Designing microbial consortia using metabolic modelling: An exploration of possibilities and limitations

Abstract

Interessen for mikrobielle konsortier, som alternativ til mer tradisjonelle bioprosesser basert på monokulturer, er økende. Bruk av konsortier kan gi økt designfleksibilitet, høyere produktutbytte og en verktøykasse med bredere metabolsk mangfold. Kompleksiteten i å finne den optimale sammensetningen i et mikrobielt samfunn øker eksponentielt med antall mikrober, og eksperimentell testing av enhver kombinasjon blir etterhvert ugjennomførbart. Derfor kan beregningsbaserte simuleringer være nyttige for å raskt gjennomgå mulige samfunnssammensetninger. En foreslått tilnærming for in silico-konsortiesscreening er genomskala metabolsk modellering på samfunnsnivå, en modelleringsmetode der samfunnets fenotype predikeres basert på rekonstruksjoner av organismenes metabolske nettverk. Hvis den eksperimentelle screeningprosessen skal erstattes, er det avgjørende å vite hvor pålitelige modellprediksjoner er. I denne masteroppgaven ble samfunnsmodelleringsprosessen utforsket kvalitativ, for å finne muligheter og begrensninger ved å bruke modellering som et hjelpemiddel i konsortiedesign.

Eksisterende rammeverk for samfunnsmodellering ble utforsket gjennom forsøk på å reprodusere resultater fra casestudier der mikrobielle konsortier ble brukt til bioproduksjon. Casestudiene ble valgt basert på resultatene fra en kvantitativ litteraturundersøkelse. Undersøkelsen fant to hovedgrupperinger av konsortiebruk: 1) å fordele et komplekst heterologt produksjonsspor på ulike samfunnsmedlem for å forårsake romlig og metabolsk sepparering av reaksjoner, og 2) å sammenkoble metabolske spesialister for å utføre nye funksjoner. For den første gruppen ble en studie der rosmarinsyre ble produsert av en genmodifisert Escherichia coli konsortie valgt. En studie der butanol ble produsert fra lignocellulose ved bruk av et bakterielt konsortie ble valgt for den andre gruppen. For hver casestudie ble genom-skala metabolske modeller (GEM'er) konstruert for hvert samfunnsmedlem, og sammen brukt til å simulere samfunnet. Simuleringene ble evaluert basert på hvor godt casestudieresultatene ble reprodusert, og på hvorvidt modellene var nyttige i videre optimalisering av fermenteringsparametere.

Ved bruk av “dynamic flux balance analysis (dFBA)”' for samfunn, ble konsortiesammensetning og rosmarinsyreutbytte predikert til nivåer som var sammenlignbare med casestudieresultater, gitt innføring av begrensninger som tvang flyt gjennom det heterologe reaksjonssporet. Simuleringene kunne ikke reprodusere samfunnets oppførsel i den stasjonære vekstfasen, og modellen var sensitiv til forandringer i kinetiske parametre. En kjent metabolsk omvending hos den butanolproduserende bakterien i den andre casestudien ble predikert i simuleringer ved bruk av en adaptiv form for dFBA der objektivfunksjonen endret seg over tid. Modellen kunne imidlertid ikke fange opp de mest relevante synergiene i konsortiet. Resultatene viste at dFBA var en lovende tilnærming for samfunnsmodellering, men at unøyaktigheter i modellene for hver organisme ble videreført til samfunnssimuleringene. På bakgrunn av dette, foreslås en integrert tilnærming mellom eksperimenter og modellering for modellstøttet konsortiedesign. Videre er det behov for mer fleksible verktøy for dynamisk samfunnsmodellering der problembegresninger og objektivfunsjon kan endres som respons på miljøet.

Microbial consortia are gaining interest as an alternative to monoculture-based bioprocesses in the production of valuable compounds. Consortia engineering offers increased design flexibility, improved yields, and broader metabolic diversity. However, the complexity of optimal community design grows exponentially with the number of community members. Computational simulations can be used to rapidly screen potential consortia instead of relying on impractical experimental testing of numerous options. A proposed approach for in silico consortia screening is community genome-scale metabolic modelling, which can predict the community phenotype based on reconstructions of the organisms' metabolic networks. If experimental screening is to be replaced, it is essential to determine the reliability of model predictions. In this thesis, a qualitative exploration of the community modelling process was conducted to illustrate the current possibilities and limitations associated with model-aided consortia design.

Existing community modelling frameworks were explored by reproducing results from case studies of successful bioproduction with microbial consortia, which were selected following a quantitative literature survey. The survey revealed two main groups of consortia usage: 1) the spatial and metabolic distribution of complex heterologous pathways over multiple strains and 2) the coupling of known metabolic specialists to perform novel functions. For the first group, a study where the rosmarinic acid synthesis pathway was split over a consortium of genetically modified Escherichia coli was selected. A publication demonstrating butanol production from a lignocellulosic substrate using a bacterial co-culture was chosen for the second group. For each case study, genome-scale metabolic models (GEMs) were constructed for the involved strains and used to model the community. The simulations were evaluated based on their ability to replicate the case study results and their potential to make predictions regarding fermentation parameter optimisation.

Community dynamic flux balance analysis (dFBA) could predict strain relative abundance and rosmarinic acid titer to comparable levels to case study results, so long as constraints were set to enforce flux through the heterologous pathway. Simulations could not capture the behaviour after the stationary growth phase was reached, and the model was sensitive to changes in kinetic parameters. Known metabolic shifts for the butanol-producing strain in the second case study could be replicated using a form of adaptive dFBA in which the objective function changed over time. However, the model still could not capture the most relevant synergies of the co-culture. The results showed that dFBA was a promising approach for community modelling, but inaccuracies in the individual strain models propagated to the community simulations. Therefore, an integrated approach between experiments and modelling is suggested for model-aided consortia design. Additionally, more flexible community dynamic model tools that can adapt constraints and objective functions in response to environmental changes are needed.