Analysis of Bacillus subtilis Biomass Composition to Determine the Effects of Condition-Specific Biomass Objective Functions in iBsu1147
Master thesis
Permanent lenke
https://hdl.handle.net/11250/3089598Utgivelsesdato
2023Metadata
Vis full innførselSamlinger
Sammendrag
Genom-skala metabolske modeller (GEM) er matematiske modeller av en organismes cellulære metabolisme under forutsetningen av ”steady-state”. De brukes til å beregne metabolsk kapasitet og fenotype til en gitt organisme [1, 2]. Biomasseobjektivfunksjonen (BOF) er en sentral funksjon i GEMs, og består av forløperkomponenter for syntese av cellulær biomasse, for eksempel DNA, RNA, proteiner og lipider [2, 3]. Sammensetningen av disse forløperne har vist seg å variere med organisme, stamme og miljøforhold [2, 4], og prediksjoner fra GEMs har vist seg å være sensitive for endringer i BOF [3]. Likevel er det vanlig praksis at koeffisientene i BOF er avledet fra eksperimenter utført med nært beslektede organismer i stedet for den som skal modelleres; eller fra eksperimenter med organismen under andre vekstforhold. Ettersom prediksjonene fra GEMs er følsomme for endringer i biomassekomposisjonen, kan denne bruken av data fra nært beslektede stammer eller andre forhold påavirke gyldigheten til prediksjonene [2, 4].
Målet med dette prosjektet er derfor å synliggjøre betydningen av å implementere eksperimentelt utledede koeffisienter i BOF fra stammen og tilstanden som modelleres. For å oppnå dette ble Bacillus subtilis dyrket ved batch-fermentering i minimalt medie fem ganger, tilsatt ulik karbon-kilde. Cellene ble høstet under eksponentiell vekst etterfulgt av analyse av biomassen. Med dette ble det demonstrert at biomassekomposisjonen kan kvantifiseres eksperimentelt,og at biomasse komposisjonen endrer seg i respons på tilgjengelig karbonkilde.. De resulterende biomassesammensetningene ble implementert i GEM iBsu1147 som nye BOF-er spesifikke til karbonkilden som var tilgjengelig i mediet, for å undersøke effekten av dette på prediksjonene av modellen. Resultatene etter pFBA- og FVAanalyser med de nye BOF-ene viste at veksthastighet prediksjoner er robuste for endringer i biomassesammensetningen, men at fluksfordelingen er mer følsom. Genome-scale metabolic models (GEMs) are mathematical models of an organisms cellular metabolism under the assumption of steady-state. They are used for computation of metabolic capabilities and phenotype of a given organism [1, 2]. The biomass objective function (BOF) is a central function in a GEM, and consists of the precursor-components for synthesis of cellular biomass, for example DNA, RNA, proteins and lipids [2, 3]. The composition of these precursors have been found to vary with organism, strain, and environmental conditions [2, 4], and predictions by GEMs have proven to be sensitive to changes in the BOF [3]. Still, it is common practice that the coefficients for the BOF are derived from experiments performed with closely related organisms, rather than the one being modeled; or from experiments with the organism in other growth conditions. Because the predictions by GEMs are sensitive to changes in biomass composition, this utilization of data from closely related strains or conditions could impact the validity of the predictions [2, 4].
The aim of this project is therefore to highlight the significance of implementing experimentally derived coefficients in the BOF from the strain and condition being modeled. In order to achieve this, Bacillus subtilis was cultivated by batch-fermentation in minimal media with different carbon sources. The cells were harvested during exponential growth followed by analysis of the biomass, demonstrating that the biomass composition of B. subtilis can be measured experimentally, and that it changes in response to media composition. The resulting biomass compositions were implemented in the GEM iBsu1147 as new, condition-specific BOFs to explore the effects on growth predictions. The results following pFBA and FVA analyses with the new BOFs demonstrated that the growth rate predictions are quite robust to changes in the biomass composition, but that the flux distribution is more sensitive.