巴塞羅那大學(xué)的Marta Cascante教授團隊的研究涉及代謝途徑的鑒定，這對于理解慢性阻塞性肺病（COPD）的代謝作用是必要的。

COPD是一組疾病，其特征在于氣道中的氣流受限不能完全逆轉(zhuǎn)。 最常見的原因是抽煙，但也可能是由于其他空氣傳播的刺激物，例如煤塵或溶劑。 目標(biāo)疾病的主要作用是線粒體呼吸作用，導(dǎo)致活性氧（ROS）產(chǎn)生增加，從而影響細(xì)胞亞硝基-氧化還原平衡，葡萄糖代謝和相關(guān)的細(xì)胞能量。分析相應(yīng)的實驗和臨床數(shù)據(jù)需要開發(fā)特殊的信息學(xué)工具，例如描述呼吸復(fù)合物成千上萬種狀態(tài)的動力學(xué)的線粒體呼吸鏈動力學(xué)模型，或/和基于同位素示蹤劑的數(shù)據(jù)分析模型， 這也需要自動構(gòu)建并求解大量微分方程。Selivanov博士說：“現(xiàn)代實驗技術(shù)可以提供有關(guān)體內(nèi)細(xì)胞操作的最完整信息，但是現(xiàn)在的問題是分析方法與實驗方法的發(fā)展相匹配。” 因此，他開發(fā)了一種根據(jù)代謝物同位素異構(gòu)體（同位素）分布估算通量的算法。該方法基于以下事實：如果細(xì)胞代謝的底物包含標(biāo)記的原子（如13C同位素），則代謝網(wǎng)絡(luò)會根據(jù)內(nèi)部代謝通量將其引入中間體和產(chǎn)物中。 因此，所得的標(biāo)記分布攜帶有關(guān)細(xì)胞代謝通量的信息。 然后，Selivanov博士的算法可以使用此信息來調(diào)整代謝途徑的動力學(xué)反應(yīng)參數(shù)。

要調(diào)整動力學(xué)反應(yīng)參數(shù)，您需要從通常的動力學(xué)模型開始。 到目前為止，Selivanov博士已經(jīng)手動實現(xiàn)了模型方程式，但是在研討會上了解了[SystemModeler Model Center] MathModelica System Designer以及如何使用它開發(fā)和模擬代謝途徑模型之后，他現(xiàn)在使用圖形界面來組成模型。 他說：“最大的優(yōu)勢是，它提供了一個用戶友好的界面，使基于追蹤的代謝組學(xué)分析可以普遍使用。”

他還提到了免費的BioChem庫，該庫允許輕松構(gòu)建與上述方案相對應(yīng)的動力學(xué)模型。 由于該庫易于修改和擴展，因此為實現(xiàn)同位素異構(gòu)體方程的構(gòu)建算法提供了可能性。

建立模型后，Selivanov博士將模型方程式導(dǎo)出到Mathematica，并在其中使用其通量估計算法來估計模型參數(shù)。 他解釋說：“一旦獲得參數(shù)，我就可以仿真并檢查結(jié)果。”

該技術(shù)還將適用于必須解決巨大方程系統(tǒng)的不同建模領(lǐng)域，例如呼吸鏈或信號通路的詳細(xì)模型。 他總結(jié)說：“ [SystemModeler] MathModelica提供了動力學(xué)分析的最先進(jìn)工具，可加快系統(tǒng)生物學(xué)實驗領(lǐng)域的進(jìn)展。”