La mayoría de nosotros conocemos que el metabolismo es el conjunto de reacciones bioquímicas y sus procesos fisicoquímicos que ocurren en una célula. De esta manera, el trabajo del metabolismo es coordinar todas las funciones que requiere una célula o millones de ellas para sobrevivir en diferentes tipos ambientes.
Para ello, el metabolismo está orquestado en forma de vías metabólicas. Las vías metabólicas surgen a partir de la necesidad de requerir una diversidad de compuestos que llevan a cabo el funcionamiento celular. En la mayoría de las veces, una vía metabólica produce uno o más compuestos a partir de uno inicial, es decir, el compuesto inicial sufre una serie de transformaciones (metabolitos intermediarios) a través de reacciones enzimáticas que ocurren sucesivamente; aunque también un compuesto final puede ser el precursor de otra vía metabólica para obtener otro compuesto determinado. Así, el metabolismo es un circuito en el cual todas sus vías metabólicas interactúan entre sí, y es insignificante si cada una de las vías metabólicas (o en su mayoría) ocurren de manera aislada; pero, para adquirir una mejor comprensión de cómo se acontece el metabolismo, se ha estado estudiando por módulos, secciones, etc.
En las últimas dos décadas, se han implementado diversos métodos computacionales con el objetivo de realizar análisis comparativos entre las vías metabólicas de una misma especie o entre varias especies. Esto es posible gracias a los proyectos de secuenciación de genomas completos, que generan una gran cantidad de información asociado a las reacciones bioquímicas que interactúan en una célula, y que son almacenadas en diversas bases de datos públicas, como KEGG, MetaCyc, Brenda, entre otros (1).
En su mayoría, el metabolismo es representado como un grafo, cuyos nodos suelen ser los metabolitos, enzimas, genes que codifican a estas, y las aristas la relación que existe entre ello. Por una parte, la finalidad de los estudios comparativos es proporcionarnos información relevante de cuáles son las relaciones evolutivas entre las especies y las limitaciones funcionales de estas, por ejemplo, revelarnos la sorprendente plasticidad y versatilidad de la vía de la asimilación de la glucosa o glucólisis en diversas 15 especies (2); y ,por otro lado, conocer las aplicaciones biotecnológicas que se pueden obtener. Por ejemplo, realizar reconstrucciones metabólicas generando vías con un número mínimo de reacciones para fungir como una unidad funcional ó redirigir y rediseñar a las rutas metabólicas en un futuro no muy lejano (2).
Uno de los métodos de comparación, es el empleo de los alineamientos de secuencias o patrones. A mediados del año 2000, Tohsato y colaboradores, proponen el uso de un algoritmo de alineamiento que se basa en la similitud entre las reacciones enzimáticas, que son clasificadas jerárquicamente mediante el Enzyme comision number (números enzimáticos) (3). En el 2015, se describió el uso de algoritmos genéticos para realizar alineamientos múltiples en el repertorio metabólico de la bacteria Escherichia coli; así como algoritmos de programación dinámica para realizar alineamientos en pares entre las vías metabólicas de las Gammaproteobacterias, en el cual se identificaron similitudes entre mapas metabólicos (6,7). La particularidad de estos estudios reportados en el 2015, es que a partir de la información de la base de datos de KEGG se transformaron a los mapas metabólicos en secuencias lineales de reacciones enzimáticas en donde, de igual manera que en el trabajo de Tohsato y colaboradores en el 2000, cada reacción es identificada mediante un EC number.
En este contexto, actualmente se está intentando dilucidar si la observación que presentan las Gammaproteobacterias también puede ser generalizado a todos los organismos, con el objetivo de comprender cómo el metabolismo ha llegado a ser lo que es en la actualidad.
Referencias asociadas
- Pinter RY, et al. 2005. Alignment of metabolic pathways. Bioinformatics, 21: 3401–3408.
2) Dandekar T, et al. 1999. Pathway alignment: application to the comparative analysis of glycolytic enzymes. Biochemical Journal, 343: 115-124.
- Tohsato , et al. 2000. A multiple alignment algorithm for metabolic pathway analysis using enzyme hierarchy. ISMB. 8: 376-383.
6) Ortegon, P., Poot-Hernández, A. C., Perez-Rueda, E., & Rodriguez-Vazquez, K. (2015). Comparison of Metabolic Pathways in Escherichia coli by Using Genetic Algorithms. Computational and structural biotechnology journal, 13, 277-285.
7) Poot-Hernandez, A. C., Rodriguez-Vazquez, K., & Perez-Rueda, E. (2015). The alignment of enzymatic steps reveals similar metabolic pathways and probable recruitment events in Gammaproteobacteria. BMC genomics, 16(1), 957.