Core Concepts
본 연구는 제한된 지식과 실험 데이터로 인해 초기 연구 개발 단계에서 유용한 모델링 및 최적화 전략을 제안한다. 조절 가능한 세포 내 대사 경로의 최적 궤적을 예측하여 적절한 제어 방식(사이버네틱 또는 세포 내 제어)과 작용 메커니즘(전사 수준 또는 번역 후 수준)을 선택할 수 있다.
Abstract
본 연구는 세포 내 대사 경로와 세포 외 공정 교환 속도 간의 연결을 위한 하이브리드 모델링 전략을 제안한다. 제약 기반 대사 모델(FBA)의 정상 상태 솔루션을 이용하여 신경망 대리 모델을 학습하고, 이를 단순한 동적 매크로 운동학 모델에 통합한다. 이를 통해 세포 내 대사 경로를 최적화 자유도로 활용할 수 있는 동적 최적화 문제를 구성할 수 있다.
제안된 접근법은 세 가지 시나리오를 통해 입증된다. 첫 번째 시나리오에서는 아세테이트 키나제 플럭스의 동적 조절을 다룬다. 두 번째 시나리오에서는 에탄올 생산성 최대화를 위한 아세테이트 키나제 플럭스의 최적 궤적을 도출한다. 마지막으로 세 번째 시나리오에서는 락테이트 수율 향상을 위한 ATP 소모 플럭스의 최적 제어를 보여준다.
이러한 접근법은 제한된 지식과 데이터로 인해 초기 연구 개발 단계에서 유용하며, 대사 공학 전략의 효율적인 in silico 테스트를 가능하게 한다. 또한 적절한 제어 및 작용 메커니즘 설계에 도움을 줄 수 있다.
Stats
아세테이트 키나제 플럭스(Vack)가 증가함에 따라 아세테이트 교환 플럭스(Vext,ac)가 직접적으로 증가한다.
Vack이 증가하면 바이오매스 성장률(Vext,bio)도 증가하지만, 일정 수준 이상에서는 감소한다.
Vack이 증가함에 따라 에탄올 교환 플럭스(Vext,etoh)는 감소한다.
최적의 에탄올 생산성을 위해서는 성장 단계와 생산 단계를 동적으로 조절해야 한다.
ATP 소모 플럭스(VatpAGD)를 동적으로 조절하면 락테이트 수율을 향상시킬 수 있다.