Как происходит метаболизм у человека: Обмен веществ в организме человека

0

Содержание

Люди и дельфины толстеют не из-за снижения обмена веществ

Исследователи из университетов и научных центров нескольких стран мира изучили расход энергии организмами людей разного возраста. Оказалось, что замедление обмена веществ начинается вовсе не в возрасте снижения естественной половой активности, а гораздо раньше – в ранней молодости. Результаты работы опубликованы в журнале Science.

“С возрастом и по мере старения организм претерпевает множество физиологических изменений: половое созревание, менопауза и другие фазы жизни, – говорит один из авторов исследования Герман Понцер (Herman Pontzer) из Университета Дьюка в США. – Удивительно, что сроки “метаболических этапов” нашей жизни, похоже, не соответствуют этим [физиологическим] вехам”.

Понцер с коллегами из стран Европы, Азии и Африки использовали данные почти 7 000 человек из 29 стран мира в возрасте от одной недели до 95 лет. Ученые проанализировали, сколько калорий в среднем сжигают их организмы ежедневно.

Напомним, что организм тратит от 50% до 70% энергии, полученной от пищи, на выполнение основных жизненно важных функций: дыхание, переваривание пищи, перекачивание крови. Остальная энергия уходит на “внешние” функции человека, такие как учеба, выполнение служебных обязанностей, мытье посуды, уборка в квартире, общение с семьей и друзьями, перемещения вне дома и прочее, включая раздумья во время отдыха на диване и даже сон.

Чтобы вычислить общий расход энергии организмами за сутки, исследователи использовали воду с двойной меткой. Это вода, в которой атомы водорода (1H) и кислорода (16O) заменены их радиоактивными изотопами дейтерием (2H) и кислородом-18 (18O).

Участники исследования пили воду с двойной меткой и затем по анализу их мочи ученые отслеживали, как скоро радиоактивные изотопы водорода и кислорода выводятся из организма.

Поясним, что метод воды с двойной меткой используется в мире для изучения метаболизма на протяжении уже 40 лет. Он дорогостоящий, поэтому исследования этим методом обычно носят ограниченный характер. МАГАТЭ объединило эти данные в общую базу. Ею и воспользовалась для проведения анализа метаболизма людей разных рас из разных стран международная группа ученых.

Результаты столь масштабного изучения метаболизма преподнесли немало сюрпризов.

Так, оказалось, что сильнее всего человеческий организм сжигает калории не в юношеском возрасте или когда достигается пик половой активности, а… в младенческом возрасте – в течение первого года жизни ребенка!

Потребности в энергии резко возрастают в течение первых 12 месяцев жизни. Годовалый ребенок сжигает калории на 50% быстрее для своего размера тела, чем взрослый.

И это связано не только с тем, что в первый год жизни младенцы заняты утроением своего веса при рождении, утверждают ученые.

“Конечно, они [младенцы] растут, но даже если это принять в расчет, энергетические затраты младенцев увеличиваются космическими темпами по отношению к размерам и строению их организма, – подчеркивает Понцер. – Что-то происходит внутри клеток ребенка, чтобы сделать их более активными, и мы еще не знаем, что это за процессы”.

По данным исследования, после этого первоначального всплеска расхода энергии в младенчестве метаболизм замедляется примерно на 3% каждый год до возраста 20 лет – возраста новой нормы метаболизма.

Подростковые годы, несмотря на быстрый рост организма, не увеличивают суточного расхода калорий, отмечают исследователи.

“Мы действительно думали, что период полового созревания будет другим, но это не так”, – говорит Понцер.

Средний возраст преподнес еще один сюрприз. Если у кого-то в этом возрасте растет объем талии, то метаболизм здесь ни при чем, показывают данные исследования. Суточный расход энергии и в 20, и в 30, и в 40, и в 50 лет остается стабильным. Даже во время беременности потребности женщины в калориях оказались не больше и не меньше, чем ожидалось (если учитывать ее прибавку в объеме и весе по мере роста плода).

Интересно, что и при достижении 60 лет резкого снижения метаболизма в человеческом организме не происходит. Метаболизм и в эти годы замедляется постепенно, всего на 0,7% в год. В результате человеку в возрасте 90 лет, чтобы не толстеть, нужно получать из пищи на 26% меньше калорий каждый день, чем человеку среднего возраста.

Исследователи говорят, что в снижении метаболизма частично виновата возрастная потеря мышечной массы.

По словам Понцера, трудно было проанализировать причины изменения метаболизма в старости, потому что старение идет рука об руку со многими другими изменениями. Но данное исследование подтверждает идею о том, что замедление метаболизма происходит не только из-за возрастных изменений образа жизни или строения тела.

Любопытно, что замедление метаболизма с возрастом ученые выявили не только у людей, но и у дельфинов. Это показало другое исследование американских ученых из Университета Дьюка. Статья об этом опубликована в издании Journal of Experimental Biology.

Ученым впервые удалось измерить возрастные изменения обмена веществ у другого млекопитающего. (Человек также относится к млекопитающим.)

Тем же методом воды с двойной меткой исследователи изучили 10 дельфинов-афалин в возрасте от 10 до 45 лет, живущих в дельфинариях штатов Флорида и Гавайи.

Исследователи ожидали, что у дельфинов обмен веществ происходит быстрее, чем у людей, поскольку теплокровные дельфины живут в воде, и для поддержания тепла тела им требуется больше энергии.

Но на самом деле дельфины-афалины сжигают на 17% меньше энергии в день, чем ожидалось для морского млекопитающего их размера.

В пожилом возрасте метаболизм у дельфинов замедляется, как и у людей. Самые старые дельфины, участвовавшие в исследовании, оба в возрасте 40 лет, потребляли на 22-49% меньше калорий каждый день, чем ожидалось для их веса тела. И, как и у людей, большая часть этих калорий в конечном итоге превратилась в жир, а не в мышцы. У дельфинов в возрасте 40 лет процент жира в организме был в 2,5 раза выше, чем у их сверстников в возрасте до 20 лет.

Ведущий автор исследования Ребекка Римбах (Rebecca Rimbach) считает, что жир у дельфинов откладывается не из-за нехватки физических нагрузок. Дельфины, участвовавшие в исследовании, двигались очень активно даже в возрасте 40 лет, но метаболизм не зависел от уровня их активности. И ели старые и толстые дельфины меньше, чем молодые и стройные. Этот факт ученые установили, измерив, сколько селедки и другой рыбы съедали дельфины разного возраста.

Исследователи говорят, что изучение метаболизма дельфинов может пролить свет на факторы, помимо диеты и образа жизни, которые лежат в основе возрастного увеличения веса у людей.

Ранее мы писали о том, как мыши потеют жиром и что от ожирения защищает низкий уровень гемоглобина. А еще мы рассказывали, что лишний вес в молодости делает память плохой в старости.

Больше интересных новостей науки вы найдёте в разделе “Наука” на медиаплатформе “Смотрим”.

Метаболизм, возраст и лишний вес: есть ли на самом деле связь?

Мы привыкли думать, что увеличение массы тела с возрастом практически неизбежно: ведь после раннего юношества обмен веществ замедляется с каждым годом. Но ученые обнаружили, что это совсем не так.

Что такое метаболизм?

Метаболизм (или обмен веществ) — это комплекс химических реакций, которые превращают поступающие с пищей калории в энергию. Звучит довольно просто, но есть нюанс: этот комплекс по-настоящему огромный и разнообразный. На карте человеческого метаболизма можно детально рассмотреть разные метаболические пути и их связь между собой: как наш организм перерабатывает углеводы, аминокислоты, жиры и другие вещества.

Базальный метаболизм — это количество энергии, которое организм расходует для поддержания жизни и базовых функций (дыхания, кровообращения, пищеварения). Больше всего калорий (от 60 до 80%) наш организм сжигает именно так — ведь отлаженная работа всех систем затрачивает много ресурсов. Еще около 10% калорий уходит на пищеварение. Физическая активность отвечает за 10–30% сжигаемой энергии: разумеется, величина процента тут зависит от частоты и интенсивности физических нагрузок.

Скорость метаболизма у людей бывает разной. На этот показатель влияет множество факторов: пол, процент жировой прослойки в организме, объем мышечной массы, генетические особенности, возраст. При этом у двух людей с одинаковым набором характеристик может быть разная скорость обмена веществ — и ученые до сих пор не понимают, почему.

Что мы знали о метаболизме раньше?

На бытовом уровне большинство людей знает про метаболизм примерно следующее: у женщин он медленнее, чем у мужчин, после 20–30 лет обмен веществ существенно замедляется (и мы полнеем), а менопауза у женщин замедляет его еще сильнее.

За этими утверждениями была доказательная база: так, в конце прошлого века физиологи считали, что обмен веществ действительно замедляется с возрастом. Даже в исследовании 2010 года говорится о том, что после 20 лет базальный обмен веществ замедляется на 1–2% каждый десяток лет. А на популярных медицинских ресурсах вроде WebMD утверждается, что после 40 лет метаболизм каждую декаду замедляется аж на 5%. Из этого всегда следовал однозначный вывод: чтобы оставаться в здоровом весе, с каждым годом нужно потреблять все меньше калорий.

Что показали последние исследования?

Исследование, опубликованное в августе 2021 года в журнале Science, довольно сильно изменило представление науки о возрастных изменениях в обмене веществ. В нем участвовало более 6600 человек в возрасте от 8 дней до 95 лет. Скорость метаболизма замеряли с помощью метода «воды с двойной меткой» — это более современный и точный способ, чем используемые в предыдущих исследованиях методы калориметрии. Участники испытания выпивали воду, в которой часть молекул водорода и кислорода была заменена их тяжелыми изотопами (эти изотопы не радиоактивны и безопасны для здоровья — с этичностью таких исследований все в порядке!). Количество сожженных калорий затем отслеживали по объему выдыхаемого углекислого газа.

По результатам замеров группа ученых выяснила, что между базовым обменом веществ мужчин и женщин на самом деле нет значимой разницы — если исключить из уравнения различия в образе жизни и уровнях физической активности. Но самым главным результатом исследования стало выявление четырех основных возрастных ступеней метаболизма. Оказалось, что никаких серьезных изменений в скорости обмена веществ не происходит ни после 20, ни после 40 лет: напротив, этот промежуток является периодом стабильности.

Четыре основные фазы обмена веществ

До 1 года

В этот период жизни мы сжигаем калории быстрее всего: примерно на 50% быстрее, чем во взрослом возрасте. Но мы оказываемся шустрыми не сразу: при рождении наш метаболизм совпадает с метаболизмом матери.

А вот буквально через несколько дней случается «скачок»: причем ученые все еще не знают, что именно происходит в этот момент.

С 1 года до 20 лет

А вот за это время мы действительно теряем большую часть скорости обмена веществ: с каждым годом она уменьшается примерно на 3%. Впрочем, это проходит почти незаметно благодаря той самой младенческой форе в 50%.

С 20 до 60 лет

Это самый стабильный метаболический период — снижения скорости обмена веществ ученые не обнаружили. При этом даже у женщин старше 40 лет, у которых наступила менопауза, скорость метаболизма не снижается (вопреки устойчивому мнению).

После 60 лет

В пожилом возрасте скорость метаболизма начинает снижаться примерно на 0,7% в год — к 90 годам он замедляется уже на 26%. Ученые связывают это с ухудшением работы внутренних органов и потерей мышечной массы — но точные механизмы возрастного замедления метаболизма все еще не изучены до конца.

Что это значит для нас?

Новые открытия главным образом означают то, что уменьшать порции еды с каждым годом после вашего двадцатого дня рождения совсем не обязательно. Эффект более стремительного набора веса с годами (если речь идет о возрасте до 60 лет) скорее связан с постепенным снижением уровня активности. Причем нам свойственно это снижение недооценивать — кажется, будто мы живем так же, как и раньше, а поправляемся быстрее. Но исследования довольно однозначно демонстрируют, что скорость базового обмена веществ и в 20, и в 45 лет находится на одном уровне. А значит, больше внимания стоит обратить на образ жизни — и способах сделать его менее сидячим.

Кроме того, находки ученых могут стать огромным подспорьем для будущего таргетной терапии онкологических заболеваний: ведь скорость метаболизма неразрывно связана с тем, как на наш организм действуют медицинские препараты. Необходимые дозировки для детей и пожилых людей могут существенно отличаться — чем больше мы узнаем об отличиях в процессе обмена веществ, тем качественнее и точнее станет медицинская помощь.

Подробности по теме

Все из‑за погоды: действительно ли существует метеозависимость?

Все из‑за погоды: действительно ли существует метеозависимость?

Основные закономерности метаболических процессов в организме человека. Часть 1.

Метаболизм – обмен веществ и энергии представляет собой по классическим определениям, с одной стороны, обмен веществами и энергией между организмом и окружающей средой, а, с другой стороны, совокупность процессов превращения веществ и трансформации энергии, происходящих непосредственно в самих живых организмах. Как известно, обмен веществ и энергии является основой жизнедеятельности организмов и принадлежит к числу важнейших специфических признаков живой материи. В обмене веществ, контролируемом многоуровневыми регуляторными системами, участвует множество ферментных каскадов, обеспечивающих совокупность химических реакций, упорядоченных во времени и пространстве. Данные биохимические реакции, детерминированные генетически, протекают последовательно в строго определенных участках клеток, что, в свою очередь обеспечивается принципом компартментации клетки. В конечном итоге в процессе обмена поступившие в организм вещества превращаются в собственные специфические вещества тканей и в конечные продукты, выводящиеся из организма. В процессе любых биохимических трансформаций освобождается и поглощается энергия.

Клеточный метаболизм выполняет четыре основные специфические функции, а именно: извлечение энергии из окружающей среды и преобразование ее в энергию макроэргических (высокоэнергетических) химических соединений в количестве, достаточном для обеспечения всех энергетических потребностей клетки; образование из экзогенных веществ промежуточных соединений, являющихся предшественниками высокомолекулярных компонентов клетки; синтез из этих предшественников белков, нуклеиновых кислот, углеводов, липидов и других клеточных компонентов; синтез и разрушение специальных биомолекул, образование и распад которых связаны с выполнением специфических функций данной клетки.

Поскольку первоначальные представления об обмене веществ возникли в связи с изучением процессов обмена между организмом и внешней средой и лишь впоследствии эти представления расширились до понимания путей трансформации веществ и энергии внутри организма, до настоящего времени принято выделять соответственно внешний, или общий, обмен веществ и внутренний или промежуточный, обмен веществ. В свою очередь как во внутреннем, так и во внешнем обмене веществ различают структурный (пластический) и энергетический обмен. Под структурным обменом понимают взаимные превращения различных высоко- и низкомолекулярных соединений в организме, а также их перенос (транспорт) внутри организма и между организмом и внешней средой. Под энергетическим обменом понимают высвобождение энергии химических связей молекул, образующейся в ходе реакций и ее превращение в тепло (большая часть), а также использование энергии на синтез новых молекул, активный транспорт, мышечную работу (меньшая часть). В процессе обмена веществ часть конечных продуктов химических реакций выводится во внешнюю среду, другая часть используется организмом. В этом случае конечные продукты органического обмена накапливаются или расходуются в зависимости от условий существования организма, называясь запасными или резервными веществами.

Как указывалось выше совокупность химических превращений веществ, которые происходят непосредственно в организме, начиная с момента их поступления в кровь и до момента выделения конечных продуктов обмена из организма, называют промежуточным обменом (промежуточным метаболизмом). Промежуточный обмен может быть разделен на два процесса: катаболизм (диссимиляция) и анаболизм (ассимиляция). Катаболизмом называют ферментативное расщепление крупных органических молекул, осуществляемое у всех высших организмов, как правило, окислительным путем. Катаболизм сопровождается освобождением энергии, заключенной в химических связях органических молекул, и резервированием ее в форме энергии фосфатных связей молекулы аденозинтрифосфорной кислоты (АТФ). Анаболизм, напротив, представляет собой ферментативный синтез крупномолекулярных клеточных компонентов, таких, как полисахариды, нуклеиновые кислоты, белки, липиды, а также некоторых их биосинтетических предшественников из более простых соединений. Анаболические процессы происходят с потреблением энергии. Процессы катаболизма и анаболизма происходят в клетках одновременно, неразрывно связаны друг с другом и являются обязательными компонентами одного общего процесса — метаболизма, в котором превращения веществ теснейшим образом переплетены с превращениями энергии. Катаболические и анаболические реакции различаются, как правило, локализацией в клетке. Например, окисление жирных кислот до углекислого газа и воды осуществляется с помощью набора митохондриальных ферментов, тогда как синтез жирных кислот катализирует другая система ферментов, находящихся в цитозоле. Именно благодаря разной локализации катаболические и анаболические процессы в клетке могут протекать одновременно. При этом все превращения органических веществ, процессы синтеза и распада взаимосвязаны, координированы и регулируются нейрогормональными механизмами, придающими химическим процессам нужное направление. В организме человека не существует самостоятельного обмена белков, жиров, углеводов и нуклеиновых кислот. Все превращения объединены в целостный процесс метаболизма, допускающий также взаимопревращения между отдельными классами органических веществ. Подобные взаимопревращения диктуются физиологическими потребностями организма, а также целесообразностью замены одних классов органических веществ другими в условиях блокирования какого-либо процесса при патологии.

Согласно современным представлениям расщепление основных пищевых веществ в клетке представляет собой ряд последовательных ферментативных реакций, составляющих три главные стадии катаболизма. На первой стадии полимерные органические молекулы распадаются на составляющие их специфические структурные блоки – мономеры. Так, полисахариды расщепляются до гексоз или пентоз, белки — до аминокислот, нуклеиновые кислоты — до нуклеотидов и нуклеозидов, липиды — до жирных кислот и глицерина. Эти реакции протекают в основном гидролитическим путем и количество энергии, освобождающейся на этой стадии, не превышает 1% от всей выделяемой в ходе катаболизма энергии, и почти целиком используется организмом в качестве тепла.

На второй стадии катаболизма продуктами химических реакций становятся еще более простые молекулы, унифицированные для углеводного, белкового и липидного обмена. по своему типу (гликолиз, катаболизм аминокислот, β-окисление жирных кислот соответственно). Принципиальным является то, что на второй стадии катаболизма образуются продукты, которые являются общими для обмена исходно разных групп веществ. Эти продукты представляют собой ключевые химические соединения, соединяющие разные пути метаболизма. К таким соединениям относятся, например, пируват (пировиноградная кислота), образующийся при распаде углеводов, липидов и многих аминокислот, ацетил-КоА, объединяющий катаболизм жирных кислот, углеводов и аминокислот, a-кетоглутаровая кислота, оксалоацетат (щавелевоуксусная кислота), фумарат (фумаровая кислота) и сукцинат (янтарная кислота), образующиеся при трансформации аминокислот. Продукты, полученные на второй стадии катаболизма, вступают в третью стадию, которая известна как цикл трикарбоновых кислот (терминальное окисление, цикл лимонной кислоты, цикл Кребса). На третьем этапе ацетил-КоА и некоторые другие метаболиты, например α-кетоглутарат, оксалоацетат, подвергаются окислению в цикле ди- и трикарбоновых кислот Кребса. Окисление сопровождается образованием восстановленных форм НАДН + Н+ и ФАДН2. Именно в ходе второй и третьей стадий катаболизма освобождается и аккумулируется в виде АТФ практически вся энергия химических связей подвергнутых диссимиляции веществ. При этом осуществляется перенос электронов от восстановленных нуклеотидов на кислород через дыхательную цепь, сопровождающийся образованием конечного продукта – молекулы воды. Транспорт электронов в дыхательной цепи сопряжен с синтезом АТФ в процессе окислительного фосфорилирования.

Главным катаболическим процессом в обмене веществ принято считать биологическое окисление – совокупность реакций окисления, протекающих во всех живых клетках, – а именно дыхание и окислительное фосфорилирование. Интегральной характеристикой биологического окисления служит так называемый дыхательный коэффициент (RQ), который представляет собой отношение объема выделенного организмом углекислого газа к объему одновременно поглощенного кислорода. При окислении углеводов объем расходуемого кислорода соответствует объему образующегося углекислого газа и поэтому дыхательный коэффициент в этих случаях равен единице. При окислении жиров и белков такое соответствие отсутствует, поскольку кроме окисления углерода до углекислого газа часть кислорода расходуется на окисление водорода с образованием воды. Вследствие этого величины дыхательного коэффициента в случае окисления жиров и белков составляют соответственно около 0, 7 и 0, 8. Подавляющая часть белкового азота при окислении белка в организме переходит в мочевину. Поэтому по дыхательному коэффициенту и данным о количестве выделяемой мочевины можно определять соотношение участвующих в биологическом окислении углеводов, жиров и белков.

В процессе обмена веществ постоянно происходит превращение энергии: потенциальная энергия сложных органических соединений, поступивших с пищей, превращается в тепловую, механическую и электрическую. Энергия расходуется не только на поддержание температуры тела и выполнение работы, но и на воссоздание структурных элементов клеток, обеспечение их жизнедеятельности, роста и развития организма. Тем не менее, только часть получаемой при окислении белков, жиров и углеводов энергии используется для синтеза АТФ, другая, значительно большая, превращается в теплоту. Так, при окислении углеводов 22, 7% энергии химических связей глюкозы в процессе окисления используется на синтез АТФ, а 77, 3% в виде тепла рассеивается в тканях. Аккумулированная в АТФ энергия используемая в дальнейшем для механической работы, химических, транспортных, электрических процессов в конечном счете тоже превращается в теплоту. Следовательно, количество тепла, образовавшегося в организме, становится мерой суммарной энергии химических связей, подвергшихся биологическому окислению. Поэтому вся энергия, образовавшаяся в организме, может быть выражена в единицах тепла — калориях или джоулях.

Общий баланс энергии организма определяют на основании калорийности вводимых пищевых веществ и количества выделенного тепла, которое может быть измерено или рассчитано. При этом надо учитывать, что величина калорийности, получаемая при лабораторной калориметрии, может отличаться от величины физиологической калорической ценности, поскольку некоторые вещества в организме не сгорают полностью, а образуют конечные продукты обмена, способные к дальнейшему окислению. В первую очередь это относится к белкам, азот которых выделяется из организма главным образом в виде мочевины, сохраняющей некоторый потенциальный запас калорий. Очевидно, что калорическая ценность, дыхательный коэффициент и величина теплообразования для разных веществ различны. Физиологическая калорическая ценность (в ккал/г) составляет для углеводов — 4, 1; липидов — 9, 3; белков — 4, 1; величина теплообразования (в ккал на 1 литр потребленного кислорода) для углеводов составляет 5, 05; липидов — 4, 69; белков — 4, 49.

Процесс анаболизма по аналогии с катаболическими процессами также проходит три стадии. При этом исходными веществами для анаболических процессов служат продукты второй стадии и промежуточные соединения третьей стадии катаболизма. Таким образом вторая и третья стадии катаболизма являются в то же время первой, исходной стадией анаболизма и химические реакции, протекающие в данном месте и в данное время, выполняют по сути двойную функцию. С одной стороны, они являются основой завершающего этапа катаболизма, а с другой — служат инициацией для анаболических процессов, поставляя вещества-предшественники для последующих стадий ассимиляции. Подобным образом, например, начинается синтез белка. Исходными реакциями этого процесса можно считать образование некоторых a-кетокислот. На следующей, второй стадии в ходе реакций аминирования или трансаминирования эти кетокислоты превращаются в аминокислоты, которые на третьей стадии анаболизма объединяются в полипептидные цепи. В результате ряда последовательных реакций происходит также синтез нуклеиновых кислот, липидов и полисахаридов. Тем не менее следует подчеркнуть, что пути анаболизма не являются простым обращением процессов катаболизма. Это связано прежде всего с энергетическими особенностями химических реакций. Некоторые реакции катаболизма практически необратимы, поскольку их протеканию в обратном направлении препятствуют непреодолимые энергетические барьеры. Поэтому в ходе эволюции были выработаны другие, специфические для анаболизма реакции, где синтез олиго- и полимерных соединений сопряжен с затратой энергии макроэргических соединений, прежде всего – АТФ.

Статья добавлена 31 мая 2016 г.

Метаболизм – это… Что такое Метаболизм?

Метаболи́зм (от греч. μεταβολή — «превращение, изменение»), или обмен веществ — набор химических реакций, которые возникают в живом организме для поддержания жизни. Эти процессы позволяют организмам расти и размножаться, сохранять свои структуры и отвечать на воздействия окружающей среды. Метаболизм обычно делят на две стадии: в ходе катаболизма сложные органические вещества деградируют до более простых; в процессах анаболизма с затратами энергии синтезируются такие вещества, как белки, сахара, липиды и нуклеиновые кислоты.

Обмен веществ происходит между клетками организма и межклеточной жидкостью, постоянство состава которой поддерживается кровообращением: за время прохождения крови в капиллярах через проницаемые стенки капилляров плазма крови 40 раз полностью обновляется с интерстициальной жидкостью. Серии химических реакций обмена веществ называют метаболическими путями, в них при участии ферментов одни биологически значимые молекулы последовательно превращаются в другие. Ферменты играют важную роль в метаболических процессах потому, что:

  • действуют как биологические катализаторы и снижают энергию активации химической реакции;
  • позволяют регулировать метаболические пути в ответ на изменения среды клетки или сигналы от других клеток.

Особенности метаболизма влияют на то, будет ли пригодна определенная молекула для использования организмом в качестве источника энергии. Так, например, некоторые прокариоты используют сероводород в качестве источника энергии, однако этот газ ядовит для животных.[1] Скорость обмена веществ также влияет на количество пищи, необходимой для организма.

Основные метаболические пути и их компоненты одинаковы для многих видов, что свидетельствует о единстве происхождения всех живых существ.[2] Например, некоторые карбоновые кислоты, являющиеся интермедиатами цикла трикарбоновых кислот присутствуют во всех организмах, начиная от бактерий и заканчивая многоклеточными организмами эукариот.[3] Сходства в обмене веществ, вероятно, связаны с высокой эффективностью метаболических путей, а также с их ранним появлением в истории эволюции.[4][5]

Биологические молекулы

Органические вещества, входящие в состав всех живых существ (животных, растений, грибов и микроорганизмов), представлены в основном аминокислотами, углеводами, липидами (часто называемые жирами) и нуклеиновыми кислотами. Так как эти молекулы имеют важное значение для жизни, метаболические реакции сосредоточены на создании этих молекул при строительстве клеток и тканей или разрушении их с целью использования в качестве источника энергии. Многие важные биохимические реакции объединяются вместе для синтеза ДНК и белков.

Аминокислоты и белки

Белки являются линейными биополимерами и состоят из остатков аминокислот, соединённых пептидными связями. Некоторые белки являются ферментами и катализируют химические реакции. Другие белки выполняют структурную или механическую функцию (например, образуют цитоскелет).[6] Белки также играют важную роль в передаче сигнала в клетках, иммунных реакциях, агрегации клеток, активном транспорте через мембраны и регуляции клеточного цикла.[7]

Липиды

Липиды входят в состав биологических мембран, например, плазматических мембран, являются компонентами коферментов и источниками энергии.[7] Липиды являются гидрофобными или амфифильными биологическими молекулами, растворимыми в органических растворителях таких, как бензол или хлороформ.[8]Жиры — большая группа соединений, в состав которых входят жирные кислоты и глицерин. Молекула трёхатомного спирта глицерина, образующая три сложные эфирные связи с тремя молекулами жирных кислот, называется триглицеридом.[9] Наряду с остатками жирных кислот, в состав сложных липидов может входить, например, сфингозин (сфинголипиды), гидрофильные группы фосфатов (в фосфолипидах). Стероиды, например холестерол, представляют собой ещё один большой класс липидов.[10]

Углеводы

Сахара могут существовать в кольцевой или линейной форме в виде альдегидов или кетонов, имеют несколько гидроксильных групп. Углеводы являются наиболее распространёнными биологическими молекулами. Углеводы выполняют следующие функции: хранение и транспортировка энергии (крахмал, гликоген), структурная (целлюлоза растений, хитин у животных).[7] Наиболее распространенными мономерами сахаров являются гексозы — глюкоза, фруктоза и галактоза. Моносахариды входят в состав более сложных линейных или разветвленных полисахаридов.[11]

Нуклеотиды

Полимерные молекулы ДНК и РНК представляют собой длинные неразветвленные цепочки нуклеотидов. Нуклеиновые кислоты выполняют функцию хранения и реализации генетической информации, которые осуществляются в ходе процессов репликации,транскрипции, трансляции, и биосинтеза белка.[7] Информация, закодированная в нуклеиновых кислотах, защищается от изменений системами репарации и мультиплицируется при помощи репликации ДНК.

Некоторые вирусы имеют РНК-содержащий геном. Например, вирус иммунодефицита человека использует обратную транскрипцию для создания матрицы ДНК из собственного РНК-содержащего генома.[12] Некоторые молекулы РНК обладают каталитическими свойствами (рибозимы) и входят в состав сплайсосом и рибосом.

Нуклеозиды — продукты присоединения азотистых оснований к сахару рибозе. Примерами азотистых оснований являются гетероциклические азотсодержащие соединения — производные пуринов и пиримидинов. Некоторые нуклеотиды также выступают в качестве коферментов в реакциях переноса функциональных групп.[13]

Коферменты

Подробное рассмотрение темы: Коферменты

Метаболизм включает широкий спектр химических реакций, большинство из которых относятся к нескольким основным типам реакций переноса функциональных групп.[14] Для переноса функциональных групп между ферментами, катализирующими химические реакции, используются коферменты.[13] Каждый класс химических реакций переноса функциональных групп катализируется отдельными ферментами и их кофакторами.[15]

Аденозинтрифосфат (АТФ) — один из центральных коферментов, универсальный источник энергии клеток. Этот нуклеотид используется для передачи химической энергии, запасенной в макроэргических связях между различными химическими реакциями. В клетках существует небольшое количество АТФ, который постоянно регенерируется из ADP и AMP. Организм человека за сутки расходует массу АТФ, равную массе собственного тела.[15] АТР выступает в качестве связующего звена между катаболизмом и анаболизмом: при катаболических реакциях образуется АТФ, при анаболических — энергия потребляется. АТФ также выступает донором фосфатной группы в реакциях фосфорилирования.

Витамины — низкомолекулярные органические вещества, необходимые в небольших количествах, причём, например, у человека большинство витаминов не синтезируется, а получается с пищей или через микрофлору КТ. В организме человека большинство витаминов являются кофакторами ферментов. Большинство витаминов приобретают биологическую активность в измененном виде, например, все водорастворимые витамины в клетках фосфорилируются или соединяются с нуклеотидами.[16]Никотинамидадениндинуклеотид (NADH) является производным витамина B3 (ниацина), и представляет собой важный кофермент — акцептора водорода. Сотни различных ферментов дегидрогеназ отнимают электроны из молекул субстратов и переносят их на молекулы NAD+, восстанавливая его до NADH. Окисленная форма кофермента является субстратом для различных редуктаз в клетке.[17] NAD в клетке существует в двух связанных формах NADH и NADPH. NAD+/NADH больше важен для протекания катаболических реакций, а NADP+/NADPH чаще используется в анаболических реакциях.

Структура гемоглобина. Белковые субъединицы окрашены красным и синим, а железосодержащий гем — зелёным. Из PDB 1GZX.

Минералы и кофакторы

Неорганические элементы играют важнейшую роль в обмене веществ. Около 99 % массы млекопитающего состоит из углерода, азота, кальция, натрия, магния, хлора, калия, водорода, фосфора, кислорода и серы.[18] Биологически значимые органические соединения (белки, жиры, углеводы и нуклеиновые кислоты) содержат большое количество углерода, водорода, кислорода, азота и фосфора.[18]

Многие неорганические соединения являются ионными электролитами. Наиболее важны для организма ионы натрия, калия, кальция, магния, хлоридов, фосфатов и гидрокарбонатов. Баланс этих ионов внутри клетки во внеклеточной среде определяет осмотическое давление и рН.[19] Концентрации ионов также играют важную роль для функционирования нервных и мышечных клеток. Потенциал действия в возбудимых тканях возникает при обмене ионами между внеклеточной жидкостью и цитоплазмой.[20] Электролиты входят и выходят из клетки через ионные каналы в плазматической мембране. Например, в ходе мышечного сокращения в плазматической мембране, цитоплазме и Т-трубочках перемещаются ионы кальция, натрия и калия.[21]

Переходные металлы в организме являются микроэлементами, наиболее распространены цинк и железо.[22][23] Эти металлы используются некоторыми белками (например, ферментами в качестве кофакторов) и имеют важное значение для регуляции активности ферментов и транспортных белков.[24] Кофакторы ферментов обычно прочно связаны со специфическим белком, однако могут модифицироваться в процессе катализа, при этом после окончания катализа всегда возвращаются к своему первоначальному состоянию (не расходуются). Металлы-микроэлементы усваиваются организмом при помощи специальных транспортных белков и не встречаются в организме в свободном состоянии, так как связаны со специфическими белками-переносчиками (например, ферритином или металлотионеинами).[25][26]

Катаболизм

Катаболизмом называют метаболические процессы, при которых расщепляются относительно крупные органические молекулы сахаров, жиров, аминокислот. В ходе катаболизма образуются более простые органические молекулы, необходимые для реакций анаболизма (биосинтеза). Часто, именно в ходе реакций катаболизма организм мобилизует энергию, переводя энергию химических связей органических молекул, полученных в процессе переваривания пищи, в доступные формы: в виде АТФ, восстановленных коферментов и трансмембранного электрохимического потенциала. Термин катаболизм не является синонимом «энергетического обмена»: у многих организмов (например, у фототрофов) основные процессы запасания энергии не связаны напрямую с расщеплением органических молекул. Классификация организмов по типу метаболизма может быть основана на источнике получения энергии и углерода, что отражено в таблице ниже. Органические молекулы используются в качестве источника энергии органотрофами, литотрофы используют неорганические субстраты, а фототрофы потребляют энергию солнечного света. Однако, все эти различные формы обмена веществ зависят от окислительно-восстановительных реакций, которые связаны с передачей электронов от восстановленных доноров молекул, таких как органические молекулы, вода, аммиак, сероводород, на акцепторные молекулы, такие как кислород, нитраты или сульфат.[27] У животных эти реакции сопряжены с расщеплением сложных органических молекул до более простых, таких как двуокись углерода и воду. В фотосинтезирующих организмах — растениях и цианобактериях — реакции переноса электрона не высвобождают энергию, но они используются как способ запасания энергии, поглощаемой из солнечного света.[28]

Катаболизм у животных может быть разделён на три основных этапа. Во-первых, крупные органические молекулы, такие как белки, полисахариды и липиды расщепляются до более мелких компонентов вне клеток. Далее эти небольшие молекулы попадают в клетки и превращается в ещё более мелкие молекулы, например, ацетил-КоА. В свою очередь, ацетильная группа кофермента А окисляется до воды и углекислого газа в цикле Кребса и дыхательной цепи, высвобождая при этом энергию, которая запасается в форме АТР.

Пищеварение

Подробное рассмотрение темы: Пищеварение и Желудочно-кишечный тракт

Такие макромолекулы, как крахмал, целлюлоза или белки, должны расщепляться до более мелких единиц прежде, чем они могут быть использованы клетками. Несколько классов ферментов принимают участие в деградации: протеазы, которые расщепляют белки до пептидов и аминокислот, гликозидазы, которые расщепляют полисахариды до олиго- и моносахаридов.

Микроорганизмы выделяют гидролитические ферменты в пространство вокруг себя,[29][30] чем отличаются от животных, которые выделяют такие ферменты только из специализированных железистых клеток.[31] Аминокислоты и моносахариды, образующиеся в результате активности внеклеточных ферментов, затем поступают в клетки с помощью активного транспорта.[32][33]

Получение энергии

Подробное рассмотрение темы: Клеточное дыхание, Брожение, Липолиз

В ходе катаболизма углеводов сложные сахара расщепляются до моносахаридов, которые усваиваются клетками.[34] Попав внутрь, сахара (например, глюкоза и фруктоза) в процессе гликолиза превращаются в пируват, при этом вырабатывается некоторое количество АТР.[35] Пировиноградная кислота (пируват) является промежуточным продуктом в нескольких метаболических путях. Основной путь метаболизма пирувата — превращаение в ацетил-КоА и далее поступление в цикл трикарбоновых кислот. При этом в цикле Кребса в форме АТР запасается часть энергии, а также восстанавливаются молекулы NADH и FAD. В процессе гликолиза и цикла трикарбоновых кислот образуется диоксид углерода, который является побочным продуктом жизнедеятельности. В анаэробных условиях в результате гликолиза из пирувата при участии фермента лактатдегидрогеназы образуется лактат, и происходит окисление NADH до NAD+, который повторно используется в реакциях гликолиза. Существует также альтернативный путь метаболизма моносахаридов — пентозофосфатный путь, в ходе реакций которого энергия запасается в форме восстановленного кофермента NADPH и образуются пентозы, например, рибоза, необходимая для синтеза нуклеиновых кислот.

Жиры на первом этапе катаболизма гидролизуются в свободные жирные кислоты и глицерин. Жирные кислоты расщепляются в процессе бета-окисления с образованием ацетил-КоА, который в свою очередь далее катаболизируется в цикле Кребса, либо идет на синтез новых жирных кислот. Жирные кислоты выделяют больше энергии, чем углеводы, так как жиры содержат удельно больше атомов водорода в своей структуре.

Аминокислоты либо используются для синтеза белков и других биомолекул, либо окисляются до мочевины, диоксида углерода и служат источником энергии.[36] Окислительный путь катаболизма аминокислот начинается с удаления аминогруппы ферментами трансаминазами. Аминогруппы утилизируются в цикле мочевины; аминокислоты, лишённые аминогрупп называют кетокислотами. Некоторые кетокислоты — промежуточные продукты цикла Кребса. Например, при дезаминировании глутамата образуется альфа-кетоглутаровая кислота.[37] Гликогенные аминокислоты также могут быть преобразованы в глюкозу в реакциях глюконеогенеза.[38]

Энергетические превращения

Окислительное фосфорилирование

Подробное рассмотрение темы: Окислительное фосфорилирование, Хемиосмос и Митохондрия

При окислительном фосфорилировании электроны, удалённые из пищевых молекул в метаболических путях (например, в цикле Кребса), переносятся на кислород, а выделяющаяся энергия используется для синтеза АТР. У эукариот данный процесс осуществляется при участии ряда белков, закреплённых в мембранах митохондрий, называемые дыхательной цепью переноса электронов. У прокариот эти белки присутствуют во внутренней мембране клеточной стенки.[39] Белки цепи переноса электронов используют энергию, полученную при передаче электронов от восстановленных молекул (например NADH) на кислород, для перекачки протонов через мембрану.[40]

При перекачке протонов создаётся разница концентраций ионов водорода и возникает электрохимический градиент.[41] Эта сила возвращает протоны обратно в митохондрии через основание АТР-синтазы. Поток протонов заставляет вращаться кольцо из c-субъединиц фермента, в результате чего активный центр синтазы изменяет форму и фосфорилирует аденозиндифосфат, превращая его в АТР.[15]

Энергия из неорганических соединений

Хемолитотрофами называют прокариот, имеющих особый тип обмена веществ, при котором энергия образуется в результате окисления неорганических соединений. Хемолитотрофы могут окислять молекулярный водород,[42] соединения серы (например, сульфиды, сероводород и тиосульфат),[1]оксид железа(II)[43] или аммиак.[44] При этом энергия от окисления этих соединений образуется с помощью акцепторов электронов, таких как кислород или нитриты.[45] Процессы получения энергии из неорганических веществ играют важную роль в таких биогеохимических циклах, как ацетогенез, нитрификация и денитрификация.[46][47]

Энергия из солнечного света

Энергия солнечного света поглощается растениями, цианобактериями, пурпурными бактериями, зелёными серными бактериями и некоторыми простейшими. Этот процесс часто сочетается с превращением диоксида углерода в органические соединения, как часть процесса фотосинтеза (см. ниже). Системы захвата энергии и фиксации углерода у некоторых прокариот могут работать раздельно (например, у пурпурных и зелёных серных бактерий).[48][49]

У многих организмов поглощение солнечной энергии в принципе аналогично окислительному фосфорилированию, так как при этом энергия запасается в форме градиента концентрации протонов и движущая сила протонов приводит к синтезу АТР.[15] Электроны, необходимые для этой цепи переноса, поступают от светособирающих белков, называемых центрами фотосинтетических реакций (примером являются родопсины). В зависимости от вида фотосинтетических пигментов классифицируют два типа центров реакций; в настоящее время большинство фотосинтезирующих бактерий имеют только один тип, в то время как растения и цианобактерии два.[50]

У растений, водорослей и цианобактерий, фотосистема II использует энергию света для удаления электронов из воды, при этом молекулярный кислород выделяется как побочный продукт реакции. Электроны затем поступают в комплекс цитохрома b6f, который использует энергию для перекачки протонов через тилакоидную мембрану в хлоропластах.[7] Под действием электрохимического градиента протоны движутся обратно через мембрану и запускают АТР-синтазу. Электроны затем проходят через фотосистему I и могут быть использованы для окисления кофермента NADP+, для использования в цикле Кальвина или рециркуляции для образования дополнительных молекул АТР.[51]

Анаболизм

Подробное рассмотрение темы: Анаболизм

Анаболизм — совокупность метаболических процессов биосинтеза сложных молекул с затратой энергии. Сложные молекулы, входящие в состав клеточных структур, синтезируются последовательно из более простых предшественников. Анаболизм включает три основных этапа, каждый из которых катализируется специализированным ферментом. На первом этапе синтезируются молекулы-предшественники, например, аминокислоты, моносахариды, терпеноиды и нуклеотиды. На втором этапе предшественники с затратой энергии АТР преобразуются в активированные формы. На третьем этапе активированные мономеры объединяются в более сложные молекулы, например, белки, полисахариды, липиды и нуклеиновые кислоты.

Не все живые организмы могут синтезировать все биологически активные молекулы. Автотрофы (например, растения) могут синтезировать сложные органические молекулы из таких простых неорганических низкомолекулярных веществ, как углекислый газ и вода. Гетеротрофам необходим источник более сложных веществ, таких как моносахариды и аминокислоты, для создания более сложных молекул. Организмы классифицируют по их основным источникам энергии: фотоавтотрофы и фотогетеротрофы получают энергию из солнечного света, в то время как хемоавтотрофы и хемогетеротрофы получают энергию из неорганических реакций окисления.

Связывание углерода

Подробное рассмотрение темы: Фотосинтез и Хемосинтез
Растительные клетки содержат хлоропласты (зелёного цвета), в тилакоидах которых происходят процессы фотосинтеза. Plagiomnium affine из семейства Mniaceae отдела Настоящие мхи (Bryophyta)

Фотосинтезом называют процесс биосинтеза сахаров из углекислого газа, при котором необходимая энергия поглощается из солнечного света. У растений, цианобактерий и водорослей, при кислородном фотосинтезе происходит фотолиз воды, при этом, как побочный продукт, выделяется кислород. Для преобразования CO2 в 3-фосфоглицерат используется энергия АТР и NADPH, запасенная в фотосистемах. Реакция связывания углерода осуществляется с помощью фермента рибулозобисфосфаткарбоксилазы и является частью цикла Кальвина.[52] У растений классифицируют три типа фотосинтеза — по пути трехуглеродых молекул, по пути четырехуглеродых молекул (С4), и CAM фотосинтез. Три типа фотосинтеза отличаются по пути связывания углекислого газа и его вхождения в цикл Кальвина; у C3 растений связывание CO2 происходит непосредственно в цикле Кальвина, а при С4 и CAM CO2 предварительно включается в состав других соединений. Разные формы фотосинтеза являются приспособлениями к к интенсивному потоку солнечных лучей и к сухим условиям.[53]

У фотосинтезирующих прокариот механизмы связывания углерода более разнообразны. Углекислый газ может быть фиксирован в цикле Кальвина, в обратном цикле Кребса,[54] или в реакциях карбоксилирования ацетил-КоА.[55][56] Прокариоты — хемоавтотрофы также связывают CO2 через цикл Кальвина, но для протекания реакции используют энергию из неорганических соединений.[57]

Углеводы и гликаны

Подробное рассмотрение темы: Глюконеогенез и Гликозилирование

В процессе анаболизма сахаров простые органические кислоты могут быть преобразованы в моносахариды, например, в глюкозу, и затем использованы для синтеза полисахаридов, таких как крахмал. Образование глюкозы из соединений, как пируват, лактат, глицерин, 3-фосфоглицерат и аминокислот называют глюконеогенезом. В процессе глюконеогенеза пируват превращается глюкозо-6-фосфат через ряд промежуточных соединений, многие из которых образуются и при гликолизе.[35] Однако, глюконеогенез не просто является гликолизом в обратном направлении, так как несколько химических реакций катализируют специальные ферменты, что дает возможность независимо регулировать процессы образования и распада глюкозы.[58][59]

Многие организмы запасают питательные вещества в форме липидов и жиров, однако, позвоночные не имеют ферментов, катализирующих превращение ацетил-КоА (продукта метаболизма жирных кислот) в пируват (субстрат глюконеогенеза).[60] После длительного голодания позвоночные начинают синтезировать кетоновые тела из жирных кислот, которые могут заменять глюкозу в таких тканях, как головной мозг.[61] У растений и бактерий, данная метаболическая проблема решается использованием глиоксилатного цикла, который обходит этап декарбоксилирования в цикле лимонной кислоты и позволяет превращать ацетил-КоА в оксалоацетат, и далее использовать для синтеза глюкозы.[60][62]

Полисахариды выполняют структурные и метаболические функции, а также могут быть соединены с липидами (гликолипиды) и белками (гликопротеиды) при помощи ферментов олигосахаридтрансфераз.[63][64]

Жирные кислоты, изопреноиды и стероиды

Подробное рассмотрение темы: Стероиды
Синтез стероидов из изопентилпирофосфата, диметилаллилпирофосфата, геранилпирофосфата и сквалена. Некоторые промежуточные продукты не показаны

Жирные кислоты образуются синтазами жирных кислот из ацетил-КоА. Углеродный скелет жирных кислот удлиняется в цикле реакций, в которых сначала присоединяется ацетильная группа, далее карбонильная группа восстанавливается до гидроксильной, затем происходит дегидратация и последующее восстановление. Ферменты биосинтеза жирных кислот классифицируют на две группы: у животных и грибов все реакции синтеза жирных кислот осуществляются одним многофункциональным белком I типа,[65] в пластидах растений и у бактерий каждый этап катализируют отдельные ферменты II типа.[66][67]

Терпены и терпеноиды являются представителями самого многочисленного класса растительных натуральных продуктов.[68] Представители данной группы веществ являются производными изопрена и образуются из активированных предшественников изопентилпирофосфата и диметилаллилпирофосфата, которые, в свою очередь, образуются в разных реакциях обмена веществ.[69] У животных и архей изопентилпирофосфат и диметилаллилпирофосфат синтезируются из ацетил-КоА в мевалонатном пути,[70] в то время как у растений и бактерий субстратами не-мевалонатного пути являются пируват и глицеральдегид-3-фосфат.[69][71] В реакциях биосинтеза стероидов молекулы изопрена объединяются и образуют сквалены, которые далее формируют циклические структуры с образованием ланостерола.[72] Ланостерол может быть преобразован в другие стероиды, например холестерин и эргостерин.[72][73]

Белки

Подробное рассмотрение темы: Биосинтез белка

Организмы различаются по способности к синтезу 20 общих аминокислот. Большинство бактерий и растений могут синтезировать все 20, но млекопитающие способны синтезировать лишь 11 заменимых аминокислот.[7] Таким образом, в случае млекопитающих 9 незаменимых аминокислот должны быть получены из пищи. Все аминокислоты синтезируются из промежуточных продуктов гликолиза, цикла лимонной кислоты или пентозомонофосфатного пути. Перенос аминогрупп с аминокислот на альфа-кетокислоты называется трансаминированием. Донорами аминогрупп являются глутамат и глутамин. [74]

Аминокислоты, соединенными пептидными связями, образуют белки. Каждый белок имеет уникальную последовательность аминокислотных остатков (первичная структура белка). Подобно тому, как буквы алфавита могут комбинироваться с образованием почти бесконечных вариаций слов, аминокислоты могут связываться в той или иной последовательности и формировать разнообразные белки. Фермент Аминоацил-тРНК-синтетаза катализирует АТР-зависимое присоединение аминокислот к тРНК сложноэфирными связями, при этом образуются аминоацил-тРНК.[75] Аминоацил-тРНК являются субстратами для рибосом, которая объединяют аминокислоты в длинные полипептидные цепочки, используя матрицу мРНК.[76]

Нуклеотиды

Подробное рассмотрение темы: Пурин, пиримидин

Нуклеотиды образуются из аминокислот, углекислого газа и муравьиной кислоты в цепи реакций, для протекания которых требуется большое количество энергии.[77][78] Именно поэтому большинство организмов имеют эффективные системы сохранения ранее синтезированных нуклеотидов и азотистых оснований.[77][79]Пурины синтезируются как нуклеозиды (в основном связанные с рибозой). Аденин и гуанин образуются из инозин-монофосфата, который синтезируется из глицина, глутамина и аспартата при участии метенил-тетрагидрофолата. Пиримидины синтезируются из оротата, который образуется из глутамина и аспартата.[80]

Ксенобиотики и окислительный метаболизм

Подробное рассмотрение темы: Антиоксиданты

Все организмы постоянно подвергаются воздействию соединений, накопление которых может быть вредно для клеток. Такие потенциально опасные чужеродные соединения называются ксенобиотиками.[81] Ксенобиотики, например синтетические лекарства и яды природного происхождения, детоксифицируются специализированными ферментами. У человека такие ферменты представлены, например, цитохром-оксидазами,[82] глюкуронилтрансферазой,[83] и глутатион S-трансферазой.[84] Эта система ферментов действует в три этапа: на первой стадии ксенобиотики окисляются, затем происходит конъюгирование водорастворимых групп в молекулы, далее модифицированные водорастворимые ксенобиотики могут быть удалены из клеток и метаболизированы перед их экскрецией. Описанные реакции играют важную роль в разложении микробами загрязняющих веществ и биоремедиации загрязнённых земель и разливов нефти.[85] Многие подобные реакции протекают при участии многоклеточных организмов, однако, ввиду невероятного разнообразия, микроорганизмы справляются с гораздо более широким спектром ксенобиотиков, чем многоклеточные организмы, и способны даже разрушать стойкие органические загрязнители, например хлорорганические соединения.[86]

Связанной с этим проблемой для аэробных организмов является оксидативный стресс.[87] В процессе окислительного фосфорилирования и образования дисульфидных связей при укладке белка образуются активные формы кислорода, например пероксид водорода.[88] Эти повреждающие оксиданты удаляются антиоксидантами, например глутатионом и ферментами каталазой и пероксидазами.[89][90]

Термодинамика живых организмов

Живые организмы подчиняются началам термодинамики, которые описывают превращения тепла и работы. Второе начало термодинамики гласит, что в любой изолированной системе энтропия не уменьшается. Хотя невероятная сложность живых организмов очевидно противоречит этому закону, жизнь возможна, так как все организмы открытые системы, которые обмениваются веществом и энергией с окружающей средой. Таким образом живые системы не находятся в термодинамическом равновесии, но вместо этого выступает диссипативной системой, которая поддерживают своё состояние сложно организованности, вызывая большее увеличение энтропии окружающей средой.[91] В метаболизм клеток это достигается путём сочетания спонтанных процессов катаболизма с не спонтанных процессов анаболизма. В термодинамических условиях, метаболизм поддерживает порядок за счёт создания беспорядка.[92]

Регуляция и контроль

Подробное рассмотрение темы: Гормоны, Передача сигнала в клетке

Гомеостазом называют постоянство внутренней среды организма. Так как внешняя среда, окружающая большинство организмов, постоянно меняется, для поддержания постоянных условий внутри клеток, реакции обмена веществ должны точно регулироваться.[93][94] Регуляция метаболизма позволяет организмам отвечать на сигналы и активно взаимодействовать с окружающей средой.[95] В случае фермента, регуляция заключается в повышении и снижении его активности в ответ на сигналы. С другой стороны, фермент оказывает некоторый контроль над метаболическим путем, который определяется как эффект от изменения активности фермента на данный метаболический путь.[96]

Влияние инсулина на поглощение глюкозы и обмен веществ. Инсулин связывается со своим рецептором (1), который в свою очередь запускает касакад реакций активации множества белков (2). К ним относятся: транслокация переносчика GLUT-4 к плазматической мембране и поступление глюкозы в клетку (3), синтез гликогена (4), гликолиз (5) и синтез жирных кислот (6).

Выделяют несколько уровней регуляции метаболизма. В метаболическом пути происходит саморегуляция на уровне субстрата или продукта; например, уменьшение количества продукта может компенсированно увеличить поток субстрата реакции по данному пути.[97] Этот тип регулирования часто включает аллостерическое регулирование активности некоторых ферментов в метаболических путях.[98] Внешний контроль включает клетку многоклеточного организма, изменяющую свой метаболизм в ответ на сигналы от других клеток. Эти сигналы, как правило, в виде растворимых мессенджеров, например гормоны и факторы роста, определяются специфическими рецепторами на поверхности клеток.[99] Затем эти сигналы передаются внутрь клетки системой вторичных мессенджеров, которые зачастую связаны с фосфорилированием белков.[100]

Хорошо изученный пример внешнего контроля — регуляция метаболизма глюкозы инсулином.[101] Инсулин вырабатывается в ответ на повышение уровня глюкозы в крови. Гормон связывается с инсулиновым рецептором на поверхности клетки, затем активируется каскад протеинкиназ, которые обеспечивают поглощение молекул глюкозы клетками и преобразовать их в молекулы жирных кислот и гликогена.[102] Метаболизм гликогена контролируется активностью фосфорилазы (фермента, который расщепляет гликоген) и гликогенсинтазы (фермента, который образует его). Эти ферменты взаимосвязаны; фосфорилирование ингибируется гликогенсинтазой, но активируется фосфорилазой. Инсулин вызывает синтез гликогена путём активации белковых фосфатаз и уменьшает фосфорилирование этих ферментов.[103]

Эволюция

Подробное рассмотрение темы: Филогенетика

Главные пути метаболизма, описанные выше, например, гликолиза и цикла Кребса, присутствуют у всех трёх доменах живых существ и обнаруживаются у последнего универсального общего предка.[3][104] Этот универсальный предок был прокариотом и, вероятно, метаногеном с аминокислотным, нуклеотидным, углеводным и липидным метаболизмом.[105][106] Сохранение этих древних метаболических путей в эволюции может быть результатом того, что эти реакции оптимальны для решения конкретных проблем с метаболизмом. Так, конечные продукты гликолиза и цикла Кребса образуются с высокой эффективностью и с минимальным количеством стадий.[4][5] Первые метаболические пути на основе ферментов могли быть частями пуринового метаболизма нуклеотидов с предыдущим метаболических путей были частью древнего мира РНК.[107]

Многие модели были предложены для описания механизмов, посредством которых новые метаболические пути эволюционировали. К ним относятся последовательное добавление новых ферментов на короткий предковый путь, дупликация, а затем дивергенция всех путей, а также набор уже существующих ферментов и их сборка в новый путь реакций.[108] Относительную важность этих механизмов неясна, однако геномные исследования показали, что ферменты в метаболическом пути, скорее всего, имеют общее происхождение, предполагая, что многие пути эволюционировали шаг за шагом с новыми функциями, созданными из уже существующих этапов пути.[109] Альтернативная модель основана на исследованиях, в которых прослеживается эволюция структуры белков в метаболических связях; предполагают, что ферменты собирались для выполнения схожих функций в различных метаболических путях[110] Эти процессы сборки привели к эволюционированию ферментативной мозаики.[111] Некоторые части обмена веществ возможно существовали в качестве «модулей», которые могли быть повторно использованы в различных путях для выполнения схожих функций.[112]

Эволюция также может приводить к потере метаболических функций. Например, у некоторых паразитов метаболические процессы, которые не важны для выживания, утрачены и готовые аминокислоты, нуклеотиды и углеводы получаются от хозяина.[113] Подобные упрощения метаболических возможностей наблюдают у эндосимбиотических организмов.[114]

Методы исследования

Подробное рассмотрение темы: Протеомика, Метабономика

Классически, метаболизм изучается упрощённым подходом, который фокусируется на одном метаболическом пути. Особенно ценно использование меченых атомов на организменном, тканевом и клеточном уровнях, которые определяют пути от предшественников до конечных продуктов путём выявления радиоактивно меченых промежуточных продуктов.[115] Ферменты, которые катализируют эти химические реакции, могут затем быть выделены для исследования их кинетики и ответа на ингибиторы. Параллельный подход заключается в выявлении небольших молекул в клетки или ткани; полный набор этих молекул называется метаболом. В целом, эти исследования дают хорошее представление о структуре и функциях простых путей метаболизма, но недостаточны в применении к более сложных системам, например полной метаболизм клетки.[116]

Идея сложности метаболических сетей в клетках, которые содержат тысячи различных ферментов, отражена на изображении справа, показывающее взаимодействия только между 43 белками и 40 метаболитами, которые регулируются 45000 генов.[117] Тем не менее, сейчас можно использовать такие данные о геномах для воссоздания полной сети биохимических реакций и образовывать более целостные математические модели, которые могут объяснить и предсказать их поведение.[118] Эти модели особенно сильны, когда используются для интеграции данных о путях и метаболитах, полученных на основе классических методов, с данными по экспрессии генов из протеомных и ДНК-микрочиповых исследований.[119] С помощью этих методов, модель человеческого метаболизма в настоящее время создаётся, которая будет служить ориентиром для будущих исследований лекарств и биохимических исследований.[120] Эти модели в настоящее время используются в анализах сети, для классификации болезней человека по группам, которые различаются по общим белкам или метаболитам.[121][122]

Яркий пример бактериальных метаболических сетей — устройство галстук-бабочки[123][124][125], структура которой позволяет вводить широкий спектр питательных веществ и производить большое разнообразие продуктов и сложных макромолекул, используя сравнительно немного общих промежуточных веществ.

Основная технологическая основа этой информации — метаболическая инженерия. Здесь организмы, например дрожжи, растения или бактерии, генетически модифицируются, чтобы сделать их более эффективными в биотехнологии и помочь в производстве лекарств, например антибиотиков или промышленных химических веществ, таких как 1,3-пропандиола и шикимовой кислоты.[126] Эти генетические модификации обычно направлены на уменьшение количества энергии, используемой для производства продукции, повышения урожайности и снижения производственных отходов.[127]

История

Санторио взвешивает сам себя до и после принятия пищи, из Ars de statica medicina, впервые опубликованной в 1614 году

История изучения метаболизма охватывает несколько столетий. Исследования начинались с изучения организмов животных, в современной биохимии изучают отдельные метаболические реакции. Понятие обмена веществ впервые встречается в работах Ибн аль-Нафиса (1213—1288), который писал, что «тело и его части находятся в постоянном состоянии распада и питания, так что оно неизбежно претерпевает постоянные изменения».[128] Первые контролируемые эксперименты по метаболизму у человека были опубликованы Санторио Санторио в 1614 году в книге итал. Ars de statica medicina.[129] Он рассказал, как он сам взвесил себя до и после приёма пищи, сна, работы, секса, натощак, после питья и выделения мочи. Он обнаружил, что большая часть пищи, которую он принял, была утрачена в результате процесса, названного «незаметным испарением».

В ранних исследованиях механизмы метаболических реакций не были обнаружены и считалось, что живой тканью управляет живая сила.[130] В XIX веке при исследовании ферментации сахара спирта дрожжами Луи Пастер сделал вывод, что брожение катализируется веществами из дрожжевых клеток, которые он назвал ферментами. Пастер писал, что «алкогольное брожение — действие, связанное с жизнью и организуется дрожжевыми клетками, не связано со смертью или разложением клеток».[131] Это открытие, вместе с публикацией Фридриха Вёлера в 1828 году о химическом синтезе мочевины,[132] доказали, что органические соединения и химические реакции, обнаруженные в клетках, не имеют различий в принципе, как и любые другие разделы химии.

Открытие ферментов в начале XX века Эдуардом Бухнером разделило изучение метаболических реакций от изучения клеток и дало начало развитию биохимии как науки.[133] Одним из успешных биохимиков начала двадцатого века был Ханс Адольф Кребс, который внёс огромный вклад в изучение метаболизма.[134] Кребс описал цикл мочевины и позднее, работая вместе с Хансом Корнбергом, цикл лимонной кислоты и глиоксилатный цикл.[135][62] В современных биохимических исследованиях широко используют новые методы, такие как хроматография, рентгеноструктурный анализ, ЯМР-спектроскопия, электронная микроскопия и метод классической молекулярной динамики. Эти методы позволяют открывать и подробно изучать множество молекул и метаболических путей в клетках.

См. также

Примечания

  1. 1 2 Friedrich C (1998). «Physiology and genetics of sulfur-oxidizing bacteria». Adv Microb Physiol 39: 235–89. DOI:10.1016/S0065-2911(08)60018-1. PMID 9328649.
  2. Pace NR (January 2001). «The universal nature of biochemistry». Proc. Natl. Acad. Sci. U.S.A. 98 (3): 805–8. DOI:10.1073/pnas.98.3.805. PMID 11158550.
  3. 1 2 Smith E, Morowitz H (2004). «Universality in intermediary metabolism». Proc Natl Acad Sci USA 101 (36): 13168–73. DOI:10.1073/pnas.0404922101. PMID 15340153.
  4. 1 2 Ebenhöh O, Heinrich R (2001). «Evolutionary optimization of metabolic pathways. Theoretical reconstruction of the stoichiometry of ATP and NADH producing systems». Bull Math Biol 63 (1): 21–55. DOI:10.1006/bulm.2000.0197. PMID 11146883.
  5. 1 2 Meléndez-Hevia E, Waddell T, Cascante M (1996). «The puzzle of the Krebs citric acid cycle: assembling the pieces of chemically feasible reactions, and opportunism in the design of metabolic pathways during evolution». J Mol Evol 43 (3): 293–303. DOI:10.1007/BF02338838. PMID 8703096.
  6. Michie K, Löwe J (2006). «Dynamic filaments of the bacterial cytoskeleton». Annu Rev Biochem 75: 467–92. DOI:10.1146/annurev.biochem.75.103004.142452. PMID 16756499.
  7. 1 2 3 4 5 6 Nelson David L. Lehninger Principles of Biochemistry. — New York: W. H. Freeman and company, 2005. — P. 841. — ISBN 0-7167-4339-6
  8. Fahy E, Subramaniam S, Brown H, Glass C, Merrill A, Murphy R, Raetz C, Russell D, Seyama Y, Shaw W, Shimizu T, Spener F, van Meer G, VanNieuwenhze M, White S, Witztum J, Dennis E (2005). «A comprehensive classification system for lipids». J Lipid Res 46 (5): 839–61. DOI:10.1194/jlr.E400004-JLR200. PMID 15722563.
  9. Nomenclature of Lipids. IUPAC-IUB Commission on Biochemical Nomenclature (CBN). Архивировано из первоисточника 22 августа 2011. Проверено 8 марта 2007.
  10. Hegardt F (1999). «Mitochondrial 3-hydroxy-3-methylglutaryl-CoA synthase: a control enzyme in ketogenesis». Biochem J 338 (Pt 3): 569–82. DOI:10.1042/0264-6021:3380569. PMID 10051425.
  11. Raman R, Raguram S, Venkataraman G, Paulson J, Sasisekharan R (2005). «Glycomics: an integrated systems approach to structure-function relationships of glycans». Nat Methods 2 (11): 817–24. DOI:10.1038/nmeth807. PMID 16278650.
  12. Sierra S, Kupfer B, Kaiser R (2005). «Basics of the virology of HIV-1 and its replication». J Clin Virol 34 (4): 233–44. DOI:10.1016/j.jcv.2005.09.004. PMID 16198625.
  13. 1 2 Wimmer M, Rose I (1978). «Mechanisms of enzyme-catalyzed group transfer reactions». Annu Rev Biochem 47: 1031–78. DOI:10.1146/annurev.bi.47.070178.005123. PMID 354490.
  14. Mitchell P (1979). «The Ninth Sir Hans Krebs Lecture. Compartmentation and communication in living systems. Ligand conduction: a general catalytic principle in chemical, osmotic and chemiosmotic reaction systems». Eur J Biochem 95 (1): 1–20. DOI:10.1111/j.1432-1033.1979.tb12934.x. PMID 378655.
  15. 1 2 3 4 Dimroth P, von Ballmoos C, Meier T (March 2006). «Catalytic and mechanical cycles in F-ATP synthases. Fourth in the Cycles Review Series». EMBO Rep 7 (3): 276–82. DOI:10.1038/sj.embor.7400646. PMID 16607397.
  16. Stanford School of Medicine Nutrition Courses. — SUMMIT, 2006.
  17. Pollak N, Dölle C, Ziegler M (2007). «The power to reduce: pyridine nucleotides—small molecules with a multitude of functions». Biochem J 402 (2): 205–18. DOI:10.1042/BJ20061638. PMID 17295611.
  18. 1 2 Heymsfield S, Waki M, Kehayias J, Lichtman S, Dilmanian F, Kamen Y, Wang J, Pierson R (1991). «Chemical and elemental analysis of humans in vivo using improved body composition models». Am J Physiol 261 (2 Pt 1): E190–8. PMID 1872381.
  19. Sychrová H (2004). «Yeast as a model organism to study transport and homeostasis of alkali metal cations» (PDF). Physiol Res 53 Suppl 1: S91–8. PMID 15119939.
  20. Levitan I (1988). «Modulation of ion channels in neurons and other cells». Annu Rev Neurosci 11: 119–36. DOI:10.1146/annurev.ne.11.030188.001003. PMID 2452594.
  21. Dulhunty A (2006). «Excitation-contraction coupling from the 1950s into the new millennium». Clin Exp Pharmacol Physiol 33 (9): 763–72. DOI:10.1111/j.1440-1681.2006.04441.x. PMID 16922804.
  22. Mahan D, Shields R (1998). «Macro- and micromineral composition of pigs from birth to 145 kilograms of body weight». J Anim Sci 76 (2): 506–12. PMID 9498359.
  23. Husted S, Mikkelsen B, Jensen J, Nielsen N (2004). «Elemental fingerprint analysis of barley (Hordeum vulgare) using inductively coupled plasma mass spectrometry, isotope-ratio mass spectrometry, and multivariate statistics». Anal Bioanal Chem 378 (1): 171–82. DOI:10.1007/s00216-003-2219-0. PMID 14551660.
  24. Finney L, O’Halloran T (2003). «Transition metal speciation in the cell: insights from the chemistry of metal ion receptors». Science 300 (5621): 931–6. DOI:10.1126/science.1085049. PMID 12738850.
  25. Cousins R, Liuzzi J, Lichten L (2006). «Mammalian zinc transport, trafficking, and signals». J Biol Chem 281 (34): 24085–9. DOI:10.1074/jbc.R600011200. PMID 16793761.
  26. Dunn L, Rahmanto Y, Richardson D (2007). «Iron uptake and metabolism in the new millennium». Trends Cell Biol 17 (2): 93–100. DOI:10.1016/j.tcb.2006.12.003. PMID 17194590.
  27. Nealson K, Conrad P (1999). «Life: past, present and future». Philos Trans R Soc Lond B Biol Sci 354 (1392): 1923–39. DOI:10.1098/rstb.1999.0532. PMID 10670014.
  28. Nelson N, Ben-Shem A (2004). «The complex architecture of oxygenic photosynthesis». Nat Rev Mol Cell Biol 5 (12): 971–82. DOI:10.1038/nrm1525. PMID 15573135.
  29. Häse C, Finkelstein R (December 1993). «Bacterial extracellular zinc-containing metalloproteases». Microbiol Rev 57 (4): 823–37. PMID 8302217.
  30. Gupta R, Gupta N, Rathi P (2004). «Bacterial lipases: an overview of production, purification and biochemical properties». Appl Microbiol Biotechnol 64 (6): 763–81. DOI:10.1007/s00253-004-1568-8. PMID 14966663.
  31. Hoyle T (1997). «The digestive system: linking theory and practice». Br J Nurs 6 (22): 1285–91. PMID 9470654.
  32. Souba W, Pacitti A (1992). «How amino acids get into cells: mechanisms, models, menus, and mediators». JPEN J Parenter Enteral Nutr 16 (6): 569–78. DOI:10.1177/0148607192016006569. PMID 1494216.
  33. Barrett M, Walmsley A, Gould G (1999). «Structure and function of facilitative sugar transporters». Curr Opin Cell Biol 11 (4): 496–502. DOI:10.1016/S0955-0674(99)80072-6. PMID 10449337.
  34. Bell G, Burant C, Takeda J, Gould G (1993). «Structure and function of mammalian facilitative sugar transporters». J Biol Chem 268 (26): 19161–4. PMID 8366068.
  35. 1 2 Bouché C, Serdy S, Kahn C, Goldfine A (2004). «The cellular fate of glucose and its relevance in type 2 diabetes». Endocr Rev 25 (5): 807–30. DOI:10.1210/er.2003-0026. PMID 15466941.
  36. Sakami W, Harrington H (1963). «Amino acid metabolism». Annu Rev Biochem 32: 355–98. DOI:10.1146/annurev.bi.32.070163.002035. PMID 14144484.
  37. Brosnan J (2000). «Glutamate, at the interface between amino acid and carbohydrate metabolism». J Nutr 130 (4S Suppl): 988S–90S. PMID 10736367.
  38. Young V, Ajami A (2001). «Glutamine: the emperor or his clothes?». J Nutr 131 (9 Suppl): 2449S–59S; discussion 2486S–7S. PMID 11533293.
  39. Hosler J, Ferguson-Miller S, Mills D (2006). «Energy transduction: proton transfer through the respiratory complexes». Annu Rev Biochem 75: 165–87. DOI:10.1146/annurev.biochem.75.062003.101730. PMID 16756489.
  40. Schultz B, Chan S (2001). «Structures and proton-pumping strategies of mitochondrial respiratory enzymes». Annu Rev Biophys Biomol Struct 30: 23–65. DOI:10.1146/annurev.biophys.30.1.23. PMID 11340051.
  41. Capaldi R, Aggeler R (2002). «Mechanism of the F(1)F(0)-type ATP synthase, a biological rotary motor». Trends Biochem Sci 27 (3): 154–60. DOI:10.1016/S0968-0004(01)02051-5. PMID 11893513.
  42. Friedrich B, Schwartz E (1993). «Molecular biology of hydrogen utilization in aerobic chemolithotrophs». Annu Rev Microbiol 47: 351–83. DOI:10.1146/annurev.mi.47.100193.002031. PMID 8257102.
  43. Weber K, Achenbach L, Coates J (2006). «Microorganisms pumping iron: anaerobic microbial iron oxidation and reduction». Nat Rev Microbiol 4 (10): 752–64. DOI:10.1038/nrmicro1490. PMID 16980937.
  44. Jetten M, Strous M, van de Pas-Schoonen K, Schalk J, van Dongen U, van de Graaf A, Logemann S, Muyzer G, van Loosdrecht M, Kuenen J (1998). «The anaerobic oxidation of ammonium». FEMS Microbiol Rev 22 (5): 421–37. DOI:10.1111/j.1574-6976.1998.tb00379.x. PMID 9990725.
  45. Simon J (2002). «Enzymology and bioenergetics of respiratory nitrite ammonification». FEMS Microbiol Rev 26 (3): 285–309. DOI:10.1111/j.1574-6976.2002.tb00616.x. PMID 12165429.
  46. Conrad R (1996). «Soil microorganisms as controllers of atmospheric trace gases (H2, CO, CH4, OCS, N2O, and NO)». Microbiol Rev 60 (4): 609–40. PMID 8987358.
  47. Barea J, Pozo M, Azcón R, Azcón-Aguilar C (2005). «Microbial co-operation in the rhizosphere». J Exp Bot 56 (417): 1761–78. DOI:10.1093/jxb/eri197. PMID 15911555.
  48. van der Meer M, Schouten S, Bateson M, Nübel U, Wieland A, Kühl M, de Leeuw J, Sinninghe Damsté J, Ward D (July 2005). «Diel variations in carbon metabolism by green nonsulfur-like bacteria in alkaline siliceous hot spring microbial mats from Yellowstone National Park». Appl Environ Microbiol 71 (7): 3978–86. DOI:10.1128/AEM.71.7.3978-3986.2005. PMID 16000812.
  49. Tichi M, Tabita F (2001). «Interactive control of Rhodobacter capsulatus redox-balancing systems during phototrophic metabolism». J Bacteriol 183 (21): 6344–54. DOI:10.1128/JB.183.21.6344-6354.2001. PMID 11591679.
  50. Allen J, Williams J (1998). «Photosynthetic reaction centers». FEBS Lett 438 (1–2): 5–9. DOI:10.1016/S0014-5793(98)01245-9. PMID 9821949.
  51. Munekage Y, Hashimoto M, Miyake C, Tomizawa K, Endo T, Tasaka M, Shikanai T (2004). «Cyclic electron flow around photosystem I is essential for photosynthesis». Nature 429 (6991): 579–82. DOI:10.1038/nature02598. PMID 15175756.
  52. Miziorko H, Lorimer G (1983). «Ribulose-1,5-bisphosphate carboxylase-oxygenase». Annu Rev Biochem 52: 507–35. DOI:10.1146/annurev.bi.52.070183.002451. PMID 6351728.
  53. Dodd A, Borland A, Haslam R, Griffiths H, Maxwell K (2002). «Crassulacean acid metabolism: plastic, fantastic». J Exp Bot 53 (369): 569–80. DOI:10.1093/jexbot/53.369.569. PMID 11886877.
  54. Hügler M, Wirsen C, Fuchs G, Taylor C, Sievert S (May 2005). «Evidence for autotrophic CO2 fixation via the reductive tricarboxylic acid cycle by members of the epsilon subdivision of proteobacteria». J Bacteriol 187 (9): 3020–7. DOI:10.1128/JB.187.9.3020-3027.2005. PMID 15838028.
  55. Strauss G, Fuchs G (1993). «Enzymes of a novel autotrophic CO2 fixation pathway in the phototrophic bacterium Chloroflexus aurantiacus, the 3-hydroxypropionate cycle». Eur J Biochem 215 (3): 633–43. DOI:10.1111/j.1432-1033.1993.tb18074.x. PMID 8354269.
  56. Wood H (1991). «Life with CO or CO2 and H2 as a source of carbon and energy». FASEB J 5 (2): 156–63. PMID 1900793.
  57. Shively J, van Keulen G, Meijer W (1998). «Something from almost nothing: carbon dioxide fixation in chemoautotrophs». Annu Rev Microbiol 52: 191–230. DOI:10.1146/annurev.micro.52.1.191. PMID 9891798.
  58. Boiteux A, Hess B (1981). «Design of glycolysis». Philos Trans R Soc Lond B Biol Sci 293 (1063): 5–22. DOI:10.1098/rstb.1981.0056. PMID 6115423.
  59. Pilkis S, el-Maghrabi M, Claus T (1990). «Fructose-2,6-bisphosphate in control of hepatic gluconeogenesis. From metabolites to molecular genetics». Diabetes Care 13 (6): 582–99. DOI:10.2337/diacare.13.6.582. PMID 2162755.
  60. 1 2 Ensign S (2006). «Revisiting the glyoxylate cycle: alternate pathways for microbial acetate assimilation». Mol Microbiol 61 (2): 274–6. DOI:10.1111/j.1365-2958.2006.05247.x. PMID 16856935.
  61. Finn P, Dice J (2006). «Proteolytic and lipolytic responses to starvation». Nutrition 22 (7–8): 830–44. DOI:10.1016/j.nut.2006.04.008. PMID 16815497.
  62. 1 2 Kornberg H, Krebs H (1957). «Synthesis of cell constituents from C2-units by a modified tricarboxylic acid cycle». Nature 179 (4568): 988–91. DOI:10.1038/179988a0. PMID 13430766.
  63. Opdenakker G, Rudd P, Ponting C, Dwek R (1993). «Concepts and principles of glycobiology». FASEB J 7 (14): 1330–7. PMID 8224606.
  64. McConville M, Menon A (2000). «Recent developments in the cell biology and biochemistry of glycosylphosphatidylinositol lipids (review)». Mol Membr Biol 17 (1): 1–16. DOI:10.1080/096876800294443. PMID 10824734.
  65. Chirala S, Wakil S (2004). «Structure and function of animal fatty acid synthase». Lipids 39 (11): 1045–53. DOI:10.1007/s11745-004-1329-9. PMID 15726818.
  66. White S, Zheng J, Zhang Y (2005). «The structural biology of type II fatty acid biosynthesis». Annu Rev Biochem 74: 791–831. DOI:10.1146/annurev.biochem.74.082803.133524. PMID 15952903.
  67. Ohlrogge J, Jaworski J (1997). «Regulation of fatty acid synthesis». Annu Rev Plant Physiol Plant Mol Biol 48: 109–136. DOI:10.1146/annurev.arplant.48.1.109. PMID 15012259.
  68. Dubey V, Bhalla R, Luthra R (2003). «An overview of the non-mevalonate pathway for terpenoid biosynthesis in plants» (PDF). J Biosci 28 (5): 637–46. DOI:10.1007/BF02703339. PMID 14517367.
  69. 1 2 Kuzuyama T, Seto H (2003). «Diversity of the biosynthesis of the isoprene units». Nat Prod Rep 20 (2): 171–83. DOI:10.1039/b109860h. PMID 12735695.
  70. Grochowski L, Xu H, White R (May 2006). «Methanocaldococcus jannaschii uses a modified mevalonate pathway for biosynthesis of isopentenyl diphosphate». J Bacteriol 188 (9): 3192–8. DOI:10.1128/JB.188.9.3192-3198.2006. PMID 16621811.
  71. Lichtenthaler H (1999). «The 1-Ddeoxy-D-xylulose-5-phosphate pathway of isoprenoid biosynthesis in plants». Annu Rev Plant Physiol Plant Mol Biol 50: 47–65. DOI:10.1146/annurev.arplant.50.1.47. PMID 15012203.
  72. 1 2 Schroepfer G (1981). «Sterol biosynthesis». Annu Rev Biochem 50: 585–621. DOI:10.1146/annurev.bi.50.070181.003101. PMID 7023367.
  73. Lees N, Skaggs B, Kirsch D, Bard M (1995). «Cloning of the late genes in the ergosterol biosynthetic pathway of Saccharomyces cerevisiae—a review». Lipids 30 (3): 221–6. DOI:10.1007/BF02537824. PMID 7791529.
  74. Guyton Arthur C. Textbook of Medical Physiology. — Philadelphia: Elsevier, 2006. — P. 855–6. — ISBN 0-7216-0240-1
  75. Ibba M, Söll D (2001). «The renaissance of aminoacyl-tRNA synthesis». EMBO Rep 2 (5): 382–7. PMID 11375928.
  76. Lengyel P, Söll D (1969). «Mechanism of protein biosynthesis». Bacteriol Rev 33 (2): 264–301. PMID 4896351.
  77. 1 2 Rudolph F (1994). «The biochemistry and physiology of nucleotides». J Nutr 124 (1 Suppl): 124S–127S. PMID 8283301.
  78. Zrenner R, Stitt M, Sonnewald U, Boldt R (2006). «Pyrimidine and purine biosynthesis and degradation in plants». Annu Rev Plant Biol 57: 805–36. DOI:10.1146/annurev.arplant.57.032905.105421. PMID 16669783.
  79. Stasolla C, Katahira R, Thorpe T, Ashihara H (2003). «Purine and pyrimidine nucleotide metabolism in higher plants». J Plant Physiol 160 (11): 1271–95. DOI:10.1078/0176-1617-01169. PMID 14658380.
  80. Smith J (1995). «Enzymes of nucleotide synthesis». Curr Opin Struct Biol 5 (6): 752–7. DOI:10.1016/0959-440X(95)80007-7. PMID 8749362.
  81. Testa B, Krämer S (2006). «The biochemistry of drug metabolism—an introduction: part 1. Principles and overview». Chem Biodivers 3 (10): 1053–101. DOI:10.1002/cbdv.200690111. PMID 17193224.
  82. Danielson P (2002). «The cytochrome P450 superfamily: biochemistry, evolution and drug metabolism in humans». Curr Drug Metab 3 (6): 561–97. DOI:10.2174/1389200023337054. PMID 12369887.
  83. King C, Rios G, Green M, Tephly T (2000). «UDP-glucuronosyltransferases». Curr Drug Metab 1 (2): 143–61. DOI:10.2174/1389200003339171. PMID 11465080.
  84. Sheehan D, Meade G, Foley V, Dowd C (November 2001). «Structure, function and evolution of glutathione transferases: implications for classification of non-mammalian members of an ancient enzyme superfamily». Biochem J 360 (Pt 1): 1–16. DOI:10.1042/0264-6021:3600001. PMID 11695986.
  85. Galvão T, Mohn W, de Lorenzo V (2005). «Exploring the microbial biodegradation and biotransformation gene pool». Trends Biotechnol 23 (10): 497–506. DOI:10.1016/j.tibtech.2005.08.002. PMID 16125262.
  86. Janssen D, Dinkla I, Poelarends G, Terpstra P (2005). «Bacterial degradation of xenobiotic compounds: evolution and distribution of novel enzyme activities». Environ Microbiol 7 (12): 1868–82. DOI:10.1111/j.1462-2920.2005.00966.x. PMID 16309386.
  87. Davies K (1995). «Oxidative stress: the paradox of aerobic life». Biochem Soc Symp 61: 1–31. PMID 8660387.
  88. Tu B, Weissman J (2004). «Oxidative protein folding in eukaryotes: mechanisms and consequences». J Cell Biol 164 (3): 341–6. DOI:10.1083/jcb.200311055. PMID 14757749.
  89. Sies H (1997). «Oxidative stress: oxidants and antioxidants» (PDF). Exp Physiol 82 (2): 291–5. PMID 9129943.
  90. Vertuani S, Angusti A, Manfredini S (2004). «The antioxidants and pro-antioxidants network: an overview». Curr Pharm Des 10 (14): 1677–94. DOI:10.2174/1381612043384655. PMID 15134565.
  91. von Stockar U, Liu J (1999). «Does microbial life always feed on negative entropy? Thermodynamic analysis of microbial growth». Biochim Biophys Acta 1412 (3): 191–211. DOI:10.1016/S0005-2728(99)00065-1. PMID 10482783.
  92. Demirel Y, Sandler S (2002). «Thermodynamics and bioenergetics». Biophys Chem 97 (2–3): 87–111. DOI:10.1016/S0301-4622(02)00069-8. PMID 12050002.
  93. Albert R (2005). «Scale-free networks in cell biology». J Cell Sci 118 (Pt 21): 4947–57. DOI:10.1242/jcs.02714. PMID 16254242.
  94. Brand M (1997). «Regulation analysis of energy metabolism». J Exp Biol 200 (Pt 2): 193–202. PMID 9050227.
  95. Soyer O, Salathé M, Bonhoeffer S (2006). «Signal transduction networks: topology, response and biochemical processes». J Theor Biol 238 (2): 416–25. DOI:10.1016/j.jtbi.2005.05.030. PMID 16045939.
  96. Westerhoff H, Groen A, Wanders R (1984). «Modern theories of metabolic control and their applications (review)». Biosci Rep 4 (1): 1–22. DOI:10.1007/BF01120819. PMID 6365197.
  97. Salter M, Knowles R, Pogson C (1994). «Metabolic control». Essays Biochem 28: 1–12. PMID 7925313.
  98. Fell D, Thomas S (1995). «Physiological control of metabolic flux: the requirement for multisite modulation». Biochem J 311 (Pt 1): 35–9. PMID 7575476.
  99. Hendrickson W (2005). «Transduction of biochemical signals across cell membranes». Q Rev Biophys 38 (4): 321–30. DOI:10.1017/S0033583506004136. PMID 16600054.
  100. Cohen P (2000). «The regulation of protein function by multisite phosphorylation—a 25 year update». Trends Biochem Sci 25 (12): 596–601. DOI:10.1016/S0968-0004(00)01712-6. PMID 11116185.
  101. Lienhard G, Slot J, James D, Mueckler M (1992). «How cells absorb glucose». Sci Am 266 (1): 86–91. DOI:10.1038/scientificamerican0192-86. PMID 1734513.
  102. Roach P (2002). «Glycogen and its metabolism». Curr Mol Med 2 (2): 101–20. DOI:10.2174/1566524024605761. PMID 11949930.
  103. Newgard C, Brady M, O’Doherty R, Saltiel A (2000). «Organizing glucose disposal: emerging roles of the glycogen targeting subunits of protein phosphatase-1» (PDF). Diabetes 49 (12): 1967–77. DOI:10.2337/diabetes.49.12.1967. PMID 11117996.
  104. Romano A, Conway T (1996). «Evolution of carbohydrate metabolic pathways». Res Microbiol 147 (6–7): 448–55. DOI:10.1016/0923-2508(96)83998-2. PMID 9084754.
  105. Koch A (1998). «How did bacteria come to be?». Adv Microb Physiol 40: 353–99. DOI:10.1016/S0065-2911(08)60135-6. PMID 9889982.
  106. Ouzounis C, Kyrpides N (1996). «The emergence of major cellular processes in evolution». FEBS Lett 390 (2): 119–23. DOI:10.1016/0014-5793(96)00631-X. PMID 8706840.
  107. Caetano-Anolles G, Kim HS, Mittenthal JE (2007). «The origin of modern metabolic networks inferred from phylogenomic analysis of protein architecture». Proc Natl Acad Sci USA 104 (22): 9358–63. DOI:10.1073/pnas.0701214104. PMID 17517598.
  108. Schmidt S, Sunyaev S, Bork P, Dandekar T (2003). «Metabolites: a helping hand for pathway evolution?». Trends Biochem Sci 28 (6): 336–41. DOI:10.1016/S0968-0004(03)00114-2. PMID 12826406.
  109. Light S, Kraulis P (2004). «Network analysis of metabolic enzyme evolution in Escherichia coli». BMC Bioinformatics 5: 15. DOI:10.1186/1471-2105-5-15. PMID 15113413. Alves R, Chaleil R, Sternberg M (2002). «Evolution of enzymes in metabolism: a network perspective». J Mol Biol 320 (4): 751–70. DOI:10.1016/S0022-2836(02)00546-6. PMID 12095253.
  110. Kim HS, Mittenthal JE, Caetano-Anolles G (2006). «MANET: tracing evolution of protein architecture in metabolic networks». BMC Bioinformatics 19 (7): 351. DOI:10.1186/1471-2105-7-351. PMID 16854231.
  111. Teichmann SA, Rison SC, Thornton JM, Riley M, Gough J, Chothia C (2001). «Small-molecule metabolsim: an enzyme mosaic». Trends Biotechnol 19 (12): 482–6. DOI:10.1016/S0167-7799(01)01813-3. PMID 11711174.
  112. Spirin V, Gelfand M, Mironov A, Mirny L (June 2006). «A metabolic network in the evolutionary context: multiscale structure and modularity». Proc Natl Acad Sci USA 103 (23): 8774–9. DOI:10.1073/pnas.0510258103. PMID 16731630.
  113. Lawrence J (2005). «Common themes in the genome strategies of pathogens». Curr Opin Genet Dev 15 (6): 584–8. DOI:10.1016/j.gde.2005.09.007. PMID 16188434. Wernegreen J (2005). «For better or worse: genomic consequences of intracellular mutualism and parasitism». Curr Opin Genet Dev 15 (6): 572–83. DOI:10.1016/j.gde.2005.09.013. PMID 16230003.
  114. Pál C, Papp B, Lercher M, Csermely P, Oliver S, Hurst L (2006). «Chance and necessity in the evolution of minimal metabolic networks». Nature 440 (7084): 667–70. DOI:10.1038/nature04568. PMID 16572170.
  115. Rennie M (1999). «An introduction to the use of tracers in nutrition and metabolism». Proc Nutr Soc 58 (4): 935–44. DOI:10.1017/S002966519900124X. PMID 10817161.
  116. Phair R (1997). «Development of kinetic models in the nonlinear world of molecular cell biology». Metabolism 46 (12): 1489–95. DOI:10.1016/S0026-0495(97)90154-2. PMID 9439549.
  117. Sterck L, Rombauts S, Vandepoele K, Rouzé P, Van de Peer Y (2007). «How many genes are there in plants (… and why are they there)?». Curr Opin Plant Biol 10 (2): 199–203. DOI:10.1016/j.pbi.2007.01.004. PMID 17289424.
  118. Borodina I, Nielsen J (2005). «From genomes to in silico cells via metabolic networks». Curr Opin Biotechnol 16 (3): 350–5. DOI:10.1016/j.copbio.2005.04.008. PMID 15961036.
  119. Gianchandani E, Brautigan D, Papin J (2006). «Systems analyses characterize integrated functions of biochemical networks». Trends Biochem Sci 31 (5): 284–91. DOI:10.1016/j.tibs.2006.03.007. PMID 16616498.
  120. Duarte NC, Becker SA, Jamshidi N, et al. (February 2007). «Global reconstruction of the human metabolic network based on genomic and bibliomic data». Proc. Natl. Acad. Sci. U.S.A. 104 (6): 1777–82. DOI:10.1073/pnas.0610772104. PMID 17267599.
  121. Goh KI, Cusick ME, Valle D, Childs B, Vidal M, Barabási AL (May 2007). «The human disease network». Proc. Natl. Acad. Sci. U.S.A. 104 (21): 8685–90. DOI:10.1073/pnas.0701361104. PMID 17502601.
  122. Lee DS, Park J, Kay KA, Christakis NA, Oltvai ZN, Barabási AL (July 2008). «The implications of human metabolic network topology for disease comorbidity». Proc. Natl. Acad. Sci. U.S.A. 105 (29): 9880–9885. DOI:10.1073/pnas.0802208105. PMID 18599447.
  123. Csete M, Doyle J (2004). «Bow ties, metabolism and disease». Trends Biotechnol. 22 (9): 446–50. DOI:10.1016/j.tibtech.2004.07.007. PMID 5249808.
  124. Ma HW, Zeng AP (2003). «The connectivity structure, giant strong component and centrality of metabolic networks». Bioinformatics 19 (11): 1423–30. DOI:10.1093/bioinformatics/btg177. PMID 12874056.
  125. Zhao J, Yu H, Luo JH, Cao ZW, Li YX (2006). «Hierarchical modularity of nested bow-ties in metabolic networks». BMC Bioinformatics 7: 386. DOI:10.1186/1471-2105-7-386. PMID 16916470.
  126. Thykaer J, Nielsen J (2003). «Metabolic engineering of beta-lactam production». Metab Eng 5 (1): 56–69. DOI:10.1016/S1096-7176(03)00003-X. PMID 12749845. González-Pajuelo M, Meynial-Salles I, Mendes F, Andrade J, Vasconcelos I, Soucaille P (2005). «Metabolic engineering of Clostridium acetobutylicum for the industrial production of 1,3-propanediol from glycerol». Metab Eng 7 (5–6): 329–36. DOI:10.1016/j.ymben.2005.06.001. PMID 16095939. Krämer M, Bongaerts J, Bovenberg R, Kremer S, Müller U, Orf S, Wubbolts M, Raeven L (2003). «Metabolic engineering for microbial production of shikimic acid». Metab Eng 5 (4): 277–83. DOI:10.1016/j.ymben.2003.09.001. PMID 14642355.
  127. Koffas M, Roberge C, Lee K, Stephanopoulos G (1999). «Metabolic engineering». Annu Rev Biomed Eng 1: 535–57. DOI:10.1146/annurev.bioeng.1.1.535. PMID 11701499.
  128. Dr. Abu Shadi Al-Roubi (1982), «Ibn Al-Nafis as a philosopher», Symposium on Ibn al Nafis, Second International Conference on Islamic Medicine: Islamic Medical Organization, Kuwait (cf. Ibnul-Nafees As a Philosopher, Encyclopedia of Islamic World [1]).
  129. Eknoyan G (1999). «Santorio Sanctorius (1561–1636) – founding father of metabolic balance studies». Am J Nephrol 19 (2): 226–33. DOI:10.1159/000013455. PMID 10213823.
  130. Williams, H. S. (1904) A History of Science: in Five Volumes. Volume IV: Modern Development of the Chemical and Biological Sciences Harper and Brothers (New York) Retrieved on 2007-03-26
  131. Dubos J. (1951). «Louis Pasteur: Free Lance of Science, Gollancz. Quoted in Manchester K. L. (1995) Louis Pasteur (1822–1895)—chance and the prepared mind». Trends Biotechnol 13 (12): 511–515. DOI:10.1016/S0167-7799(00)89014-9. PMID 8595136.
  132. Kinne-Saffran E, Kinne R (1999). «Vitalism and synthesis of urea. From Friedrich Wöhler to Hans A. Krebs». Am J Nephrol 19 (2): 290–4. DOI:10.1159/000013463. PMID 10213830.
  133. Eduard Buchner’s 1907 Nobel lecture at http://nobelprize.org Accessed 2007-03-20
  134. Kornberg H (2000). «Krebs and his trinity of cycles». Nat Rev Mol Cell Biol 1 (3): 225–8. DOI:10.1038/35043073. PMID 11252898.
  135. Krebs HA, Henseleit K (1932). «Untersuchungen über die Harnstoffbildung im tierkorper». Z. Physiol. Chem. 210: 33–66.Krebs H, Johnson W (April 1937). «Metabolism of ketonic acids in animal tissues». Biochem J 31 (4): 645–60. PMID 16746382.

Ссылки

что это? У кого бывает ускоренный метаболизм? Как ускорить метаболизм?

Метаболизм – это все химические процессы, протекающие в человеческом организме. В результате этих процессов белки, жиры, углеводы превращаются в другие вещества и выделяется энергия, которую организм использует для своих нужд.

Например, наша кожа, волосы, ногти регулярно обновляются: для их построения нужны «кирпичики» – белки и жиры, а также «рабочая сила» – энергия. Это и есть метаболизм.

Метаболизм разделяют на два вида:

  • основной, который происходит постоянно, когда человек находится в состоянии покоя;

  • дополнительный, связанный с активностью организма, например, физической.

Затраты энергии при основном обмене веществ — это калории, которые уходят на поддержание температуры тела, работы сердца, легких, мозга, органов пищеварения, а также различных реакций в организме. Эти потребности восполняются с помощью питания.

У каждого человека имеется своя норма калорий в день. Она зависит от телосложения, пола, веса, возраста, уровня ежедневной физической активности и состояния щитовидной железы.

Энергетические потребности организма после 21 года начинают снижаться, в среднем на 2%-3% за десятилетие. А потребности детей, наоборот, в два раза выше, чем у взрослых.

Сегодня в интернете существуют калькуляторы расчета метаболизма, которые помогают рассчитать индивидуальное суточное количество калорий, необходимое для поддержания жизнедеятельности в состоянии покоя.

Как был открыт метаболизм

Понятие обмена веществ впервые встречается в работах врача Ибн аль-Нафиса (1213—1288), который писал, что «тело и его части находятся в постоянном состоянии распада и питания, так что оно неизбежно претерпевает постоянные изменения».

Первые контролируемые эксперименты по метаболизму у человека опубликовал другой врач – Санториов 1614 году. Он рассказал, как сам взвесил себя до и после приема пищи, сна, работы, натощак, после питья и выделения мочи, и обнаружил, что большая часть пищи, которую он принял, была утрачена в результате процесса, названного им «незаметным испарением».

В начале ХХ века Эдуард Бухнер открыл ферменты, что позволило еще точнее изучать метаболические реакции. Ферменты – это вещества, которые ускоряют химические реакции в организме человека.

Как происходит обмен веществ

Процесс метаболизма делят на три стадии:

  1. Белки, жиры, углеводы поступают вместе с пищей в организм человека, где они взаимодействуют с веществами, ускоряющими химические реакции – ферментами и распадаются на более простые вещества. Белки распадаются на аминокислоты, углеводы на глюкозу, жиры на глицерин и жирные кислоты.

  2. Все полученные питательные элементы всасываются в кровь и вместе с ней передвигаются по всему организму к тканям, клеткам. Далее эти элементы еще больше распадаются до конечных продуктов и при этом выделяется энергия, которая нужна для обеспечения слаженной работы всего организма.

  3. Побочные продукты, которые организму не нужны, выводятся через пот, кал, мочу, легкие.

Что влияет на скорость обмена веществ

Обычно, услышав фразы «ускоренный метаболизм» или «медленный метаболизм», люди представляют возможность сохранять стройность без физических нагрузок и ограничений в еде, либо же наоборот легко набирать вес. Однако это не совсем так.

У людей с быстрым метаболизмом на жизненно важные функции, например, работу сердца и лёгких, за одно и то же время тратится больше энергии, чем у обладателей медленного обмена веществ.

Поэтому при одинаковых нагрузках один человек питается булочками, мгновенно сжигая все полученные калории, а другой будет стремительно набирать вес – это значит, что у них разная скорость основного обмена.

Есть два типа факторов, влияющих на метаболизм: статические и динамические.

Статические факторы – это все, на что невозможно повлиять: наследственность, пол, возраст, тип телосложение.

Динамические факторы позволяют немного ускорить или замедлить обмен веществ: масса тела, физические нагрузки, организация рациона питания, психоэмоциональное состояние.

Однако нельзя начать изнурять себя постоянными тренировками и жесткой диетой. Так, при снижении калорийности питания, организм сокращает потребности в энергии, когда он в ней нуждается. Человеку это только вредит – он становится сонным, заторможенным. Эти процессы ускоряются, если при соблюдении диеты выполняются активные тренировки на жиросжигание.

Как ускорить метаболизм?

Для ускорения метаболизма придерживайтесь следующих рекомендаций:

  • Не истощать себя жесткой диетой. Питаться следует 5-6 раз в день, небольшими порциями.

  • Не пренебрегать жирами. Часто худеющие отказываются от продуктов, содержащих жир.

  • Необходимо употреблять в пищу растительные масла, рыбу, орехи.

  • Важно высыпаться, так как недостаток сна тормозит обмен веществ. Кроме этого вырабатывается кортизол – «гормон стресса», который негативно влияет на организм.

  • Пить воду. Вода помогает улучшить метаболические процессы, притупляет чувство голода. При недостатке воды у организма появляется новая задача – восполнить водный баланс, а не сжечь жиры.

  • Употреблять продукты, содержащие йод. За обмен веществ в организме отвечает щитовидная железа. Йод активизирует ее работу. Он содержится в морской капусте, креветках, кальмарах, яйцах, кукурузе, черносливе, тунце.

Ускорение метаболизма растений позволит удвоить урожайность сельхозкультур – Социальная ответственность

Ученые из США, Китая, Австралии и Великобритании выявили, что можно резко повысить урожайность сельхозкультур, если помочь растениям быстрее избавляться от накапливаемых ими в процессе жизнедеятельности токсинов. По итогам полевых испытаний, проведенных в рамках международного научного проекта “Реализация повышения эффективности фотосинтеза” (Realizing Increased Photosynthetic Efficiency, RIPE), который работает над решением глобальной проблемы увеличения количества продовольствия с помощью биоинженерии, этого можно добиться за счет ускорения фотодыхания. О результатах исследования сообщает интернет-издание The Conversation.

В результате процесса фотосинтеза в растениях под воздействием энергии света происходит химическая реакция, превращающая углекислый газ и воду в сахара, кислород и энергию. Но во время процесса фотодыхания фермент рибулозобисфосфаткарбоксилаза (RuBisCO) поглощает кислород, что приводит к образованию в растениях токсичных отходов: гликолята и аммиака, которые могут замедлять или останавливать их рост.

Удаление токсинов также происходит в ходе фотодыхания, являющегося частью естественного процесса метаболизма растений. Избавление от вредных веществ необходимо для нормальной жизнедеятельности основных растений сельхозназначения, включая пшеницу, сою, а также большинства фруктовых и овощных культур. Проблема в том, что растения расходуют большое количество энергии на выведение побочных продуктов, что может замедлить их рост более чем на 30%. При повышенных температурах такие культуры, как пшеница и соя, вынуждены тратить до 50% энергии, накопленной в результате фотосинтеза, на фотодыхание, чтобы переработать токсины.

Согласно исследованию, проведенному проектом RIPE, повышение скорости фотодыхания растений приводит к ускорению переработки токсинов, что повышает урожайность. Биотехнологи создали растения, способные вырабатывать повышенное количество Н-белка, играющего важную роль в фотодыхании. Лабораторные опыты подтвердили, что увеличение уровня Н-белка ускоряет фотодыхание и стимулирует рост растений.

Однако дальнейшие двухлетние испытания на полевой станции Иллинойсского университета показали, что нужно тщательно рассчитывать, какое количество Н-белка будет производить растение. Избыток белка оказался вреден, он останавливал рост растения и снижал урожайность. В результате ученые, используя ДНК картофеля, создали генетическую модификацию табака, которая продуцировала Н-белок только в листьях. В этих растениях процесс фотосинтеза и роста табака действительно ускорился, потому что скорость переработки токсинов также возросла.

Согласно выводам авторов исследования новая генная технология способна поднять урожайность сельхозкультур на 27-47%, что увеличит производство продовольствия для населения и повысит доходы аграрного сектора. Следующая цель ученых нарастить уровень Н-белка в сое и вигне (бобовых), а также в маниоке (кассава). Эти растения культивируются во многих странах мира, являясь важным источником пищи.

Прежде чем разведение трансгенных растений с высоким уровнем выработки Н-белка получит одобрение официальных властей США, ученым предстоит доказать их безопасность. В том числе то, что они не вызывают аллергии и не оказывают вредного воздействия на окружающую среду.

Пол Сауф, один из авторов исследования из Иллинойского университета, признает, что идея использования продуктов с генетически модифицированными организмами (ГМО) в пищу человека вызывает дискуссии в обществе. Некоторые страны ввели запреты или ограничения на применение генномодифицированного продовольствия. Однако исследователь отмечает, что многочисленные работы на эту тему, включая отчеты Национальных академий наук США, показывают, что продукты, содержащие ГМО, безопасны для употребления в пищу.

Изменение климата, сокращение количества пахотных земель, водный дефицит, рост населения Земли – основные угрозы продовольственной безопасности. По данным ООН, около 815 млн человек в мире голодают. Согласно прогнозам, население Земли к 2050 году достигнет 9,7 млрд человек, к 2100 году – 11,2 млрд. Чтобы прокормить весь мир, уже через 30 лет человечеству придется нарастить производство продуктов питания не меньше чем на 70%.

Материал предоставлен проектом +1.

 

Метаболизм в масштабе всей жизни

Измерение расхода энергии на протяжении всей жизни человека позволяет выявить особенности различных фаз метаболизма. 

Под метаболизмом понимается не только процесс получения энергии, но и то, как происходит переработка и преобразование питательных веществ в «удобную энергетическую валюту». В понятие метаболизма входят также синтез, модификация и обмен строительных блоков для всех клеточных функций; процесс обмена веществ и энергии выступает в качестве сенсора и регулятора активности жизнедеятельности клетки, когда отдельные части метаболических путей оказывают влияние на протекание клеточных реакций на различные раздражители. Значительное количество энергии, потребляемой каждый день, требуется для поддержания жизни; энергетические потребности для осуществления физической активности накладываются на чрезвычайно сложный механизм. Состояние метаболизма связано с огромным числом заболеваний и расстройств, в том числе тех, которые проявляются с возрастом [1–3]. В этом выпуске «Science» Pontzer с соавт. [4] проанализировали потребление энергии у более чем 6400 мужчин и женщин в возрасте от 8 дней до 95 лет из 29 стран мира и выявили различные метаболические фазы в ходе постнатального развития и старения.

В понимание энергозатрат на протяжении всей жизни должно входить разнообразие фенотипов человека с учетом пола, расы, состава тела с точки зрения содержания мышечной массы и подкожного жира, а также окружающей среды. Оценить энергозатраты можно с помощью непрямой калориметрии, которая определяет газообмен и теплопродукцию у человека в специальной изолированной камере, или с помощью метода дважды меченой воды (DLW) у людей с обычным образом жизни. Метод DLW основан на относительной скорости выведения изотопов кислорода и водорода из организма [5]. Использование метода DLW неуклонно возрастало тех пор, как велась разработка методов для массового применения среди людей [6]. Сопутствующие затраты на дозирование изотопов ограничивали большинство исследований относительно небольшими выборками, однако исследовательским сообществом были взяты обязательства по обмену данными и разработке интегративных методов, которые позволили бы проводить анализ данных на значительно больших когортах [7].

В исследовании Pontzer с соавт. энергозатраты организма были скорректированы с учетом массы без жировой ткани для учета различий в размерах тела при выявлении внутренних сдвигов состояния обмена веществ в процессе постнатального развития, полового созревания и старения. Авторы определили переходные моменты, которые отображают границы четырех отдельных фаз. Согласно их данным, дети и подростки образуют две различные группы по уровню обмена веществ. Как уже ранее отмечалось, дети — это не просто маленькие взрослые [8]. То, что среди молодых людей определяются различные группы по состоянию метаболизма, является крайне важным для рекомендаций по рациону питания и физической активности, не говоря уже о рекомендациях по дозированию фармацевтических препаратов для молодых людей. Оставшиеся две фазы включают взрослых людей и пожилых. Если скорректировать показатели энергозатрат, они остаются на примерно одном и том же уровне в возрасте от 20 до 60 лет, после чего наблюдается постепенное снижение расхода энергии (см. рисунок).
 

Рисунок 1 | Метаболизм в масштабе всей жизни

Считается, что данное снижение скорости обмена веществ после 60 лет отражает изменение уровня тканевого метаболизма, т. е. количества энергии, затрачиваемой на поддержание жизнедеятельности. Не может быть совпадением, что рост неинфекционной заболеваемости начинается в то же время [9]. Согласно этим результатам, при выборе моделей болезни необходимо тщательно учитывать период жизни человека. Это оказывается особенно важным для исследований этиологии возрастных заболеваний [10]. Не всегда возможно оказать воздействие на те же молекулярные пути и факторы у пожилого, что и у молодого растущего организма. Влияние на точки приложения лекарственного воздействия, например, может не привести к такому же отклику. И наоборот, неправильным является подход переложения условий жизнедеятельности пожилого организма на молодой. Суть многих метаболических процессов у пожилых и молодых в значительной мере различается.

Влияние размера тела на скорость метаболизма обсуждается и исследуется на протяжении десятилетий [11]. Общий расход энергии характеризуется половым диморфизмом: он более низкий у женщин, чем у мужчин; однако подсчет скорости обмена веществ без массы жировой ткани устраняет это различие. Для того, чтобы вычислительные модели соответствовали наблюдаемым данным, важно учитывать вклад физической активности и скорости метаболизма в тканях, ведь как первое, так и второе претерпевают изменения на протяжении всей жизни человека. Хотя это и не является основной темой работы, Pontzer с соавт. выявили существенные различия в составе тканей тела среди людей. Проблемы, возникающие вследствие этой гетерогенности, находят отражение во все возрастающем энтузиазме относительно прецизионной (индивидуализированной) медицины [12]. Совершенно очевидно, что один размер одежды и обуви не подходит всем. Путем корректировки массы без жировой ткани, это исследование устраняет некоторые из этих различий для выявления внутренне обусловленных изменений обмена веществ, соответствующих периоду жизни. Существуют значимые различия в характере и сроках проявления признаков старения с точки зрения заболеваемости [13]. Важно изучить, как предрасположенность к заболеваниям в среднем возрасте влияет на исходы этих патологий в пожилом возрасте, а также насколько тяжесть заболеваний у людей связана с возрастными изменениями их метаболизма, специфичного относительно конкретных тканей.

Причинные факторы возрастной склонности к развитию болезней, несомненно, кроются в четко фиксируемых изменениях клеточной биологии, физиологии тканей и системного гомеостаза. Благодаря исследованиям на лабораторных животных, метаболизм превратился в центральное звено процессов старения, и пришло понимание того, что замедление старения происходит в том числе и за счет ограничения калорийности рациона [14]. Предполагается, что различия в метаболизме влияют на получение энергии из нутриентов, являющихся основным материалом для синтеза различных веществ внутри клетки и работы путей сигнализации, а также на способность согласовывать работу клетки в соответствии с существующими условиями (как внешними, так и внутренними). Поэтому неудивительно, что в попытках определить фармакологические средства, способные положительно влиять на здоровье при старении, все подходящие вещества так или иначе оказываются теми, что способны влиять на обмен веществ [15]. Исследование Pontzer с соавт. позволяет по-новому взглянуть на метаболизм человека; исследование отличается беспрецедентным масштабом, но оно было бы невозможным без совместной работы специалистов из разных областей.

Анализ энергетического обмена у человека: обзор методик

Реферат

Предпосылки

Ожирение является следствием хронического энергетического дисбаланса. Нам нужны точные и точные измерения потребления и расхода энергии, а также связанных с ними моделей поведения, чтобы полностью понять, как регулируется энергетический гомеостаз, с целью разработки вмешательств и оценки их эффективности в борьбе с глобальной эпидемией ожирения.

Объем проверки

Мы предоставляем углубленный обзор методологий, используемых в настоящее время для измерения потребления и расхода энергии у людей, включая их принципы, преимущества и ограничения в условиях клинических исследований.Цель состоит в том, чтобы предоставить исследователям исчерпывающее руководство по проведению исследований ожирения самого высокого качества.

Основные выводы

Существует множество методик для измерения различных аспектов энергетического метаболизма, и ни одна из них не является идеальной при любых обстоятельствах. Выбор методов должен быть конкретным для конкретных исследовательских вопросов, с приоритетами для рассмотрения практичности и качества данных. Комбинация дополнительных измерений может быть предпочтительнее.Настоятельно необходимо разработать новые методологии для повышения точности и точности оценок потребления энергии.

Ключевые слова: Расходы на энергию, Оценка питания, Методология клинических исследований

1. Введение

Ожирение – это нарастающая глобальная эпидемия со значительными личными и социальными последствиями. В 2014 году Всемирная организация здравоохранения подсчитала, что более 1,9 миллиарда взрослых (или 39% населения мира в возрасте 18 лет и старше) имеют избыточный вес, а среди тех, кто превышает 600 миллионов, страдают ожирением [1].Избыточный вес и ожирение в качестве основного фактора риска ряда хронических заболеваний, включая диабет, сердечно-сосудистые заболевания и некоторые виды рака, явились причиной 3,4 миллиона смертей в 2010 году [2]. Ожирение также оказывает существенное влияние на экономику. Помимо того, что медицинские расходы на душу населения на ~ 40% выше, чем у людей со здоровой массой тела [3], ожирение также сопряжено с косвенными расходами из-за снижения производительности труда, например неспособность работать на полную мощность, отсутствие на работе или преждевременная смертность [4].В Соединенных Штатах, по оценкам, национальные расходы на невыход на работу, связанные с ожирением, составляют от 3 до 6 миллиардов долларов в год [5]. Несмотря на усилия по созданию благоприятной среды для здорового образа жизни и реализации агрессивных вмешательств, не было никаких признаков тенденции к снижению эпидемии ожирения [6].

Ожирение, как заболевание чрезмерного отложения жира, по существу является следствием хронического энергетического дисбаланса, когда потребление энергии постоянно превышает расход, что затем приводит к накоплению излишков энергии в белой жировой ткани.Хотя решение проблемы ожирения кажется таким же простым, как сокращение потребления калорий (например, отказ от высококалорийной пищи) и увеличение расхода энергии (например, повышение физической активности), провал десятилетних инициатив общественного здравоохранения, направленных на устранение «ожирения» факторов окружающей среды. указывает на то, что ожирение – проблема гораздо более сложная, чем распространенное мнение о «низкой силе воли». В самом деле, нам еще предстоит полностью понять сложные взаимодействия между генетикой, физиологией и когнитивным поведением, которые регулируют энергетический гомеостаз.Одна из самых серьезных проблем в исследованиях ожирения – это точно измерить потребление и расход энергии, а также связанное с этим поведение. Такие инструменты измерения позволят идентифицировать причинные связи между энергетическим гомеостазом и результатами для здоровья, проинформировать о механизмах, с помощью которых регулируется энергетический метаболизм, и точно определить, как изменяется энергетический баланс в ответ на вмешательства. В этой статье мы даем углубленный обзор методологий, используемых для измерения потребления и расхода энергии у людей, с целью предоставить исследователям исчерпывающее руководство по проведению исследований ожирения самого высокого качества.

2. Краткий обзор энергетического гомеостаза

2.1. Энергетический баланс

Энергетический баланс – это разница между потреблением энергии и расходом энергии. Энергетическое равновесие, то есть нулевой энергетический баланс, достигается, когда потребление метаболизируемой энергии полностью совпадает с количеством потраченной энергии. С другой стороны, ненулевой энергетический баланс должен подразумевать одинаковое изменение содержания энергии в теле в виде изменений веса некоторых компонентов тела [7], что впоследствии приводит к изменению расхода энергии.В случае положительного энергетического баланса, базальная скорость метаболизма увеличивается с увеличением веса из-за роста мышечной массы, чтобы поддерживать израсходованные жировые отложения, и, наоборот, снижение базальной скорости метаболизма, когда отрицательный энергетический баланс вызывает сокращение тела. масса. Предполагая, что потребление энергии останется неизменным после первоначального вмешательства, можно ожидать, что расход энергии в конечном итоге будет соответствовать потребляемой энергии, а масса тела стабилизируется на новом заданном уровне.

В действительности, однако, когда имеет место стойкое отклонение от энергетического равновесия, изменения в расходе энергии больше нельзя предсказать на основе метаболической массы.Наше исследование CALERIE [8], среди многих других [9], [10], показало, что потеря веса связана со снижением 24-часового расхода энергии до 15% ниже, чем прогнозируется после поправки на изменения в составе тела. , тогда как при перекармливании наблюдается обратное [9], [11]. Недавнее исследование пациентов с патологическим ожирением показало более низкий уровень метаболизма в состоянии покоя сразу после интенсивной диеты и упражнений, который продолжал снижаться (с -275 до -499 ккал / день) через 6 лет после вмешательства, несмотря на значительное восстановление как мышечной, так и жировой ткани. масса [12].Эти данные ясно указывают на непропорциональное изменение расхода энергии не только во время, но и намного позже динамической фазы изменения веса, явления, известного как метаболическая адаптация или адаптивный термогенез. Взаимосвязь между энергетическим балансом и метаболической адаптацией проиллюстрирована на.

Иллюстрация энергетического баланса и метаболической адаптации. Когда потребление энергии равно общему расходу энергии, достигается состояние энергетического равновесия, и вес тела остается на обычном заданном уровне.Когда потребление энергии превышает или падает ниже уровня, необходимого для поддержания обычного веса тела, расход энергии больше не соответствует потреблению (обозначено серой заштрихованной областью), при этом расходы превышают потребление при положительном энергетическом балансе и наоборот – при отрицательном энергетическом балансе. Большая часть этой разницы объясняется изменениями энергетических затрат при физической активности, связанными с различной массой тела и термическим эффектом пищи. Метаболическая адаптация относится к феномену, при котором расход энергии регулируется независимо от метаболической массы, возможно, через измененную митохондриальную динамику, как потенциальный механизм для восстановления массы тела до обычного заданного значения.

Помимо изменений в расходе энергии, связанных с изменениями обезжиренной и жировой массы, еще одним очевидным фактором изменений 24-часового расхода энергии, конечно же, является изменение затрат энергии на физическую активность при другой массе тела. Изменения в приеме пищи также влияют на количество энергии, затрачиваемой на переработку и усвоение питательных веществ (термический эффект пищи; см. Раздел 2.3 ниже). Возможно, несколько интригует тот факт, что базальная скорость метаболизма также непропорционально регулируется по отношению к метаболической массе [13], [14].Некоторые предполагают изменение состава обезжиренной массы. Хотя это подтверждается данными Бози-Вестфала и его коллег [15], которые продемонстрировали небольшую, но все же значительно большую потерю массы органов с высокой метаболической активностью (например, сердца, печени и почек) по сравнению с общей потерей массы без жира. после снижения веса. В последние годы появляются доказательства связи между динамикой митохондрий, доступностью питательных веществ и расходом энергии, что подразумевает некоторую форму клеточной биоэнергетической адаптации.Было показано, что митохондрии в голодающих клетках увеличивают соотношение АТФ, производимого на единицу потребления питательных веществ, тогда как митохондрии с избытком питательных веществ увеличивают потери энергии в виде тепла из-за утечки митохондриальных протонов (подробности см. В недавнем обзоре Liesa и Shirihai. [16]). Другими словами, мы адаптируемся к изменениям в предложении и спросе на энергию, регулируя нашу способность и / или эффективность синтеза АТФ. Однако длительные изменения в митохондриальной динамике (например, хронический положительный энергетический баланс при ожирении) могут привести к дисфункции митохондрий, характерной для метаболических заболеваний [17], [18].

2.2. Прием пищи

Регулирование приема пищи – это в первую очередь система обратной связи, которая реагирует как на физиологические (внутренние), так и на внешние (внешние) сигналы. Эти сигналы воздействуют непосредственно на мозг или изменяют секрецию других органов, влияя на поведение при приеме пищи от размера еды до выбора диеты и влияя на ежедневное потребление энергии. Большинство физиологических сигналов поступают от органов, которые участвуют в накоплении и хранении питательных веществ (таких как печень, жировая ткань и ткани скелетных мышц), которые информируют о доступности питательных веществ.Регулирование приема пищи происходит еще до начала кормления. Сенсорные сигналы (вкус, запах, текстура и вид), а также мысли или обсуждение пищи – это головные сигналы, которые запускают физиологический ответ при приготовлении еды, который включает усиление слюноотделения и секрецию желудочной кислоты, орексигенных гормонов и инсулина [19]. , [20]. При приеме внутрь растяжение желудка стимулирует механочувствительные волокна блуждающего нерва, которые способствуют насыщению после еды [21]. Прямой контакт питательных веществ с желудочно-кишечным трактом также стимулирует секрецию гормонов насыщения, в основном холецистокинина, пептида YY, глюкозозависимого инсулинотропного полипептида (GIP) и глюкагоноподобного пептида 1 (GLP-1).В совокупности эти гормоны активируют нейроны проопиомеланокортин / кокаин- и амфетаминовый транскрипт (POMC / CART) в дугообразном ядре гипоталамуса и в комплексе ствол мозга и блуждающего нерва для подавления приема пищи (подробности см. В обзорах Lancha et al. [22] ] и Скотт и др. [23]). Напротив, грелин – единственный желудочно-кишечный гормон, обладающий орексигенным действием. Грелин считается одним из основных сигналов голода, поскольку колебания в его циркулирующем уровне, который увеличивается во время голодания и достигает пика перед едой, предшествуют ощущению голода и соответствуют моделям начала приема пищи [24].После высвобождения грелин стимулирует гипоталамус (через несколько путей, включая секрецию нейропептида Y (NPY) / агути-родственного пептида (AgRP), AMP-активированную протеинкиназу (AMPK) и механистическую мишень передачи сигналов рапамицина (mTOR)) и блуждающий нерв. способствовать приему пищи [25]. Помимо прямой связи с мозгом, некоторые гормоны кишечника также модулируют пищевое поведение, взаимодействуя с другими органами, регулирующими энергетический гомеостаз. Известный как инкретиновый эффект, прием пищи увеличивает циркулирующие уровни GLP-1 и GIP, которые затем связываются со специфическими рецепторами, связанными с G-белком, в β-клетках поджелудочной железы и стимулируют биосинтез и секрецию инсулина.Это неотъемлемый механизм усиления сигнала глюкозы, который, по оценкам, отвечает за до 70% постпрандиальной секреции инсулина [26].

В то время как мгновенная обратная связь из желудочно-кишечного тракта контролирует потребление пищи во время кормления, гормоны, которые информируют об общем состоянии питания, действуют как сигналы, регулирующие более длительное пищеварение. Постабсорбтивная регуляция пищевого поведения в первую очередь обусловлена ​​изменениями уровня глюкозы в крови. Поджелудочная железа быстро секретирует инсулин в ответ на повышение уровня глюкозы в крови после еды [27].Активация инсулинового сигнального каскада фосфорилирует фактор транскрипции FOXO, что впоследствии приводит к транскрипции РОМС в дугообразном ядре гипоталамуса и аноректическому эффекту [28]. Гипоталамус также содержит нейроны, чувствительные к глюкозе, которые непосредственно участвуют в регуляции питания, связанной с приемом пищи [29].

Состояние запасов энергии в белой жировой ткани дает сигналы для долгосрочного контроля уровня потребления пищи для достижения долгосрочного энергетического баланса. Лептин, секретируемый в основном из адипоцитов, является хорошо известным «сигналом ожирения» для мозга, поскольку его циркулирующая концентрация положительно коррелирует с жировой массой [30].Лептин действует через механизмы, аналогичные механизмам инсулина; связывание с соответствующим рецептором активирует нисходящие сигнальные пути, которые сходятся на уровне фосфатидилинозитол-3 киназы (PI3K) и запускают нейроны POMC / CART, чтобы стимулировать ощущение сытости [28]. В случае хронического избытка энергии увеличенная жировая масса производит больше лептина, который, как предполагается, отрицательно влияет на потребление пищи, восстанавливая энергетический баланс, хотя устойчивость к лептину, по-видимому, нарушает этот защитный механизм [31].Голод, с другой стороны, вызывает падение уровня лептина, которое предшествует потере жира, и это временное разъединение между ожирением и производством лептина было предложено в качестве важного механизма для эффективной компенсации дефицита энергии для защиты заданного значения ожирения [ 32].

Ингестивное поведение также формируется внешними факторами, которые не участвуют напрямую в энергетическом гомеостазе, а больше связаны с предпочтениями и режимами питания. Независимо от физиологических потребностей, еда per se определяет, решим ли мы съесть и в каком количестве.Сладкие и жирные продукты обладают сильной сенсорной привлекательностью, что, вероятно, происходит из-за нашего эволюционного предпочтения концентрированного источника энергии [33]. Сладость и жирность также обеспечивают аромат, вкус и текстуру, которые в значительной степени способствуют вкусовым качествам пищи. В обзоре Соренсена и его коллег [34] делается вывод о том, что потребление энергии всегда увеличивается с увеличением вкусовых качеств, хотя вопрос о том, влияет ли вкусовая привлекательность на субъективные ощущения аппетита, остается в значительной степени спорным. Другой важный фактор, который играет роль в контексте вкусовых качеств, – это сенсорное восприятие, которое, как известно, изменяется под действием множества факторов, в первую очередь возраста [35].Другие факторы, связанные с приемом пищи, включая размер порции [36] и разнообразие продуктов [37], также влияют на потребление энергии. Наконец, психологические и социокультурные события также взаимодействуют с физиологическими процессами, определяя выбор и потребление пищи [38], [39].

2.3. Расход энергии

У человека около 90% потребляемой энергии представляет собой метаболизируемую энергию, а остальная часть теряется с калом, мочой или покидает организм через кожу [40]. Общие суточные затраты энергии (TDEE) состоят из трех компонентов: скорость метаболизма в состоянии покоя (или базальная), термический эффект пищи (TEF; также известный как термогенез, индуцированный диетой) и расход энергии при физической активности ().RMR относится к энергии, необходимой для поддержания биохимических систем организма в полном покое, и составляет ~ 70% TDEE у людей, ведущих малоподвижный образ жизни [41]. RMR можно далее разделить на расход энергии во время сна (скорость метаболизма во сне; SMR) и расход энергии на поддержание бодрствования без физической активности, причем последний составляет около 5% RMR с небольшими вариациями в зависимости от расы, пола и ожирения [42], [ 43], [44]. RMR или SMR часто используются как взаимозаменяемые, чтобы отразить расход энергии независимо от физической активности и TEF.Масса без жира является самым сильным детерминантом RMR и составляет около 70% его дисперсии, при этом масса жира, пол, возраст и семейные особенности являются одними из оставшихся значительных факторов, влияющих на RMR [45], [46].

Составляющие общих суточных затрат энергии.

Энергозатраты при физической активности – наиболее изменчивый компонент TDEE, который учитывает энергию, потребляемую в мышечной работе во время спонтанных и произвольных упражнений. Было подсчитано, что расход энергии при физической активности колеблется от ~ 15% у людей, ведущих малоподвижный образ жизни, до 50% у людей, ведущих активный образ жизни [47].Спонтанная физическая активность (СПА) в первую очередь относится к ерзанию, поддержанию осанки, неспецифическому амбулаторному поведению (например, кардиостимуляции) и повседневной активности [48]. В 24-часовых исследованиях респираторной камеры всего помещения испытуемые тратили 4–17% своего времени на SPA, что составляло 100–700 ккал / день [49]. Уровень физической активности, как спонтанной, так и произвольной, определяется генетическими особенностями, возрастом, полом и сложными взаимодействиями между биохимическими, физиологическими и мозговыми механизмами вознаграждения, а также реакцией на раздражители окружающей среды (подробности см. В всеобъемлющем обзоре Гарланд и коллеги [48]).Таким образом, фактические затраты энергии на физическую активность зависят от уровня активности и энергетической эффективности, с которой эти действия выполняются [47].

TEF относится к расходу энергии, который относится к потреблению пищи, то есть энергии, необходимой для переваривания, поглощения, ассимиляции и хранения питательных веществ, и, таким образом, зависит от количества и типа потребляемых питательных веществ. Сообщается, что TEF составляет 5–10%, 0–3% и 20–30% от энергетического содержания углеводов, липидов и белков соответственно [50], а в случае энергетического баланса на западной диете составляет ~ 10%. из TDEE [51].Сообщалось, что старение, физическая активность, ожирение и инсулинорезистентность влияют на TEF независимо от потребления пищи с симпатической нервной системой в качестве возможного механического звена, но также предполагалось иное [51], [52], [53] ]. Некоторые ставили под сомнение физиологическое значение TEF для положительного энергетического баланса как части этиологии ожирения, поскольку снижение TEF во время набора веса, если таковое имеется, будет компенсироваться увеличением RMR, связанного с большей жировой и обезжиренной массой [ 50], [54].

Температура внутри и снаружи тела является ключевым фактором, определяющим расход энергии. Около двух третей RMR способствует выработке тепла для поддержания постоянной внутренней температуры тела 37 ° C у людей, и было подсчитано, что каждый 1 ° C повышение внутренней температуры связано с 10-13% увеличением скорости метаболизма [ 55]. Однако жесткое регулирование внутренней температуры в диапазоне ~ 0,2 ° C делает маловероятным то, что она играет важную роль в изменении RMR и, следовательно, общего энергетического баланса [56].Наряду с этим представлением мы сообщили о небольшом, но все же значительном снижении внутренней температуры во время сна у индейцев пима, но об аналогичной скорости метаболизма по сравнению с кавказцами того же веса и состава тела [56]. С другой стороны, температура окружающей среды все больше ценится как потенциальный способ регулирования расхода энергии. Когда млекопитающие подвергаются воздействию температур за пределами их термонейтральной зоны (диапазон температур окружающей среды, в пределах которого основного метаболизма достаточно для поддержания температуры тела), срабатывают механизмы терморегуляции для защиты заданного значения температуры тела, и, следовательно, скорость метаболизма увеличивается [ 57].

В последние годы термогенез без дрожания в коричневой жировой ткани (BAT) посредством митохондриального разобщения стал ключевой терапевтической целью для увеличения расхода энергии. Преходящие проблемы с холодом вызывают резкое увеличение выработки эндогенного тепла, но продолжительные периоды воздействия холода приведут к устойчивому более высокому уровню метаболизма с сообщениями об увеличении расхода энергии в диапазоне от 2 до 17%, включая повышение как SMR, так и TEF [57], [58] ], [59]. Было высказано предположение, что количество BAT, которым обладает человек, является генетически предрасположенным фенотипом, но есть также свидетельства того, что акклиматизация к холоду увеличивает как количество, так и активность BAT [60], [61], [62].Также недавно были обнаружены бежевые (или бритые) адипоциты в подкожной белой жировой ткани, которые экспрессируют высокие уровни UCP-1 и обладают термогенной способностью, аналогичной таковой у классических коричневых адипоцитов [63], [64]. Важно отметить, что помимо воздействия холода, физические упражнения и длительное лечение агонистом рецептора-γ, активируемого пролифератором пероксисом, также вызывают «потемнение» белой жировой ткани [65], что, по-видимому, является более подходящим вариантом для увеличения термогенеза. как средство от ожирения.

3. Методики оценки параметров потребления энергии и аппетита

3.1. Отзыв еды и дневник питания

Измерение потребления энергии требует документирования приема пищи за определенный период времени. В ходе 24-часового опроса респондентов опрашивают, чтобы вспомнить, что они ели в предыдущий день. Относительная простота применения делает его одним из инструментов оценки питания в общенациональных обследованиях питания [66], [67]. Качество получаемых данных в значительной степени зависит от интервьюеров, которые должны уметь побуждать респондентов точно вспомнить их потребление [68].Структурированные интервью с заранее заданными вопросами и контрольными списками продуктов, о которых обычно забывают, улучшают последовательность процесса отзыва респондентов, но это трудоемкие процедуры. Ограниченная репрезентативность одного отзыва за 24 часа (например, ежедневные и сезонные колебания) – еще один серьезный недостаток, который можно преодолеть, используя среднее значение нескольких отзывов за определенный период времени.

Альтернативой является использование дневника питания, который требует от респондентов записывать все, что они едят и пьют в течение обычно 3–7 дней.При заполнении дневника питания респондентам предлагается записывать во время еды, чтобы свести к минимуму искажение данных, но это приводит к значительной нагрузке на участников. Респонденты нередко меняют свой рацион во время записи, например избегать сложных продуктов, таких как смешанные блюда [69]. Более проблематичным является занижение данных по всем группам населения: потребление энергии, полученное из дневников питания, оказалось на 20–60% ниже, чем при использовании воды с двойной меткой [70]. Обычно данные дневника питания проверяются во время интервью, во время которого исследователи уточняют недостающие детали.

Неправильная количественная оценка потребления пищи и трудоемкий анализ данных – ключевые неотъемлемые ограничения 24-часового отзыва еды и дневника питания. Взвешивание продуктов питания является золотым стандартом, но по очевидным практическим причинам отзыв продуктов и дневник в основном полагаются на оценку размера порции с использованием стандартных единиц, домашних мер, моделей продуктов или изображений продуктов на стандартной тарелке, чашке, миске и т. Д. Однако даже при обучении использование этих средств измерения приводит лишь к небольшому повышению точности оценки потребления пищи [70], [71].Анализ данных – еще одна серьезная проблема при использовании отзыва еды и дневника питания. Поскольку данные о потреблении пищи сообщаются в неоднородном формате, данные необходимо вводить вручную. Ограничения в базе данных продуктов питания также затрудняют кодирование продуктов питания для анализа питания.

24-часовой отзыв пищи или дневник питания с помощью компьютера или Интернета делает эти методы пригодными для крупномасштабных исследований питания. В этих программах респонденты либо сообщают о приеме пищи интервьюерам, которые вводят данные о приеме пищи в электронном виде, либо записывают свое потребление непосредственно на компьютере, если программа является самостоятельной.Данные вводятся путем выбора потребляемой пищи из предоставленного списка, а затем программа запрашивает оценку размеров порций, как правило, с помощью фотографий продуктов питания или моделей продуктов [72]. Автоматизированный многопроходный метод (AMPM), разработанный Министерством сельского хозяйства США, является наиболее хорошо зарекомендовавшим себя компьютеризированным 24-часовым отзывом пищевых продуктов [68], который использовался для сбора данных о потреблении от каждого участника за два дня. Национальное обследование здоровья и питания с 2002 года.Эта система направляет интервьюеров через процесс отзыва, которые затем вводят ответы в программу, которая автоматизирует форматирование данных, кодирование и анализ. AMPM смог точно оценить потребление энергии (заниженное на <3%) у людей в здоровом диапазоне ИМТ при проверке на дважды меченой воде [73], и оценка существенно не отличалась от наблюдаемого потребления в меньшей когорте в лабораторных условиях. контролируемые условия независимо от ИМТ [74]. Полностью автоматизированный сбор, обработка и анализ данных в самостоятельно управляемой записи о продуктах питания еще больше упрощают процесс, улучшают доступность и снижают стоимость.Интернет-версия AMPM с самостоятельным администрированием с помощью интервьюера фиксировала аналогичное количество продуктов питания (~ 80% от фактического потребления), и расчетное потребление энергии между двумя методами существенно не отличалось [75]. Также было показано, что данные о потреблении, собранные с использованием сетевой записи о продуктах питания, сопоставимы с данными, собранными с использованием рукописных записей о продуктах питания, проанализированных диетологами [76], и достаточно хорошо работают во время проверки по биомаркерам [77], [78], [79]. Таким образом, записи пищевых продуктов в Интернете приобрели популярность в последние годы, особенно в эпидемиологических исследованиях, после улучшений в пользовательском интерфейсе и базе данных о составе пищевых продуктов [80], [81].

3.2. Оценка рациона с использованием изображений

Недавние достижения в оценке приема пищи с помощью изображений, т. Е. Использование изображения или видео в качестве первичной записи о приеме пищи, являются значительным шагом в повышении точности самооценки. Респондентов просят делать снимки продуктов питания до и после каждого эпизода приема пищи с помощью визуального контрольного маркера на изображениях (для оценки размера порции) и давать описание пищи в виде текста или голосовых записей [82], [83], [ 84].В качестве альтернативы респонденты могут использовать носимые камеры для захвата изображений из точки обзора во время эпизодов приема пищи [85], [86]. Основные преимущества здесь заключаются в том, что он позволяет объективно оценить размер порции, сводит к минимуму систематическую ошибку в самооценке потребления и, таким образом, обеспечивает более точную оценку потребления энергии. Метод удаленной фотографии еды (RFPM), возможно, является наиболее сложным на сегодняшний день инструментом оценки питания с использованием изображений [87]. В небольшом пилотном исследовании Мартин и его коллеги [88] показали, что потребление энергии, оцененное с помощью RFPM, существенно не отличается от потребления воды с двойной меткой в ​​условиях свободной жизни или взвешенного потребления в лабораторных условиях.

Ключевой проблемой при проведении оценки питания с использованием изображений является сбор и анализ данных. Часто респонденты не могут сделать снимки из-за забывчивости, потери устройства обработки изображений или поломки оборудования. В этом случае используется резервный метод (например, запись о продукте). Чтобы свести к минимуму недостающие данные, были опробованы подсказки для смартфонов, напоминающие респондентам о необходимости делать снимки еды. Эти подсказки могут быть настроены для общего времени приема пищи или адаптированы к времени и частоте приема пищи людьми, причем последнее, как было показано, повышает точность приема пищи [88].Когда дело доходит до анализа данных, обычно изображения продуктов питания анализируются вручную исследователями с использованием справочной базы данных, что является трудоемким процессом [82]. RFPM включает полуавтоматические процедуры для упрощения анализа данных. К ним относятся компьютерное программное обеспечение, которое корректирует и стандартизирует изображения продуктов питания, приложение для смартфонов, которое автоматически идентифицирует продукты питания с помощью сканирования штрих-кодов и кодов поиска цен, а также алгоритмы визуализации, которые автоматически идентифицируют продукты и оценивают размер порций [87], [89].Хотя на этом этапе все еще требуется человек-оператор для наблюдения за управлением данными и процессом анализа, это важные шаги на пути к полностью автоматизированному анализу данных.

3.3. Анкета частоты приема пищи

Анкета частоты приема пищи (FFQ) – широко используемый инструмент оценки питания в эпидемиологических исследованиях. Он состоит из списка продуктов питания, и респонденты должны сообщить, как часто они потребляют эти продукты в течение определенного периода времени. Некоторые также запрашивают информацию о размерах порций, и они известны как полуколичественные FFQ.FFQ часто является предпочтительным инструментом для оценки привычного рациона питания в больших популяционных когортах с учетом сезонных колебаний потребления, случайного потребления пищи, а также простоты его применения и анализа данных [68]. Хотя FFQ лучше подходит для ранжирования людей (т. Е. Для выделения подгрупп населения, различающихся по потреблению), он также использовался для оценки абсолютного потребления, но обычно считается менее точным. При проверке на дважды меченой воде было показано, что FFQ недооценивает потребление энергии до 36% [90].Утверждалось, что оценки частоты приема пищи в течение длительного периода времени вряд ли будут основаны на воспоминаниях о диетических событиях, а на мысленном представлении людей об их привычной диете, например пищевые предпочтения и антипатии, а также опасения по поводу диеты и здоровья [91]. Таким образом, отчет о частоте приема пищи является скорее мерой отношения, чем фактического диетического поведения, и, таким образом, на него, вероятно, влияют переменные, включая возраст и пол [91], [92].

Способы разработки и администрирования FFQ влияют на частоту ответов, полноту и точность собираемой информации и, таким образом, являются ключевым фактором, определяющим качество данных исследования [93].FFQ могут быть адаптированы на основе существующих вопросников (например, NCI / Block Health Habits and History Questionnaire [94] и Гарвардского полуколичественного опросника частоты приема пищи [95]) или они могут быть разработаны с нуля, используя базовые принципы. Из-за огромного разнообразия рациона населения невозможно перечислить все доступные продукты питания в FFQ. По существу, FFQ обычно разрабатывают специально для определенных групп населения (например, Средиземноморья) или подгрупп населения (например, детей), и их часто дополнительно сужают, чтобы сосредоточить внимание на определенных питательных веществах или группах продуктов питания в зависимости от цели оценки питания.Согласно количественному обзору, проведенному Молагом и коллегами [90], среднее количество пунктов в FFQ составляет 134 (диапазон 44–350), и те, у кого более 200 пунктов, лучше справляются с ранжированием людей, чем те, у кого короткий список пунктов (≤100 пунктов). ). Валидационные исследования показали, что по мере увеличения сложности FFQ происходит быстрое уменьшение предельного выигрыша в информации [96]. Следовательно, уровень точности требуемых диетических данных должен быть ключевым критерием для определения количества продуктов, перечисленных в FFQ [96].Как собираются данные, например через почтовый вопросник, телефонное интервью, личное собеседование, на компьютере или в Интернете, также влияет на качество данных. Машиночитаемые формы исключают ошибки ввода данных; В компьютеризированные FFQ могут быть включены подсказки для исправления неполных или недостоверных данных; Коэффициенты корреляции для повторяемости между FFQ и эталонными показателями выше для FFQ, вводимых интервьюером, чем для FFQ, вводимых самостоятельно [68], [96].

3.4. Наблюдаемое потребление в контролируемой среде

Присутствие респондентов в контролируемой среде (например,грамм. лаборатории, больницы и детские учреждения) позволяет исследователям более объективно и точно измерять потребление пищи. Наиболее распространенный способ сделать это – определить количество «отходов тарелки», т.е. участникам предоставляется известное количество пищи для потребления ad libitum и измеряется количество несъеденной пищи [97], [98]. В качестве альтернативы количество потребляемой пищи может быть визуально оценено и записано обученным персоналом, если взвешивание остатков пищи невозможно [99]. Помимо простого количественного определения количества потребляемой пищи, были также разработаны устройства для сбора данных о пищевом поведении.«Универсальный монитор питания» был одним из первых устройств такого типа, когда-либо описанных в литературе. Изобретенный в 1980 году Киссилевым и его коллегами [100], «универсальный монитор питания» представлял собой электронные платформенные весы, подключенные к компьютеру, которые измеряли продолжительность приема пищи и скорость потребления пищи в режиме реального времени. В настоящее время комбинация взвешивания пищи и видеозаписи обычно используется для записи приема пищи и пищевого поведения в лабораторных условиях [101], [102].

Однако качество данных о потреблении пищи, собранных в строго контролируемой среде, подвергалось критике, поскольку это может сделать потребление пищи менее реалистичным.Тот факт, что респонденты знают, что их потребление пищи отслеживается или измеряется, достаточен для изменения их пищевого поведения. Мета-анализ, проведенный Робинсоном и его коллегами [103], показал, что повышенная осведомленность о том, что за ним наблюдают, значительно снижает потребление энергии в лабораторных условиях по сравнению с таковым в условиях свободной жизни, что может быть связано с мотивами самопрезентации (например, есть минимально, чтобы изобразить положительный образ). Питание «шведский стол», используемое для измерения спонтанного приема в лабораторных условиях, потенциально создает еще один источник отклонения от «реального» потребления, поскольку пища предоставляется в чрезмерных количествах, что способствует чрезмерному потреблению [98], [101].Питание «шведский стол» может поначалу вызывать ощущение новизны, но повторное употребление одним и тем же респондентом в течение короткого периода времени может привести к скуке и снижению потребления энергии [97]. Имеются сообщения о сокрытии измерения потребления пищи и пищевого поведения путем ослепления респондентов относительно целей исследования, использования прикрытий или сокрытия процедур измерения, что может минимизировать связанные с осведомленностью факторы, влияющие на потребление пищи [103].

3.5. Биомаркеры потребления питательных веществ

Некоторые считают количественное определение биомаркеров наиболее объективным и беспристрастным способом оценки потребления определенных компонентов рациона.Идея состоит в том, чтобы измерить биохимические маркеры в образцах (например, плазме, мочи и биопсии тканей), которые имеют сильную и независимую связь с исследуемыми питательными веществами, которые могут указывать на потребление или статус этих питательных веществ [104], [105]. Биомаркеры обычно используются для оценки потребления питательных микроэлементов, поскольку отдельные метаболиты могут с высокой специфичностью определять потребление [105], [106]. Биомаркеры потребления энергии еще предстоит определить, но некоторые из них можно использовать для оценки потребления отдельных макроэлементов.Содержание азота в моче в течение двадцати четырех часов было подтверждено для оценки потребления белка людьми с азотным балансом. Множественные сборы предпочтительнее для учета ежедневных изменений, при этом сообщается, что восемь дней 24-часового сбора мочи улучшают корреляцию между суточным потреблением азота и выделением до 0,95 [107]. Липиды крови или тканей могут отражать потребление жиров подтипа с пищей [108], и было показано, что комбинация выбранных жирных кислот в образцах тканей дифференцирует общее потребление жиров [109].Биомаркеры углеводов встречаются реже, но недавно появились сообщения об использовании алкилрезорцина в плазме и сахарозы и фруктозы в моче в качестве биомаркеров для потребления цельнозерновых [110] и сахара [111] соответственно. Стабильные соотношения изотопов также были предложены в качестве новых биомаркеров для приема пищи, так как соотношения стабильных изотопов легких элементов (например, углерода, азота и серы) естественным образом варьируются в пище, и эти изменения улавливаются в тканях, минимально затронутых эндогенными процессами [112].

Основным ограничением использования биомаркеров является то, что характеристики респондента, т.е.грамм. возраст, стабильность массы тела, беременность, заболевания, генетика и факторы образа жизни (например, курение) могут влиять на биологический пул питательных веществ и / или их метаболитов и, таким образом, на его способность обнаруживать изменения во времени и среди различных групп населения [104], [ 113]. Характер исследования также ограничивает выбор биомаркеров. Образцы крови или мочи легко получить, но относительно быстрый оборот питательных веществ и / или их метаболитов (обычно колеблется от часов до дней) означает, что эти образцы полезны только для определения кратковременного поступления.Напротив, изобилие биомаркеров в тканях (например, мембранного фосфолипида в жировой биопсии) применимо для оценки долгосрочных моделей потребления, хотя инвазивный отбор проб может ограничивать его использование в крупномасштабных эпидемиологических исследованиях.

Ожидается, что последние достижения в метаболомике значительно улучшат применение биомаркеров при оценке питания. Пищевой метаболом, то есть сумма всех метаболитов, которые образуются в результате переваривания и биотрансформации компонентов пищи [114], позволяет использовать комбинацию биомаркеров для оценки воздействия пищевых компонентов [115], групп пищевых продуктов [116], [ 117] или даже диеты с высокой специфичностью [118], [119].Что еще более важно, в значительной степени неиспользованный пищевой метаболом также определенно приведет к открытию новых биомаркеров для диетического воздействия и / или взаимосвязи между диетой и заболеванием с высоким уровнем детализации и точности [114]. В то время как сложность анализа метаболомики делает маловероятным замену более экономичных инструментов оценки питания, более частым использованием биомаркеров является проверка самооценок. Например, повышение уровня каротиноидов в плазме часто используется для подтверждения высокого потребления фруктов и овощей, о котором сообщается в FFQs и дневниках питания [120], [121].Прентис и его коллеги [122] продемонстрировали использование биомаркеров из подгрупп в исследовательских когортах для разработки алгоритмов калибровки самооценок диетических показателей в качестве альтернативы более объективным измерениям по приемлемой цене.

3.6. Математическое моделирование и метод баланса потребления

Согласно принципу баланса энергии, потребление энергии равно сумме затрат энергии и изменений в запасах энергии в организме. Таким образом, теоретически потребление энергии можно рассчитать ретроспективно, если доступны показатели расхода и хранения энергии.Хотя последние два могут быть объективно определены количественно, это, пожалуй, самый беспристрастный способ оценки потребления энергии. Когда участники поддерживали энергетический баланс (т. Е. Потребление энергии = выход энергии), Сил и Румплер [123] показали, что потребление энергии, оцененное с помощью воды с двойной меткой, отличается от потребления метаболизируемой энергии всего на 0,3%, тогда как разница между потреблением метаболизируемой энергии и потреблением от самооценки диеты запись составила 22%.

Математическое моделирование для оценки потребления энергии особенно полезно при исследованиях ожирения, когда изменение веса (и, следовательно, запас энергии) обычно происходит в течение продолжительных периодов времени и соответствующее долгосрочное отслеживание нецелесообразно.Наша лаборатория успешно проверила метод потребления-баланса в исследованиях контролируемого переедания, в которых рассчитанное потребление энергии отличалось от фактического потребления на 0,8% и 4% у институциональных и свободно живущих участников, соответственно, с изменениями в составе тела, оцененными с использованием двухэнергетического X- лучевая абсорбциометрия и расход энергии с использованием косвенной калориметрии для всего помещения и воды с двойной меткой [124]. Хотя трудоемкие и дорогостоящие процессы измерения состава тела и расхода энергии ограничивают практичность метода баланса потребления, были разработаны аналогичные математические модели для расчета изменений в потреблении энергии на основе демографических данных и повторных измерений массы тела [125], [126].Это обеспечивает недорогую и простую альтернативу для получения данных о потреблении энергии во время вмешательств по контролю веса, хотя базовая непрямая калориметрия или вода с двойной меткой все равно потребуется для определения абсолютного потребления энергии с течением времени.

Следует отметить, что допущения используются на различных этапах математического моделирования потребления энергии, например коэффициенты для содержания энергии в тканях и затрат энергии на синтез ткани [124], динамики состава тела [126], индивидуальных биологических вариаций и расхода энергии при физической активности [125], которые ограничивают точность рассчитываемого моделью потребления энергии.Хотя математически полученные показатели потребления энергии вряд ли станут основным направлением оценки питания, разработка удобных для пользователя платформ для использования этих моделей [127] является альтернативным способом улучшить исследования ожирения, обеспечивая постоянную обратную связь и, таким образом, улучшая соблюдение диетических протоколов.

3,7. Измерение аппетита

Изначально разработанные для оценки боли визуальные аналоговые шкалы (ВАШ) являются наиболее широко используемым опросником для оценки субъективных оценок аппетитных ощущений.ВАШ обычно состоит из серии вопросов о мотивации к еде и желудочно-кишечном насыщении (например, насколько вы голодны?), И под каждым вопросом есть прямая линия 100 мм с двумя крайними ответами на концах (например, совсем не голоден / настолько голоден, насколько я когда-либо чувствовал) [128]. Респонденты ставят отметку на линии, чтобы обозначить свои ощущения, и, как правило, они должны заполнять VAS через равные промежутки времени на протяжении всего исследования. Площадь под кривыми графиков зависимости от времени затем используется для количественной оценки оценок аппетита [129].Традиционно VAS администрируется ручкой и бумагой, но ручное измерение и запись данных отнимают много времени и подвержены ошибкам и поэтому обычно заменяются электронными системами оценки аппетита, которые полностью автоматизируют сбор и анализ данных [129], [130], [131] ].

Основным недостатком VAS является достоверность и воспроизводимость субъективных оценок аппетита. Аппетит имеет физиологическую основу, но также сильно зависит от когнитивных и экологических факторов, включая окружение, привычное время приема пищи, сенсорную стимуляцию, знакомство и доступность пищи [128], [132], [133].Уровни циркулирующих кишечных пептидов, например грелин, холецистокинин и GLP-1 часто оцениваются одновременно как объективные биомаркеры аппетита, хотя известно, что их секреция изменяется под воздействием когнитивных и сенсорных влияний [128], хотя и в меньшей степени. Кроме того, взаимосвязь между кишечными пептидами и регуляцией аппетита не всегда очевидна, и, следовательно, они вряд ли заменят субъективные оценки аппетита, но они по-прежнему имеют решающее значение для информирования о механизмах, посредством которых питательные вещества или диетические факторы влияют на потребление пищи [134].

4. Методики оценки энергозатрат

4.1. Самостоятельная отчетность и прямое наблюдение

Интерес к измерению расхода энергии (в первую очередь уровня физической активности) возник в начале 20 века с целью повышения производительности и эффективности работников [135]. Субъективные отчеты, включая дневниковые записи и анкеты, обычно использовались для поиска информации о типе, частоте, продолжительности и интенсивности физической активности [136], [137]. До того, как стало возможным измерение физиологических реакций, объективные измерения расхода энергии ограничивались прямым наблюдением за моделями физической активности или анализом видеозаписей [135].

4.2. Прямая калориметрия

Прямая калориметрия основана на первом законе термодинамики и предположениях о термической стабильности и низкой емкости хранения энергии, что энергия, затрачиваемая на все физиологические процессы, в конечном итоге рассеивается в виде тепла, и, таким образом, общий расход энергии можно оценить путем прямого измерения тепла. производство [138]. Прямая калориметрия технически сложна, поскольку требует измерений всех теплопередач, включая излучение, конвекцию и проводимость, а также теплопотери из-за испарения [139].Были разработаны различные изотермические системы и системы с градиентным слоем для всего помещения, при этом одна из наиболее распространенных систем состоит из камеры, окруженной пространством оболочки, которое поддерживается при той же температуре, что и внутри камеры, а тепловыделение рассчитывается по формуле измерение разницы температуры и влажности воздуха на входе и выходе камеры [138]. Помимо сложной конструкции камеры, другие ограничения также препятствуют тому, чтобы прямая калориметрия стала основным методом измерения расхода энергии.Например, из-за существенной теплоемкости человеческого тела и медленного теплообмена по сравнению с дыхательным газообменом, прямая калориметрия в помещении не способна обнаружить резкие изменения в расходе энергии (например, TEF). Необходимость ограничивать респондентов небольшим пространством также ограничивает его применимость в протоколах исследования.

Последние достижения в области носимых устройств привели к возрождению интереса к прямой калориметрии для измерения расхода энергии с улучшенной портативностью. Устройства, похожие на нарукавные повязки, были разработаны для определения температуры кожи, теплового потока и потерь тепла от испарения с поверхности кожи для непрерывной оценки расхода энергии в течение продолжительных периодов времени [140], [141].Самым большим преимуществом является то, что они решают проблему измерения состава вдыхаемого и выдыхаемого газа для непрямой калориметрии, поэтому они более удобны в использовании в условиях свободного проживания. Первоначальные испытания показали, что эти устройства точно оценивают расход энергии (подтверждено косвенной калориметрией), хотя температура окружающей среды за пределами термонейтральной зоны и интенсивная физическая активность, по-видимому, влияют на точность измерения расхода энергии [140], [142], [143].

4.3. Косвенная калориметрия

Вместо того, чтобы измерять фактическое тепловыделение, косвенная калориметрия оценивает расход энергии путем расчета количества энергии, выделяющейся при окислении энергетических субстратов. Вейр [144] предположил, что общая тепловая мощность [ккал] = 3,9 × использованный кислород [л] + 1,11 × произведенный углекислый газ [л], и поэтому расход энергии можно оценить с помощью относительно простых измерений потребления кислорода и производства углекислого газа с допущением энергетического баланса и незначительного анаэробного дыхания.

Косвенная калориметрия чаще всего используется для оценки расхода энергии в условиях клинических исследований, в первую очередь из-за преимуществ непрерывного измерения расхода энергии с высокой точностью и точностью, а также гибкости конструкции оборудования для соответствия различным условиям эксперимента [145]. Отношение потребления кислорода к производству углекислого газа в косвенной калориметрии также дает информацию об окислении углеводов и жиров. Обычно данные об окислении белков получают из суточного диуреза, чтобы получить представление о балансе использования макроэлементов.

4.3.1. Дыхательная камера для всего помещения

Использование непрямой калориметрии для измерения TDEE в респираторной камере для всего помещения было впервые применено лабораторией Жекье в Лозанне [146] и в Центре клинического питания Данна в Кембридже [147] с конца 1970-х годов. Модифицированная конструкция камеры была описана Равуссином и его коллегами [148] и широко применяется в исследовательских центрах метаболизма по всему миру, что обычно включает ввод воздуха с постоянным или известным составом газа в герметичную камеру и непрерывный отбор проб. выходящий воздух, который либо осушается, либо измеряется давление водяного пара, чтобы обеспечить точное измерение концентраций кислорода и углекислого газа с помощью масс-спектрометра, парамагнитных или инфракрасных анализаторов [145].

Дыхательные камеры для всего помещения позволяют непрерывно измерять TDEE до нескольких дней [149]. Эти камеры также используются для оценки TEF, хотя вопрос о том, как это следует рассчитывать, остается спорным. Schutz и его коллеги [150] предположили, что в термонейтральной среде TEF может быть получен путем вычитания базовой скорости метаболизма из точки пересечения линейной регрессии между общими расходами энергии и физической активностью (т. Е. Расходами энергии при нулевой активности). Другие попытки оценить TEF включают использование разницы в TDEE между состояниями сытости и голодания или 24-часовой расход энергии в состоянии покоя, превышающий SMR [151], или подход математического моделирования, который оценивает TEF с использованием необработанных данных из 24-часовых измерений косвенной калориметрии в дыхательная камера [152].Однако показано, что все они имеют очень низкую воспроизводимость, при этом коэффициент вариации внутри индивидуума, как сообщается, достигает 43% [148]. Ограниченный консенсус в том, как TEF определяется математически, вариативность в измерении компонентов для расчетов, а также ежедневные биологические вариации в постпрандиальной переработке питательных веществ – все это способствует тому, что TEF является наиболее сложным для измерения компонентом ежедневного расхода энергии [52 ], [151].

4.3.2. Метаболические тележки

Измерение RMR с использованием метаболических тележек [153] и в сочетании с расчетным уровнем физической активности [154] дает некоторую оценку TDEE, которая осуществима в большинстве клинических исследований.В отличие от респираторных камер для всего помещения, которые накладывают значительные ограничения на протоколы исследования, метаболические тележки используют лицевую маску, мундштук, капюшон или навес для улавливания выдыхаемого газа, который соединен с анализаторами, установленными на мобильных тележках. Меньшее «мертвое пространство» в системе вентиляции улучшает время отклика при измерении (от ∼5–30 минут для камерной системы до ∼1–2 минут для капюшона или капюшона до <30 секунд для маски или мундштука) [145 ]. Установка и работа этих метаболических тележек значительно более удобны для пользователя по сравнению с камерами, хотя мобильность респондентов в значительной степени ограничена, и поэтому эти системы применимы только в исследованиях, которые длятся до нескольких часов.Портативный калориметр с газоанализатором и источником питания в рюкзаке - это система непрямой калориметрии, наиболее применимая в условиях свободного проживания, но устройство остается громоздким, а источник питания ограничивает время записи [155].

4.4. Вода с двойной меткой

Использование воды с двойной меткой (DLW) для измерения расхода энергии у человека было впервые описано Шоллером и ван Сантеном [156] в 1982 году; с тех пор он стал золотым стандартом для измерения долгосрочных затрат энергии на свободную жизнь.Принципы, допущения и расчеты, лежащие в основе измерения расхода энергии с помощью DLW, подробно описаны в [157], [158]. Вкратце, при дозировании с водой, содержащей известные количества нерадиоактивных изотопов водорода ( 2 H; дейтерий) и кислорода ( 18 O), эти изотопы уравновешиваются с водородом и кислородом в воде организма, а затем 2 H выходит из организма в виде воды, а 18 O выходит из организма в виде воды и углекислого газа.Скорость оборота 2 H и 18 O определяется путем количественного определения концентраций изотопов в биологических жидкостях (чаще всего в моче) с помощью масс-спектрометрии. Дифференциальное исчезновение двух изотопов позволяет измерить образование углекислого газа. Когда это используется в сочетании со средним респираторным коэффициентом в течение периода исследования (измеренным с помощью косвенной калориметрии или приближенным к пищевому коэффициенту), соотношение производства углекислого газа и потребления кислорода позволяет рассчитать расход энергии.Обычно DLW можно использовать для измерения TDEE в течение 4–21 дней, при этом пробы мочи собираются непосредственно перед дозированием, а затем ежедневно или еженедельно в зависимости от продолжительности периода исследования для оценки скорости выведения изотопов [159], [160] .

Относительная простота применения DLW и высокочувствительные методы количественного определения изотопов (хотя и с высокой стоимостью) сводят к минимуму ошибку измерения и делают его золотым стандартом для измерения расхода энергии в условиях свободного проживания.Важно отметить, что без ограничений, связанных с замкнутым пространством или приспособлением для отбора проб газа, DLW остается единственным инструментом для оценки расхода энергии в реальных условиях свободной жизни и, таким образом, идеально подходит для широкого спектра приложений, особенно тех, которые связаны с физической активностью. Использование протокола DLW также распространяется на валидацию методов оценки диеты или физических упражнений, а также на измерение общего количества воды в организме, водооборота и состава тела с учетом предположения о гидратации обезжиренной массы [161].Использование DLW для оценки расхода энергии, конечно, не без ограничений. Многочисленные допущения, использованные в расчетах, могут поставить под угрозу достоверность измерений [162], [163]; Невозможно получить данные о расходе энергии с течением времени, а также нет информации о характере и интенсивности физической активности [48]. Наконец, стоимость изотопов, доступ к оборудованию и знаниям для выполнения масс-спектрометрии изотопного отношения ограничивают доступность методологии DLW в учреждениях для исследования метаболизма и в клинических условиях.

4.5. Некалориметрические методы

4.5.1. Журнал физической активности и кинематические измерения

Журнал физической активности и кинематические измерения обычно используются в клинических исследованиях из-за их низкой стоимости, неинвазивности и относительной простоты применения. Журнал активности требует, чтобы респонденты регистрировали всю физическую активность за определенный период времени (например, 7 дней). Затем рассчитывается расход энергии на деятельность путем умножения эквивалента энергии для деятельности (обычно оцениваемой с использованием прогнозных уравнений [164], но в идеале измеряемой с помощью калориметров) на время, затраченное на каждое действие.Кинематические измерения обеспечивают объективную регистрацию физической активности. В замкнутом пространстве, таком как респираторная камера целого помещения, радарное отслеживание сообщает процент времени, в течение которого респондент двигается [165]. Передвижение свободноживущих людей обычно измеряется с помощью шагомеров и акселерометров. Шагомеры обнаруживают вертикальное ускорение бедер во время ходьбы и сообщают данные как накопленное количество шагов, но не могут указывать закономерности и интенсивность физической активности [166], тогда как акселерометры обнаруживают смещение тела с помощью одноосных акселерометров на одной оси и трехосных акселерометров в три оси.Подсчеты активности во времени затем переводятся в продолжительность активности в заранее заданных категориях интенсивности [167]. Однако экстраполяция этих данных о движении для оценки расхода энергии не всегда практична и, как было показано, приводит к значительным ошибкам. Были попытки разработать уравнения регрессии для прогнозирования расхода энергии при физической активности на основе подсчетов активности акселерометра, но уравнения должны быть привязаны к конкретному устройству и видам деятельности, а проверка в лабораторных условиях ограничивает возможность обобщения для условий свободной жизни с сообщениями о недооценке 24 расход энергии на активность до 59% по сравнению с DLW [168], [169].Сложная взаимосвязь между движением и расходом энергии, которая должна учитывать такие переменные, как пол, возраст, масса тела и эффективность движения, действительно может указывать на то, что не существует простого решения для точного прогнозирования расхода энергии на основе любых измерений физической активности. [166].

4.5.2. Мониторинг сердечного ритма и вентиляции

Частота сердечных сокращений долгое время считалась суррогатным маркером уровня физической активности и, таким образом, привлекательной физиологической переменной для информации о расходе энергии.За исключением случаев очень низкой и очень высокой интенсивности упражнений, существует значительная линейная корреляция между частотой сердечных сокращений и скоростью потребления кислорода (VO 2 ), которую затем можно экстраполировать для прогнозов расхода энергии или скорости метаболизма [170]. Наклон этой зависимости частоты сердечных сокращений и VO 2 , однако, значительно различается у разных людей, по крайней мере, частично из-за возраста, пола, аэробной подготовки и эффективности движений. Таким образом, требуется индивидуальная процедура калибровки, чтобы использовать частоту сердечных сокращений для прогнозирования расхода энергии.Как правило, это включает в себя измерение частоты сердечных сокращений, VO 2 и VCO 2 (с использованием метаболической тележки) во время серии рабочих нагрузок с прогрессивной интенсивностью от легких до тяжелых уровней, и строится линия регрессии частоты сердечных сокращений и расхода энергии. для каждого человека [171]. Известные физиологические различия между упражнениями (хороший пример – бег или езда на велосипеде) [172] привели к попыткам вывести прогнозные уравнения, специфичные для режимов упражнений [171], [173], но есть вопросы о возможности такой высокой специфический подход.По общему мнению, частота сердечных сокращений дает разумную оценку расхода энергии на уровне группы, но с ограниченной точностью для индивидуальных оценок [170]. Кроме того, при таких обстоятельствах, как очень низкий уровень расхода энергии (когда легкие движения увеличивают частоту сердечных сокращений, но VO 2 остается почти неизменным) или периодические упражнения (при которых наблюдается задержка реакции сердечного ритма на изменения скорости работы), предположение о том, что линейная зависимость ЧСС-VO 2 больше не применяется [170].Наконец, на измерения частоты пульса часто влияет значительная потеря точек данных.

Основываясь на аналогичных принципах соотношения затрат энергии VO 2 , некоторые утверждают, что вентиляция является лучшим суррогатным маркером расхода энергии, с преимуществом вентиляционных переменных (по сравнению с частотой сердечных сокращений), которые менее чувствительны к физическому и психическому здоровью. стресс, который может существенно затруднить прогнозирование расхода энергии [174]. Еще в 1950-х годах была установлена ​​линейная зависимость между вентиляцией и расходом энергии, которая распространяется на большинство повседневных действий [175].Спирометрия остается золотым стандартом, но в клинических условиях измерение вентиляции обычно включает размещение датчиков на поверхности тела для обнаружения движений грудной клетки и брюшной стенки для расчета вариаций объемов грудной клетки и живота. Технологические достижения в области датчиков для повышения точности измерения вентиляции, а также возможности ношения устройств будут иметь решающее значение для расширения использования вентиляции в исследованиях метаболизма.

5. Заключение: выбор методологии – ключ к успеху

Хронический положительный энергетический баланс, возможно, является самым сильным предиктором метаболических заболеваний.Десятилетия исследований были посвящены пониманию того, как нарушается система энергетического гомеостаза, его метаболическим последствиям и возможным решениям для восстановления гомеостаза. В то время как фундаментальные научные исследования с использованием моделей животных и клеточных культур достигли значительных успехов в выяснении сложного набора молекулярных механизмов, лежащих в основе энергетического метаболизма, преобразованию этих знаний в клиническую пользу не удается добиться значительного прогресса. Ключевой задачей здесь является правильная оценка эффективности вмешательств, включая изменение образа жизни, добавки или фармакологическое лечение, чтобы обеспечить обратную связь для дальнейшего улучшения.В настоящее время существует множество методологий, разработанных для измерения различных аспектов энергетического метаболизма, у каждой из которых есть свои плюсы и минусы. Совершенно необходимо понимать относительные достоинства каждой методологии, чтобы выбрать наиболее подходящие для исследования (,). Кроме того, очень важно разработать новую методологию измерения потребления энергии с точностью и точностью, как DLW для измерения расхода энергии.

Таблица 1

Краткое изложение методов оценки потребления энергии.

Метод Продолжительность использования Точность и прецизионность Стоимость Преимущества Ограничения
Отзыв продуктов питания 1 день 9018 a- Interviewer Легко вводить, подходит для оценки краткосрочных диетических вмешательств Низкая репрезентативность, трудоемкий анализ a
Дневник питания 3–7 дней Низкий из-за неполного представления данных и неправильной количественной оценки потребления пищи a Низкое Простое введение, подходит для оценки краткосрочных диетических вмешательств Бремя участников, трудоемкий анализ a
Опросник частоты приема пищи 3–12 месяцев Низкий из-за Ответ «не на основе памяти» От низкого (разработка внутри компании) до умеренного (коммерческое использование доступный вопросник) Легко вводить, подходит для эпидемиологических исследований и ранжирования людей, может быть адаптирован для конкретных групп населения, питательных веществ или пищевых групп Менее точен для оценки абсолютного потребления
Наблюдаемое потребление Гибкое Высокое с едой вес Низкий Жестко контролируемые факторы окружающей среды Создает менее реалистичное пищевое поведение, повторные тесты изменяют «реальное» потребление
Биомаркеры Часы или дни для обмена питательных веществ / метаболитов, месяцы для изобилия биомаркеров в тканях Высокие Высокая Объективная и беспристрастная, высокая специфичность Ограниченные, хорошо проверенные маркеры, часто требующие инвазивного отбора образцов (например,грамм. анализ крови), искаженный характеристиками респондента
Математическое моделирование и метод баланса потребления Гибкий Ограниченный из-за множества допущений при моделировании От низкого (на основе демографии и антропометрии) до высокого (на основе точного состава тела и измерения расхода энергии) Объективное и беспристрастное постоянное отслеживание позволяет в реальном времени оценить потребление для измерения расхода энергии (EE).

9 0217 Тележка для обмена веществ
Метод Продолжительность использования Точность и прецизионность Стоимость Преимущества Ограничения
Прямая калориметрия От часов до нескольких дней с высокой физической активностью 902 термонейтальная зона Высокая из-за установки и обслуживания оборудования Прямое измерение выработки тепла, полный контроль факторов окружающей среды Технически сложный, неспособный обнаружить острые изменения, респондент ограничен ограниченным пространством
Дыхательный аппарат целиком камера От часов до нескольких дней Высокая Высокая из-за настройки и обслуживания оборудования Поминутные данные в реальном времени, позволяют измерять компоненты ЭЭ и использование субстрата Технически сложные, респондент ограничен пространство
Часы Высокая скорость метаболизма в состоянии покоя, средняя при оценке общей суточной ЭЭ Умеренная Быстрое время реакции, простота в эксплуатации, возможна в клинических условиях Ограниченная подвижность респондентов
Вода с двойной меткой 4–21 день Высокий Высокий из-за стоимости изотопа Золотой стандарт в условиях свободного проживания, применимый к широкому спектру протоколов Нет данных о динамике времени, невозможно различить компоненты EE
Физические журнал активности 3–7 дней Низкий из-за значительных ошибок в экстраполяции данных о деятельности для оценки ЭЭ Низкий Простота администрирования Бремя участников может ухудшить качество данных
Кинематические измерения Гибкость Низкая из-за значительных ошибок в экстраполяции данных о движении к оценке EE 9 0218 От низкого до среднего Простое в использовании, объективное и беспристрастное Шагомеры не предоставляют данных о характере и интенсивности физической активности
Мониторинг сердечного ритма Гибкий Умеренный на уровне группы, низкий на индивидуальной оценке От низкого до среднего Простота администрирования, объективность и непредвзятость Требуется индивидуальная калибровка, значительная потеря данных
Мониторинг вентиляции Часы От низкого до среднего От низкого до среднего Менее чувствительный к физическому и смущающие мысли Низкая применимость в условиях свободной жизни

При выборе методологий следует помнить, что «золотые стандарты» не обязательно являются наиболее подходящими для конкретного вопроса исследования.Следующее – несколько важных моментов, которые следует учитывать [176], [177], [178]: 1) требуемая точность и аккуратность – например, каков ожидаемый коэффициент вариации измеряемых переменных? Используются ли данные на групповом или индивидуальном уровне? 2) Практичность – например, сколько времени и затрат требуется как исследователям, так и респондентам? Каковы логистические ограничения? 3) Качество данных – например, будет ли методология налагать эффект обучения и / или нагрузку на участников, что увеличит риск измененной реакции? Хотя ни одна методология не может быть идеальной при любых обстоятельствах, использование комбинации дополнительных измерений может оказаться полезным для преодоления некоторых недостатков.Например, в Pennington Biomedical мы одни из первых, кто регулярно использует как DLW, так и косвенную калориметрию для оценки расхода энергии, что позволяет одновременно измерять гомеостаз свободной энергии и анализировать компоненты расхода энергии и использования субстрата [8], [179] ], [180]. При оценке диетического питания обычно используют как минимум два инструмента оценки и перекрестную проверку ответа, например генерировать коэффициенты корреляции и калибровки на основе 24-часового отзыва или взвешивания пищевых продуктов для проверки FFQ [68], [96].

В этой обзорной статье мы предоставляем информацию о полезности и ограничениях методологий, которые обычно используются в исследованиях ожирения, с особым акцентом на тех, которые позволяют количественно определять потребление и расход энергии. Мы призываем исследователей критически мыслить при разработке протоколов клинических испытаний, выбирая методологии, которые обеспечивают наилучший ответ на конкретный исследовательский вопрос (ы) без ущерба для общего качества работы.

Границы | Крупномасштабная структура метаболизма человека показывает устойчивость через обширные перекрестные сигналы

1.Введение

Метаболизм определяется как сумма физических и биохимических процессов в живых организмах, которые либо производят, либо потребляют энергию. Метаболические изменения часто приводят к клеточной дисфункции, которая обычно приводит к болезни (DeBerardinis and Thompson, 2012). Метаболизм и заболевание настолько тесно связаны, что заболевания, связанные с соседними метаболическими реакциями, имеют более высокую сопутствующую патологию, чем болезни, между которыми нет метаболических связей (Lee et al., 2008). Кроме того, драйверные реакции, определяемые как наименьший набор реакций, которые необходимо контролировать для управления активностью всех реакций метаболической сети, были предложены в качестве потенциальных терапевтических мишеней в раковых клетках (Basler et al., 2016). Понимание того, как работает метаболизм, является одной из основ понимания болезней человека.

Метаболизм можно изучать путем изучения взаимосвязей между клеточными процессами, которые определяются метаболическими путями. Путь состоит из набора молекул; либо все белки, то есть ферменты, переносчики, факторы транскрипции и сигнальные белки, либо все метаболические реакции, то есть соединения и ферменты, которые участвуют в клеточном процессе. Это представление использовалось для поиска организационных принципов, связанных с различными клеточными процессами (Guimera and Amaral, 2005), или для выделения дифференциально регулируемых путей, связанных с заболеванием (Schramm et al., 2010).

Существуют различные виды биологических сетей, которые обычно используются для изучения определенных типов молекулярных взаимодействий. Метаболические сети используются для изучения всех метаболических реакций. Сети белок-белковых взаимодействий представляют все физические взаимодействия между белками. А транскрипционных регуляторных сетей используются для изучения регуляции между факторами транскрипции и генами-мишенями (Costa et al., 2008).

Общие топологические свойства были охарактеризованы для всех этих биологических сетей в разных организмах и даже в нескольких царствах жизни.Распределение связности для всех трех типов сетей обычно следует приближенному степенному закону (Jeong et al., 2000; Yu et al., 2004; Ouma et al., 2018), что означает, что они могут рассматриваться как безмасштабные сети. Было показано, что безмасштабные сети демонстрируют сетевое поведение small world , то есть любой узел может быть достигнут из любого другого узла за небольшое количество шагов. Также было показано, что безмасштабные сети устойчивы к ошибкам, но уязвимы для прямых атак, т. Е.сеть разрывается, когда небольшая часть наиболее важных узлов удаляется из системы, но структура очень устойчива к очень высоким уровням случайных мутаций (Albert et al., 2000).

Разработаны комплексные подходы к изучению биологических функций системного уровня, включая метаболические, сигнальные и регуляторные сети. Первоначально некоторые успешные усилия были направлены на создание модельных организмов, в частности дрожжей и бактерий. Работа группы Палссона (Herrgård et al., 2006) заключалась в интеграции транскрипционных регуляторных и метаболических сетей из Saccharomyces cerevisiae . Тщательное изучение литературы было использовано для реконструкции транскрипционной регуляторной сети, лежащей в основе метаболизма питательных веществ, которая была объединена с уже созданной метаболической сетью в глобальном масштабе. Такой подход позволил авторам предсказать изменения экспрессии генов в ответ на возмущения. Дальнейшие интегративные исследования продолжают развиваться, Covert et al.(2008) представили комплексную схему моделирования метаболизма, регуляции транскрипции и передачи сигнала в Escherichia coli . Их подход был основан на расширении анализа баланса потоков. Совсем недавно в работе Прайса и его группы (Ma et al., 2015) была применена вероятностная модель для изучения метаболических и генных регуляторных сетей в Mycobacterium tuberculosis , без явного включения роли сигнальных путей или супрамолекулярного белок-белкового взаимодействия. сети.

В случае метаболизма человека исследование представило полную реконструкцию метаболической сети человека (Duarte et al., 2007). Такая полная метаболическая модель использовалась для формулирования подробных вычислительных моделей, ведущих к конкретным прогнозам не только метаболической активности, но и активности экспрессии генов. Однако детальная сеть регуляторов транскрипции для фенотипов человека пока недоступна для интеграции. Работа группы Кежека интегрировала метаболические, регуляторные транскрипционные сети и сети передачи сигналов в специфических контекстах для некоторых типов клеток человека (гомеостаз желчных кислот в гепатоцитах человека) (Fisher et al., 2013). В некоторых недавних работах роль метаболических путей интегрирована с другими уровнями биологической регуляции (Guo et al., 2018; Ravikrishnan et al., 2018). Однако большинство интегративных усилий было ограничено комплексным метаболическим картированием (Cottret et al., 2018; Ravikrishnan et al., 2018; Shen et al., 2019). Некоторые интегрированные подходы были также разработаны в контексте конкретных фенотипов и заболеваний (Pirhaji et al., 2016; Bidkhori et al., 2018; Krishnan et al., 2018; Pandey et al., 2020).

Молекулярные взаимодействия и функциональные ассоциации систематически хранятся в специализированных базах данных, таких как STRING (Szklarczyk et al., 2019), REACTOME (Fabregat et al., 2018; Jassal et al., 2020) и KEGG ( Канехиса и др., 2014, 2017). STRING содержит все функциональные ассоциации между молекулами, включая физические или косвенные, но функциональные связи. Важно отметить, что ассоциации STRING не связаны с какой-либо конкретной биологической функцией. REACTOME и KEGG – это базы данных путей. Однако взаимное преобразование и интеграция как идентификаторов молекул, так и биологических функций между различными базами данных нелегко. С другой стороны, Recon3D , наиболее полная реконструкция метаболической сети человека, содержит метаболические и транспортные реакции наряду с трехмерной структурой метаболитов и белков. Recon3D на самом деле идет намного дальше традиционного определения пути (как представлено, например, в учебниках по биохимии и аннотируется в таких базах данных, как KEGG или Reactome), вводя так называемые ReconMaps.Такие ReconMaps представляют собой точные изображения метаболических процессов человека, включая подробную информацию о структурном и функциональном, а также пространственном контексте (даже на уровне органелл), в котором эти процессы (в форме метаболических реакций и молекулярных взаимодействий) происходят. . В этом отношении Recon3D представляется как беспрецедентный ресурс для будущих исследований по характеристике биологической функциональности у людей.

В этой работе мы построили интегрированную человеческую сеть, включающую все метаболические реакции, белок-белковые взаимодействия, регуляцию транскрипции, транспорт и сигнальные процессы на основе базы данных KEGG.Мы проанализировали его топологические свойства и, по возможности, связали их с функциями. Мы преобразовали эту сеть молекулярных взаимодействий в сеть путей и изучили, как молекулярные возмущения переводятся в дезагрегацию системы. Мы изучили различные типы возмущений и применили несколько статистических и топологических тестов, основанных на рандомизированных нулевых моделях. Мы обнаружили, что система очень устойчива к определенным типам молекулярных возмущений. Такая устойчивость может быть вызвана наличием сложной, сильно взаимозависимой структуры сетевых подключений, основанной на явлении перекрестных помех на маршрутах.Мы стремимся к тому, чтобы дальнейшие исследования в этом направлении с использованием обширных и хорошо аннотированных биологических баз данных предоставили мощный инструмент для понимания биомолекулярных источников здоровья и болезней человека.

2. Результаты

2.1. Каталог молекулярных взаимодействий

Молекулы могут взаимодействовать по-разному, что приводит к целому ряду биологических реакций. Белковые взаимодействия (рис. 1А) происходят, когда два белка взаимодействуют, устанавливая между собой физические контакты; такие контакты могут быть очень стабильными, приводя к образованию белкового комплекса, или они могут быть временными, вызывая специфический краткосрочный ответ.В сети межбелковых взаимодействий (PPN) эти взаимодействия представлены ненаправленными связями между генами, которые кодируют такие белки. Другой тип взаимодействий, регуляторные взаимодействия, имеет место, когда белок или белковый комплекс (а именно фактор транскрипции) регулирует экспрессию одного или нескольких генов-мишеней, что приводит к увеличению или уменьшению активности его генов-мишеней. В регуляторной сети (RN) эти взаимодействия представлены направленными связями между генами, кодирующими TF, и генами-мишенями (Рисунок 1B).На метаболическом уровне метаболиты трансформируются ферментами посредством метаболических реакций. Метаболические реакции представлены в метаболической сети (MN). Представления таких взаимодействий включают: двудольные графы, в которых нарисованы направленные связи от субстратов к ферментам и от ферментов к продуктам; и графы подложек, в которых существуют направленные связи от любой подложки к любому продукту. В этой работе мы сосредоточимся на представлении двудольного графа, поскольку оно явно учитывает все молекулы, и мы будем представлять каждый фермент как ген, кодирующий такой фермент (рис. 1C).В этой работе мы извлекли все эти взаимодействия из базы данных KEGG. Наиболее распространенные подтипы взаимодействий показаны на Рисунке 1. Другие, не столь распространенные подтипы, а также количество взаимодействий на подтип показаны на дополнительных рисунках 1–5.

Рисунок 1 . Каталог молекулярных взаимодействий. (A) Взаимодействия белок-белок: правая сторона, белковый комплекс, левая сторона, временное физическое взаимодействие. (B) Взаимодействие с регулирующими органами. (C) Ферментативная реакция. (D) Метаболические взаимодействия. (E) Две последовательные реакции. Мы показываем молекулярную модель для каждого типа и подтипа взаимодействия, а также их представление в нашей сети. Все белки представлены в нашей сети соответствующим геном. Белки изображаются глобулярными формами, гены – прямыми лестницами, а метаболиты – многоугольниками. Ген, кодирующий конкретный белок, представлен в виде прямой лестницы того же цвета, что и соответствующая глобулярная форма.Регуляция транскрипции представлена ​​квадратной стрелкой. Стрелки обозначают направленные взаимодействия, а простые линии обозначают ненаправленные взаимодействия. Показаны только наиболее распространенные подтипы взаимодействий. Рисунок сделан с помощью BioRender (Biorender.com).

Интересно, что есть еще два типа взаимодействия. Метаболические взаимодействия между метаболитами и белками, когда известно, что метаболит влияет на активность белка; или между двумя белками, если один из них оказывает посттрансляционный эффект по сравнению с активностью другого.Эффект, связанный с этими взаимодействиями, может быть любым из следующих: активация, ингибирование, связывание / ассоциация, отсутствие взаимодействия, когда известно, что взаимодействие исчезает из-за мутации, диссоциации, изменение состояния, когда взаимодействие представляет собой переход состояния, косвенный эффект и неизвестный . В эту работу мы не включали взаимодействия, внесенные в каталог как косвенные или неизвестные. Наконец, KEGG содержит последний тип взаимодействия: два фермента, участвующие в последовательных реакциях. Большинство этих взаимодействий дублируют аннотированные ферментативные реакции.В эту работу мы включили только взаимодействия, для которых не было прямого пути между участвующими ферментами через один метаболит в метаболической сети.

В этой работе мы начнем с анализа трех различных типов очень четко определенных биологических сетей: сеть межбелкового взаимодействия (PPN), метаболическая сеть (MN) и транскрипционная регуляторная сеть (TRN). Позже мы построим интегрированную сеть метаболизма, объединив все изолированные сети и включив дополнительные взаимодействия, описанные ранее.Это уменьшение размерности, так как несколько слоев биологических процессов будут уплотнены. Таким образом, процессы, лежащие в основе белка TF, A, который транскрипционно регулирует целевой ген B и который формирует белковый комплекс AB, будут представлены только одним взаимодействием A взаимодействует с B. Аналогичным образом, если белок A аннотирован для взаимодействия с белком B, и белок A также аннотирован для посттрансляционного изменения активности белка B, оба отношения будут объединены в соединение A, которое взаимодействует с B.

2.2. Анализ изолированных сетей

Мы проанализировали три различных типа очень четко определенных биологических сетей: сеть межбелкового взаимодействия (PPN), метаболическая сеть (MN) и транскрипционная регуляторная сеть (TRN). Каждая молекулярная сеть была построена на основе объяснения, приведенного в последнем разделе. Каждая сеть состояла из 3918, 2963 и 916 узлов соответственно; и 34 927, 10 427 и 3652 ребра соответственно.Все сети представляют собой Giant Connected Component (GCC), состоящий более чем из 90% узлов и ребер (дополнительная таблица 1). Гигантский связный компонент определяется как связанный компонент данной сети, который содержит значительную часть (более 50%) узлов сети. Что касается степени распределения каждой сети, мы обнаружили, что все они следовали степенному закону распределения, а также их соответствующие GCC. (Jeong et al., 2000; Yu et al., 2004; Ouma et al., 2018).Статистика согласия показана для каждой сети в дополнительной таблице 2. Параметры наилучшего соответствия степенного закона для каждой сети были получены и показаны в дополнительной таблице 3.

Затем мы исследовали некоторые интересные топологические и структурные особенности каждой из этих изолированных сетей. Мы обнаружили, что каждая из этих сетей имеет статистически значимую модульную структуру (Q = 0,48 и p – значение <1 E (-300) для TRN; Q = 0,79 и p значение < 1 E (−300) для MN; Q = 0.68 и p значение <1 E (-300) для PPN) (рисунки 2A – C). Мы также обнаружили, что среднее распределение длины кратчайшего пути ведет себя следующим образом. Это явление можно объяснить направленным характером этих сетей, поскольку значительное количество узлов имеет степень выше нуля, но степень out равна нулю (рисунки 2D – F).

Рисунок 2 . Модульная структура и распределение средней длины кратчайшего пути изолированных сетей. (A – C) показывает модульную структуру для TRN, MN и PPN соответственно. Цвет определяет, к какому модулю принадлежит каждый узел. (D – F) показывает распределение средней длины кратчайшего пути для GCC для TRN, MN и PPN, соответственно.

2.3. Сигнальный путь эстрогена на примере исследования

Объединение взаимодействий из разных биологических слоев в интегрированную сеть дает возможность взглянуть на процессы в целом с глобальной точки зрения.В качестве доказательства концепции мы показываем путь передачи сигналов эстрогена (путь KEGG: hsa04915).

Эстрогены – это группа стероидных гормонов, которые давно известны как важные регуляторы женских репродуктивных функций, но также участвуют в регуляции скелетного гомеостаза, липидного и углеводного обмена, баланса электролитов, физиологии кожи, сердечно-сосудистой системы и центральной нервной системы. нервная система (Vrtačnik et al., 2014). Эстроген опосредует свои клеточные действия посредством множественных механизмов передачи сигналов эстрогена, а именно как ядерно инициируемый стероидный сигнал и инициируемый мембраной стероидный сигнал .В ядерном пути эстроген связывается с ядерными рецепторами, которые, в свою очередь, перемещаются в ядро ​​и напрямую взаимодействуют с хроматином в определенных последовательностях ДНК, известных как элементы ответа эстрогена (ERE), действуя как фактор транскрипции. С другой стороны, в мембранном пути рецепторы эстрогена или рецепторы E2, связанные с G-белком (GPER), обнаруженные в мембране, могут проявлять свое действие через активацию вторичных белков-мессенджеров для передачи сигнала эстрогена и осуществления физиологических изменений ( Фуэнтес и Сильвейра, 2019).Кроме того, передача сигналов эстрогена также тесно связана с другими важными регуляторными объектами, такими как эпигенетические механизмы, модификации гистонов, микроРНК и метилирование ДНК (Vrtačnik et al., 2014).

Регуляторная сеть и сеть белок-белкового взаимодействия этого пути состоят из 41 узла и 180 ребер и 87 узлов и 206 ребер, соответственно (Рисунок 3). Интересно, что никакие каталитические реакции не указаны как часть этого пути. Итак, у этого пути нет метаболической сети.Интегрированная сеть для сигнального пути эстрогена состоит из 133 узлов и 433 ребер. Мы исследовали перекрестные помехи между интегрированной сетью для пути передачи сигналов эстрогена и любого другого пути, свойственного человеку. Перекрестные помехи между двумя путями существуют, если они имеют хотя бы одну общую молекулу. Мы обнаружили перекрестные помехи с путем биосинтеза стероидного гормона, путем метаболизма инозитолфосфата, путем метаболизма бутаноата, путем метаболизма пурина, путем метаболизма аланина, аспартата и глутамата, путем метаболизма аргинина и пролина и сигнальной системой фосфатидилинозита.Полный набор этих подключений не представлен ни в одной из изолированных сетей и может быть изучен только в интегрированной сети, такой как построенная на этом исследовании.

Рисунок 3 . Различные подсети, связанные с передачей сигналов эстрогена, регуляцией и взаимодействием белков. Все сети получены от KEGG. (A) представляет интегрированную сеть со всеми тремя классами сети. (B) представляет регулирующую сеть. (C) изображает сеть белок-белкового взаимодействия.В пути KEGG нет каталитических реакций.

2.4. Всеобъемлющая сеть метаболизма человека

В этом исследовании мы интегрировали все типы молекулярных взаимодействий во всеобъемлющую сеть метаболизма человека. Мы построили неориентированную сеть метаболизма человека, включая все молекулярные взаимодействия, о которых сообщается в базе данных KEGG (Kanehisa and Goto, 2000; Kanehisa et al., 2014). Мы включили все взаимодействия, содержащиеся в любой изолированной сети. Кроме того, есть некоторые молекулярные взаимодействия, которые не включены ни в какой формализм и которые также были включены в нашу интегрированную сеть, например.g., связь между двумя ферментами, катализирующими последовательные реакции, и метаболическое взаимодействие между соединением и белком, когда взаимодействие не является частью ферментативной реакции (дополнительные рисунки 4, 5). Наша сеть состоит из 10 676 узлов (биомолекул) и 49 378 ребер (взаимодействий). Невзаимодействующие узлы не учитывались в дальнейших расчетах, поскольку они обычно не включаются в топологические меры и не участвуют в перекрестных помехах на пути (3553 узла) (рис. 4).Распределение степеней нашей интегрированной сети (рисунок 4) следует степенному распределению с α = 3,17 и σ = 0,13 (дополнительная таблица 4).

Рисунок 4 . Сеть молекулярных взаимодействий метаболизма человека – это весь набор молекулярных взаимодействий, представленных в базе данных KEGG для людей. Он состоит из 7123 неизолированных биомолекул и 49 378 взаимодействий (различных типов) между ними. Сетевые сообщества обозначены узлами одного цвета. На вставке показано распределение степеней в логарифмической шкале для сети метаболизма KEGG.

2,5. Модульность и структура сообщества

Модульная структура подразумевает, что сеть может быть разделена на модули (также называемые сообществами). Сетевые модули в общих чертах определяются как подсети, образованные наборами узлов (или вершин), которые более плотно связаны между собой, чем с остальной частью сети. Обычно считается, что такие полуавтономные (но не независимые) компоненты сети отвечают за функциональных возможностей в реальных сетях (Гирван и Ньюман, 2002; Ньюман и Гирван, 2004; Риоло и Ньюман, 2020).Часто эту функциональность можно проследить до полумеханистических и / или статистических объяснений. Так обстоит дело со статистическим анализом обогащения, выполненным в этой работе (Методы).

Мы определили сообщество или модульную структуру сети метаболизма человека с помощью алгоритма Infomap (Rosvall and Bergstrom, 2007, 2008; Rosvall et al., 2009) и рассчитали коэффициент модульности Ньюмана Q (см. Методы). Значимость модульной структуры оценивалась путем случайной перетасовки меток модулей (1000 реализаций).Мы обнаружили, что сеть метаболизма человека имеет высокомодульную структуру (рис. 5A), Ньюман sQ = 0,68 [ p – значение <1 E (-300)].

Рисунок 5 . Топологические особенности модульной структуры сети обмена веществ человека. (A) Распределение Q Ньюмана для нулевых моделей показано на вставке гистограммы. Нулевые модели были получены в результате перетасовки лейблов сообщества, 1000 реализаций.Пунктирная линия представляет значение Q Ньюмана, полученное из сети метаболизма человека. (B) Корреляция между размером модуля и количеством обогащенных, неизбыточных путей. Показана линейная регрессия, а также доверительные интервалы [0,95].

Мы исследовали, связана ли модульная структура с функцией, и в этом случае мы могли ожидать, что каждый модуль будет обогащен одним или несколькими связанными путями. Чтобы исследовать этот феномен, мы получили неизбыточные обогащенные пути на каждый модуль (см. Методы).Примечательно, что большинство модулей показали обогащение по одному или нескольким неизбыточным путям (247 из 321 модуля), а те, которые не представляли никакого обогащения, содержали очень мало элементов (рис. 5B). Пути определены аннотациями в биологических базах данных, таких как KEGG. Аннотации основаны на эмпирических доказательствах (иногда чрезвычайно подробных и уточненных, а иногда и нет) биомолекулярных взаимодействий между молекулами, связанных с биологическими функциями или фенотипами. Путь определяется как аннотация базы данных для набора узлов.Некоторые элементы могут принадлежать или не принадлежать одному модулю. Считается, что модуль содержит , обогащенный для данного пути, если он включает больше узлов пути, чем можно ожидать случайно (Rivals et al., 2007; Huang et al., 2009).

Более половины модулей представили обогащение только по одному пути (163 из 247, 66%). Более того, в случаях, когда имеется обогащение более чем для одного пути, существует тенденция к функциональной взаимосвязи между обогащенными путями.Функциональное обогащение пяти самых больших модулей показано на рисунке 6. Мы можем наблюдать, как модуль, содержащий ген GNAI1, обогащается несколькими путями нервной системы и передачей сигналов. С другой стороны, модуль, содержащий метаболит C00020, представляет статистически значимое обогащение почти исключительно по путям, обозначенным как метаболические. Информацию обо всех обогащениях можно найти в дополнительном файле 1. Тем не менее, мы обнаружили корреляцию между размером сообщества и количеством обогащенных путей [ρ = 0.83, p значение <2,2 E (-16)] (рисунок 5B). Мы наблюдали ту же тенденцию после повторения анализа с 95% усеченным распределением данных [ρ = 0,35, p – значение <2,2 E (-16)].

Рисунок 6 . Обогащенные пути для пяти самых больших модулей. Цветные кружки представляют каждый из пяти самых больших модулей. Размер круга пропорционален количеству узлов в каждом модуле.Каждый модуль связан с его обогащенными путями. Цвет проводящих путей связан с их функцией, которая была взята из функциональной классификации KEGG. Разные тона синего связаны с системами организма, разные тона зеленого связаны с метаболическими путями, разные тона красного и оранжевого связаны с заболеваниями человека, разные тона розового и пурпурного представляют широкую функциональную категорию обработки информации об окружающей среде. Каждый модуль назван как одна из содержащихся в нем молекул.

В качестве явного исключения мы обнаружили, что самый большой модуль (476 узлов) обогащен только двумя путями, это сообщество в основном посвящено пути обонятельной трансдукции (418 узлов). Это неудивительно, поскольку широко известно, что существует множество обонятельных рецепторов, функции и структура которых очень похожи (Zozulya et al., 2001).

2.6. Топологические и структурные особенности Giant Connected Component (GCC)

В сети обмена веществ человека 6894 узла (96.8% от общего числа связанных узлов, 64,6% всех аннотированных биомолекул) и 48 663 ребра (98,6% от общего числа взаимодействий) образуют GCC. Это означает, что подавляющее большинство взаимодействующих молекул (96,8%) и их взаимодействия (98,6%) в аннотированном метаболизме человека принадлежат единственному взаимосвязанному (взаимозависимому) компоненту. Как и для всей взаимосвязанной сети, мы исследовали, следует ли распределение степеней GCC степенному закону (рис. 7A). Мы обнаружили, что распределение по степенному закону с α = 3.17 и σ = 0,13 лучше всего подходят для наших данных (дополнительная таблица 4).

Рисунок 7 . Топологические и структурные особенности GCC. (A) представляет собой распределение степеней. (B) представляет собой распределение средней длины кратчайшего пути. (C) представляет совокупное распределение путей на ребро. (D) представляет корреляцию между количеством проводящих путей и промежуточностью краев; нанесена точка для каждого края GCC. Ось абсцисс соответствует его значению границы между ними, а ось ординат соответствует количеству путей, в которых существует это взаимодействие.Никаких закономерностей корреляции не наблюдается [ρ = -0,09, p – значение <2,2 E (-16)].

Длина кратчайшего пути определяется как кратчайшее расстояние между любыми двумя заданными узлами в сети. Этот показатель обычно коррелирует со скоростью информационного потока в любой сети. Распределение средней длины кратчайшего пути для GCC сильно смещено влево, почти все узлы могут достичь любого другого узла менее чем за 8 шагов (рисунок 7B).Этот результат указывает на то, что сеть метаболизма человека очень компактна, что может свидетельствовать о быстрой обработке информации во всем GCC.

Статистика промежуточности границ описывает, насколько важным является граница для связи во всей сети. Ребро может быть актуальным (i) если оно совместно используется несколькими путями, или (ii) если оно соединяет два или более центральных пути в сети. В GCC мы обнаружили, что 76,98% ребер принадлежат только одному пути и только 0.96% ребер принадлежат более чем 10 проводящим путям (рис. 7C). Тем не менее, мы обнаружили, что нет никакой линейной корреляции между расстоянием между ребрами и количеством путей на ребро [тест корреляции Спирмена ρ = -0,09, p – значение <2,2 E (-16), см. Рисунок 7D]. Это может означать, что ребра, которые более важны для передачи информации по сети, – это те, которые соединяют центральные пути.

Наконец, мы исследовали, имеет ли GCC структуру ядро-периферия (Csermely et al., 2013). Структура ядро-периферия относится к определенному типу модульности сети, в которой мы можем выделить узловых узлов , которые плотно взаимосвязаны в пределах одного или максимум нескольких ядер , тогда как так называемые периферийные узлы являются слабо взаимосвязаны между собой и с основным ядром или ядрами (Borgatti and Everett, 2000; Kojaku, Masuda, 2018; Tang et al., 2019).

Статистика центральности близости измеряет, насколько центральным является узел в сети.Таким образом, центральные и периферийные узлы должны иметь отличительные значения центральности близости. Мы рассчитали статистику центральности близости для каждого узла в GCC. Центральность по близости приблизительно соответствует нормальному распределению; пик на 0,27 соответствует узлам, обозначенным как обонятельные рецепторы (> 400 узлов). Мы заключаем, что нет очевидной структуры ядро-периферия, поскольку распределение в основном одномодальное. Структура ядро-периферия может быть подтверждена наличием двух хорошо дифференцированных мод в распределении центральности близости (дополнительный рисунок 6).

2.7. Избыточность и устойчивость, определяемые с точки зрения пути

Генетическая избыточность существует, когда есть два или более гена, которые выполняют одну и ту же молекулярную функцию, и поэтому инактивация одного из этих генов практически не влияет на фенотип (Nowak et al., 1997). Генетическая избыточность обеспечивает биологическую устойчивость. С системной точки зрения система является устойчивой, если она продолжает функционировать даже перед лицом внешних возмущений (Ungar, 2018). В этой работе мы исследовали функциональную избыточность и метаболическую устойчивость с точки зрения путей развития.Мы определили функциональную избыточность как наличие более чем одного перекрестного взаимодействия между двумя путями и метаболическую устойчивость как способность системы продолжать общаться между путями даже при наличии нарушений.

Биологические пути сообщаются друг с другом посредством перекрестных помех (Vert and Chory, 2011; de Anda-Jáuregui et al., 2019). Это общение может происходить, когда два пути имеют общие молекулы, такие как гены или метаболиты. В этой работе мы построили сеть путей (дополнительный рисунок 7).Мы соединили два пути, если у них есть хотя бы одна молекула. Результирующая сеть путей образована 293 путями и 13 654 путями перекрестных взаимодействий. Эта сеть чрезвычайно плотная со средней степенью 93 и диаметром сети 6.

Мы будем исследовать, представляет ли человеческий метаболизм функциональную избыточность, которая может быть переведена в метаболическую устойчивость к нарушениям. С молекулярной точки зрения эта устойчивость может быть получена за счет избыточности узлов, т.е.е., две молекулы, которые существуют в любых двух путях, или из-за избыточности края, то есть существования множественных взаимодействий, присутствующих в любых двух путях, которые могут перекрывать любую потерю функции. С глобальной точки зрения, метаболический процесс может демонстрировать устойчивость, если он может восстанавливаться после нарушений на уровне метаболических путей.

2,8. Анализ сети путей

Чтобы проанализировать степень устойчивости сети путей человека к возмущениям в сети молекулярного взаимодействия метаболизма, мы выполнили перколяционный анализ (см. Методы).Молекулярная сеть была нарушена удалением либо (i) ребер, упорядоченных по убывающим значениям расстояния между ребрами, (ii) узлов, упорядоченных по убывающим значениям степени узлов, и (iii) узлов, выбранных случайным образом. Для каждой итерации мы создали соответствующую сеть путей и рассчитали количество компонентов, количество ребер, среднюю степень, количество узлов (путей) и среднюю длину кратчайшего пути. Вся эта статистика была рассчитана с учетом только неизолированных путей.

Мы можем наблюдать (рис. 8), что количество ребер в сети путей (перекрестные помехи на путях) отражает количество ребер в сети молекулярных взаимодействий; он показывает либо линейное уменьшение, либо экспоненциальное уменьшение, когда удаляются 100 ребер, отсортированных по расстоянию между ребрами, или когда удаляются 20 узлов, отсортированных по степени, соответственно. Однако мы можем наблюдать, что сеть довольно стабильна благодаря удалению ребер, отсортированных по релевантности. Удаление первых 20 000 и первых 40 000 молекулярных связей верхнего края (одна треть и две трети молекулярных связей) приводит к изоляции только 29 и 129 путей от сети путей соответственно (9.9 и 44% путей). Происходит резкое структурное нарушение, напоминающее фазовый переход, примерно на 45 000 удаленных краях (то есть, когда было удалено 9-0% краев), на что указывает резкое увеличение количества компонентов и резкое увеличение средняя длина кратчайшего пути.

Рисунок 8 . Перколяция GCC. Результаты анализа перколяции с удалением ребер, упорядоченных по убыванию значений расстояния между ребрами (A) , узлов, упорядоченных по убыванию значений степени узла (B), и узлов, выбранных случайным образом (C) .Каждый график показывает либо количество удаленных ребер (A) , либо удаленных узлов (B, C) из сети молекулярных взаимодействий по оси X, а также количество компонентов, количество ребер, среднюю степень, количество узлов (путей) и средней длины кратчайшего пути сети путей по оси Y для каждой итерации (сверху вниз).

Это поведение также наблюдается, когда мы удаляем узлы случайным образом; сеть путей разбита на более чем два компонента, пока не будет удалено около 5000 узлов (из 7123, 70%), что означает, что сеть путей очень устойчива к удалению случайных узлов на молекулярном уровне.Однако это поведение резко меняется, когда мы удаляем узлы, упорядоченные по степени. В этом случае количество путей, включенных в сеть путей, линейно уменьшается, и сеть разрушается, когда 2000 узлов (28%) были устранены, о чем свидетельствует увеличение числа компонентов и увеличение длины кратчайшего пути. В момент, когда было удалено 3000 узлов, сеть путей была разбита на более чем 20 компонентов, а когда было удалено 6080 узлов, не существовало взаимодействующих путей.

Этот результат указывает на то, что сеть маршрутов является сильно избыточной и устойчивой к случайным сбоям на уровне узла и даже к целевым сбоям, возмущениям на граничном уровне; однако он уязвим для целевых возмущений на уровне узла.

Чтобы проверить чувствительность наших результатов, была построена нулевая модель путем перестановки краев, сохраняя фиксированное распределение связности. Из этого анализа мы видим, что общие тенденции, о которых сообщается в отношении отказоустойчивого поведения сети на основе KEGG, все еще присутствуют (дополнительный рисунок 14).Чтобы учесть эффекты разного распределения связности и разного размера, мы построили три дополнительные нулевые модели. Для каждой нулевой модели мы построили сеть путей и выполнили анализ перколяции. Мы протестировали случайную сеть Эрдеш-Реньи того же размера, что и наша сеть KEGG, безмасштабируемую сеть Барабаши-Альберта в 1,5 раза больше, чем сеть KEGG, и безмасштабируемую сеть Барабаши-Альберта в 2 раза больше, чем сеть KEGG. Мы можем заметить, что в целом наши результаты надежны и не присутствуют в нулевых моделях, хотя можно заметить размерный эффект (дополнительные рисунки 15–17).

3. Обсуждение

Метаболизм состоит из серии тесно взаимосвязанных процессов, в которых различные типы биомолекул взаимодействуют и реагируют друг с другом. Изучение интегрированной сети метаболизма важно для того, чтобы пролить свет на соответствующие аспекты структурной организации и передачи информации по этой сети.

Наше исследование впервые объединяет три типа биологических сетей человека. Эта интеграция позволяет изучить более полную сеть метаболизма человека, о чем свидетельствует пример сигнального пути эстрогена.В этом примере только часть процессов пути представлена ​​в каждой изолированной сети, и по крайней мере восемь перекрестных помех между сигнальным путем эстрогена и метаболизмом человека не могли бы наблюдаться, если бы были изучены только изолированные сети.

В сети модули (также известные как сообщества) – это группы узлов, для которых характерно большее количество взаимодействий между ними, чем с любой другой группой узлов. В биологических сетях модули связаны с функциональными единицами, в частности с белковыми комплексами или динамическими функциональными единицами, такими как сигнальные каскады или петли регуляции клеточного цикла (Ravasz et al., 2002; Спирин, Мирный, 2003). Мы обнаружили, что в случае интегрированной сети метаболизма человека модули также связаны с функцией. Более половины модулей демонстрируют функциональное обогащение только по одному пути. Более того, если модуль представляет собой значительное обогащение нескольких путей, они, как правило, функционально связаны.

Длина кратчайшего пути обычно используется в качестве меры эффективности информационного потока в сети (Ye et al., 2010). Биологические сети ранее описывались как сети небольшого мира, поскольку их распределение связности приблизительно подчиняется степенному закону (Jeong et al., 2000; Yu et al., 2004; Оума и др., 2018). Ожидается, что из-за своего маленького мира средняя длина кратчайшего пути будет довольно маленькой по сравнению с количеством узлов во всей сети, и ожидается, что она будет медленно увеличиваться в зависимости от количества узлов в сети. В случае комплексной, экспериментально подтвержденной сети белок-белковых взаимодействий человека, состоящей из 1613 узлов, средняя длина кратчайшего пути составила 4,85 (Stelzl et al., 2005). С другой стороны, геномные данные были использованы для реконструкции метаболических сетей для 80 различных организмов; размер этих сетей составлял от 200 до 1000 узлов.Средняя длина кратчайшего пути для каждой области жизни составляла 9,57, 8,50 и 7,73 для эукариот, архей и бактерий соответственно (Ma and Zeng, 2003). В нашей интегрированной сети, состоящей из 7123 узлов, мы нашли среднюю длину кратчайшего пути 5,6. Это число аналогично предыдущим отчетам по сетям белок-белкового взаимодействия и ниже, чем то, которое сообщалось для метаболических сетей. Однако это низкая оценка с учетом количества узлов сети. Среднее расстояние между генами было предложено как показатель функционального родства.Однако некоторые исследования показали, что средняя длина кратчайшего пути между генами, связанными с конкретным заболеванием, определяется степенью выбранных генов и не зависит от их функции (Embar et al., 2016).

Промежуток между гранями определяется как количество кратчайших путей между узлами, которые проходят вдоль каждого ребра (Girvan and Newman, 2002). Если через край проходит большое количество кратчайших путей, у этого края будет большое расстояние между краями (центральные края). В сети эти центральные ребра обычно представляют собой мостовые соединители между различными частями сети, и они являются наиболее эффективным способом передачи информации между различными регионами сети.Удаление самых центральных краев применялось для идентификации модульной структуры биологических сетей (Dunn et al., 2005; Yoon et al., 2006). В метаболизме реакция или взаимодействие между двумя молекулами может быть центральным, потому что это взаимодействие присутствует в большом количестве путей, соединяющих все молекулы между такими путями, или потому, что этот центральный край соединяет пути, которые являются центральными в метаболизме. Мы обнаружили, что расстояние между ребрами не связано с количеством путей на ребро, что предполагает, что ребра, более релевантные для передачи информации по сети, – это те, которые соединяют центральные пути.

Устойчивость – неотъемлемая черта биологических систем, поскольку живые организмы должны эффективно реагировать на возмущения. Функциональное резервирование часто используется для достижения такой стабильности. Это явление может быть достигнуто с помощью различных генов, выполняющих одну и ту же функцию, или путем обширного перекрестного взаимодействия между путями, которое устраняет недостаток какой-либо конкретной молекулы. Было обнаружено, что доля генов, которые могут быть удалены из организма без нарушения скорости роста, значительно варьируется в зависимости от пути гена.В массовом исследовании по поиску дефектов роста, вызванных сверхэкспрессией, вызванной промотором GAL1, только 15% мишеней представляли обнаруживаемый дефект роста (Sopko et al., 2006), в то время как 25-30 и 76% генов-мишеней в случае путь клеточного цикла и путь HOG продуцируют фенотип задержки роста (Moriya et al., 2006; Krantz et al., 2009). С другой стороны, некоторые исследования обнаружили обширные перекрестные помехи между путями. В исследовании, в котором участвовали все пути, которые пересекаются с сигнальным путем эстрогена, 1400 из 3217 молекул, участвующих в событиях перекрестных помех, были общими для более чем двух путей (de Anda-Jáuregui et al., 2015). Однако то, как возмущения на молекулярном уровне транслируются в сеть путей, ранее не изучалось.

Интеграция всех типов сетей суммирует дополнительную информацию в построении сети путей, как мы наблюдали в пути передачи сигналов эстрогена. В этом примере количество путей, обнаруженных в сети путей, варьируется от 71, когда рассматривается только метаболическая сеть, до 196, когда рассматривается только сеть межбелкового взаимодействия.Это означает, что в лучшем случае перекрестные помехи между 67% (196 из 293) всех путей могут быть изучены, если анализируется только одна изолированная сеть.

Наконец, наши результаты показывают, что сеть путей в высшей степени избыточна и устойчива к случайным возмущениям на уровне узлов в молекулярной сети и даже к целевым возмущениям на краевом уровне в молекулярной сети. Однако сеть путей довольно уязвима для целевых возмущений на уровне узла в молекулярной сети.Эти результаты предполагают, что лучшими кандидатами-мишенями для разрушения сети путей, разъединяющих определенные пути, будут наиболее связанные молекулы. Минимальное количество узлов, которые следует удалить, чтобы изолировать определенный путь, можно получить из сети путей, построенной на основе этого исследования. Мы твердо уверены, что подробные знания полной топологической и функциональной структуры сети метаболизма человека улучшат наше понимание основ устойчивости и краткосрочных адаптивных процессов до беспрецедентного уровня, а также откроют новые системные подходы к молекулярной терапии.

4. Материалы и методы

4.1. Сбор и обработка данных

Данные о взаимодействии и функциональной эквивалентности были загружены из базы данных KEGG через KEGG API. В анализ были включены только человеческие пути ( N = 317, исключая путь метаболических путей ). Молекулы и взаимодействия были извлечены из файлов кг / мл, ортологи не включены. Молекулы с функциональной избыточностью были извлечены из файлов conf .Все молекулы были переведены в символы NCBI и ENSEMBL ID с использованием базы данных NCBI Gene и ENSEMBL Biomart для GRCh48.p12.

4.2. Реконструкция сети взаимодействия KEGG с метаболизмом человека и соответствующих биологических сетей

Файл объемом кг / мл описывает все взаимодействия и реакции, образующие определенный путь. Он содержит все ферментативные реакции, указывающие на субстрат, продукт и фермент, участвующие в каждой реакции, а также несколько типов отношений между биомолекулами: (1) отношения между ферментами, которые катализируют последовательные реакции, (2) белок-белковые взаимодействия, (3) ) отношения между фактором транскрипции и его генами-мишенями; (4) взаимодействия белок-соединение и (5) белковые комплексы.Все эти взаимодействия были получены из каждого файла объемом кг / мл с использованием специально созданного сценария Python для . Типы и подтипы взаимодействий были определены на основе отношения KEGG и классификации объектов. Если две молекулы были описаны как функционально дублирующие в соответствующем файле conf , все взаимодействия, связанные с первой молекулой, дублировались и назначались второй молекуле. Таким образом, была создана неориентированная сеть с метаболитами или генами в качестве узлов и белково-белковыми, регуляторными и метаболическими взаимодействиями в качестве ребер.Каждое взаимодействие было помечено списком путей, в которых оно проявляется.

Для создания соответствующих биологических сетей были сохранены только определенные типы взаимодействий. TRN: только отношения между фактором транскрипции и его генами-мишенями; MN: только ферментативные реакции и PPN: белок-белковые взаимодействия и белковые комплексы.

4.3. Топологический и статистический анализ

Анализ сообщества был выполнен с использованием алгоритма уравнения карты, оптимизирующего двухуровневое разделение сети и включающего собственные ссылки.Коэффициент модульности был рассчитан с использованием Q Ньюмана, определенного как:

Q = 12m∑vw [Avw-kvkw2m] δ (cv, cw)

, где m – количество ребер, A vw – элемент матрицы смежности A в строке v и столбце w , k v – это степень v , k w – степень w , c v – тип (или компонент) v , c w значение w , а δ ( c v , c w ) равно 1, если v = w и 0 в противном случае.Нулевая модель была создана путем перестановки меток сообщества ( N = 1000). Значительно обогащенные пути для каждого сообщества были получены с помощью точного теста Фишера.

Пакет Cytoscape Network Analyzer использовался для расчета степени ненаправленности и центральности близости на узел, длины кратчайшего пути между каждой парой узлов и расстояния между ребрами на ребро сети метаболизма.

Чтобы оценить, следует ли распределение степеней степенному закону.Мы получили степень соответствия наших данных степенным, экспоненциальным, логнормальным и усеченным степенным распределениям (Clauset et al., 2007; Alstott and Bullmore, 2014). Мы оценили степень согласия степенного распределения, сравнивая его с любым другим спорным распределением.

4.4. Определение избыточных путей и расширенного теста для сообщества

Был проведен тест обогащения, чтобы найти значительно обогащенные пути на модуль. Было рассчитано общее количество элементов на модуль и на путь.Для каждого модуля были получены все пути, представленные по крайней мере одним узлом, и был проведен точный тест Фишера для проверки значимости обогащения. Два пути считались избыточными, если более 70% молекул наименьшего пути содержалось в наибольшем. Этот порог был выбран, поскольку он представляет собой хороший компромисс между уменьшением избыточности путей, но сохранением биологической информации (дополнительные рисунки 8–13). В случае дублирующих путей только самый большой оставался для дальнейшего анализа.Поправка Бонферрони использовалась для исправления путем многократного тестирования.

4.5. Анализ сети путей

Мы построили сеть путей из молекулярной сети. Сеть путей была построена путем соединения двух путей, если выполняется любое из следующих двух условий: (i) два пути имеют один (или несколько) общих узлов (молекул) или (ii) два пути имеют один (или несколько) общие края. Чтобы выполнить анализ перколяции, мы рассмотрели весь набор ребер в сети, упорядоченный по убывающим значениям расстояния между ребрами.Перколяционный анализ выполнен:

1. Удаление 100 верхних граничных промежуточных взаимодействий из сети молекулярных взаимодействий

2. Пересчет параметров сети: количество подключенных путей, количество взаимодействий, количество компонентов сети, средняя степень, средняя длина кратчайшего пути

3. Повторение.

Молекулярная сеть была нарушена удалением либо (i) 100 ребер, упорядоченных по убывающим значениям расстояния между ребрами, (ii) 20 узлов, упорядоченных по убывающим значениям степени узлов, и (iii) 50 узлов, выбранных случайным образом (30 реализаций).

Пакет networkx в Python использовался для построения сетей с нулевой моделью (Hagberg et al., 2008). Функция double_edge_swap использовалась для замены краев; количество ребер в нашей сети KEGG было взято за количество свопов, а количество попыток было взято как десятикратное количество ребер; Было создано 20 случайных сетей. Функция gnm_random_graph использовалась для создания сети Эрдеша-Реньи; количество узлов и ребер было установлено равным количеству узлов и ребер в нашей сети KEGG; Было создано 10 случайных сетей.Функция barabasi_albert_graph использовалась для создания безмасштабной сети Барабаши-Альберта. Количество узлов было установлено равным 1,5 или 2,0 раза больше количества узлов в нашей сети KEGG. Количество ребер, создаваемых для каждого дополнительного узла, было установлено таким, чтобы количество ребер в конечной сети было в 1,5 или 2 раза больше количества ребер в нашей сети. Были созданы по 3 случайные сети каждого типа. Для каждой из этих молекулярных сетей была создана сеть путей и проведен анализ перколяции, как описано ранее.

4.6. Доступность данных

Мы загрузили получившуюся сеть в наш репозиторий Github https://github.com/CSB-IG/KEGG-IntegratedNetwork вместе с соответствующим исходным кодом.

4.7. Глоссарий

Мы включили глоссарий в дополнительную информацию.

5. Объем и ограничения

5.1. Аннотации и полнота данных

Настоящее исследование основано на исчерпывающем анализе молекулярных взаимодействий, о которых сообщается в базе данных Киотской энциклопедии генов и геномов (KEGG), тщательно отобранном и хорошо аннотированном ресурсе данных для аннотации путей.Однако стоит отметить, что это не означает полный . И что все результаты и выводы, сделанные на основе анализа этой (или любой другой доступной в настоящее время) базы данных, зависят от неполной аннотации. Другими словами, для многих явлений (например, тот факт, что в нашей сети человеческого метаболизма есть некоторые небольшие компоненты, которые не связаны с главным гигантским связанным компонентом сети), отсутствие свидетельств не обязательно означает свидетельства наличия отсутствие.

Как обсуждалось ранее, дополнительным ограничением этой работы является то, что KEGG является одним из нескольких ресурсов базы данных для аннотации метаболических и биомолекулярных клеточных процессов. Другие базы данных более широкие (например, STRING), более крупные (например, REACTOME) или специализированные (Recon3D). Однако причина использования KEGG заключается в том, что его взаимодействия более строго контролируются, чем STRING или REACTOME (фактически, STRING использует аннотации KEGG в качестве своего золотого стандарта для подтвержденных взаимодействий; Szklarczyk et al., 2019) и содержит взаимодействия помимо чисто метаболических. В случае Recon3D, как мы уже упоминали, он дает гораздо более подробное описание биологической функции, чем у путей , как обычно понимается. Действительно, уровень детализации ReconMaps превосходит любые базы данных путей / биопроцессов у людей. Например, Recon3D представляет информацию о пространственной и контекстной компартментализации, которая выходит за рамки нашей настоящей работы. По своей конструкции база данных KEGG, на которой основана эта работа, не разделяет биомолекулы на клеточные компартменты или компоненты.

Это действительно один из самых больших недостатков KEGG по сравнению с подробным контекстно-зависимым отображением, используемым такими подходами, как Recon3D. В этом смысле мы можем рассматривать его как одно отделение. Однако взаимодействия отображаются в соответствии с контекстами или экземплярами, в которых они происходят. Например, метаболические процессы, расположенные в клеточной мембране, как описано в KEGG, сопоставляют молекулы, такие как ионные каналы, лиганды, рецепторы и их взаимодействия вместе, даже если не дается явного упоминания их фактического местоположения или структуры, в отличие от подробные карты Recon3D.Следовательно, в рамках данной работы явное разделение не рассматривается. По мере того, как эти другие базы данных продолжают развиваться, может возникнуть необходимость в дальнейшем включении их в анализ, такой как тот, который представлен здесь.

Мы можем заметить, что в целом наши результаты надежны и отсутствуют в нулевых моделях (см. Раздел Анализ сети путей ), хотя можно заметить размерный эффект, который, хотя и не делает наши результаты недействительными, выделяет Пункт о том, как прогрессивное аннотирование баз данных в будущем может повлиять на выводы нашего исследования.

5.2. Интеграция различных типов сетей

Что касается нашей интеграции различных сетей, связанных с метаболизмом, мы назвали наш подход сетью человеческого метаболизма вместо человеческой метаболической сети для устранения неоднозначности между этими двумя типами сетей. Наше обоснование таково: различие между метаболическими путями и другими сигнальными, транскрипционными и общими молекулярными путями концептуально полезно для изучения некоторых свойств метаболизма, таких как биохимическая кинетика и метаболические потоки.Однако это может немного ввести в заблуждение, если кто-то пытается понять весь набор биопроцессов в организме. Метаболические пути часто запускаются посредством передачи сигналов, как экзогенных, так и эндогенных, и могут включать транскрипционные процессы либо вверх, либо вниз по течению, либо в рамках их метаболической активности. Ряд взаимодействий с участием белковых комплексов и молекулярных машин необходим для выполнения метаболических (а также сигнальных и транскрипционных) ответов.

Принимая во внимание эти факты, разделение различных молекулярных сетей по их типу элементов или по направленности (или ее отсутствию) их взаимодействий дает частичное представление.Честно говоря, эта точка зрения была чрезвычайно полезной и изучалась в прошлом с большим успехом. Мы решили начать изучать способы интеграции этих разрозненных источников знаний. Нам известно, что эта работа все еще представляет собой первоначальное исследование проблемы. В настоящее время разрабатываются надлежащие математические методы для интеграции различных типов сетей, а также основы для понимания биологии этих интегрированных моделей. Некоторые из них связаны с так называемыми многомерными подходами.

Заявление о доступности данных

В данном исследовании были проанализированы общедоступные наборы данных. Эти данные можно найти по адресу: https://www.genome.jp/kegg/pathway.html.

Авторские взносы

EH-L и LG-R задумали проект. EH-L руководила и курировала проект. Компания LG-R разработала и разработала вычислительную стратегию. LG-R и KL-R реализовали процедуры поиска кода и базы данных, а также провели расчеты и проверку. KL-R, LG-R и EH-L проанализировали результаты.Все авторы прочитали и одобрили окончательную рукопись.

Финансирование

Эта работа была поддержана Consejo Nacional de Ciencia y Tecnología [SEP-CONACYT-2016-285544 и FRONTERAS-2017-2115] и Национальным институтом геномной медицины, Мексика. Дополнительную поддержку предоставила Национальная лаборатория де Сьенсиас де ла Компледжидад из Национального автономного университета Мексики. KL-R имеет степень магистра. студент программы Maestría y Doctorado en Ciencias Bioquímicas, Национальный автономный университет Мексики (UNAM) и получил стипендию от CONACYT (грант № 482302).EH-L является стипендиатом стипендии Маркоса Мошинского в области физических наук 2016 года.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Дополнительные материалы

Дополнительные материалы к этой статье можно найти в Интернете по адресу: https://www.frontiersin.org/articles/10.3389/fphys.2020.588012/full#supplementary-material

Список литературы

Basler, G., Николоски, З., Лархлими, А., Барабаши, А.-Л., и Лю, Ю.-Й. (2016). Контроль потоков в метаболических сетях. Genome Res. 26, 956–968. DOI: 10.1101 / gr.202648.115

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Бидхори, Г., Бенфейтас, Р., Клевстиг, М., Чжан, К., Нильсен, Дж., Улен, М., и др. (2018). Стратификация гепатоцеллюлярной карциномы на основе метаболической сети выявляет три различных подтипа опухоли. Proc. Natl. Акад. Sci. США 115, E11874 – E11883.DOI: 10.1073 / pnas.1807305115

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Боргатти, С. П., и Эверетт, М. Г. (2000). Модели структур ядра / периферии. Soc. Netw. 21, 375–395. DOI: 10.1016 / S0378-8733 (99) 00019-2

CrossRef Полный текст | Google Scholar

Клаузет А., Шализи К. и Ньюман М. (2007). Степенные распределения в эмпирических данных. SIAM 41, 661–703. DOI: 10.1137 / 070710111

CrossRef Полный текст | Google Scholar

Коста, Л.Д. Ф., Родригес Ф. А. и Кристино А. С. (2008). Сложные сети: ключ к системной биологии. Genet. Мол. Биол. 31, 591–601. DOI: 10.1590 / S1415-47572008000400001

CrossRef Полный текст | Google Scholar

Cottret, L., Frainay, C., Chazalviel, M., Cabanettes, F., Gloaguen, Y., Camenen, E., et al. (2018). Metexplore: совместное издание и исследование метаболических сетей. Nucleic Acids Res. 46, W495 – W502. DOI: 10.1093 / nar / gky301

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Коверт, М.В., Сяо, Н., Чен, Т. Дж., И Карр, Дж. Р. (2008). Интеграция моделей метаболизма, регуляции транскрипции и передачи сигнала в Escherichia coli . Биоинформатика 24, 2044–2050. DOI: 10.1093 / биоинформатика / btn352

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Csermely, P., London, A., Wu, L.-Y., and Uzzi, B. (2013). Структура и динамика основных / периферийных сетей. J. Complex Netw. 1, 93–123. DOI: 10.1093 / comnet / cnt016

CrossRef Полный текст | Google Scholar

де Анда-Хауреги, Г., Го, К., МакГрегор, Б.А., Фельдман, Э.Л., и Хур, Дж. (2019). Моделирование сети возмущений перекрестных помех для идентификации изменений связности, вызванных диабетической невропатией и пиоглитазоном. BMC Syst. Биол. 13: 1. DOI: 10.1186 / s12918-019-0707-x

CrossRef Полный текст | Google Scholar

де Анда-Хауреги, Г., Мехиа-Педроса, Р. А., Эспиналь-Энрикес, Х., и Эрнандес-Лемус, Э. (2015). События перекрестного взаимодействия в сигнальном пути эстрогена могут влиять на эффективность тамоксифена при молекулярных подтипах рака молочной железы. Comput. Биол. Chem. 59, 42–54. DOI: 10.1016 / j.compbiolchem.2015.07.004

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Дуарте, Н. К., Беккер, С. А., Джамшиди, Н., Тиле, И., Мо, М. Л., Во, Т. Д. и др. (2007). Глобальная реконструкция метаболической сети человека на основе геномных и библиомических данных. Proc. Natl. Акад. Sci.U.S.A. 104, 1777–1782. DOI: 10.1073 / pnas.0610772104

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Данн, Р., Дадбридж, Ф., и Сандерсон, К. М. (2005). Использование кластеризации на стыке для исследования биологической функции в сетях взаимодействия белков. BMC Bioinformatics 6:39. DOI: 10.1186 / 1471-2105-6-39

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Эмбар В., Ханден А. и Ганапатхираджу М. К. (2016). Является ли средняя длина кратчайшего пути набора генов отражением их биологического родства? J. Bioinform. Comput. Биол. 14: 1660002.DOI: 10.1142 / S0219720016600027

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Фабрегат А., Юп С., Мэтьюз Л., Сидиропулос К., Гиллеспи М., Гарапати П. и др. (2018). База знаний по реактивным путям. Nucleic Acids Res. 46, D649 – D655. DOI: 10.1093 / nar / gkx1132

CrossRef Полный текст | Google Scholar

Фишер, К. П., Плант, Н. Дж., Мур, Дж. Б., и Кежек, А. М. (2013). Qsspn: динамическое моделирование сетей молекулярных взаимодействий, описывающих регуляцию генов, передачу сигналов и метаболизм целых клеток в клетках человека. Биоинформатика 29, 3181–3190. DOI: 10.1093 / биоинформатика / btt552

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Го, З.-Х., Чен, Л., и Чжао, X. (2018). Метод сетевой интеграции для расшифровки типов метаболических путей химических веществ с разнородной информацией. Комб. Chem. Экран с высокой пропускной способностью. 21, 670–680. DOI: 10.2174/1386207322666181206112641

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Хагберг, А., Сварт, П., и С. Чалт, Д. (2008). Изучение структуры, динамики и функций сети с помощью Networkx . Технический отчет, Национальная лаборатория Лос-Аламоса. (LANL), Лос-Аламос, Нью-Мексико, США.

Google Scholar

Herrgård, M. J., Lee, B.-S., Portnoy, V., and Palsson, B. Ø. (2006). Комплексный анализ регуляторных и метаболических сетей выявляет новые регуляторные механизмы у Saccharomyces cerevisiae . Genome Res. 16, 627–635. DOI: 10,1101 / гр.4083206

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Хуанг Д. В., Шерман Б. Т. и Лемпицки Р. А. (2009). Инструменты обогащения биоинформатики: пути к всестороннему функциональному анализу больших списков генов. Nucleic Acids Res. 37, 1–13. DOI: 10.1093 / nar / gkn923

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Джассал, Б., Мэтьюз, Л., Витери, Г., Гонг, К., Лоренте, П., Фабрегат, А. и др. (2020). База знаний по реактивным путям. Nucleic Acids Res. 48, D498 – D503. DOI: 10.1093 / nar / gkz1031

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Канехиса М., Фурумичи М., Танабэ М., Сато Ю. и Моришима К. (2017). Кегг: новые взгляды на геномы, пути, болезни и лекарства. Nucleic Acids Res. 45, D353 – D361. DOI: 10.1093 / nar / gkw1092

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Канехиса, М., Гото, С., Сато, Ю., Кавасима, М., Фурумичи, М., и Танабе, М. (2014). Данные, информация, знания и принципы: вернемся к метаболизму в кегге. Nucleic Acids Res. 42, D199 – D205. DOI: 10.1093 / nar / gkt1076

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Коджаку, С., Масуда, Н. (2018). Структура ядро-периферия требует чего-то еще в сети. New J. Phys. 20: 043012. DOI: 10.1088 / 1367-2630 / aab547

CrossRef Полный текст | Google Scholar

Кранц, М., Ahmadpour, D., Ottosson, L.-G., Warringer, J., Waltermann, C., Nordlander, B., et al. (2009). Устойчивость и хрупкость пути передачи сигнала дрожжевого глицерина с высокой осмолярностью. Мол. Syst. Биол. 5: 281. DOI: 10.1038 / msb.2009.36

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Кришнан К. К., Курт З., Баррере-Каин Р., Сабир С., Дас А., Флойд Р. и др. (2018). Объединение многопрофильных данных из панели разнообразия мышей подчеркивает митохондриальную дисфункцию при неалкогольной жировой болезни печени. Cell Syst. 6, 103–115. DOI: 10.1016 / j.cels.2017.12.006

CrossRef Полный текст | Google Scholar

Ли, Д.-С., Пак, Дж., Кей, К., Христакис, Н.А., Олтвай, З., и Барабаши, А.-Л. (2008). Влияние топологии метаболической сети человека на сопутствующие заболевания. Proc. Natl. Акад. Sci. США 105, 9880–9885. DOI: 10.1073 / pnas.0802208105

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Ма, Х., Цзэн, А.-П.(2003). Реконструкция метаболических сетей по данным генома и анализ их глобальной структуры для различных организмов. Биоинформатика 19, 270–277. DOI: 10.1093 / биоинформатика / 19.2.270

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Ма, С., Минч, К. Дж., Рустад, Т. Р., Хоббс, С., Чжоу, С.-Л., Шерман, Д. Р. и др. (2015). Интегрированное моделирование регуляторных и метаболических сетей генов у Mycobacterium tuberculosis . PLoS Comput.Биол. 11: e1004543. DOI: 10.1371 / journal.pcbi.1004543

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Мория Х., Симидзу-Ёсида Ю. и Китано Х. (2006). Анализ устойчивости in vivo генов цикла деления клеток в Saccharomyces cerevisiae . PLoS Genet. 2: e218. DOI: 10.1371 / journal.pgen.0020111

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Оума, В. З., Погакар, К., и Гротевольд, Э.(2018). Топологический и статистический анализ сетей регуляции генов показывает объединяющие, но количественно различные эмерджентные свойства. PLoS Comput. Биол. 14: e1006098. DOI: 10.1371 / journal.pcbi.1006098

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Pirhaji, L., Milani, P., Leidl, M., Curran, T., Avila-Pacheco, J., Clish, C. B., et al. (2016). Выявление связанных с заболеванием путей путем сетевой интеграции нецелевой метаболомики. Nat.Методы 13, 770–776. DOI: 10.1038 / nmeth.3940

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Равас, Э., Сомера, А. Л., Монгру, Д. А., Олтвай, З. Н., и Барабаши, А.-Л. (2002). Иерархическая организация модульности в метаболических сетях. Наука 297, 1551–1555. DOI: 10.1126 / science.1073374

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Rivals, I., Personnaz, L., Taing, L., and Potier, M.-C. (2007).Обогащение или истощение категории го в классе генов: какой тест? Биоинформатика 23, 401–407. DOI: 10.1093 / биоинформатика / btl633

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Росвалл М., Аксельссон Д. и Бергстром К. Т. (2009). Уравнение карты. Eur. Phys. J. Spec. Верхний. 178, 13–23. DOI: 10.1140 / epjst / e2010-01179-1

CrossRef Полный текст | Google Scholar

Росвалл М. и Бергстром К. Т. (2007).Теоретико-информационная структура для решения структуры сообщества в сложных сетях. Proc. Natl. Акад. Sci. США 104, 7327–7331. DOI: 10.1073 / pnas.0611034104

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Росвалл М. и Бергстром К. Т. (2008). Карты случайных блужданий по сложным сетям показывают структуру сообщества. Proc. Natl. Акад. Sci. США 105, 1118–1123. DOI: 10.1073 / pnas.0706851105

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Шрамм, Г., Surmann, E.-M., Wiesberg, S., Oswald, M., Reinelt, G., Eils, R., et al. (2010). Анализ регуляции метаболических путей при раке груди человека. BMC Med. Геномика 3:39. DOI: 10.1186 / 1755-8794-3-39

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Шэнь, X., Ван, Р., Сюн, X., Инь, Й., Цай, Й., Ма, З. и др. (2019). Аннотации рекурсивных метаболитов на основе сети метаболических реакций для нецелевой метаболомики. Nat. Commun. 10, 1–14.DOI: 10.1038 / s41467-019-09550-x

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Сопко Р., Хуанг Д., Престон Н., Чуа Г., Папп Б., Кафадар К. и др. (2006). Картирование путей и фенотипов с помощью систематической сверхэкспрессии генов. Мол. Ячейка 21, 319–330. DOI: 10.1016 / j.molcel.2005.12.011

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Stelzl, U., Worm, U., Lalowski, M., Haenig, C., Brembeck, F.H., Goehler, H., и другие. (2005). Сеть белок-белкового взаимодействия человека: ресурс для аннотирования протеома. Cell 122, 957–968. DOI: 10.1016 / j.cell.2005.08.029

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Шкларчик Д., Гейбл А. Л., Лион Д., Юнге А., Вайдер С., Уэрта-Сепас Дж. И др. (2019). Строка v11: сети белковых ассоциаций с расширенным охватом, поддерживающие функциональные открытия в общегеномных экспериментальных наборах данных. Nucleic Acids Res. 47, D607 – D613. DOI: 10.1093 / nar / gky1131

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Тан В., Чжао, Л., Лю, В., Лю, Ю., и Янь, Б. (2019). «Недавний прогресс в обнаружении структуры ядро-периферия: обзор», в CCF Transactions on Pervasive Computing and Interaction , ред. З. Ю. и А. Дей (Цюрих: Springer Nature), 1–15. DOI: 10.1007 / s42486-019-00016-z

CrossRef Полный текст | Google Scholar

Верт, Г., Чори, Дж.(2011). Перекрестные помехи в сотовой передаче сигналов: фоновый шум или реальное явление? Dev. Ячейка 21, 985–991. DOI: 10.1016 / j.devcel.2011.11.006

CrossRef Полный текст | Google Scholar

Е, К., Ву, Б., и Ван, Б. (2010). «Распределение расстояний и оценка средней длины кратчайшего пути в реальных сетях», в International Conference on Advanced Data Mining and Applications (Chongqing: Springer), 322–333.

Google Scholar

Юн, Дж., Блумер, А., и Ли, К. (2006). Алгоритм анализа модульности направленных и взвешенных биологических сетей, основанный на центральности границ. Биоинформатика 22, 3106–3108. DOI: 10.1093 / биоинформатика / btl533

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Ю. Х., Гринбаум Д., Лу Х. Х., Чжу Х. и Герштейн М. (2004). Геномный анализ существенности в белковых сетях. Trends Genet. 20, 227–231. DOI: 10.1016 / j.tig.2004.04.008

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Выносливость человека имеет метаболический предел

Исследователи, изучающие диапазон спортивной выносливости, количественно определили максимальный выход энергии, который может выдержать человек, и обнаружили, что он ниже, чем предыдущие оценки.

Этот «потолок энергии», который, как выяснили ученые, является общим для всех изученных ими видов упражнений на выносливость, в 2,5 раза превышает скорость метаболизма человека в состоянии покоя, или примерно 4000 килокалорий.Результаты опубликованы в выпуске журнала Science Advances от 5 июня.

«При любой рабочей нагрузке, превышающей этот предел, – сказал автор исследования Герман Понцер, профессор эволюционной антропологии и глобального здоровья в Университете Дьюка, – мы не можем восполнять количество сжигаемого топлива каждый день, и мы теряем вес. Мы можем сделать это за некоторое время, но не бесконечно “.

При нагрузках, превышающих этот предел, люди начинают сжигать важные запасы жира, которые они не могут своевременно восполнить.

«Если вы не пополняете запасы топлива каждый день, вы медленно голодаете», – сказал соавтор исследования Джон Спикман, профессор Китайской академии наук в Пекине и Университета Абердина в Шотландии.

Несмотря на то, что существует значительный исследовательский интерес к пределам устойчивого расхода энергии для людей, исследования, которые изучали это, различаются по своим результатам, и несколько исследований явно изучали, как расход энергии изменяется в зависимости от продолжительности события.

«Предыдущая мысль заключалась в том, что велосипедисты Тур де Франс отражают устойчивый предел [максимальной выработки энергии], но в этих исследованиях не учитывались все доступные данные, не проводилась количественная оценка потери веса по сравнению с выносливостью и не рассматривались длительные соревнования. дольше, чем 20-дневный тур “, – сказал Понцер.«Это первое исследование, в котором подробно рассматривается взаимосвязь между максимальной выносливостью и продолжительностью и используются эти измерения для определения пределов человеческой выносливости».

«Изучать экстремальные явления сложно, – сказал Понцер. «И трудно найти много субъектов, которые выходят за рамки».

В исследовании его группы использовался иной подход, чем в прошлой работе, он объединял несколько небольших исследований, чтобы предоставить гораздо больший набор данных для оценки.

Понцер и его коллеги собрали опубликованные измерения среднего расхода энергии и скорости метаболизма для человеческих соревнований на выносливость, включая марафоны, Тур де Франс, плавание, арктические походы и беременность.

Они также включили оригинальные данные гонки через США (RAUSA), самого продолжительного события на сегодняшний день, с которого были записаны измерения метаболизма. В этом изнурительном мероприятии спортсмены бегут из Хантингтон-Бич, Калифорния, в Вашингтон, округ Колумбия, преодолевая примерно марафон в день, шесть дней в неделю, в течение 14-20 недель.

«Объединив всю предыдущую работу с нашими собственными мерами, – сказал Понцер, – мы смогли увидеть больше».

Группа также учла так называемый «метаболический объем», который касается естественно большего максимального расхода энергии у более тяжелых людей.

«Способ [обойти это] состоит в том, чтобы измерить, сколько человек тратит, когда они отдыхают – что также больше у более крупных людей, – а затем разделить, сколько они тратят, когда они работают на максимуме, на количество отдыхающих», – сказал Спикмен.

Изучение объема метаболизма помогло его команде лучше понять, когда потеря веса у спортсменов, участвующих в соревнованиях на выносливость, была связана со сжиганием жира, что не является устойчивым изо дня в день.

Ранее ученые предполагали, что пороги выработки энергии человеком в четыре-пять раз превышают метаболизм человека в состоянии покоя.Но «как мы показали, [эти] люди медленно теряют жировые отложения при таких темпах расходов, и, следовательно, этот темп не является устойчивым», – сказал Спикмен.

Согласно новым результатам Pontzer, Speakman и его коллег, люди во всех соревнованиях на выносливость имеют один и тот же максимум расхода энергии: в 2,5 раза больше их метаболической активности в состоянии покоя.

Авторы говорят, что этот общий потолок предполагает, что естественный отбор, улучшивший одну из способностей к выносливости, например бег, мог, следовательно, принести пользу многим другим видам деятельности человека, таким как продолжительность беременности.

Эти виды деятельности задействуют разные группы мышц и системы органов, но, по-видимому, объединены одним и тем же контролем за потреблением энергии.

«Развитие большей способности к выносливости повысило бы метаболические пределы для других важных задач, таких как беременность», – сказал Понцер. «С другой стороны, возможно, что эволюционное давление, направленное на увеличение инвестиций во время беременности, могло повысить выносливость».

Понцер сказал, что эти связи были неожиданными, но «забавным открытием и захватывающим направлением для будущих исследований.«

Исследователи обнаружили, что уровень метаболизма у людей сильно различается в зависимости от продолжительности соревнований на выносливость, при этом высокий уровень метаболизма сопровождается снижением общих затрат энергии. Это явление помогло, в частности, спортсменам RAUSA завершить свое особенно долгое и изнурительное мероприятие.

Похоже, что у тел спортсменов RAUSA скорректированный энергетический баланс, сказал Спикман. «Это как если у вас есть зарплата в 100 долларов в день, вы просто не можете потратить 120 долларов», – пояснил он.«Если ваши предметы первой необходимости стоят 75 долларов, ваши дополнительные возможности для развлечений составляют 25 долларов. Если вы хотите потратить 50 долларов на развлечения, вы можете сделать это, только сократив 75 долларов на предметы первой необходимости».

«Это то, что сделали сотрудники RAUSA. Они сократили свои другие расходы примерно на 600 килокалорий, чтобы продолжать работать в рамках установленного лимита», – добавил Спикман. «В настоящее время мы не знаем, каковы будут последствия этого».

[Кредит для связанного изображения: Брайс Карлсон]

Биохимическая характеристика глюконокиназы человека и предполагаемое метаболическое воздействие глюконовой кислоты, определенное с помощью анализа метаболической сети на основе ограничений

Abstract

Метаболизм глюконата хорошо охарактеризован у прокариот, где, как известно, он разлагается после фосфорилирования глюконокиназой.О метаболизме глюконата у человека известно меньше. Активность глюконокиназы человека была недавно обнаружена, что ставит под сомнение метаболическую роль глюконата у людей. Здесь мы сообщаем о рекомбинантной экспрессии, очистке и биохимических характеристиках изоформы I глюконокиназы человека наряду с субстратной специфичностью и кинетическими анализами реакции, катализируемой ферментом. Фермент, представленный димером, имел АТФ-зависимую активность фосфорилирования и строгую специфичность в отношении глюконата из 122 протестированных субстратов.Чтобы оценить метаболическое воздействие глюконата на человека, мы смоделировали метаболизм глюконата, используя анализ метаболической сети в устойчивом состоянии. Результаты показывают, что значительные изменения метаболического потока в анаболических путях, связанных с шунтом гексозо-монофосфата (HMS), вызываются небольшим увеличением концентрации глюконата. Мы утверждаем, что фермент принимает участие в специфическом для контекста маршруте потока углерода в HMS, который у людей остается не полностью изученным. Помимо биохимического описания глюконокиназы человека, результаты подчеркивают, что мало что известно о механизме метаболизма глюконата у людей, несмотря на его широкое использование в медицине и потребительских товарах.

Образец цитирования: Rohatgi N, Nielsen TK, Bjørn SP, Axelsson I, Paglia G, Voldborg BG, et al. (2014) Биохимическая характеристика глюконокиназы человека и предполагаемое метаболическое воздействие глюконовой кислоты, определенное с помощью анализа метаболической сети на основе ограничений. PLoS ONE 9 (6): e98760. https://doi.org/10.1371/journal.pone.0098760

Редактор: Марк Р. Малдун, Манчестерский университет, Великобритания

Поступила: 19 декабря 2013 г .; Принята к печати: 6 мая 2014 г .; Опубликован: 4 июня 2014 г.

Авторские права: © 2014 Rohatgi et al.Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Финансирование: Эта работа была поддержана грантом Европейского исследовательского совета No. 232816. Спонсоры не играли никакой роли в дизайне исследования, сборе и анализе данных.

Конкурирующие интересы: Авторы заявили об отсутствии конкурирующих интересов.

Введение

Глюконат представляет собой окисленное производное глюкозы С-1, широко распространенное в природе и обычно используемое в качестве регулятора кислотности как в пищевых продуктах, так и в лекарствах [1]. Глюконат является отличным хелатирующим агентом для ионов кальция, а глюконат кальция часто вводят внутривенно, чтобы регулировать внутривенные уровни Ca 2+ . Хотя эта клиническая мера, несомненно, направлена ​​на восполнение Ca 2+ , глюконат и его химический аналог глюконолактон, против которого он находится в химическом равновесии, на самом деле, как было показано, проявляют антиоксидантные свойства и приводят к повышению уровня глутатиона в плазме [2].Снижение уровня глюконата в плазме также связано с болезнью Альцгеймера [3] и повышенным окислительным стрессом [4].

Недавно мы подчеркнули, что метаболизм глюконата у людей не учитывается при использовании подхода к заполнению пропусков вычислительной сети метаболической сети человека Recon 1. Катаболизм глюконата, как было вычислено, происходит через фосфорилирование глюконата с образованием 6-фосфоглюконата, который затем может подвергаться дальнейшей деградации посредством гексозо-монофосфатный шунт (ГМС) через 6-фосфоглюконатдегидрогеназу [5].Этот катаболический путь действительно имеет место при перфузии печени крыс [6] и соответствует хорошо изученным путям разложения глюконата в микроорганизмах. Они включают метаболизм через (I) прямую интернализацию из окружающей среды, (II) преобразование из L-идоновой кислоты или (III) путем прямого окисления глюкозы через глюконо-1,5-лактон [7] – [9]. Ключевым ферментом во всех путях деградации глюконата является глюконокиназа (GntK), которая фосфорилирует глюконат в положении C-6, тем самым инициируя его катаболизм через HMS или путь Энтнера-Дудорова у прокариот.

Человеческий ген C9orf103 был идентифицирован с помощью усилий по заполнению пропусков метаболической сети Recon 1 и путем выравнивания аминокислотных последовательностей как вероятная киназа, ответственная за начальный этап катаболизма глюконата у людей [5]. C9orf103 был ранее клонирован и секвенирован в связи с тем, что он является вероятным геном-супрессором опухоли, связанным с острым миелоидным лейкозом [10]. In vitro анализы изоформ I и II C9orf103, экспрессируемых в лизатах клеток HeLa человека, показали, что только изоформа I имела АТФ-зависимую активность фосфорилирования, согласующуюся с отсутствием домена фосфатсвязывающей петли в изоформе II.Изоформа I демонстрирует 35% сходство последовательностей с обеими GntK, кодируемыми в геноме E.coli . Определяющим структурным различием является вставка из 18 аминокислот, которая обнаруживается в различных киназах NMP, которые имеют структуру белка, аналогичную структуре белка E.coli GntK, многие из которых известны и действуют на широкий спектр субстратов [5], [11] ( Рисунок 1A ).

Рисунок 1. Структурное сравнение человеческого GntK и E.coli GntK.

A ) Структурная модель iTasser [44] человеческого GntK (голубой), наложенная на E.coli GntK (пурпурный), с которой он показывает 34% гомологии последовательности. 18 лет назад вставка, наблюдаемая в человеческом GntK, предположительно образует выступающую α-спираль. B ) SDS-PAGE очищенного человеческого GntK по сравнению с E.coli GntK. C ) Наблюдали олигомеризацию человеческого GntK в виде множественных белковых димеров. D ) Картина ионизации (вставка) и масс-спектр после деконволюции очищенного человеческого GntK E ) Спектры кругового дихроизма двух белков указывают на аналогичную третичную структуру.

https://doi.org/10.1371/journal.pone.0098760.g001

Интересно наличие функционального человеческого GntK. Публично доступные наборы данных по экспрессии и протеомному профилированию показывают, что человеческий GntK по-разному экспрессируется в щитовидной железе и головном мозге среди других тканей [12], [13]. Это подразумевает неизвестную или расширенную роль белка за пределами предполагаемой катаболической роли в почках и печени млекопитающих. Прямое окисление глюкозы с образованием глюконата обычно не происходит у людей, когда фосфорилирование предшествует стадии окисления.За исключением диетического происхождения, метаболическое происхождение глюконата у людей остается неизвестным. Однако представление о том, что активность GntK закодирована в геноме человека, подчеркивает путь потока углерода в HMS с возможными последствиями для энергетического метаболизма человека, учитывая центральную роль, которую этот путь играет в синтезе жирных кислот, нуклеотидов и аминокислот и в борьбе с окислительным стрессом [ 14]. Чтобы дополнительно охарактеризовать метаболизм человеческого GntK и глюконата, мы сообщаем об экспрессии, кинетической характеристике и субстратной специфичности рекомбинантной изоформы I человеческого GntK, экспрессируемой в E.coli . Кроме того, мы оценили вклад глюконата в центральный метаболизм человека с помощью моделирования на основе ограничений специально подобранной метаболической модели эритроцитов iARB-RBC-283 [15] и обсудили его влияние на метаболизм человека.

Экспериментальная

Экспрессия и очистка

Клонирование экспрессии и очистку C9orf103 проводили в Центре исследования белков Копенгагенского университета. Изоформа I C9orf103 (BI826543, IMAGE ID: 5168613) была вставлена ​​в собственный вектор экспрессии pCPR0011 ниже аффинных тегов 6xHIS и STREPII, генерирующих pCPR_GNTK-1, который после подтверждения последовательности трансформировали в клетки Rosetta.Клон инокулировали в 50 мл среды TB с канамицином (50 мкг / мл) и хлорамфениколом (25 мкг / мл) и инкубировали в течение ночи при 37 ° C при 180 об / мин. 7 мл ночной культуры добавляли к 750 мл среды с канамицином (50 мкг / мл) и индуцировали экспрессию 0,5 мМ IPTG при приблизительно OD 600 = 1,5. Затем клетки дополнительно инкубировали при 18 ° C в течение ночи и собирали центрифугированием при 4000 g в течение 10 мин (OD культуры 600 = 13,5 при сборе). В результате культивирования объемом 4,5 л получился осадок клеток массой 110 г, который хранили при -20 ° C до очистки, после чего его разморозили, ресуспендировали в 400 мл рабочего буфера (50 мМ фосфат натрия, 0.3 мМ NaCl, 10 мМ имидазол, 10% глицерин и 0,5 мМ TCEP при pH 7,5), содержащие ингибиторы протеаз и бензоназу, и лизировали с использованием френч-пресса. Лизат очищали центрифугированием при 18000 g в течение 30 минут, фильтровали через фильтр 0,22 мкм и пропускали через колонку Nickel HiTrap при скорости потока 0,8 мл / мин. Белок элюировали с колонки рабочим буфером, содержащим 0,5 М имидазол. После диализа и концентрирования элюат дополнительно очищали с использованием 120-мл гель-фильтрационной колонки HiLoad 16/60 superdex 200, элюируя 50 мМ фосфатом натрия, 150 мМ NaCl, 10% глицерином, 0.5 мМ TCEP, pH 7,5. Фракции по 2 мл собирали и образцы объединяли, получая 14 мл 5,8 мг / мл белка с использованием рассчитанного молярного коэффициента поглощения 22461 лмоль -1 см. Фермент разделяли на аликвоты и хранили при -80 ° C в 50 мМ фосфате натрия, 150 мМ. NaCl, 10% глицерин и 0,5 мМ TCEP при pH 7,5. PAGE проводили на гелях NuPAGE 12% Bis-tris и гелях NativePAGE 4–16% Bis-Tris с использованием предварительно окрашенных белковых маркеров Novex Sharp и неокрашенных нативных маркеров NativeMark в качестве маркеров размера, соответственно.Аликвоты белка удаляли при температуре -80 ° C и размораживали на льду перед ферментными анализами. Потери активности не наблюдали после хранения при 4 ° C в течение двух недель.

Круговой дихроизм

Образцы, содержащие ферменты GntK человека, подвергали диализу в 100 мМ фосфата, 40 мМ NaCl, 2,5 мМ MgCl. 2 , pH 7,2, и спектрометр A J-810 CD от Jasco (Токио, Япония) использовали для получения спектров КД от 190 до 260. нм. Для экспериментов с Tm сигнал CD при 222 нм отслеживали при повышении температуры на 1 ° C / мин.Концентрация белка находилась в диапазоне 0,05–0,1 мг / мл.

Кинетические анализы

Скорость фосфорилирования глюконата оценивали путем связывания активности GntK с активностью окисления 6-фосфоглюконата 6-фосфоглюконатдегидрогеназой (6PGDH, Megazyme) и мониторинга увеличения поглощения при 340 нм с течением времени, соответствующего накоплению NADPH. Анализы проводили в 100 мМ фосфате, 40 мМ NaCl, 2,5 мМ MgCl 2 pH 7,2 (буфер A) с учетом анализов, описанных Leder [16].Глюконокиназа поддерживалась на уровне 0,25 мкМ. На реакцию использовали 0,03 единицы 6PGDH. Конечная концентрация АТФ составляла 1 мМ, а концентрация глюконата варьировалась от 0,1 до 10 мМ для определения кинетических параметров глюконата, но для АТФ наоборот. Концентрация NADP + составляла 0,65 мМ. Реакции инициировали добавлением целевого субстрата. Реакции проводили в 96-луночных прозрачных планшетах с плоским дном, и значения оптической плотности коррелировали с концентрацией НАДФН путем экстраполяции со стандартной кривой для свежеразведенного НАДФН.Начальные скорости реакции получали из кривых хода реакции и наносили на график в зависимости от концентрации субстрата, и полученные данные соответствовали модели Михаэлиса Ментен с использованием Softmax Pro. Показанные значения представляют собой средние значения из шести биологических повторностей, выполненных в трех технических повторностях.

Анализ специфичности субстрата

Реакции проводили в 96-луночных планшетах в буфере А с концентрацией лиганда 0,5 мМ, АТФ 0,1 мМ и GntK человека 250 нМ в общем объеме 50 мкл.После 30-минутной инкубации при комнатной температуре АТФ-зависимое фосфорилирование субстратов человеческим GntK оценивали путем измерения падения концентрации АТФ с использованием анализа Promega Cell Titer Glo в соответствии с протоколом производителей. Данные представлены как разница в люминесценции, полученной для подложки из средней люминесценции всех соединений. Файл S1 дает значения люминесценции в каждой реакции, вычтенные из отсутствия контрольной люминесценции GlcnK, а также рассчитанные z-значения и p-значения для каждого соединения [17].

Моделирование поглощения метаболизма глюконата эритроцитами

Моделирование метаболизма глюконата было выполнено с использованием метаболической модели эритроцитов iARB-RBC-283 [15], доступной в базе данных биомоделей как MODEL1106080000. iARB-RBC-283 – это метаболическая модель в масштабе генома, созданная и отредактированная путем анализа литературы по эритроцитам и протеомных наборов эритроцитов. Он представляет собой наиболее полное представление метаболизма эритроцитов человека в формате SBML и состоит из 283 генов, 267 уникальных малых метаболитов и 469 реакций.Глюконат был введен в модель iARB-RBC-283 путем добавления трех реакций, а именно для обмена, транспорта и для превращения D-глюконата в 6-фосфо-D-глюконат с использованием набора инструментов COBRA [18]. Важно отметить, что добавление обменных и транспортных реакций осуществляется только для того, чтобы ввести глюконат в метаболическую сеть, чтобы можно было моделировать влияние изменяющейся внутриклеточной концентрации глюконата на метаболизм. Анализ изменчивости потока (FVA) использовался для определения изменений потока в реакциях в сети.FVA вычисляет максимально и минимально возможный поток через каждую реакцию при заданных ограничениях [19]. Реакция считалась осуществленной, если изменение диапазона потока при потреблении глюконата было равно или больше 40% диапазона потока в отсутствие глюконата [15]. Диапазон потоков – это абсолютная разница между максимальным и минимальным потоками реакции. Результаты анализа изменчивости потока представлены в File S1 вместе с рассчитанными теневыми ценами каждой реакции в iARB-RBC-283 в присутствии и в отсутствие добавленных реакций глюконата.Скрытые цены – это индикатор того, как метаболит влияет на поставленную цель, которая должна быть максимизирована или минимизирована [20]. Также приводится анализ баланса потока после ослабления каждой границы транспортной реакции. Весь анализ свойств метаболической сети проводился с использованием набора инструментов COBRA v.2.0 [18]. Аббревиатуры всех метаболитов соответствуют базе данных BiGG [21].

Результаты

Характеристика человеческого GntK

Человеческий GntK был сверхэкспрессирован и очищен, как описано в материалах и методах.Векторная конструкция экспрессировала белковый продукт из 208 а.о. по сравнению с 187 г. остаток белка дикого типа из-за N-концевого гексагистидина и меток стрептококка. SDS-PAGE показал, что белок имеет чистоту более 95% и мигрировал в той же степени, что и коммерчески доступный E.coli GntK ( Рисунок 1, B ). Оба они были иммуногенными по отношению к поликлональному антителу против GntK человека. Основная полоса мигрировала с наблюдаемой молекулярной массой 21 825 ± 0,7 Да, имеющей расчетную массу 23 326 Да.Это хорошо соответствует результату масс-спектрометрии 23 325,2 Да (, рис. 1С, ). Нативный гель-электрофорез показал, что белок существует в виде димеров и олигомеризуется как таковой. Расчетная молекулярная масса двух наиболее заметных полос на дорожках 4 и 5 в , фиг. 1D, составляла 41,785 ± 1,9 кДа и 85,03 ± 3,3 кДа, что соответствует димеру и тетрамеру GntK. E.coli GntK аналогичным образом наблюдали за олигомеризацией в виде множества димеров, и было показано, что он существует в виде гомодимера в растворе [8].Спектры кругового дихроизма, индикатора вторичной структуры белка [22], рекомбинантных форм обоих GntK были подобны. Наблюдались определяющие отрицательные полосы при 208 нм и 222 нм, указывающие на α-спиральную структуру, хотя различия наблюдались в их интенсивности, указывающие на конформационные различия. Отрицательная полоса наблюдалась в GntK человека при 200 нм, которая не наблюдалась в GntK E.coli , различие, которое было аккредитовано для неструктурированной N-концевой области, содержащей метки His и Strep.

Кинетика GntK

Кинетику стационарного состояния GntK исследовали путем связывания образования 6-фосфоглюконата с потреблением 6-фосфоглюконатдегидрогеназой и измерения результирующего увеличения образования НАДФН спектрофотометрически при 340 нм (, рис. 2, ). Начальные скорости были рассчитаны и нанесены на график в зависимости от концентрации субстрата, и полученные данные соответствовали уравнению Михаэлиса Ментен. Двойной обратный график начальных скоростей реакции при различных концентрациях глюконата и АТФ, соответственно, показан на фиг. , рис. 2В, .Экспериментальные кинетические параметры фосфорилирования глюконата приведены в Таблица 1 . Сродство GntK к глюконату было примерно в 3 раза выше, чем для АТФ, в то время как число оборотов для обоих субстратов было одинаковым. Наблюдалось фосфорилирование глюконата нуклеозидтрифосфатами GTP, CTP и UTP. Кинетические параметры для них точно не определены. Однако исходные данные о скорости предполагают, что константа Михаэлиса для UTP примерно на пять порядков выше, чем у ATP, и на десять порядков выше для GTP и CTP.Гидролиз нуклеотидов в отсутствие глюконата не обнаружен.

Рисунок 2. Кинетика реакции фосфорилирования глюконата человеческим GntK.

A ) Кривые развития реакции при увеличении концентрации глюконата. Начальные уровни были нанесены на график в зависимости от концентраций субстрата и подогнаны к модели Михаэлиса Ментен с использованием нелинейной регрессии для получения кинетических параметров, показанных в Таблица 1 . B ) Двойное обратное представление кинетических данных.

https://doi.org/10.1371/journal.pone.0098760.g002

Субстратная специфичность GntK

Аннотации C9orf103, кодирующие активность GntK, были дополнительно протестированы путем исследования субстрат-зависимого фосфорилирования АТФ против собственной метаболической библиотеки, состоящей из широкого спектра метаболитов, участвующих в основном метаболизме ( Рисунок 3 ). После инкубации человеческого GntK с субстратами при фиксированной концентрации АТФ падение концентрации АТФ определяли спектрофотометрически.Фермент показал небольшую активность по сравнению с фоновой для любого из тестируемых субстратов, кроме глюконата и глюконо-1,5-лактона. В этот список были включены двадцать пять углеводно-углеводных конъюгатов и двадцать четыре органических кислоты, включая известные субстраты близкородственных углеводных киназ [23], такие как D-рибулоза, мезоэритроза и глицерин. Полный список всех проверенных соединений приведен в файле File S1 .

Рисунок 3. Человеческий GntK показал строгую субстратную специфичность для D-глюконата из 122 общих метаболитов, участвующих в основном метаболизме человека.

Активность наблюдалась только для D-глюконата и его лактонового производного. Они рассчитали p-значения 9,5 × 10 −17 и 3,4 × 10 −12 на основе Z-баллов −8,2 и −6,7 соответственно. На круговой диаграмме показано количество протестированных соединений в соответствии с их классом таксономии.

https://doi.org/10.1371/journal.pone.0098760.g003

Влияние глюконата на основной метаболизм

Анализ вариабельности потока модели метаболизма эритроцитов iAB-RBC-283 [15] был использован для оценки изменений метаболизма ядра клетки, вызванных деградацией глюконата.Глюконат подавали в ГМС через 6-фосфоглюконат путем ослабления ограничений при обмене на глюконат при фиксированной скорости поглощения глюкозы 1,12 ммоль / гДВт / ч [24]. Это привело к увеличению потока на 0,06 ммоль / гДВт / ч через АТФ-зависимый насос Na 2+ / K + , который был установлен в качестве целевой функции. Поток через GntK составлял 0,20–4,46 ммоль / гДВт / ч. Увеличение диапазона потоков всех реакций как в HMS, так и в гликолизе также наблюдалось при поглощении глюконата (, рис. 4a, ).Соответственно, продукция НАДФН увеличивалась, что, в свою очередь, увеличивало продукцию восстановленного глутатиона и поток через реакции, связанные с метаболизмом жирных кислот в модели. Поскольку гликолиз взаимосвязан с HMS, это также привело к увеличению продукции пирувата и лактата. Фактически, диапазоны потоков для примерно 80% всех реакций в метаболической сети были нарушены при метаболизме глюконата более чем на 40% от исходного диапазона потока в отсутствие глюконата. Из реакций, показывающих изменение диапазонов потоков, несколько реакций были активированы в присутствии глюконата, что означает, что поток через эти реакции не происходит до метаболизма глюконата в метаболической модели ( Рисунок 4b, ).

Рис. 4. Моделирование вклада глюконата в основной метаболизм.

A ) На метаболический поток через гликолиз и HMS влияет потребление глюконата (желтый) через GntK. Две добавленные реакции (серый цвет) подают глюконат в HMS, как описано в тексте. Реакции в HMS и гликолизе с измененными диапазонами потока при поглощении глюконата обозначены толщиной стрелки, как определено в File S1 . Аббревиатуры метаболитов соответствуют базе данных BiGG. B ) Анализ изменчивости потока показал изменения в диапазонах потоков 329 из 416 реакций в модели RBC после включения глюконата. 56 различных реакций, которые не были должным образом определены в модели, были удалены из этого графика для упрощения графика. Деградация глюконата также активировала реакции, которые в противном случае не переносили бы потока из-за ограничений, налагаемых потоком в HMS через глюкозо-6-фосфатдегидрогеназу, которая текла при физиологическом потреблении 5-10% глюкозы.

https://doi.org/10.1371/journal.pone.0098760.g004

Влияние потока GntK на цель было исследовано дополнительно с использованием анализа устойчивости. Анализ баланса потока выполнялся при форсированной и возрастающей скорости (0–20 ммоль / гДВт / час) поглощения глюконата при фиксированной скорости поглощения глюкозы 1,12 ммоль / гДВт / час [24] (, рис. 5, ). Как и ожидалось, на основе анализа FVA, объективный максимум был достигнут при потоке 0,2 ммоль / гДВт / ч через GntK, что составляет примерно 18% от установленной скорости поглощения глюкозы.Увеличение скорости потока GntK выше 4,5 ммоль / гДВт / ч привело к резкому снижению цели, поскольку метаболиты, необходимые для катаболизма глюконата, стали ограниченными из-за физиологически обусловленных ограничений модели [24]. Чтобы точно определить эти метаболиты, мы рассчитали скрытые цены для каждого метаболита в метаболической сети в присутствии и в отсутствие глюконата ( File S1 ). В отсутствие глюконата 89 из 267 уникальных метаболитов в составе iAB-RBC-283 оказали влияние на поток через АТФ-зависимый насос Na 2+ / K + , в то время как в присутствии глюконата это число снижалось до 10.Все эти метаболиты в конечном итоге были связаны либо с транспортом / обменом бикарбоната (бикарбонат, хлорид, калий, билирубин моноглюкуронид, билирубин, биливердин и моноксид углерода), либо с синтезом глутатиона (L-цистеин, γ-L-глутамил-L-цистеин и глицин) и стал ограничивающим из-за повышенных уровней НАДФН и углекислого газа, образующихся в результате катаболизма глюконата.

Рис. 5. Анализ устойчивости потока глюконата через GntK по сравнению с насосом-транспортером Na 2+ / K + в качестве цели в iAB-RBC-283.

При добавлении глюконата наблюдалось небольшое увеличение потока через насос-транспортер Na 2+ / K + , который затем становился постоянным до скорости потока глюконата 4,5 ммоль / гДВт / ч. Это привело к увеличению (определяемому как> 40%) диапазона потоков множественных реакций в iAB-RBC-283. При скорости потока GntK выше 4,5 ммоль / гДВт / ч обмен бикарбоната становится ограничивающим, и в результате поток через насос транспортера Na 2+ / K + падает. Рисунок на вставке такой же, как и выше, но с измененным масштабом.

https://doi.org/10.1371/journal.pone.0098760.g005

Дальнейшее исследование ограничивающего фактора метаболизма глюконата было выполнено путем ослабления границ, ограничивающих каждую обменную реакцию, с последующим анализом вариабельности потока ( файл S1 ). В отсутствие глюконата, всего 7 реакций, включая обмен глюкозы, галактозы, глюкозамина, маннозы, фруктозы, инозина и аденозина, влияли на целевую функцию. Однако в присутствии глюконата протекала только одна реакция, а именно бикарбонатный обмен.Результаты моделирования показывают, что метаболизм глюконата через HMS компенсирует вышеупомянутые метаболиты. Это происходит до тех пор, пока транспорт бикарбоната, образованного из повышенных уровней углекислого газа, который, в свою очередь, происходит из-за повышенной активности дегидрогеназы, не ограничивает метаболизм.

Обсуждение

Метаболизм глюконата хорошо изучен у микроорганизмов благодаря усилиям биоинженерии по увеличению производства глюконата для промышленности. На людях были проведены исследования, которые показали, что это соединение безопасно и разлагается посредством основных метаболических путей [25].Важно отметить, что Стеттен продемонстрировал, что глюконат метаболизируется иначе, чем глюкоза у крыс, и способствует выработке гликогена и CO 2 [6]. Однако у людей метаболизм глюконата остается недостаточно изученным в свете его потенциальной роли в метаболизме. Молекулярные детали метаболизма глюконата и то, как он может способствовать энергетическому метаболизму, у людей не изучены. Здесь мы использовали комбинированный подход, состоящий из традиционных методов молекулярной биологии и компьютерного сетевого моделирования, чтобы получить информацию о метаболизме GntK и глюконата у людей, соответственно.Мы охарактеризовали изоформу I человеческого GntK с точки зрения структуры, кинетических свойств и специфичности к субстрату. Анализ метаболической сети, призванный дать представление о вкладе глюконата в основной метаболизм, был выполнен на шкале генома метаболической сети iAB-RBC-283, охватывающей метаболизм эритроцитов. Они показывают, что комбинированный метаболизм глюкозы и глюконата может оказывать благотворное влияние на анаболизм клеток.

Изоформа I человеческого GntK была охарактеризована с точки зрения структуры, кинетических свойств и субстратной специфичности.Денатурирующий гель-электрофорез и масс-спектрометрия подтвердили чистоту и идентичность рекомбинантного фермента, который, как было показано, соответствует структуре димера с использованием нативного гель-электрофореза (, фиг. 1, ). Действительно, известно, что многие из углеводных киназ, включая глицеринкиназу, шикиматкиназу, ксилулокиназу и GntK, активны в виде димеров [23], и это, по-видимому, относится также и к человеческому GntK. 18 лет назад вставка, обнаруженная в GntK человека, которая, вероятно, является определяющим структурным различием между GntK человека и прокариотическим GntK, поэтому не влияет на свойства димеризации фермента.Это соответствует предложению электронной структуры человеческого GntK, указывающему на то, что вставка расположена далеко от границы взаимодействия димеров белка. Мы получили спектры КД – метод определения вторичной структуры белков [22]. Спектры КД GntK и E.coli GntK предоставили дополнительное подтверждение структурного сходства и предположили, что фермент, скорее всего, придерживается структуры и топологии α / β, решенных для E.coli GntK. Однако требуются более сфокусированные методы структурной биологии для вывода тонких деталей структуры человеческого GntK.

Помимо неродственных GntK, человеческий GntK демонстрирует сходство последовательностей с различными киназами NMP, которые, как известно, катализируют фосфорилирование широкого диапазона субстратов [11]. Мы обнаружили, что рекомбинантный человеческий GntK показал строгую субстратную специфичность для глюконата. АТФ-зависимая активность фосфорилирования наблюдалась также для глюконо-1,5-лактона, поскольку он находится в равновесии с глюконатом в водных условиях. Фермент был неактивен в отношении гексоз D-глюкозы, D-галактозы, D-фруктозы, D-маннозы и D-глюкозамина.Подобным образом не наблюдали активности против пентоз D-рибозы, D-рибулозы, D-арабинозы, D-ксилулозы, D-ксилозы и D-эритрозы. Наконец, не наблюдали активности против различных полиолов и карбоновых кислот, которые отличаются от глюконата длиной углеродной цепи и степенью насыщения. Ранее для свиного GntK анализ субстратной специфичности был сосредоточен на соединениях, сходных по структуре с глюконатом. Субстраты, испытанные в данном исследовании, были структурно более разнообразными. Эти результаты опровергают автоматические электронные аннотации этого фермента, обладающего активностью шикиматкиназы и аденилаткиназы, и подразумевают, что активность фосфорилирования человеческого GntK действительно специфична для глюконата.Это согласуется с выводами для hog GntK [16] и ограничениями на связывание с субстратом, вытекающими из кристаллической структуры, решенной для E.coli GntK [11].

Расчетная константа Михаэлиса, полученная для человеческого GntK по отношению к глюконату, была аналогична найденной для свиного GntK, K m = 140 мкМ, но выше, чем у E.coli GntK, K m = 20 мкМ [8], [9]. Однако соотношение K mglcn / K mATP аналогично между человеческим GntK и E.coli GntK, 3,2 против 3,0 и подразумевает, что динамика реакции схожа для этих ферментов. Цифры оборота как для глюконата, так и для АТФ были почти идентичны (, таблица 1, ), однако каталитическая эффективность ( k cat / K m ) для глюконата была немного выше, чем для ATP, что свидетельствует о последовательном механизме реакции. . Однако порядок связывания субстрата не был определен. Механизм реакции для GntK из E.coli и S.pombe , и хотя оба обнаружили, что реакция происходит через переходное состояние после последовательного связывания, порядок связывания субстратов был предложен упорядоченным для E.coli GntK, а не случайным для S. pombe GntK. Представленные здесь результаты не позволяют определить механизм реакции человеческого GntK. Подробный отчет о кинетике и термодинамике реакции человеческого GntK будет представлен отдельно.

Единственный зарегистрированный путь деградации глюконата у позвоночных – через HMS [16], [26], [27].Чтобы оценить, как глюконат способствует глобальному метаболизму, его деградация через HMS была смоделирована с использованием FVA метаболической модели эритроцитов iAB-RBC-283. Хотя человеческие модели метаболизма в масштабе клеточного и тканевого масштаба были созданы для множества контекстно-зависимых приложений [28] – [32], эта модель была выбрана для моделирования метаболизма по нескольким причинам. Во-первых, модель небольшая, с несколькими компонентами, не загромождена минимальной вероятностью ложных срабатываний, вызванных метаболическими пробелами, тупиками и петлями потока [30], [33], [34], и модель определила ограничения обмена метаболитов [15].Во-вторых, насос Na + / K + представляет собой реалистичную целевую функцию, поддержание градиента концентрации Na + , как было показано, объясняет до 70% расхода клеточного АТФ [35]. Наконец, эритроциты имеют очень активный HMS, поэтому любые наблюдаемые изменения потока, вероятно, будут подчеркнуты с минимумом ложноположительных результатов. Недостатком этой модели является отсутствие основных метаболических путей ниже гликолиза, а именно цикла TCA и окислительного фосфорилирования, которые действительно являются центральными для клеток, которые осуществляют аэробный гликолиз.

Введение глюконата повлияло на поток через реакции в модели. Было активировано 269 реакций, и 60 реакций показали изменения в диапазоне их потока из 472 реакций в iAB-RBC-283. В HMS 9 из 10 реакций имели увеличенные диапазоны потоков, однако наибольший эффект наблюдался в метаболических путях с участием метаболитов / реакций, происходящих из HMS. К ним относятся пути метаболизма нуклеотидов, углеводов, аминокислот и липидов из-за повышенных уровней рибозо-5-фосфата, ксилулозо-5-фосфата, эритрозо-4-фосфата и НАДФН соответственно.Это говорит о том, что метаболический репертуар / емкость модели значительно увеличивается при деградации глюконата. Увеличение потока через HMS в форме глюконата снимает ограничения на эти пути, налагаемые скоростью поглощения глюкозы и соотношением расщепления HMS. Действительно, подобный эффект наблюдался бы, если бы поток в HMS увеличивался за счет глюкозо-6-фосфатдегидрогеназы. В эритроцитах глюкозо-6-фосфатдегидрогеназа является основным источником НАДФН и является наиболее распространенным известным ферментным дефицитом, имеющим пагубные последствия в гомозиготном состоянии [36].Результаты моделирования здесь просто демонстрируют, что значительный контроль ключевых метаболических путей может быть достигнут путем обхода этого регуляторного фермента в HMS. Есть небольшой очевидный энергетический выигрыш от питания HMS через GntK или через гексокиназу. Оба пути предположительно приводят к одинаковому использованию и производству АТФ и НАДФН. Мы предполагаем, что GntK или предшествующие ему ферменты участвуют в контекстно-специфической регуляции потока углерода в HMS. Анализ коэкспрессии генов или исследование влияния GntK на основной метаболизм могут помочь пролить свет на новый путь потока в HMS у людей.

Существует несколько способов эндогенного образования глюконата. Он может образовываться в результате спонтанного окисления глюкозы, как продукта предварительного образования конечного продукта гликирования [37], как продукта микробиоты [38], в результате неизвестного анаболизма сложных гликанов или просто дефосфорилирования 6-фосфоглюконата. В этих случаях GntK может функционировать как спасательный фермент, перенаправляя глюконат обратно в центральный углеродный метаболизм через HMS. Другой путь образования глюконата – это его производство путем прямого окисления глюкозы через глюкозодегидрогеназу (EC 1.1.1.47) и глюконолактоназа (EC 3.1.1.17). Активность глюкозодегидрогеназы обычно не считается центральной частью метаболизма человека. Хотя локализованная в эндоплазматическом ретикулуме гексозо-6-фосфатдегидрогеназа, как сообщается, осуществляет прямое окисление глюкозы с образованием D-глюконо-1,5-лактона, ее основным субстратом является глюкозо-6-фосфат [39], [40] . Было показано, что активность D-глюконолактоназы, дающей глюконат из D-глюконо-1,5-лактона, кодируется микросомальным ферментом SMP30 в контексте синтеза аскорбиновой кислоты у крыс [41].Учитывая, что люди не синтезируют аскорбиновую кислоту, вероятно, что SMP30 играет иную метаболическую роль у людей. В попытке решить эту проблему было показано, что сверхэкспрессия SMP30 в клетках HEPG2 приводит к значительному снижению количества активных форм кислорода с соответствующим снижением уровней перекисного окисления липидов и активности супероксиддисмутазы. Эффекты были приписаны внутриклеточной модуляции [Ca 2+ ], вызванной увеличением SMP30. Было показано, что сам SMP30 не обладает способностью улавливать радикалы, а Handa et al. предположил непрямую антиоксидантную способность SMP30 [42]. В свете результатов нашего моделирования, которые показывают, как активность GntK человека влияет на глобальный метаболический фенотип, мы предполагаем, что эффект, наблюдаемый при сверхэкспрессии SMP30 и позже дополненный экспериментами по нокдауну SMP30, вызван модуляцией потока в HMS через глюконат, таким образом способствуя образованию НАДФН.

Здесь мы описали биохимическую характеристику человеческого GntK, фермента, отмеченного в двух анализах заполнения сетевых пробелов Recon 1 [5], [43], и использовали сетевой анализ на основе ограничений для оценки того, как глюконат может влиять на метаболизм человека.Результаты расширяют знания о биохимических свойствах изоформы I человеческого GntK и позволяют предположить, что значительное нарушение метаболических путей, связанных с результатом HMS, приводит к тому, что деградация глюконата у людей идет по тем же маршрутам, что и у позвоночных. Кроме того, эти данные служат для того, чтобы выделить пропущенный путь потока углерода в HMS у людей, который может иметь значение, учитывая центральную анаболическую роль и важность этих путей в борьбе с окислительным стрессом. Наконец, результаты демонстрируют применение метаболических моделей человека для оценки метаболических фенотипов и то, как они могут быть помещены в контекст с существующими биологическими данными для продвижения функциональных геномных гипотез.

Дополнительная информация

Файл S1.

Файл содержит пять рабочих листов, в которых сообщается следующее: 1: измеренные значения люминесценции с помощью анализов субстратной специфичности 2: результаты анализа вариабельности потока в iAB-RBC-283 с глюконатом и без него. 3: как значения потока соотносятся с толщиной стрелки, как показано на рисунке 4. 4: Расчетные теневые цены в присутствии и в отсутствие глюконата. 5: Растворы FBA, полученные после ослабления границ транспортного / обменного потока в присутствии и в отсутствие глюконата.

https://doi.org/10.1371/journal.pone.0098760.s001

(XLSX)

Вклад авторов

Задумал и спроектировал эксперименты: BOP OR. Проведены эксперименты: НР ТКН СПБ ИА ГП ОР. Проанализированы данные: НР ТКН СПБ ГП ОР. Предоставленные реагенты / материалы / инструменты анализа: BOP SPB BGV GP OR. Написал статью: NR OR.

Ссылки

  1. 1. Ramachandran S, Fontanille P, Pandey A, Larroche C (2006) Глюконовая кислота: свойства, применение и микробиологическое производство.Пищевая технология и биотехнология 44: 185–195.
  2. 2. Kolodziejczyk J, Saluk-Juszczak J, Wachowicz B (2011) Исследование in vitro антиоксидантных свойств производных глюкозы против окисления компонентов плазмы. J Physiol Biochem 67: 175–183.
  3. 3. Ху З.П., Браун Э.Р., Лю Т., Ангел Т.Е., Хо П.С. и др. (2012) Метабономическое профилирование трансгенной модели TASTPM на мышах с болезнью Альцгеймера. J Proteome Res 11: 5903–5913.
  4. 4. Oresic M, Hyotylainen T, Herukka SK, Sysi-Aho M, Mattila I, et al.(2011) Метаболом в прогрессировании болезни Альцгеймера. Перевод Психиатрия 1: с57.
  5. 5. Rolfsson O, Paglia G, Magnusdottir M, Palsson BO, Thiele I (2013) Вывод о метаболизме человеческих метаболитов-сирот из их метаболического сетевого контекста подтверждает активность глюконокиназы человека. Биохимический журнал 449: 427–435.
  6. 6. Блум Б., Стеттен Д. мл. (1955) Фракция глюкозы, катаболизированная через гликолитический путь. Журнал биологической химии 212: 555–563.
  7. 7. Peekhaus N, Conway T (1998) Что на обед ?: Метаболизм Энтнера-Дудорова в Escherichia coli. Журнал бактериологии 180: 3495–3502.
  8. 8. Izu H, Adachi O, Yamada M (1996) Очистка и характеристика терморезистентной глюкокиназы Escherichia coli, кодируемой геном gntK. FEBS Letters 394: 14–16.
  9. 9. Tong S, Porco A, Isturiz T, Conway T (1996) Клонирование и молекулярно-генетическая характеристика генов gntR, gntK и gntU Escherichia coli GntI, основной системы метаболизма глюконата.Журнал бактериологии 178: 3260–3269.
  10. 10. Sweetser DA, Peniket AJ, Haaland C, Blomberg AA, Zhang Y, et al. (2005) Выделение минимального часто удаляемого сегмента и идентификация генов-кандидатов опухолевых супрессоров при остром миелоидном лейкозе del (9q). Гены, хромосомы и рак 44: 279–291.
  11. 11. Kraft L, Sprenger GA, Lindqvist Y (2002) Конформационные изменения во время каталитического цикла глюконаткиназы, выявленные с помощью рентгеновской кристаллографии.Журнал молекулярной биологии 318: 1057–1069.
  12. 12. Улен М., Оксволд П., Фагерберг Л., Лундберг Э., Джонассон К. и др. (2010) К основанному на знаниях Атласу белков человека. Nat Biotechnol 28: 1248–1250.
  13. 13. Купершмидт И., Су QJ, Гревал А., Сундареш С., Гальперин И. и др .. (2010) Метаанализ глобальных коллекций общедоступных данных с высокой пропускной способностью на основе онтологий. PLoS ONE 5 ..
  14. 14. Riganti C, Gazzano E, Polimeni M, Aldieri E, Ghigo D (2012) Путь пентозофосфата: антиоксидантная защита и перекресток в судьбе опухолевых клеток.Free Radic Biol Med 53: 421–436.
  15. 15. Бордбар А., Джамшиди Н., Палссон Б.О. (2011) iAB-RBC-283: протеомная база знаний о метаболизме эритроцитов, которую можно использовать для моделирования его физиологических и патофизиологических состояний. Системная биология BMC 5: 110–110.
  16. 16. Ледер И.Г. (1957) Глюконокиназа почек свиньи. Журнал биологической химии 225: 125–136.
  17. 17. Чжан Дж.Х., Чунг ТДИ, Ольденбург К.Р. (1999) Простой статистический параметр для использования при оценке и валидации высокопроизводительных скрининговых анализов.Журнал биомолекулярного скрининга 4: 67–73.
  18. 18. Schellenberger J, Que R, Fleming RMT, Thiele I, Orth JD и др. (2011) Количественное прогнозирование клеточного метаболизма с помощью моделей на основе ограничений: COBRA Toolbox v2.0. Протоколы природы 6: 1290–1307.
  19. 19. Махадеван Р., Шиллинг С.Х. (2003) Эффекты альтернативных оптимальных решений в основанных на ограничениях моделях метаболизма в масштабе генома. Метаболическая инженерия 5: 264–276.
  20. 20. Палссон Б.О. (2006) Системная биология: свойства реконструированных сетей: Cambridge University Press.
  21. 21. Schellenberger J, Park J, Conrad T, Palsson B (2010) BiGG: биохимическая генетическая и геномная база знаний крупномасштабных метаболических реконструкций. BMC Bioinformatics 11: 213–213.
  22. 22. Greenfield NJ (2006) Использование спектров кругового дихроизма для оценки вторичной структуры белка. Nat Protoc 1: 2876–2890.
  23. 23. Чжан Ю., Загнитко О., Родионова И., Остерман А., Годзик А. (2011) Семейство углеводных киназ FGGY: понимание эволюции функциональных особенностей.PLoS Comput Biol 7: e1002318.
  24. 24. Джоши А., Палссон Б.О. (1990) Метаболическая динамика в красных клетках человека. Часть III – Скорость метаболических реакций. Дж. Теор Биол 142: 41–68.
  25. 25. UNEPreport (2004) Глюконовая кислота и производные. МОРАГ ОЭСР. http://www.oecd.org/env/hazard/data: публикации ЮНЕП. Доступ: 15 мая 2014 г.
  26. 26. Stetten MR, Topper YJ (1953) Пути от глюконовой кислоты до глюкозы in vivo. Журнал биологической химии 203: 653–664.
  27. 27. Birnesser H, Reinauer H, Hollmann S (1973) Сравнительное исследование активности ферментов, разлагающих сорбит, рибитол, ксилит и глюконат в тканях морской свинки. Диабетология 9: 30–33.
  28. 28. Мардиноглу А., Агрен Р., Кампф С., Асплунд А., Нукау И. и др. (2013) Интеграция клинических данных с метаболической моделью адипоцита человека в масштабе генома. Мол Сист Биол 9: 649.
  29. 29. Karlstadt A, Fliegner D, Kararigas G, Ruderisch HS, Regitz-Zagrosek V и др.(2012) CardioNet: человеческая метаболическая сеть, подходящая для изучения метаболизма кардиомиоцитов. BMC Syst Biol 6: 114
  30. 30. Агрен Р., Бордель С., Мардиноглу А., Порнопуттапонг Н., Нукау И. и др. (2012) Реконструкция активных метаболических сетей в масштабе генома для 69 типов клеток человека и 16 типов рака с использованием INIT. PLoS Comput Biol 8: e1002518.
  31. 31. Бордбар А., Фейст А.М., Усайт-Блэк Р., Вудкок Дж., Палссон Б.О. и др. (2011) Мульти-тканевая метаболическая сеть в масштабе генома для анализа физиологии систем всего тела.BMC Systems Biology 5: 180–180.
  32. 32. Gille C, Bolling C, Hoppe A, Bulik S, Hoffmann S и др .. (2010) HepatoNet1: комплексная метаболическая реконструкция гепатоцита человека для анализа физиологии печени. Мол Сист Биол 6 ..
  33. 33. Тиле И., Суэйнстон Н., Флеминг Р.М., Хоппе А., Саху С. и др. (2013) Глобальная реконструкция метаболизма человека по инициативе сообщества. Nat Biotechnol 31: 419–425.
  34. 34. Gebauer J, Schuster S, de Figueiredo LF, Kaleta C (2012) Обнаружение и исследование субстратных циклов в метаболической сети человека на уровне генома.FEBS J 279: 3192–3202.
  35. 35. Даль JL, Хокин Л.Е. (1974) АДЕНОЗИН-ТРИФОСФАТАЗА НАТРИЯ-КАЛИЯ. Ежегодный обзор биохимии 43: 327–356.
  36. 36. Франк JE (2005) Диагностика и лечение дефицита G6PD. Am Fam Physician 72: 1277–1282.
  37. 37. Thornalley PJ (1998) Активация клеток гликированными белками. Рецепторы AGE, факторы распознавания рецепторов и функциональная классификация AGE. Cell Mol Biol (Noisy-le-grand) 44: 1013–1023.
  38. 38. Берендс В., Белл Т.Дж., Либеке М., Кордес-Блауэрт А., Ашраф С.Н. и др. (2013) Профилирование метаболитов для характеристики бактерий, связанных с заболеванием: экскреция глюконата мутантами Pseudomonas aeruginosa и клиническими изолятами от пациентов с муковисцидозом. J Biol Chem 288: 15098–15109.
  39. 39. Bublitz C, Steavenson S (1988) Путь пентозофосфата в эндоплазматическом ретикулуме. J Biol Chem 263: 12849–12853.
  40. 40. Сенези С., Чала М., Марколонго П., Фулсери Р., Мандл Дж. И др.(2010) Гексозо-6-фосфатдегидрогеназа в эндоплазматическом ретикулуме. Биологическая химия 391: 1–8.
  41. 41. Кондо Й, Инаи Й, Сато Й, Ханда С., Кубо С. и др. (2006) Маркерный белок 30 старения действует как глюконолактоназа в биосинтезе l-аскорбиновой кислоты, и мыши с его нокаутом предрасположены к цинге. 103: 5723–5728.
  42. 42. Handa S, Maruyama N, Ishigami A (2009) Сверхэкспрессия белка-маркера старения-30 снижает количество активных форм кислорода в клетках Hep G2 карциномы печени человека.Биол Фарм Булл 32: 1645–1648.
  43. 43. Rolfsson O, Palsson BØ, Thiele I (2011) Реконструкция метаболизма человека Recon 1 направляет гипотезы о новых метаболических функциях человека. BMC Systems Biology 5: 155–155.
  44. 44. Рой А., Кучукурал А., Чжан И. (2010) I-TASSER: унифицированная платформа для автоматизированного прогнозирования структуры и функции белка. Протоколы Nat 5: 725–738.

Центральная регуляция метаболизма глюкозы у людей: факт или вымысел?

В последние несколько лет действие инсулина на центральную нервную систему (ЦНС) вызывает растущий интерес к лучшему пониманию связи между нейродегенеративными заболеваниями и инсулинорезистентностью (ИР).Исследования на грызунах показали, что передача сигналов инсулина в ЦНС имеет решающее значение для подавления выработки эндогенной глюкозы (EGP) в печени (1) и для регуляции липолиза жировой ткани (2). Эти центральные эффекты инсулина, вероятно, зависят от PI3K-опосредованной регуляции нескольких белков и факторов транскрипции, среди которых FoxO1 (3) и AMPK (4), а также от активации каналов K ATP (5) в гипоталамусе (рис. 1). Недавние открытия показывают, что последующая активация печеночных клеток Купфера и повышение уровня печеночного интерлейкина-6 индуцируют фосфорилирование сигнального преобразователя и активатора транскрипции 3 (STAT3) для подавления экспрессии глюконеогенного гена (6).Подавление липолиза в жировой ткани с помощью передачи сигналов инсулина в головном мозге снижает доступность глюконеогенных субстратов для печени, что еще больше снижает EGP (2). Напротив, исследования на собаках не подтвердили концепцию физиологической значимости действия инсулина ЦНС для контроля EGP (7).

Рисунок 1

Инсулиновая регуляция производства глюкозы в печени и липолиза жировой ткани. Путь передачи сигналов инсулина в дугообразном гипоталамусе включает активацию PI3K и AKT и последующую инактивацию FoxO1.Кроме того, ингибирование AMPK и открытие каналов K ATP связаны с периферическими метаболическими эффектами инсулина в головном мозге. В дополнение к снижению липолиза за счет модуляции симпатической активности, инсулин головного мозга вызывает подавление продукции глюкозы в печени, которая опосредуется активацией интерлейкина (ИЛ) -6 и STAT3, запускаемой блуждающим нервом, что приводит к снижению экспрессии глюконеогенных генов в печени. . Центральное действие инсулина также снижает содержание жира в печени и повышает ее энергетический статус.Этот механизм, по-видимому, нарушен у людей и грызунов с диабетом 2 типа. AKT, протеинкиназа B; FFA, свободные жирные кислоты; G6P, глюкозо-6-фосфат; HCL, жирность печени; Без сахарного диабета, без диабета; N. vagus, блуждающий нерв; СД2, сахарный диабет 2 типа.

У людей интраназальное введение инсулина (ИН) было разработано как один из подходов к неинвазивному исследованию действия инсулина в головном мозге in vivo. Применение спрея IN временно увеличивает концентрацию инсулина в ликворе (8), вероятно, из-за большого потока в периваскулярном пространстве церебральных кровеносных сосудов (9).Используя этот метод, были получены доказательства центральной инсулиновой регуляции системного липолиза (10), модуляции содержания жира в печени и метаболизма энергии в печени (11), а также улучшения чувствительности к инсулину всего тела (12). Интересно, что влияние ИН на EGP, по-видимому, зависит от экспериментальных условий без изменений в состоянии натощак (11), но со снижением во время зажимов поджелудочной железы (13). Модуляция энергоемких процессов может способствовать повышению энергетического статуса печени после применения IN.Следует отметить, что центральная регуляция инсулином периферической чувствительности к инсулину и метаболизма энергии в печени была ослаблена у людей с ожирением и пациентов с диабетом 2 типа (11, 12), что свидетельствует о наличии комбинированного центрального и периферического ИР и дисрегуляции мозг-печень. перекрестный разговор при диабете 2 типа. Тем не менее, ИН может иметь некоторые ограничения, возникающие из-за непостоянной доставки инсулина в мозг и / или периферического перетекания инсулина.

Другим подходом к имитации действия инсулина в головном мозге человека является введение открывателя каналов K ATP и диазоксида сульфонилмочевины.Группа доктора Хокинса показала, что лечение диазоксидом может подавлять EGP у худых здоровых людей, а дополнительные исследования на грызунах показали повышенное фосфорилирование STAT3 в печени наряду со сниженными уровнями глюконеогенного белка в печени (14). Та же группа теперь представляет тщательно спланированное и хорошо выполненное последующее исследование, в котором изучается влияние диазоксида на EGP у пациентов с диабетом 2 типа. Esterson et al. (15) комбинированное введение диазоксида с эугликемическим базальным инсулином и глюкагоном, гормоном роста и зажимами соматостатина, что позволяет исследовать метаболизм глюкозы в тщательно контролируемых условиях, исключая влияние ЦНС на панкреатический инсулин и секрецию глюкагона.Избегая чрезмерной инсулинизации печени, этот подход позволяет оценить даже незначительные изменения EGP с течением времени. Возможное ограничение, заключающееся в том, что предшествующая ночная инфузия инсулина может подавлять EGP и тем самым ослаблять эффект диазоксида на EGP, обсуждается авторами. Важно отметить, что это исследование расширяет предыдущие наблюдения группы, четко демонстрируя, что диазоксид не влияет на EGP у пациентов с умеренным или плохо контролируемым диабетом 2 типа. Более того, исследование подтверждает влияние диазоксида на EGP у здоровых людей.Следует отметить, что экспериментальные группы были небольшими, и последствия длительного лечения требуют дальнейшего изучения. Тем не менее, это исследование особенно извлекает пользу из дополнительных исследований на крысах с диабетом Цукера, установленной модели диабета 2 типа на грызунах, которые подтверждают данные об отсутствии влияния диазоксида на EGP на людях и дополнительно исследуют механизм более подробно, оценивая молекулярная регуляция EGP.

В исследованиях на людях с ИР, ИН или внутривенным введением инсулина не вызывало активности головного мозга в чувствительных к инсулину областях мозга, т.е.е., гиппокамп, префронтальная кора, веретенообразная извилина и гипоталамус, по данным неинвазивной визуализации мозга (16,17). Хотя такие доказательства активации чувствительных к инсулину областей мозга еще не были продемонстрированы после введения диазоксида, исследование Esterson et al. (15) дополняет дискуссию о нарушении центральной регуляции глюкозы и энергетического метаболизма при диабете 2 типа (11). Остается вопрос, модулируют ли активация канала K ATP и ИН периферическую чувствительность к инсулину схожими или разными путями.В частности, будет интересно выяснить, какие и как полученные из мозга сигналы, индуцированные IN или диазоксидом, достигают периферических тканей, чтобы модулировать метаболизм глюкозы и энергии. Вегетативная нервная система также является хорошим кандидатом на опосредование этих эффектов у людей (5,12). Данные на животных показали, что инсулино-индуцированное подавление EGP в ЦНС зависит от активации блуждающего нерва (6), тогда как симпатическая нервная система опосредует снижение липолиза жировой ткани (2). Однако остается неясным, как можно использовать избирательную модуляцию тонуса вегетативной нервной системы для улучшения гомеостаза глюкозы и липидов.Наконец, наблюдение, что диазоксид сульфонилмочевины не оказывает эффекта по снижению EGP у пациентов с диабетом, вносит вклад в большой объем доказательств, которые не вызывают энтузиазма в отношении использования этого класса препаратов при диабете 2 типа.

Информация о статье

Финансирование. Эта работа была поддержана Министерством инноваций, науки и исследований земли Северный Рейн-Вестфалия и Федеральным министерством здравоохранения Германии. Эта работа также была частично поддержана грантом Федерального министерства образования и исследований Немецкого центра исследований диабета и грантом Альянса Гельмгольца по визуализации и лечению метаболических заболеваний, связанных с окружающей средой.

Источники финансирования не участвовали в подготовке, рассмотрении или утверждении статьи.

Двойственность интересов. О потенциальных конфликтах интересов, относящихся к этой статье, не сообщалось.

  • © Американская диабетическая ассоциация, 2016 г.

Люди – не единственные виды, метаболизм которых замедляется с возрастом – ScienceDaily

Если вы чувствуете, что ваш метаболизм совсем не тот, что был раньше, независимо от того, сколько часов вы проводите в тренажерном зале, дельфины могут относиться друг к другу.

Исследование, проведенное под руководством Университета Дьюка, показало, что афалины с возрастом сжигают калории меньше, как и мы.

Это первый раз, когда ученые измерили возрастное замедление метаболизма у других крупных видов, помимо человека, – сказала первый автор Ребекка Римбах, научный сотрудник отдела эволюционной антропологии в Duke.

Римбах изучал расход энергии и другие аспекты физиологии у животных, от мышей до обезьян.Но данных о внутреннем устройстве морских млекопитающих, таких как дельфины и киты, очень мало, говорит она. Это потому, что этих обитателей океана, как известно, сложно поймать для повторных измерений.

«Это может быть очень сложно вернуть животное, когда оно вам нужно», – сказал Римбах.

Исследователи изучили 10 дельфинов-афалин в возрасте от 10 до 45 лет, живущих в двух учреждениях по изучению морских млекопитающих, в Центре исследования дельфинов во Флориде и в Dolphin Quest на Гавайях.

Чтобы измерить среднесуточную скорость метаболизма, исследователи использовали метод «воды с двойной меткой».«Используемый для измерения расхода энергии у людей с 1980-х годов, этот метод заключается в том, чтобы заставить животных выпить несколько унций воды с добавлением естественных« тяжелых »форм водорода и кислорода, а затем отслеживать, сколько времени требуется животным, чтобы смыться. их выл.

Подобно людям, предъявляющим руки для взятия крови, дельфины в этих учреждениях добровольно поднимают свои хвостовые плавники из воды, чтобы их опекуны могли собирать кровь или мочу в рамках своих регулярных осмотров.

Проанализировав уровни тяжелых атомов водорода и кислорода в крови или моче, команда смогла подсчитать, сколько углекислого газа вырабатывают дельфины каждый день и, таким образом, сколько калорий они сжигают в своей жизни.

То, что они обнаружили, их удивило.

Исследователи ожидали, что у дельфинов будет ускоренный метаболизм, поскольку дельфины, как и люди, теплокровны, а для сохранения тепла в воде требуется больше энергии, чем в воздухе.

Но, несмотря на то, что они живут в водном мире, они обнаружили, что афалины сжигают на 17% меньше энергии в день, чем ожидалось для морского млекопитающего их размера.

Ученые также отметили некоторые из тех же признаков метаболического старения, которые характерны для людей. Самые старые дельфины, участвовавшие в исследовании, оба в возрасте от 40 лет, потребляли на 22–49% меньше калорий каждый день, чем ожидалось для их массы тела. И, как и у людей, большая часть этих калорий попала в жир, а не в мышцы. У дельфинов в возрасте 40 лет процентное содержание жира в организме было в 2,5 раза выше, чем у их собратьев до 20 лет.

Это было не из-за недостатка упражнений, сказал Римбах. Дельфины – потрясающие спортсмены, способные прыгать на 10 футов в воздух и плавать рядом с моторными лодками со скоростью, которая сокрушит Майкла Фелпса.

Дельфины, участвовавшие в исследовании, выполняли сальто и вращение, ходили на хвосте, выпрыгивали из воды и двигались достаточно быстро, чтобы бодрствовать от шести до 18 раз в час, и они оставались активными до 40 лет.

Но метаболический паттерн сохранялся независимо от уровня их активности.

«И это не потому, что они слишком много едят», – сказал Римбах. Исследователи записали, сколько сельди и другой рыбы съели дельфины, и обнаружили, что более старые и толстые дельфины, участвовавшие в исследовании, фактически ели меньше калорий.

Исследователи говорят, что такая работа может пролить свет на факторы помимо диеты и образа жизни, которые лежат в основе возрастного набора веса у людей.

«Дальнейшие исследования этой общности, которую мы разделяем с дельфинами, могут помочь нам понять, почему метаболизм человека замедляется с возрастом», – сказала соавтор Ханна Саломонс, аспирантка лаборатории профессора Брайана Хейра в Дьюке.

«Это исследование стало возможным благодаря доступу к здоровым дельфинам под присмотром человека», – сказал соавтор Остин Аллен из морской лаборатории Университета Дьюка.

«Нам нужно больше данных, особенно по молодым дельфинам, поскольку мы изучили только 10 особей», – сказал Римбах. «Но я думаю, что это захватывающее первое исследование».

История Источник:

Материалы предоставлены Duke University . Оригинал написан Робином А. Смитом. Примечание. Содержимое можно редактировать по стилю и длине.

Новое исследование показывает, что метаболизм человека имеет четыре стадии

Более медленный метаболизм – это не причина, по которой вы набираете вес с возрастом – по крайней мере, до 60 лет.Как впервые сообщалось в New York Times (NYT) 12 августа 2021 года, в новой статье, опубликованной в Science , рассказывается об исследовании расхода энергии в течение жизни человека.

В исследовании, в котором участвовали 80 соавторов, делящихся своими усилиями в полдюжине лабораторий в течение 40 лет, наблюдали за 6500 испытуемыми в возрасте от восьми дней до 95 лет, чтобы «измерить их общую и базальную энергию» в течение их жизни. . Было обнаружено, что на протяжении жизни человека происходит четырех различных стадий, когда меняется их метаболизм. (1)

  1. Младенчество – до возраста одного года, скорость метаболизма ускоряется до 50 процентов по сравнению со скоростью взрослого человека.
  2. От одного возраста до 20 лет – скорость метаболизма замедляется примерно на три процента каждый год.
  3. Возраст от 20 до 60 лет – Уровень метаболизма стабильный.
  4. Возраст 60 лет и старше – Уровень метаболизма снижается на 0,67 процента каждый год в течение этого периода в три с половиной десятилетия.

Не было заметных различий в скорости метаболизма между женщинами и мужчинами. после учета общего размера тела и общей мышечной массы.Более того, исследование, опубликованное в журнале American Journal for Clinical Nutrition , показало, что раса также не влияет на метаболическую адаптацию. (2)

Следует отметить, что в статье Science рост, вес и процентное содержание жира участников были сведены в таблицу, чтобы можно было отслеживать «фундаментальные показатели метаболизма». Исследование настолько «ключевое … оно, вероятно, появится в учебниках», – сказала New York Times Леанна Редман, физиолог энергетического баланса из Института биомедицинских исследований Пеннингтона.

Изображение с Shutterstock / pathdoc

Конечно, были участники, у которых уровень метаболизма упал на 25% выше или ниже среднего, но общая тенденция была очевидна.Доктор Редман продолжал говорить: «Не существует постоянной нормы расхода энергии на фунт».

Это означает, что вес не является детерминированным фактором скорости метаболизма – метаболизм не ускоряется и не замедляется в зависимости от того, сколько человек весит. Участники, число которых не соответствует общей тенденции, по мере продолжения исследования откроют путь для будущих вопросов.

Тайна того, почему люди прибавляют в весе в зрелом возрасте, в конце концов, вовсе не загадка. Наиболее вероятная причина нежелательной прибавки в весе до 60 лет – это просто потребление большего количества калорий, чем количество сожженных калорий.Активный образ жизни, естественно, «способствует более благоприятным последствиям для здоровья», чем малоподвижный образ жизни. (3)

Однако не существует наиболее эффективной диеты, способствующей снижению веса. (4) Единственное требование, чтобы сбросить килограммы, – это придерживаться диеты, которая обеспечивает управляемый отрицательный энергетический баланс (дефицит калорий), который поддерживает привычки, которые позволяют этой диете оставаться устойчивой в долгосрочной перспективе.

Список литературы

  1. Herman Pontzer, et al. Суточный расход энергии на протяжении жизни человека.2021. Наука . DOI: 10.1126 / science.abe5017.
  2. Катя Мартинс и др. Метаболическая адаптация не является серьезным препятствием для поддержания потери веса. 2020. Американский журнал клинического питания . DOI: 10.1093 / ajcn / nqaa086.
  3. Кариме Гонсалес и др. Отсутствие физической активности, малоподвижный образ жизни и хронические заболевания.

    Related Posts

    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *

    2024 © Все права защищены.