula polymorpha y Pichia pastoris [78].
24
técnicas de fermentación de alta densidad, ha permitido obtener niveles de varios gramos de pro-
teı́na heteróloga secretada por litro de cultivo [17, 78].
HSOD es útil para prevenir el daño tisular asociado a cambios bruscos de oxigenación
(transplantes, infartos, procedimientos quirúrgicos –by pass–, etc.) y en el tratamiento de la artritis
reumatoidea (la inflamación y destrucción de las articulaciones parecieran estar relacionadas con
los radicales libres del O2 ) [5].
25
Se han realizado diversos estudios teóricos y experimentales del metabolismo de Saccha-
romyces cerevisiae produciendo hSOD, determinándose ciertas capacidades metabólicas y propie-
dades estructurales de su red metabólica [6, 35, 7].
26
ciertas propiedades estructurales de la red para la producción de aminoácidos, entre muchas otras
aplicaciones [15, 56].
Para poder responder tales preguntas sobre cada reacción se deberá realizar una amplia
búsqueda bibliográfica, llegando a conocer el actual estado del arte de reacciones metabólicas. Para
ello existen bases de datos de vı́as en lı́nea, libros de bioquı́mica, secuencias genómicas anotadas,
y experimentos metabólicos en revistas y publicaciones cientı́ficas.
27
2.4.2. Representación Matemática Modelos Estequiométricos
aA + cC −→ eE, (2.1)
bB + e0 E −→ gG + a0 A, (2.2)
(1) (2)
A −a a0
0 −b
B
N = C
−c 0 .
E e −e0
G 0 g
m
∑ N ji ·V j = ri , ∀i. (2.3)
j=1
donde:
28
≥ 0, i producto
N ji : Coeficiente estequiométrico del metabolito i en la reacción j. N ji
≤ 0, i sustrato
V j : Flujo de la reacción j
ri : Tasa neta de producción del metabolito i
m: Número total de reacciones
r
N T ·V = .
0
El análisis de vı́as metabólicas comenzó en los 80’ con el desarrollo de SNA (Stoichio-
metric Network Analysis), realizado por Bruce Clarke. Tal teorı́a fue desarrollada para estudiar la
inestabilidad de redes quı́micas inorgánicas. Tal fue el primer intento de realizar análisis convexo
a redes de reacciones, pero no se extendió a seres vivos [71].
Este estudio fue continuado por algoritmos de inteligencia artificial para buscar a través
de las redes de reacciones siguiendo la teorı́a de grafos. Luego Mavro le agregó restricciones este-
quiométricas. Ambos análisis carecı́an de bases teóricas sólidas, por lo que en el año 1994 Schuster
aplicó Programación lineal al estudio de redes metabólicas determinando grupos de modos ele-
mentales. Esta nueva forma de analizar redes metabólicas fue aplicada por Liao para optimizar el
diseño de cepas bacterianas en la producción de aminoácidos aromáticos [71].
Un ejemplo de análisis de redes de gran tamaño es Feist, Palsson et al. 2007. Este intento
toma el desafı́o de descomposición, pero aún se encuentra en sus primeros pasos. [25].
29
2.5.1. Modos Elementales
Un modo elemental es un set mı́nimo de enzimas que puede operar en estado estacionario
con todas las reacciones irreversibles procediendo en la dirección apropiada [60].
Para obtener un modo elemental, bloquear alguna enzima de la red metabólica en estudio
y determinar si aún hay flujo a través del sistema. Bloquear una segunda enzima, y repetir
sucesivamente. Un modo elemental se obtiene cuando el bloqueo de una enzima adicional,
aún activa, lleva a la pérdida de cualquier flujo en estado estacionario en el sistema [60].
(ii) V ∗∗ contiene componentes zero donde V ∗ los contiene y en al menos una posición adicional,
30
Determinación de Modos Elementales
El algoritmo utilizado por el software escogido2 para calcular los modos elementales
corresponde al que realiza M ETATOOL y que fue desarrollado por Pfeiffer en el año 1999 [62].
(I) Existe un único conjunto de vı́as extremas para una red dada.
(II) Cada vı́a extrema está compuesta por un número mı́nimo de reacciones que necesita para
existir como una unidad funcional.
31
(III) Las vı́as extremas son subconjuntos sistemáticamente independientes de los modos elemen-
tales; es decir, ninguna vı́a extrema puede ser representada como una combinación lineal
no-negativa de otras vı́as extremas.
Las propiedades I y II las comparten tanto los modos elementales como las vı́as extre-
mas. En la Figura 2.1 se muestran las vı́as extremas y los modos elementales de un sistema simple.
Se observa que las vı́as extremas son un subconjunto de los modos elementales (tal como lo indica
la propiedad III) [60].
Figura 2.1: Ejemplo Simple de Red metabólica, Modos Elementales (EM) y Vı́as Extremas (EP)
La red está compuesta por tres metabolitos, tres reacciones internas y tres reacciones de intercam-
bio (a), luego se presentan sus cuatro modos elementales EM 1 (b) EM 2 (c) EM 3 (d) y EM 4 (e) y
sus tres vı́as extremas EP 1 (f) EP 2 (g) y EP 3 (h). La diferencia entre los conjuntos de vı́as radica
en el uso del flujo de intercambio reversible para el metabolito A. El modo elemental EM 4 es una
combinación lineal no-negativa de las vı́as extremas EP 1 y EP 2, ya que el flujo de intercambio
reversible para el metabolito A puede cancelarse. [60]
32
2.5.2. Rendimientos Relativos
Los rendimientos relativos varı́an con las distintas fuentes de carbono, con las condicio-
nes de operación, con el tiempo, entre otros [75].
0 PMS
YX/S = YX/S · . (2.6)
PMX
33
Capı́tulo 3
Metodologı́a
2. Se integró la información metabólica obtenida en una red metabólica que incluyera al menos
las vı́as del metabolismo central del organismo.
34
3.1.2. Análisis Modelos Metabólicos P. pastoris y S. cerevisiae
En esta etapa se tomó como base el SBML del modelo de S. cerevisiae a partir de la
reconstrucción a nivel genómico realizado por Förster, Famili, Fu, Nielsen y Palsson
en el año 2003 [31]. Luego de haber estudiado la reconstrucción y el formato, se proce-
dió a eliminar y agregar reacciones, compartimientos, eventos, condiciones, entre otros
elementos del formato.
2. Se creó un proyecto en C ELL N ETA NALYZER para cada modelo y luego se cargaron los
modelos en SBML en sus proyectos respectivos.
A continuación se indican las dificultades encontradas y los pasos seguidos para superarlas.
En un comienzo no se logró encontrar una solución factible al modelo. Para ello se uti-
lizó la herramienta Basic Topological Properties del Programa C ELL N ETA NALYZER
la cual entrega un reporte en la ventana de M ATLAB indicando la existencia de reaccio-
nes bloqueadas, de metabolitos que se acumulan al interior del sistema o metabolitos
que se utilizan pero no se generan ni ingresan a éste, entre otras propiedades.
La etapa en la curación de los modelos que mayor dificultad tenı́a asociada fue la iden-
tificación de errores en reversibilidades de reacciones, lo que puede llevar incluso a la
pérdida de factibilidad del sistema global. Es por esto que se debió revisar en detalle la
reversibilidad de cada reacción en cada modelo.
35
Al momento de ejecutar el método de cálculo de modos elementales se revisó que no
existiesen reacciones bloqueadas y se ejecutó de modo tal que se respetaran las reversi-
bilidades de las reacciones en el sistema, ya que de no respetarlas el número de modos
elementales aumentarı́a considerablemente y muchos de ellos no serı́an biológicamente
factibles.
Se determinó que biomasa y SOD eran los productos relevantes, y que los sustratos
glucosa, glicerol y metanol serı́an estudiados.
Se utilizó el modelo metabólico realizado por Ramón González [36, 35], para S. cere-
visiae expresando Superóxido Dismutasa humana, previa verificación de sus supuestos y algunas
modificaciones que permitieran generalizar el modo tal que tuviera una extensión y complejidad
adecuada para obtener resultados relacionados con las capacidades metabólicas generales de los
organismos en estudio.
Entre las mejoras al modelo se encuentran el haber incluido el metabolito DHAP y más
reacciones que permitieron representar en mayor detalle a la vı́a de degradación de glicerol.
36
3.2. Análisis Modelos Metabólicos Estacionarios
El programa utilizado (C ELL N ETA NALYZER [47]) realiza diversos tipos de análisis de
modelos estequiométricos, entre los que se encuentran Análisis de Modos Elementales, Análisis de
Vı́as Extremas, Análisis de Balances de Flujos, Análisis de Sensibilidad, Análisis de Robustez, etc.
Fue desarrollado durante el año 2000 por Michael Hucka, Andrew Finney, Herbert Sau-
ro y Hamid Bolouri a petición de Hiroaki Kitano y John C. Doyle con el financiamiento de Japan
Science and Technology Corporation (JST) [40]. Actualmente se encuentra disponible la versión
3 de SBML Nivel 2, la cual se ha obtenido gracias a la colaboración de cientos de personas que
han participado en la revisión y mejora del lenguage [1].
La estructura del lenguage SBML Nivel 2, versión 3, consiste básicamente en una lista
que contiene los siguientes componentes; definición de función, definición de unidad, tipo de com-
partimiento, tipo de especie, compartimiento, especie, parámetro, valor inicial, regla, restricción,
1 Ver Anexos, Capı́tulo C Material Suplementario, Sección C.1 para más detalles.
37
reacción y evento (cambio discontinuo de alguna variable) [1].
Para representar ambos modelos metabólicos se utilizó el lenguaje gráfico abierto GLE
(G RAPHICS L AYOUT E NGINE) [3], a través del cual es posible producir imágenes de tipo Post-
Script, EPS, PDF, PNG o JPG desde un simple documento de texto.
Se escogió tal lenguaje debido a la alta calidad de las imágenes producidas y a su natural
integración con el procesador de textos LATEX que se utilizó para editar esta memoria.
GLE ha sido desarrollado por los programadores Laurence Abbott, Christoph Brendes,
A. S. Budden, Bryn Jeffries, Vincent LaBella, Jan Struyf y Steve Wilkinson con el patrocinio de
Imagix Corp. [3].
Se utilizó el software CNA o C ELL N ETA NALYZER (F LUX A NALYZER ) Versión 6.2 para
realizar los análisis de los modelos metabólicos. CNA está programado en M ATLAB bajo el siste-
ma operativo LINUX, con interfaces gráficas para el usuario (GUI).2
Este software fue desarrollado por Steffen Klamt en el grupo de Systems Biology lide-
rado por E. Gilles en Max Planck Institute for Dynamics of Complex Technical Systems [47].
2 Se utilizó el sistema operativo de LINUX Fedora Core 6 en el desarrollo de los modelos estequiométricos y su
análisis posterior.
38
Capı́tulo 4
Resultados y Discusiones
Se decidió incorporar DHAP a través de las siguientes ecuaciones, para mantener una
mayor similitud con el modelo de Pichia pastoris, y debido a que diversos autores sugieren rele-
vante incluir DHAP dentro de un modelo metabólico de Saccharomyces cerevisiae [42, 21];
1 Las reacciones bioquı́micas y esquema de la red se muestran en el Apéndice, Capı́tulo A, Sección A.1.
39
GAP + DHAP =⇒ FRUC 6P (4.2)
FRUC 6P =⇒ DHAP (4.3)
DHAP ⇐⇒ GAP (4.4)
GLIC + NAD =⇒ DHAP + NADH (4.5)
También se consideró la ecuación alternativa para la reacción ISOCIT – AKG [21, 83];
40
4.2. Modelo Estequiométrico de P. pastoris
En este modelo no se consideró el ciclo del glioxilato dado que se ha visto en la literatura
la ausencia de las enzimas que realizan tal función y la falta de actividad enzimática necesaria para
acelerar la reacción ISOCIT – MAL [75].
2 Las reacciones del modelo estequiométrico de P. pastoris se muestran en detalle en el Apéndice, Capı́tulo A,
Sección A.2.
41
4.3. Modelo Estequiométrico de P. pastoris
En la Figura 4.1 se muestra un esquema del modelo de Pichia pastoris, donde se distingue
la vı́a del metabolismo del metanol y las similitudes y diferencias con el modelo de S. cerevisiae
(Figura A.1).
Para mejorar ambos modelos se podrı́a incorporar regulación génica, lo cual es muy re-
levante dada la existencia del fuerte promotor AOX1 en P. pastoris, ausente en S. cerevisiae.
42
v89
v1
v72-nuRIB5P v80
v18 v74
v70-aaRIB5P v2 v81
v19 v20 v83
vRIB5P
v71-aaE4P
v71-aaG3P
v6
vPEP v70-aaPEP
v71-aaPEP
v7
v10 v10
v71-aaAcCoA
v70-aaOAC v O AC
v11
v71-aaOAC v17 v12
v71-aaAKG
v16 v13
v69
v77
v78
v76 v15
v14
43
Tabla 4.3: Propiedades Topológicas Básicas de las Redes Metabólicas de S.cerevisiae y P. pastoris.
44
El rango de la matriz estequiométrica, que representa el número mı́nimo de reacciones
necesario para describir cambios en la concentración, también difiere entre ambos modelos. En el
caso de P. pastoris, el rango de su matriz supera en 6 unidades al rango de la matriz estequiométrica
del modelo de S. cerevisiae. Por otro lado, el modelo de P. pastoris tiene un grado de libertad más
que el modelo de S. cerevisiae, es decir, que se requiere una medición de flujo más para definir el
sistema, i.e., para conocer todos los flujos metabólicos en un momento dado.
4.5.2. Conectividad
45
La diferencia entre las conectividades de ambos modelos se debe a la presencia de las
reacciones del metabolismo del metanol y su interacción con otros metabolitos presentes en ambos
modelos.
Tabla 4.4: Cantidad y Distribución de los Modos Elementales del Modelo de S. cerevisiae.
Tabla 4.5: Cantidad y Distribución de los Modos Elementales del Modelo de P. pastoris.
En las Tablas 4.4 y 4.5 se observa que la glucosa (más precisamente la reacción inicial
de degradación de glucosa) está presente en la gran mayorı́a de los modos elementales (78 % y
88 % para los modelos de S. cerevisiae y P. pastoris respectivamente), lo cual sugiere que ambos
organismos “prefieran” glucosa como fuente de carbono, ya que entre muchas de las distintas mo-
dalidades de crecimiento mı́nimo, el consumo de glucosa está presente. Además, el estar presente
en tantos modos es un signo de robustez de la red, ya que de eliminar un modo al bloquear una
reacción, este sustrato aún podrá ser consumido en alguno de los modos elementales restantes.
46
Los porcentajes de participación de SOD y proteı́nas son idénticos entre sı́ y para ambos
modelos (Figuras 4.4 y 4.5) debido a que requieren la sı́ntesis de casi todos los mismos aminoáci-
dos (SOD está compuesto por todos los aminoácidos proteinogénicos a excepción de metionina y
tirosina), por lo que comparte las vı́as asociadas a la sı́ntesis de aminoácidos.
Es importante hacer notar que no todos los modos elementales calculados son factibles,
ya que existen mecanismo de represión y otro tipo de factores no considerados en el modelo, mu-
chos de los cuales no están relacionados con el metabolismo.
Por ejemplo la glucosa y el etanol son represores efectivos del promotor AOX1, impi-
diendo que se metabolice metanol en su presencia. Es por esto, que los modos elementales que
incluyan consumo de metanol y producción de etanol no son factibles. Y los modos elementales
que incluyan consumo de metanol y consumo de glucosa son sólo factibles si la glucosa se está ali-
mentando a medida que se consume sin acumularse en el medio de cultivo. Además, dado que
en P. pastoris la producción de proteı́nas recombinantes está asociada al crecimiento, los modos
elementales en que se produzca SOD y no biomasa, no serı́an viables.
En las Tablas 4.6, 4.7 y 4.8 se observa la menor productividad de biomasa y SOD al
crecer en metanol que al crecer en glucosa. A su vez, el glicerol da rendimientos menores que
el metanol, y que los rendimientos máximos Y biomasa , Y biomasa , Y SOD yY SOD coinciden en ambos
glucosa glicerol glucosa glicerol
modelos.
47
Tabla 4.6: Rendimientos Relativos Máximos de Modos Elementales de S. cerevisiae y P. pastoris.
P+ 1,83 0,25 10,99 0,92 1,83 0,25 0,50 10,99 0,92 1,84
P− 2,87 0,61 — — 2,87 0,61 1,23 — — —
P−
P+ 1,57 2,44 — — 1,57 2,44 2,46 — — —
48
De la Tabla 4.6 se desprende que entre los modos elementales de P. pastoris es posible
obtener el doble de moles de biomasa por mol de metanol que por mol de glicerol.
Los valores expresados en las Tablas 4.6 y 4.7 indican situaciones óptimas (rendimientos
máximos) que son difı́ciles o imposibles de alcanzar y que requieren que toda la célula esté enfo-
cada a producir sólo tal producto. Es decir, en el caso del rendimiento máximo de biomasa versus
glucosa o glicerol, éste se obtiene cuando no se está produciendo SOD, y viceversa. Sin embargo,
de la literatura se sabe la relación entre el crecimiento en biomasa y la producción de proteı́nas
mol
heterólogas, en particular en P. pastoris, por lo que el rendimiento de Y biomasa =10,99 mol es una
glucosa
situación muy lejana a la realidad. Por ello se determinaron los rendimientos relativos máximos de
la célula produciendo tanto SOD como biomasa, mostrados en la Figura 4.7.
Por otro lado, al comparar las Tablas 4.6 y 4.8 se puede observar que la no producción de
SOD por S. cerevisiae bajo las condiciones estudiadas, genera un 49 % de mejora de rendimiento,
y en el caso del modelo, éste indica que al comparar los rendimientos máximos, la no producción
de SOD genera un 57 % de mejora de rendimiento.
mo de metanol. Ello coincide con el hecho que SOD en P. pastoris se exprese de manera asociada
al crecimiento.
metanol sin producción de biomasa. Esto coincide con el hecho que la productividad de P. pastoris
al sintetizar proteı́nas heterólogas disminuye notablemente al dejar de producir biomasa.
Se observa además que no existen modos elementales que produzcan SOD a partir de
glicerol cuando está presente metanol (valores nulos para Y SOD bajo condiciones con consumo de
glicerol
49
De las Tablas 4.6 y 4.8 se observa que el “estrés” que genera la producción de SOD
produce una disminución en los rendimientos relativos, a excepción del rendimiento Y biomasa ex-
metanol
perimental. En el caso del resultado experimental obtenido por Solà en el año 2004, hay un leve
aumento en la productividad biomasa versus metanol al producir SOD en el organismo recombi-
nante. Ello se puede deber a errores en las mediciones, a factores de error asociado a éstos, que
estas mediciones se hayan realizado bajo condiciones ligeramente distintas o a distintos tiempos o
bien que represente en un resultado circunstancial debido a la dinámica celular, ya que en rigor, la
producción de una proteı́na heteróloga genera una disminución de energı́a y metabolitos disponi-
bles para la producción de biomasa.
mol mol
Los rendimientos Y biomasa y Y biomasa experimentales (3,59 mol y 1,90 mol respectivamente)
glucosa glicerol
mol mol
son mayores que los rendimientos máximo teóricos correspondientes (1,83 mol y 0,25 mol respec-
tivamente) para P. pastoris produciendo una proteı́na heteróloga. Esta diferencia podrı́a radicar en
el hecho que los resultados experimentales para P. pastoris corresponden a la producción de la
proteı́na heteróloga lipasa de Rhizopus oryzae (ROL) y no SOD.3
En relación a los modos elementales que presentan rendimientos máximos biomasa ver-
sus glucosa (Y biomasa ) y SOD versus glucosa Y SOD ), como se puede observar en la Figura 4.3,
glucosa glucosa
ambos modos incluyen el consumo de glicerol. Esto último podrı́a justificarse con el hecho que
el glicerol ingresa directamente a la formación de triosas fosfatos como gliceraldehı́do 3-fosfato
(GAP) y fosfato de di-hidroxiacetona (DHAP), lo que representa un menor consumo de energı́a
en los pasos de fosforilación de la aldohexosa. Ello ocurre tanto para S. cerevisiae como para P.
pastoris -Figura no mostrada-.
3A la fecha no se han publicado rendimientos correspondientes a P. pastoris produciendo SOD, sino sólo des-
cripciones cualitativas que indican su elevada productividad —a través de la técnica Western Blot— y estudios de
actividad de la enzima.
50
En el caso del modo elemental con máximo rendimiento Y biomasa , éste no incluye la pro-
glucosa
ducción de SOD (ver Figura 4.3(a)), y a su vez, el modo elemental con máximo rendimiento Y SOD
glucosa
no presenta producción de biomasa (Figura 4.3(b)). Ello se debe a que para presentar máximo ren-
dimiento no se deben utilizar moles de sustrato (en este caso glucosa) en producir otro compuesto
o biomasa. En la naturaleza, sin embargo, P. pastoris requiere crecer para poder producir SOD, por
lo que tales modos elementales deben actuar en conjunto para representar el metabolismo de este
organismo en un momento dado.
mol mol
(a) Modo Elemental con Máximo Rendimiento Y biomasa (1, 83 mol ). (b) Modo Elemental con Máximo Rendimiento Y SOD (10, 99 mol ).
glucosa glucosa
Figura 4.3: Modos Elementales con Máximos Rendimientos Y biomasa y Y SOD Modelo S. cerevisiae.
glucosa glucosa
51
v89 v89
v1 v1
v72-nuRIB5P v80 v72-nuRIB5P v80
v18 v74 v18 v74
v70-aaRIB5P v2 v81 v70-aaRIB5P v2 v81
v19 v20 v83 v19 v20 v83
vRIB5P vRIB5P
v71-aaE4P v71-aaE4P
v71-aaG3P v71-aaG3P
v6 v6
v71-aaPEP v71-aaPEP
v7 v7
v11 v11
v71-aaOAC v17 v12 v71-aaOAC v17 v12
v71-aaAKG v71-aaAKG
v69 v69
v77 v77
v78 v78
v76 v15 v76 v15
v14 v14
mol mol
(a) Modo Elemental con Máximo Rendimiento Y biomasa (1, 23 mol ). (b) Modo Elemental con Máximo Rendimiento Y SOD (1, 84 mol ).
metanol metanol
Figura 4.4: Modos Elementales con Máximos Rendimientos Y biomasa y Y SOD Modelo P. pastoris.
metanol metanol
En la Figura 4.4 se muestran los modos elementales que presentan rendimientos máxi-
mos biomasa versus metanol (Y biomasa ) y SOD versus metanol (Y SOD ). A diferencia de los modos
metanol metanol
mostrados en la Figura 4.3, al comparar las Figuras 4.4(a) con 4.3(a) y 4.4(b) con 4.3(b) se observa
la ausencia de la reacción GLUC 6P – FRUC 6P, lo cual pueda deberse a la presencia de las vı́as
de asimilación del metanol.
52
(a) Y biomasa v/s Modos Elementales Modelo S. cerevisiae. (b) Y SOD v/s Modos Elementales Modelo S. cerevisiae.
glucosa glucosa
(c) Y biomasa v/s Modos Elementales Modelo S. cerevisiae. (d) Y SOD v/s Modos Elementales Modelo S. cerevisiae.
glicerol glicerol
Figura 4.5: Rendimientos Biomasa y SOD v/s Glucosa y Glicerol Modos S. cerevisiae.
En las Figuras 4.5 y 4.6 se muestran gráficos de biomasa y SOD versus glucosa y gli-
cerol (y metanol en el caso de la Figura 4.6) para los modos elementales (ordenados en manera
creciente) del modelo estequiométrico de S. cerevisiae y P. pastoris respectivamente.
ambos modelos. Al comparar las Figuras 4.5(a) con 4.6(a), 4.5(b) con 4.6(b), 4.5(c) con 4.6(c) y
4.5(d) con 4.6(d), se observan patrones muy similares entre los modos elementales de ambas espe-
cies.
53
(a) Y biomasa v/s Modos Elementales Modelo P. pastoris. (b) Y SOD v/s Modos Elementales Modelo P. pastoris.
glucosa glucosa
(c) Y biomasa v/s Modos Elementales Modelo P. pastoris. (d) Y SOD v/s Modos Elementales Modelo P. pastoris.
glicerol glicerol
(e) Y biomasa v/s Modos Elementales Modelo P. pastoris. (f) Y SOD v/s Modos Elementales Modelo P. pastoris.
metanol metanol
54
Figura 4.6: Rendimientos Biomasa y SOD v/s Glucosa, Glicerol y Metanol Modos P. pastoris.
Esta similitud en los patrones de rendimientos entre ambas especies se debe a que mu-
chos de los modos elementales son idénticos, dado que ambas redes comparten aproximadamente
el 87 % de reacciones (73 de las 84 reacciones del modelo de P. pastoris están presentes en el mo-
delo de S. cerevisiae) y aquellos modos elementales únicos para P. pastoris, e.g., aquellos donde se
consume metanol presentan los mismos rendimientos que otros modos elementales de P. pastoris
y de S. cerevisiae. Esto último se verifica al sobreponer tales gráficos y notar que en los gráficos
asociados a modos elementales de P. pastoris no existen puntos ubicados a “alturas” (rendimientos)
en los que no exista al menos algún modo elemental de S. cerevisiae.
Al comparar las Sub-Figuras 4.5(a) y 4.5(c) se observa que en muchos modos elemen-
tales el rendimiento Y biomasa es mayor que el rendimiento Y biomasa . Esto mismo ocurre en el caso de
glucosa glicerol
SOD (Sub-Figuras 4.5(b) y 4.5(d)) y en el caso de P. pastoris (Sub-Figuras 4.6(a) con 4.6(c) y
4.6(b) con 4.6(d)).
55
Capı́tulo 5
Conclusiones
Como los modelos metabólicos son sólo una representación de las capacidades metabóli-
cas reales, y dependen directamente del tamaño de la red y de las condiciones de crecimiento de
los organismos, es recomendable contar con información experimental que valide las capacidades
metabólicas principales indicadas en el modelo y que sugiera reacciones adicionales y relevantes
en éstos. La información experimental encontrada en la literatura permitió observar un cuociente
similar de rendimientos biomasa versus glucosa entre S. cerevisiae recombinante y no recombi-
nante para el modelo teórico y el organismo real.
Al comparar los rendimientos relativos entre ambos organismos se observó que para los
56
sustratos glucosa y glicerol, los modos elementales que arrojaban los rendimientos máximos coin-
cidı́an entre ambos organismos y que para el metanol, entre los modos elementales que lo incluı́an,
el rendimiento relativo máximo era el doble que en el caso del rendimiento de biomasa versus
glicerol.
Debido a lo anterior, se cree que las redes metabólicas contaban con pocas diferencias
para obtener mayores resultados a partir del estudio de sus modos elementales y los rendimientos
relativos asociados.
Serı́a interesante estudiar cuáles modos elementales están activos en determinadas condi-
ciones de cultivo y en distintas etapas de crecimiento. Ello podrı́a realizarse a través de mediciones
de flujos o de estudios de perfiles de expresión génica (“microarrys”) que permitieran filtrar los
modos elementales hasta obtener los más representativos en determinadas condiciones.
57
ciertas proteı́nas recombinantes, que se utilizaron factores de transcripción mejores en algunos ex-
perimentos, o bien que las cepas utilizadas durante los experimentos no fueron óptimas.
58
de modos elementales y un estudio de los rendimientos relativos máximos para los modos elemen-
tales calculados para ambos modelos.
A través de los modelos se verificó que SOD presenta mayores rendimientos cuando
está asociada al crecimiento en P. pastoris, con glucosa y glicerol como fuente de carbono y que
la producción de SOD genera un estrés metabólico que se traduce en una pérdida de rendimiento
para biomasa versus fuente de carbono.
Los resultados sugieren que una fuente de carbono adicional —metanol— y la mayor
cantidad de modos elementales asociada, que se refleja en mayores posibles combinaciones de
vı́as metabólicas activas da cuenta de la mayor eficiencia mostrada por P. pastoris como productor
de proteı́nas recombinantes o simplemente, que las vı́as o factores que entregan mayor productivi-
dad a P. pastoris no fueron consideradas.
Se logró realizar el modelo metabólico de mayor extensión conocido hasta la fecha para
Pichia pastoris, abriendo camino para que futuros investigadores realicen mayores análisis y des-
arrollos al modelo. Con respecto a la hipótesis de trabajo no fue posible rechazarla ni confirmarla,
por lo que se deberán realizar mayores estudios al respecto. Cabe señalar que el estudio del me-
tabolismo de organismos es una tarea compleja y que requiere tomar en consideración no sólo la
estructura de la red metabólica, sino también la regulación génica, consideraciones termodinámi-
cas, mecanismos de utilización de energı́a, modulación enzimática, entre muchos otros factores.
59
5.3. Aporte al Campo o a la Disciplina
Entre los aportes al campo o disciplina es posible señalar el haber realizado el modelo
estequiométrico de Pichia pastoris de mayor extensión conocido hasta la fecha, y que incluye al
metabolismo central, la sı́ntesis de aminoácidos, el ciclo de los ácidos tricarboxı́licos, la vı́a de las
pentosas fosfatos y el metabolismo del metanol, principalmente.
Además, este corresponde al primer estudio comparativo entre ambas especies a partir
de los modos elementales de sus modelos estequiométricos, entregando mayores antecedentes a la
comparación de ambas especies, en particular en sus capacidades metabólicas.
Una vez hecho público el genoma de P. pastoris será de gran interés obtener un modelo
estacionario a partir de la anotación automática, posterior curación manual y asignación de vı́as
metabólicas con softwares especializados (Pathways por ejemplo). Este modelo podrá ser com-
parado con el modelo presentado en esta memoria y estudiar la validez de las vı́as por medio de
estudios de expresión génica (arrays) y de regulación.
Este último punto es de especial interés debido al fuerte promotor AOX1, el cual se men-
cionó como ventaja al comparar S. cerevisiae de P. pastoris en su función de huéspedes.
60
Bibliografı́a
[1] Página Web SBML, Systems Biology Markup Language [en lı́nea] http://sbml.org/, Jul
2007.
[3] Página Web GLE Graphics Layout Engine, Professional Language [en lı́nea]
http://glx.sourceforge.net/, May 2007.
[4] Página Web Institute for Systems Biology, ISB [en lı́nea]
http://www.systemsbiology.org/, Jul 2007.
[5] V. Afonso, R. Champy, D. Mitrovic, P. Collin, and A. Lomri. Reactive oxygen species and
superoxide dismutases: role in joint diseases. Joint Bone Spine, 74(4):324–329, Jul 2007.
[8] S. L. Bell and B. Ø. Palsson. Expa: a program for calculating extreme pathways in bioche-
mical reaction networks. Bioinformatics, 21(8):1739–1740, Apr 2005.
[9] T. Cakir, B. Kirdar, and K. O. Ulgen. Metabolic pathway analysis of yeast strengthens the
bridge between transcriptomics and metabolic networks. Biotechnol Bioeng, 86(3):251–260,
May 2004.
61
[10] J. L. Cereghino and J. M. Cregg. Heterologous protein expression in the methylotrophic yeast
Pichia pastoris. FEMS Microbiol Rev, 24(1):45–66, Jan 2000.
[12] Hsiao-Ling Chen, Chih-Ching Yen, Tung-Chou Tsai, Chia-Hen Yu, Yen-Jium Liou, Yi-Wen
Lai, Miao-Ling Wang, and Chuan-Mu Chen. Production and characterization of human ex-
tracellular superoxide dismutase in the methylotrophic yeast pichia pastoris. J Agric Food
Chem, 54(21):8041–8047, Oct 2006.
[13] H. Córdoba, N. Algecira, R. Poutou, and L. A. Barrera. Pichia pastoris una alternativa para
la producción de glicoproteı́nas humanas de uso terapéutico. estrategias de fermentación.
Revista Colombiana de Biotecnologı́a, 5, 2003.
[14] A. Cornish-Bowden and M. L. Cárdenas. From genome to cellular phenotype–a role for
metabolic flux analysis? Nat Biotechnol, 18(3):267–268, Mar 2000.
[18] V. C. Culotta. Superoxide dismutase, oxidative stress, and cell metabolism. Curr Top Cell
Regul, 36:117–132, 2000.
[19] R. Daly and M. T. W. Hearn. Expression of heterologous proteins in Pichia pastoris: a useful
experimental tool in protein engineering and production. J Mol Recognit, 18(2):119–138,
2005.
[20] T. Dandekar and R. Sauerborn. Comparative genome analysis and pathway reconstruction.
Pharmacogenomics, 3(2):245–256, Mar 2002.
62
[22] N. C. Duarte, B. Ø. Palsson, and P. Fu. Integrated analysis of metabolic phenotypes in Sac-
charomyces cerevisiae. BMC Genomics, 5(1):63, Sep 2004.
[24] I. Famili, J. Förster, J. Nielsen, and B. Ø. Palsson. Saccharomyces cerevisiae phenotypes can
be predicted by using constraint-based analysis of a genome-scale reconstructed metabolic
network. Proc Natl Acad Sci U S A, 100(23):13134–13139, Nov 2003.
[26] H. Feldmann. Yeast Molecular Biology: A short compendium on basic features and novel
aspects. Adolf-Butenandt-Institute, University of Munich, 2005.
[28] A. Finney and M. Hucka. Systems biology markup language: Level 2 and beyond. Biochem
Soc Trans, 31(Pt 6):1472–1473, Dec 2003.
[30] R. Fletcher. Practical Methods of Optimization. John Wiley & Sons, 1987.
[31] J. Förster, I. Famili, P. Fu, B. Ø. Palsson, and J. Nielsen. Genome-scale reconstruction of the
Saccharomyces cerevisiae metabolic network. Genome Res, 13(2):244–253, Feb 2003.
[32] B. Gasser, M. Maurer, J. Gach, R. Kunert, and D. Mattanovich. Engineering of Pichia pasto-
ris for improved production of antibody fragments. Biotechnol Bioeng, 94(2):353–361, Jun
2006.
63
[34] M. L. Giuseppin and N. A. van Riel. Metabolic modeling of Saccharomyces cerevisiae using
the optimal control of homeostasis: a cybernetic model definition. Metab Eng, 2(1):14–33,
Jan 2000.
[37] F. S. Hartner and A. Glieder. Regulation of methanol utilisation pathway genes in yeasts.
Microbial Cell Factories, 5, 2006.
[39] F. Hong, N. Q. Meinander, and L. J. Jönsson. Fermentation strategies for improved hete-
rologous expression of laccase in Pichia pastoris. Biotechnol Bioeng, 79(4):438–449, Aug
2002.
64
[42] M. Jahic. Process techniques for production of recombinant proteins with P. pastoris. Royal
Institute of Technology of Sweden, 2003.
[44] Y. Kim, Y. Oh, W. Kang, E. Lee, and S. Park. Production of human caseinomacropeptide
in recombinant Saccharomyces cerevisiae and Pichia pastoris. J Ind Microbiol Biotechnol,
32(9):402–408, Sep 2005.
[45] H. Kitano. Foundations of Systems Biology. MIT press, Cambridge, Massachusetts and
London, England, 2001.
[47] S. Klamt, J. Stelling, M. Ginkel, and E. D. Gilles. FluxAnalyzer: exploring structure, path-
ways, and flux distributions in metabolic networks on interactive flux maps. Bioinformatics,
19(2):261–269, Jan 2003.
[49] C. Labarre, H. van Tilbeurgh, and K. Blondeau. Pichia pastoris is a valuable host for the
expression of genes encoding membrane proteins from the hyperthermophilic Archeon Pyro-
coccus abyssi. Extremophiles, 11(2):403–413, Mar 2007.
[50] E. Laffitte, R. Shafaatian, L. Fontao, B. Favre, J. Koster, J. Saurat, M. Monod, and L. Borrado-
ri. Production of the bullous pemphigoid antigen 230 (BP230) by Saccharomyces cerevisiae
and Pichia pastoris. Protein Expr Purif, 29(2):141–147, Jun 2003.
[52] M. Ling, X. Lai, and K. Xie. Cloning and expression of human manganese superoxide dis-
mutase cDNA in Pichia pastoris. Sheng Wu Gong Cheng Xue Bao, 21(3):478–481, May
2005.
[53] S. Liu, A. Saito, H. Azakami, and A. Kato. Expression, purification, and characterization
of an unstable lysozyme mutant in Pichia pastoris. Protein Expr Purif, 27(2):304–312, Feb
2003.
65
[54] A. Maass. Comunicación personal. Director Laboratorio de Bioinformática y Matemática
del Genoma, Centro de Modelamiento Matemático, Universidad de Chile, Jun 2007.
[56] S. G. Oliver. From genomes to systems: the path with yeast. Philos Trans R Soc Lond B Biol
Sci, 361(1467):477–482, Mar 2006.
[61] R.Ñ. Parekh and K. D. Wittrup. Expression level tuning for optimal heterologous protein
secretion in Saccharomyces cerevisiae. Biotechnol Prog, 13(2):117–122, 1997.
[65] P. Ramı́rez. Modelos matemáticos discretos aplicados a redes de regulación génica y re-
des metabólicas. Memoria para optar al tı́tulo de Ingeniero Civil, mención Biotecnologı́a,
Departamento de Ingenierı́a Civil Quı́mica y Biotecnologı́a, Facultad de Ciencias Fı́scas y
Matemáticas, Universidad de Chile. Santiago, Chile., 2003.
[66] J. L. Reed and B. Ø. Palsson. Thirteen years of building constraint-based in silico models of
Escherichia coli. J Bacteriol, 185(9):2692–2699, May 2003.
66
[67] H. T. Ren, J. Q. Yuan, and K-H. Bellgardt. Macrokinetic model for methylotrophic Pichia
pastoris based on stoichiometric balance. J Biotechnol, 106(1):53–68, Dec 2003.
[70] C. H. Schilling, D. Letscher, and B. Ø. Palsson. Theory for the systemic definition of me-
tabolic pathways and their use in interpreting metabolic function from a pathway-oriented
perspective. J Theor Biol, 203(3):229–248, Apr 2000.
[71] S. Schuster, D. A. Fell, and T. Dandekar. A general definition of metabolic pathways useful
for systematic organization and analysis of complex metabolic networks. Nat Biotechnol,
18(3):326–332, Mar 2000.
[72] J. Schwartz and M. Kanehisa. Quantitative elementary mode analysis of metabolic pathways:
the example of yeast glycolysis. BMC Bioinformatics, 7:186, 2006.
[75] A. Solà. Estudi del metabolisme central del carboni de Pichia pastoris. PhD thesis, Departa-
ment d’enginyria quimica, Universitat Autònoma de Barcelona, 2004.
[77] A. Solà, H. Maaheimo, K. Ylönen, P. Ferrer, and T. Szyperski. Amino acid biosynthesis and
metabolic flux profiling of Pichia pastoris. Eur J Biochem, 271(12):2462–2470, Jun 2004.
[78] P. E. Sudbery. The expression of recombinant proteins in yeasts. Curr Opin Biotechnol,
7(5):517–524, Oct 1996.
67
[79] P. Toonkool, P. Metheenukul, P. Sujiwattanarat, P. Paiboon, N. Tongtubtim, M. Ketudat-
Cairns, J. Ketudat-Cairns, and J. Svasti. Expression and purification of dalcochinase, a β-
glucosidase from Dalbergia cochinchinensis Pierre, in yeast and bacterial hosts. Protein Expr
Purif, 48(2):195–204, Aug 2006.
[82] C. Waldron and F. Lacroute. Effect of growth rate on the amounts of ribosomal and transfer
ribonucleic acids in yeast. J Bacteriol, 122(3):855–865, Jun 1975.
[83] G. M. Walker. Yeast Physiology and Biotechnology. John Wiley and Sons, Chichester, 1997.
[84] S. Wang, T. Yang, S. Lin, M. Tsai, S. Wu, and S. J. T. Mao. Expression, characterization,
and purification of recombinant porcine lactoferrin in Pichia pastoris. Protein Expr Purif,
25(1):41–49, Jun 2002.
[85] Y. Wang, Z. Liang, Y. Zhang, D. Cui, and Y. Feng. Secretory Expression of Human Insulin
in Methylotrophic Yeast Pichia pastoris. Sheng Wu Hua Xue Yu Sheng Wu Wu Li Xue Bao
(Shanghai), 31(5):587–589, 1999.
[86] S. J. Wiback and B. Ø. Palsson. Extreme pathway analysis of human red blood cell metabo-
lism. Biophys J, 83(2):808–818, Aug 2002.
[87] P. Yu. A new approach to the production of the recombinant SOD protein by methylotrophic
Pichia pastoris. Appl Microbiol Biotechnol, 74(1):93–98, Feb 2007.
[88] X. Zhou, W. Fan, and Y. Zhang. Effects of different methanol feeding strategy on hirudin
production in high-density fermentation by recombinant Pichia pastoris. Sheng Wu Gong
Cheng Xue Bao, 18(3):348–351, May 2002.
68
Apéndice A
Modelos Metabólicos
Glicólisis y Gluconeogénesis
69
Ciclo de Ácidos Tricarboxı́licos
Reacciones Anapleróticas
70
Sı́ntesis de AcCoA en el citoplasma, enzimas citrato liasa y malato deshidrogenasa
(Cit::AcCoAcit) CIT + CoA + NADH + NADP + ATP =⇒ AcCoAcit + 2NADPH + CO2 (A.29)
Vı́as Fermentativas
(A.36)
Transporte Intracelular
71
Sı́ntesis de Aminoácidos
(Lys Synth) 2GLUT + AcCoAcit + 3ATP+ =⇒ LIS + CoA + AKG + CO2 + (A.45)
ATP 4ADP
(Met Synth) HOM + SUCCoA + CIS+ =⇒ MET + CoA + SUC + PIR + (A.53)
(Ile Synth) THR + PIR + NADPH + GLUT =⇒ ILEU + NH4 + NADP + (A.54)
CO2 + AKG
(Chor Synth) PEP + E4P + NADPH + ATP =⇒ CHO + ADP + NADP (A.59)
72
(Phe Synth) CHO + GLUT =⇒ PHEN + AKG + CO2 (A.60)
(Trp Synth) CHO + GLUT + PRPP + SER =⇒ TRIP + CO2 + GAP + GLUT + PIR (A.62)
(His Synth) PRPP + 3ATP + NH4 + GLUM+ =⇒ HIS + 3ADP + 2NADH + (A.64)
Sı́ntesis de Nucleótidos
(IMP Synth) PRPP + 2GLUM + GLI + ADP+ =⇒ IMP + 4ADP + 2GLUT + (A.65)
(GMP Synth) IMP + NAD + 2ATP + GLUM =⇒ GMP + 2ADP + GLUT + NADH (A.67)
(UMP Synth) GLUM + PRPPP + 2ATP + ASP + NAD =⇒ UMP + 2ADP + GLUT + NADH (A.68)
(FTHF Synth) THF + NADH + ATP + CO2 ⇐⇒ FTHF + NAD + ADP (A.72)
73
mol ATP
Sı́ntesis de Proteı́nas no Recombinantes: 3.2 mol aminoácido de proteı́na
mol ATP
Sı́ntesis de Proteı́nas Recombinantes (Superóxido Dismutasa humana): 4.3 mol aminoácido de proteı́na
mol ATP
Sı́ntesis de ARN: 2.4 mol nucleótido de ARN
Sı́ntesis de Lı́pidos
mol ATP
Sı́ntesis de Carbohidratos: Poliglucosa (1 mol GLUC 6P de CARB )
74
75
Glicólisis y Gluconeogénesis
76
Vı́a de las Pentosas Fosfato
Metabolismo de Metanol
1 1
(FORM::FORMOH) FORM + O2 + H2 O =⇒ FORMOH (A.106)
4 2
(FORMOH::CO2) FORMOH + 2NAD =⇒ CO2 + 2NADH (A.107)
Reacciones Anapleróticas
77
Vı́as Fermentativas
(A.120)
Sı́ntesis de Aminoácidos
(Lys Synth) 2GLUT + AcCoAcit + 3ATP+ =⇒ LIS + CoA + AKG + CO2 + (A.128)
78
(Gly Synth) SER + THF ⇐⇒ GLI + METHF (A.130)
ATP 4ADP
(Met Synth) HOM + SUCCoA + CIS+ =⇒ MET + CoA + SUC + PIR + (A.136)
(Ile Synth) THR + PIR + NADPH + GLUT =⇒ ILEU + NH4 + NADP + (A.137)
CO2 + AKG
(Chor Synth) PEP + E4P + NADPH + ATP =⇒ CHO + ADP + NADP (A.142)
(Trp Synth) CHO + GLUT + PRPP + SER =⇒ TRIP + CO2 + GAP + GLUT + PIR (A.145)
(His Synth) PRPP + 3ATP + NH4 + GLUM+ =⇒ HIS + 3ADP + 2NADH + (A.147)
79
Sı́ntesis de Nucleótidos
(IMP Synth) PRPP + 2GLUM + GLI + ADP+ =⇒ IMP + 4ADP + 2GLUT + (A.148)
(GMP Synth) IMP + NAD + 2ATP + GLUM =⇒ GMP + 2ADP + GLUT + NADH (A.150)
(UMP Synth) GLUM + PRPPP + 2ATP + ASP + NAD =⇒ UMP + 2ADP + GLUT + NADH (A.151)
(FTHF Synth) THF + NADH + ATP + CO2 ⇐⇒ FTHF + NAD + ADP (A.155)
mol ATP
Sı́ntesis de Proteı́nas no Recombinantes: 3.2 mol aminoácido de proteı́na
80
mol ATP
Sı́ntesis de Proteı́nas Recombinantes (Superóxido Dismutasa humana): 4.3 mol aminoácido de proteı́na
mol ATP
Sı́ntesis de ARN: 2.4 mol nucleótido de ARN
Sı́ntesis de Lı́pidos
mol ATP
Sı́ntesis de Carbohidratos: Poliglucosa (1 mol GLUC 6P de CARB )
Transporte Intracelular
81
Apéndice B
Nomenclatura y Abreviaciones
B.1. General
0
YX/S = gramos de producto/litro
gramos de sustrato/litro donde sustrato = {glucosa, glicerol, metanol} y producto = {biomasa, SOD}
moles de producto
YX/S = moles de sustrato
B.2. Metabolitos
82
27. E4P Eritrosa-4-fosfato
61. NADH Nicotinamida adenin
28. ETOH Etanol
dinucleótido reducida
29. FAD Flavin adenin dinucleótido
62. NADP Nicotinamida adenin
30. FADH2 Flavin adenin dinucleótido
dinucleótido fosfato
reducido
63. NADPH Nicotinamida adenin
31. FORM Formato
dinucleótido fosfato reducida
32. FORMper Formato peroxisomal E
64. NH4 Amonio intracelular
33. FORMOH Hidróxido de formato
65. NH4 Amonio extracelular
34. FTHF Formil-tetrahidrofolato
66. nu Nucleótidos
35. FRUC 6P Fructosa-6-fosfato
67. O2 Oxı́geno intracelular
36. FUM Fumarato E
68. O2 Oxı́geno extracelular
37. G3P 3-Fosfoglicerato
69. OAC Oxaloacetato
38. GAP Gliceraldehı́do-3-fosfato
70. PEP Fosfoenolpiruvato
39. GAPper Gliceraldehı́do-3-fosfato
71. PHEN Fenilalanina
peroxisomal
72. PRO Prolina
40. GLUC 6P Glucosa-6-fosfato
73. PROT Proteı́na no recombinante
41. GLUC Glucosa
74. PRPP 5-fosforibosil-1-pirofosfato
42. GLUM Glutamina
75. PIR Piruvato
43. GLUT Glutamato
76. RIB 5P Ribosa-5-fosfato
44. GLY Glicina
77. RIBU 5P Ribulosa-5-fosfato
45. GLIC Glicerol
78. ARN Ácido ribonucleico
46. GMP Guanosina-5’-monofosfato
79. SOD Proteı́na recombinante
47. HIS Histidina
Superóxido Dismutasa
48. HOM Homoserina
humana
49. ILEU Isoleucina
80. SED 7P Sedoheptulosa-7-fosfato
50. IMP Inosinae-5’-monofosfato
81. SER Serina
51. ISOCIT Isocitrato
82. SUC Succinato
52. LEU Leucina
83. SUCCoA Succinil coenzima A
53. LIPID Lı́pidos
84. THF Tetrahidrofolato
54. LYS Lisina
85. THR Treonina
55. MAL Malato
86. TRYP Triptófano
56. MET Metionina
87. TYR Tirosina
57. METANOL Metanol
88. UMP Uridina-5’-monofosfato
58. METHF Metilen tetrahidrofolato
89. UTP Uridina-5’-trifosfato
59. MYTHF Metil tetrahidrofolato
90. VAL Valina
60. NAD Nicotinamida adenin
91. XIL 5P Xilulosa-5-fosfato
dinucleótido
83
B.3. Flujos
84
v28 Velocidad de consumo de ACET para la sı́ntesis de AC.
v29 Velocidad de consumo de MAL para la sı́ntesis de PIR.
v30 Velocidad de consumo de AC para la sı́ntesis de AcCoAcit .
v31 Velocidad de interconversión entre DHAP y GAP.
v69 Velocidad de consumo de ATP para la sı́ntesis de ADP.
v70 Velocidad de sı́ntesis de PROT.
v71 Velocidad de sı́ntesis de SOD.
v72 Velocidad de sı́ntesis de ARN.
v73 Velocidad de sı́ntesis de LIP.
v74 Velocidad de consumo de GLUC 6P para la sı́ntesis de CARB.
v75 Velocidad de interconversión entre AcCoAmit y AcCoAcit .
v76 Velocidad de transporte de CO2 hacia el exterior (COE2 ).
v77 Velocidad de transporte de O2 desde el exterior (OE2 ).
v78 Velocidad de transporte de NH4 desde el exterior (NHE4 ).
v79 Velocidad de consumo de FRUC 6P para la sı́ntesis de DHAP.
v80 Velocidad de transporte de FORM hacia el exterior del peroxisoma.
v81 Velocidad de consumo de FORM para la sı́ntesis de FORMOH.
v82 Velocidad de consumo de FORMOH para la sı́ntesis de CO2 .
v83 Velocidad de consumo de XIL 5P para la sı́ntesis de DHAper y GAPper .
v84 Velocidad de sı́ntesis de DHAper y GAPper .
v85 Velocidad de transporte de DHA hacia el exterior del peroxisoma.
v86 Velocidad de transporte de GAP hacia el exterior del peroxisoma.
v87 Velocidad de consumo de DHA para la sı́ntesis de DHAP.
v88 Velocidad de consumo de GLIC para la sı́ntesis de DHAP.
v89 Velocidad de consumo de METANOL para la sı́ntesis de FORMper .
v90 Velocidad de consumo de ISOCIT para la sı́ntesis de SUC.
vAcCoAcit Velocidad de consumo de AcCoAcit para la sı́ntesis de aa y LIP.
v70−aaAcCoA Velocidad de consumo de aa obtenidos desde AcCoAcit para la sı́ntesis de PROT.
v71−aaAcCoA Velocidad de consumo de aa obtenidos desde AcCoAcit para la sı́ntesis de SOD.
85
v73−AcCoA Velocidad de consumo de AcCoAcit para la sı́ntesis de LIP.
vE4P Velocidad de consumo de E4P para la sı́ntesis de aa.
v70−aaE4P Velocidad de consumo de aa obtenidos desde E4P para la sı́ntesis de PROT.
v71−aaE4P Velocidad de consumo de aa obtenidos desde E4P para la sı́ntesis de SOD.
vOAC Velocidad de consumo de OAC para la sı́ntesis de aa y nu.
v70−aaOAC Velocidad de consumo de aa obtenidos desde OAC para la sı́ntesis de PROT.
v71−aaOAC Velocidad de consumo de aa obtenidos desde OAC para la sı́ntesis de SOD.
v72−nuOAC Velocidad de consumo de nu obtenidos desde OAC para la sı́ntesis de ARN.
v70−aaRIB5P Velocidad de consumo de aa obtenidos desde RIB 5P para la sı́ntesis de PROT.
v71−aaRIB5P Velocidad de consumo de aa obtenidos desde RIB 5P para la sı́ntesis de SOD.
v72−nuRIB5P Velocidad de consumo de nu obtenidos desde RIB 5P para la sı́ntesis de ARN.
v73−GAP Velocidad de consumo de GAP para la sı́ntesis de LIP.
vG3P Velocidad de consumo de G3P para la sı́ntesis de aa y nu.
v70−aa3PG Velocidad de consumo de aa obtenidos desde 3PG para la sı́ntesis de PROT.
v71−aa3PG Velocidad de consumo de aa obtenidos desde 3PG para la sı́ntesis de SOD.
v72−nu3PG Velocidad de consumo de nu obtenidos desde 3PG para la sı́ntesis de ARN.
vPEP Velocidad de consumo de PEP para la sı́ntesis de aa.
v70−aaPEP Velocidad de consumo de aa obtenidos desde PEP para la sı́ntesis de POT.
v71−aaPEP Velocidad de consumo de aa obtenidos desde PEP para la sı́ntesis de SOD.
vPIR Velocidad de consumo de PIR para la sı́ntesis de aa.
v70−aaPIR Velocidad de consumo de aa obtenidos desde PIR para la sı́ntesis de PROT.
v71−aaPIR Velocidad de consumo de aa obtenidos desde PIR para la sı́ntesis de SOD.
vAKG Velocidad de consumo de AKG para la sı́ntesis de aa.
v70−aaAKG Velocidad de consumo de aa obtenidos desde AKG para la sı́ntesis de PROT.
v71−aaAKG Velocidad de consumo de aa obtenidos desde AKG para la sı́ntesis de SOD.
86
Apéndice C
Material Suplementario
Se considera una red metabólica con m modos elementales y n reacciones. Los modos
elementales se representan por vectores E1 , E2 , ... Em , cada uno de largo n. Ası́, una distribución
de flujos en este sistema se representa por un vector v de largo n. Una descomposición de tal
distribución de flujos en un conjunto de modos elementales se define por un vector w de largo m
tal que:
m
v= ∑ w jE j (C.1)
j=1
87
Si todas las reacciones que componen un modo elemental dado, E j , son reversibles,
entonces tal modo elemental es reversible, y su flujo w j puede ser positivo o negativo. Si al menos
una reacción de E j es irreversible, el modo elemental es un modo irreversible, y w j será positivo:
w j ≥ 0 si E j es irreversible (C.2)
En general, hay más modos elementales que reacciones en un sistema, y las condiciones
(C.1) y (C.2) no definen una única solución, sino que un espacio convexo continuo de posibles
soluciones.
Ası́, se introduce una tercera condición restringiendo el sistema a una única solución;
m
∑ w2j es mı́nimo (C.3)
j=1
C.1.2. Implementación
88
Los principales pasos del algoritmo se describen a continuación. Una descripción y de-
mostración matemática detallada del algoritmo de “conjunto activo” se pueden encontrar en [30].
1. El algoritmo se inicializa con una solución factible, es decir, un vector w(0) que cumpla
con las restricciones (C.1) y (C.2) pero no es, en general, la solución óptima. Este paso
es equivalente a un problema de programación lineal, y se resuelve utilizando el método
Simplex. La solución obtenida w(0) se utiliza como el primer punto factible en el paso 2,
junto con un conjunto activo vacı́o.
2. En caso de ocurrir una solución factible donde los valores de v no verifiquen estrictamente
la conservación de flujo.
Esto se puede deber a aproximaciones en los cálculos numéricos de los valores de flujo. Para
balancear las distribuciones de flujo inconsistentes se siguien los siguientes pasos;
a) el espacio nulo de los sistemas se calcula por una diagonalización de la matriz de modos
elementales,
89
4. Si δ(k) = 0, los multiplicadores de Lagrande se calculan para las restricciones activas. Si
todo ellos son positivos, entonces w(k) es la solución final y el algoritmo finaliza. Si no,
la restricción correspondiente al menor multiplicador de Lagrange se elimina del conjunto
activo, y el algoritmo se repire desde el paso anterior.
5. Si δ(k) es factible, la siguiente iteración comienza con w(k+1) = w(k) + δ(k) y el algoritmo
se repite desde el paso 3. Si no se realiza una búsqueda en la dirección de δ(k) hasta que la
primera restricción inactiva se vuelve activa. Las primeras restricciones inactivas se hacen
activas. Se añade la restricción al conjunto activo, y se repite el algoritmo desde el paso 3.
El archivo del modelo de Pichia pastoris en formato SBML se encuentra disponible en:
http://www.dim.uchile.cl/∼ocominet/pp sbml
http://www.dim.uchile.cl/∼ocominet/sc sbml
http://www.dim.uchile.cl/∼ocominet/pp.gle
90
Código GLE Red Metabólica Saccharomyces cerevisiae
http://www.dim.uchile.cl/∼ocominet/sc.gle
http://www.dim.uchile.cl/∼ocominet/modos elementales.pdf
91
Índice alfabético
92
distribuciones de flujo, 12 XML, 37
GLE, 38
Enzimas
SBML, 15, 17, 35, 37
α-amilasa pPAM, 22
levadura, 19
α-amilasa, 22
alcohol deshidrogenasa, 19 Métodos
alcohol oxidasa, 25 Stoichiometric Network Analysis, 29
carboxilesterasa, 22 Análisis de Balances de Energı́a (EBA), 13
DAH sintasa, 21 Análisis de Balances de Flujos (FBA), 13
dalcoquinasa, 22 Análisis de Control Metabólico (MCA), 13
disulfuro isomerasa, 23 Análisis de Flujos Metabólico (MFA), 13
fosfoenolpiruvato carboxiquinasa, 19 Análisis de Minimización de Ajustes Me-
fosfogluconato deshidrogenasa, 20 tabólicos (MOMA), 13
glicerol quinasa, 20 Análisis de Modos Elementales (EMA), 14
glicerol-3-fosfato deshidrogenasa, 20 Análisis de Planos de Fases de Fenotipos
glucoamilasa, 22 (PhPA), 13
glucosa-6-fosfato deshidrogenasa, 20 Análisis de Robustez, 13
Hidroxinitrilo liasa, 22 Análisis de Vı́as Extremas (EPA), 14
monoamida oxidasa A, 22 Análisis de Vı́as Metabólicas, 17
piruvato carboxilasa, 19 Análisis de Vı́as Metabólicas (MPA), 13
piruvato descarboxilasa, 19 Análisis Regulatorio de Balances de Flujos,
piruvato deshidrogenasa, 19 13
SOD manganeso humana, 26 Modelo Cibernético, 13
Superóxido Dismutasa humana, 15, 16, 25, Teorı́a Bioquı́mica de Sistemas (BST), 13
36 matriz estequiométrica, 28
lipasa de Rhizopus oryzae, 50 membrana interior de la mitocondria, 20
penicilina G amidasa, 22 Metabolitos
espacio solución, 13 α-cetoglutarato, 19
estado estacionario, 12, 29 6-fosfogluconato, 20
estequiometrı́a, 12 6-fosfogluconolactona, 20
acetaldehı́do, 19
flujos metabólicos, 13
acetato, 19
genoma, 34 AcetilCoA, 19
ADP, 20
Hormonas aminoácidos, 20
insulina, 22 ATP, 18–20
Lenguages CO2 , 19
LATEX, 38 DAH fosfato, 20
93
DHA, 21 Pichia pastoris, 11, 15, 17, 20, 22, 24–26,
dihidroxiacetona, 21 34, 35, 42, 44, 49, 51, 53, 55, 57, 58,
etanol, 19 60, 76, 90, 91
FADH2 , 19, 20 Rhizopus oryzae, 50
formaldehı́do, 21 Saccharomyces cerevisiae, 9, 10, 12, 16, 19–
fosfato inorgánico, 20 22, 24–26, 35, 36, 39, 41, 44, 56, 60, 69,
fructosa-6-fosfato , 21 90, 91
GAP, 21 Yarrowia lipolyctica, 24
glicerol, 20
Productos
glicerol desdedihidroacetona fosfato, 19
ácidos grasos, 19
glicerol-3-fosfato, 20
alcohol azúcares, 20
glucosa, 19
ARN, 74, 81
glucosa-6-fosfato, 20
biomasa, 27, 51
NAD, 18
carbohidratos, 74, 81
NADH, 19
etanol, 19
NADP, 18
lı́pidos, 74, 81
NADPH, 19, 20
nucleótidos, 80
oxaloacetato, 19
proteı́nas no recombinantes, 74, 80
piruvato, 19
proteı́nas recombinantes, 74, 81
ribulosa-5-fosfato, 20
Programas
metabolitos internos, 29
C ELL N ETA NALYZER, 15, 31, 35, 37, 38
Modelos
F LUX A NALYZER, 38
Modelo Pichia pastoris, 90
M ATLAB, 15, 35, 38
Modelo Saccharomyces cerevisiae, 90
M ETATOOL, 31, 37
Modelo Estequiométrico de Saccharomyces
Pathways, 60
cerevisiae, 69
promotor AOX1, 60
modelo metabólico, 10
propiedades “emergentes”, 13
Modelo Metabólico Pichia pastoris, 34
proteı́na recombinante, 15
modelos metabólicos, 38
modo elemental, 30 Reacciones Anapleróticas, 77
modos elementales, 88 reacciones bioquı́micas, 37
rendimiento relativo, 57
Organismos
retı́culo endoplasmático, 58
Pichia pastoris, 41
robustez, 46
Escherichia coli, 14
Hansenula polymorpha, 24, 25 secuencias huérfanas, 14
Kluyveromyces lactis, 24 sistemas de expresión, 23
Sustratos
94
azufre y fósforo, 18 Sı́ntesis de Proteı́nas no Recombinantes, 74,
compuestos inorgánicos, 18 80
fuentes de carbono, 18 Sı́ntesis de Proteı́nas Recombinantes, 74, 81
glicerol, 39 Transporte celular, 71
glucosa, 19, 40 Transporte Intracelular, 81
metanol, 42 vı́a ambibólica, 19
vı́a de asimilación de la glucosa, 56
transporte de electrones, 20
vı́a de asimilación del glicerol, 39, 56
UPR respuesta a proteı́nas no plegadas, 58 vı́a de asimilación del metanol, 56
vı́a de las pentosas fosfato, 19, 60, 70, 77
Vı́as vı́as catabólicas, 18
vı́as anabólicas, 18 vı́as extremas, 31
vı́as catabólicas, 18 Vı́as Fermentativas, 71, 78
cadena respiratoria, 20 vector de flujos, 28
Carboxilación de piruvato, 70, 77
Ciclo de los Ácidos Tricarboxı́licos, 60, 70,
76
Ciclo de los Ácidos Tricarboxı́licos , 40, 41
Ciclo del Ácido Cı́trico, 19
Ciclo del Glioxilato, 19, 40, 70
fermentación alcohólica de azúcares, 19
fosforilación oxidativa, 20, 71, 78
glicólisis, 19, 69, 76
Glucólisis, 40, 41
gluconeogénesis, 20, 69, 76
metabolismo del carbono, 12
metabolismo del metanol, 41, 44, 60, 77
Reacciones Anapleróticas, 40, 41, 70
Ruta de las Pentosas Fosfato, 40, 41, 70, 77
Rutas Fermentativas, 40, 41
Sı́ntesis de Aminoácidos, 40, 41, 72, 78
Sı́ntesis de ARN, 74, 81
Sı́ntesis de Carbohidratos, 40, 41, 74, 81
Sı́ntesis de Compuestos de 1-carbono, 73,
80
Sı́ntesis de Lı́pidos, 40, 41, 74, 81
Sı́ntesis de Nucleótidos, 40, 41, 73, 80
95
Glosario
96
propiedades emergentes propiedad de nivel superior de un sistema que no
puede deducirse o ser explicado a partir de las
propiedades de entidades inferiores, 13
97