Cell Cap 5

5.
MODELE DE REGLARE CELULARĂ ŞI

ANALIZA CONTROLULUI METABOLIC
MODELAREA PROCESELOR CELULARE

5. Modele de reglare celulară şi analiza controlului metabolic
5.1. Introducere (tipuri de modele) (NIH, 2002)
Reglarea proceselor metabolice se face prin variaţia:

concentraţiei reactanţilor
sistem "bufer"
+P
G GP
-P
Nutp P
activităţii enzimatice
activare
reglare “fină”
inhibare
modificarea vitezei de sinteză

a enzimei (reglare “brută”), în
situaţii de mediu foarte variabile
În timpul metabolismului de replicare constituenţi celulari (de-a lungul unui ciclu

celular), sistemul este reglat intern homeostatic. Aceasta permite menţinerea
concentraţiei de constituenţi celulari la valori cvasi-constante, în ciuda creşterii
volumului celular şi a perturbaţiilor interne şi externe:
2 MODELAREA PROCESELOR CELULARE
MetP Proteina 1
MetP [Prot 2] MetP [Proteina-n]
Proteine Proteine
Proteină
[MetG + Metaboliţi] [Gena 1] [Gena 2] [Gena-n]

Fig. 1. Replicare genom
Au fost avansate diverse mecanisme de reglare.

1) Modele de tip „Circuite Genetice Logice” (Shen-Orr et al., 2002). Aplicate la
reglarea metabolică E. coli.
Baza de date genetice a dus la construcţia de blocuri de reglare sinteză gene. Au
fost găsite 3 tipuri de moduri de reglare repetabile:
a) Buclă de reglare inversă
X Y
factor de factor de
transcriere transcriere
reglare reglare
z (operon)
b) Buclă de reglare SIM (single-input-module)
set operoni reglare

X
z1 , … , z2
un singurfactor
de transcriere
c) Buclă de reglare DOR (dense-over lapping-regular)
reglare set factori

set operoni
de transcriere
z1 , … , z2
X1 , … , XS
O variantă de de modele de tip „CGL” este dată de McAdams&Arkin (1998).
2) Modele de tip MCA (Metabolic Control Analysis) (Kacser&Burns, 1973)

(Rizmicenko, p. 42)
Autoreglare – abilitatea sistemului de a schimba valorile fluxurilor şi
concentraţiilor unor specii, atunci cînd condiţiile de mediu se schimbă, astfel încât
starea staţionară să se modifice cât mai puţin în ce priveşte metaboliţii cheie.
5. Modele de reglare celulară şi analiza controlului metabolic 3
Intermediarii metabolici sunt regulatori ai enzimelor individuale.

Proprietăţile regulatorului (de ex. enzimă) sunt legate de interacţiunile cu celelalte
elemente de reglare din celulă (văzută ca un „whole-cell”).
MCA estimează stările staţionare a schemelor complexe metabolice, şi le
caracterizează din punct de vedere al capacităţilor de auto-reglare.
În teoria MCA, descrierea reglării se face folosind indicatori caracteristici (locali
sau sistematici).
Kholodenko (1998) împarte reacţiile în rapide şi lente, şi consideră pe cele rapide
la echilibru. Aceste reacţii rapide au efect neglijabil asupra coeficienţilor de MCA. El
împarte sistemul de reglare în module, caracterizate printr-un singur coeficient de
control.
3) Modele de tip „Flux Balance Analysis” (FBA) (Pallson et al., Pfeiffer et al.,
1999) (NIH, 2002)
Analiza schemei metabolice genom, fără cunoaşterea constantelor cinetice şi fără
simulări dinamice, ci doar din stoechiometria experimentală.
Analiza FBA, sau FCC (flux control coefficients, Stephanopoulos&Simpson,
1997), sunt o componentă a MCA (Review NIH, 2002).
FBA utilizează matricea stoechiometrică, pentru a defini toate fluxurile de
substanţă între modulele schemei cinetice. Distribuţia optimă a fluxurilor în schemă este
obţinută în raport cu un criteriu de viteză de creştere a unei anume specii (grupe).
Varianta FBA (Edwards, 2002, Beard, 2002) includ mai multe criterii de
optimizare (mai multe viteze de creştere specii), şi elemente de termodinamică.
Coloanele spaţiului nul (β) al matricii stoechiometrice (ν) este baza vectorilor de
flux
β ν =0
Coloanele lui β se numesc mode (Pfeiffer, 1999). Aceste mode reprezintă setul
minim de enzime ce poate opera la QSS (dacă este îndepărtat vreun vector mode,
sistemul nu poate exista la QSS).
Există o legătură directă între numărul de mode (elementare) şi funcştiile
fiziologice celulare („bogăţia” metabolismului).
Varianta EMA (Elementary Mode Analysis, Schilling, 1999) toate posibilităţile
unice de descompunere a unei scheme cinetice în grupe de reacţii, bazat pe conservarea
masei şi invarianţa sistemului. O modă elementară este o reacţie, sau grupe de reacţii,
care nu se poate descompune, în alte mode, şi care, prin eliminarea unei reacţii
constituente (sau a ei însăşi) încetează de a mai exista. EMA a fost aplicată la analiza
metabolismului hemelor din sânge, şi cel al drojdiilor (64 reacţii, 59 metaboliţi, 8
nutrienţi, 20 modes).
Varianta RBC a FBA (Jamshdi, 2001), determină care metaboliţi (specii) pot fi
„grupate” printr-o analiză a matricii modale, şi studiază apoi comportarea dinamică a
grupelor de specii. Exemplu model cu 44 reacţii şi 34 metaboliţi.
Varianţa DFBA (Mahadevan, 2002) (Dynamic Flux Balance Analysis) include şi
restricţii privind variaţia fluxurilor din schemă în determinarea fluxurilor optime în
regim dinamic.
Varianta CBA (Constrained Based Modelling) (Pallson, 2000), reduce o schemă

de reacţii metabolică extinsă pe baza restricţiilor fizico-chimice-fiziologice, şi a datelor
disponibile. În timp ce FBA utilizează optimizarea liniară pentru a găsi distribuţia
maximizată a fluxurilor, metoda ExPA (Extreme Pathway Analysis), descrie toate
posibilităţile de „distribuţii de fluxuri” ale unei scheme metabolice.
Metoda aplică pentru aceasta cele două legi ale lui Kirchhoff de bilanţ masic şi
energetic:
- legea 1 Kirchhoff – viteza de producţie şi susum a unui metabolit = 0 în QSS.
- legea 2 Kirchhoff – variaţia de ∆G° într-o buclă închisă de reacţii trebuie să
fie zero. Beard (2002) oferă o metodă de identificare a buclelor închise într-o
schemă biocinetică.
Varianta ExPA (Extreme Pathway Analysis) (Schilling, 2000), determină toate
alternativele de distribuţie a fluxurilor într-o schemă metabolică. Alternativele extreme
reprezintă seturi de fluxuri care satisfac: (1) bilanţul masic original, (2) ireversibilitatea
reacţiilor din schemă (obligatorie), şi (3) au multiple intrări şi ieşiri.
Schemele de flux extreme sunt de 3 tipuri:
tip 1 – fluxuri prin frontierele sistemului, incluzând specii ne-metabolice
(ATP, NADH, …);
tip 2 – include fluxuri doar pentru a reprezenta procesele ce implică
metaboliţi propriu-zişi;
tip 3 – cicluri interne (nici un flux net extern).
Van Dien (2002) aplică ExPA pentru analiza fluxurilor dintr-un proces de creştere
pe substrat de metanol. Modelul are 67 reacţii metabolice (20 reversibile) şi 65
metaboliţi. Sunt identificate 476 mode elementare (dintre care au studiat doar 10%).
Alternativele au fost comparate printr-un model QSS.
5.2. Modele de reglare celulară de tip FBA şi analiza FCC

(FCC – Flux Control Coefficients, FBA – Flux Balance Analysis)
(Stephanopoulos&Simpson, 1997; Fell, 1997)
Metode de investigare a schemelor de reacţii biochimice (metabolice), fără a

implica modelarea cinetică (cunoaşterea constantelor de viteză), din punct de vedere al
caracteristicilor de control a procesului.
„Fluxurile”sunt fluxuri de substanţă ce au loc (se desfăşoară) ireversibil între
două grupări de reacţii (moli/minut).
J=r⋅V
Exemplul 1
0.1 0.3 0.2 0.2 0.2

A1 A2 A3 X B1 B2
Flux JA Flux JB
JA JB
A X B JA = JB serie (la QSS)
Exemplul 2
B2
JB 0.2
B1
0.5
0.6 0.3 0.2
A1 A2 A3 X 0
A
J C1 -0
.3
JC C2 -0
JA = JB + JC .5
JA JB B C2
A X Paralel (QSS)
JC C
Problema de inginerie este aceea de a maximiza unele fluxuri din schema

metabolică. O modalitate este aceea de analiză a controlului metabolic (MCA), deoarece
supra-producţia (over-expresia) unei singure enzime din schemă este insuficientă (chiar
dacă prezintă un coeficient de control al fluxului FCC mare).
Procesele metabolice fiind strâns inter-conectate este necesară o abordare

sistemică a schemelor de reacţii.
M1 + M2 + . . .
P2
P1
Fig. ...
Este de preferat a acţiona asupra concentraţiei sau activităţii unei enzime fără a
modifica nivelurile concentraţiei de metaboliţi. Aceasta se realizează prin variaţia
ierarhiei de importanţă (mărime) a fluxurilor, prin modificarea activităţii enzimei.
Amplificarea fluxurilor fără implicarea metaboliţilor se poate realiza deci prin (1)
variaţia activităţii enzimei; şi (2) îndepărtareaproduşilor; (3) considerarea tutror
conexiunilor enzimei în cauză cu alte procese (teorema de sumare a tuturor enzimelor).
Este dovedit (Fell, 1997) că schimbarea fluxurilor într-o schemă metabolică este:
o problemă asimetrică;
maximizarea unui flux prin simpla acţiune asupra activităţii enzimei este
imposibilă;
maximizarea unui flux prin simpla găsire a enzimei inhibitoare este
imposibilă;
maximizarea fluxurilor se face numai considerând întreg complexul de
fluxuri din schema metabolică.
5.2.1. Definirea FCC (Flux Control Coefficients) (Heinrich&Achuster, 1996;

Stephanopoulos, 1997; Fell, 1997).
Original FCC au fost introduşi pentru a cuantifica limitările de viteză în sisteme

enzimatice (Kacser / Burns, 1973).
Ipoteza de V = constant, u = constant.
FCC se definesc în două moduri:

J ∂Jj Jj
c Ejk = (Kacser & Burns, 1973)
∂ Ek Ek
Jj – fluxul j la QSS;
Ek – concentraţia totală de enzimă k care catalizează toate reacţiile individuale
din fluxul j.
J ∂ Jj Jj
c rkj = (Heinrich & Rapaport, 1973)
∂ rk rk
rk – viteza de reacţie k;
∂ rk - se modifică, rk , datorită unui modificator de activitate, dar nu în mod
necesar a concentraţiei de enzimă.
Matematic, fluxurile Jj nu pot fi exprimate direct funcţie de rk, ci mai degrabă
funcţie de parametrii cinetici pk , rezultă că:
∂Jj
Jj
Jj ∂ pk  ∂r 
c rk = ,  k ≠ 0 
∂ rk  ∂ pk 
rk
∂ pk
J
c Ejk - modul în care o enzimă controlează un flux;
J
c rkj - modul în care o viteză de reacţie controlează un flux.
Coeficienţii se pot exprima şi în forma ne-nominalizată:
∂Jj
J ∂p J ∂Jj
c rkj = k ; c Ejk =
∂ rk ∂ Ek
∂ pk
Dependenţa J i (E k ) este de regulă hiperbolică.
ră
Ek
inia
l
zonă
Fig. …..
J
În zona de [Ek] << , J(Ek) este liniară, şi deci c Ejk ≈1 (Ek – limitatoare de viteză).
J
În zona de [Ek] >> , c Ejk ≈ 0 .
Teorema de sumare (Kacser&Burns, 1973)
∑ cE
Jj
k
=1
k
 toate 
 enzimele 
 
J
Teorema de sumare arată că c Ejk nu este o proprietate a enzimei Ek ci a întregului
J
sistem. Dacă activitatea unei enzime Ek se schimbă, se schimbă şi c Ejk , şi automat se
schimbă şi c JE al celorlalte enzime care nu şi-au schimbat activitatea.
FCC are mai multe utilizări:
a) predicţia potenţialului unei scheme din punct de vedere al creşterii unui
anume flux, Jj (Fell, 1997);
b) grupare reacţii şi aplicarea schemelor de amplificare a fluxurilor, prin
calcule gFCC (de grup) (Stephanopoulos, 1997).
5.2.2. Metoda gFCC pentru amplificarea fluxurilor(Stephanopoulos, 1997)
Pas 1 – Determinarea reacţiilor independente (şi a mode-lor)

Cazul a) nr > nS ,red
Numărul de reacţii liniar independente este dat de rangul matricii stoechiometrice:
i =1,K, n S (numar specii total)
[ ]
ν = ν i, j ; j =1,K, n r (numar reactii)
Deci,
Nr. reactii liniar independente = rang (ν ) ≤ n r − n S
Nr. reacţii independente = nr. minim de reacţii necesare a asigura legătura dintre
intrări şi ieşiri din sistem (conversie reactanţi la produşi), într-un mod care menţine
invariant sistemul (de ex. nu variază punctul de QSS).
Determinarea coeficienţilor reacţiilor independente se face prin metoda SIMS
(steady-state internal stoechiometry, Reder, 1988).
[ ]
Se determină spaţiul nul al ν Tred n S,red × n r (reactanţii au ν i, j < 0 ), cu relaţia:
ν red N = 0
în care,
nS,red – număr specii (metaboliţi) care pot avea starea QSS;
ν red - este o submatrice a ν - complete.
Exemplu
A1
1
3
B 2D
2 6
4
C E
5
F
ν redus N = 0
A
P1
P2
B 2D
C E
P3
F
N – Kernel matrix
La stabilirea semnului coeficienţilor νi,j în metoda SIMS, direcţia fiecărei reacţii

este cea dată de fluxul net al schemei. νred este o submatrice a ν, obţinută prin
eliminarea tuturor speciilor (metaboliţilor) care servesc ca sursă sau produşi finali (ieşiri
din schemă).
Numărul de secvenţe (trasee) de reacţii posibile este:
Nr. trasee = n S,red = nr. specii aflate la QSS
(care nu sunt intrari sau iesiri in sistem)
(metaboliti nodali / interni)
Nr. alternative de trasee = Nr. grade de libertate = n r − n S,red

Baza matricii N constă în (n r − n S,red ) linii ale lui N , corespunzând la reacţii unic
– independente (input/output – reacţii)sau recicluri necesare inputurilor.
Exemplu
N are 6 – 3 = 3 linii independente (R1, R3, R6)
Considerând o bază de reacţii pentru N , orice QSS în schemă este o contribuţie

liniară a fluxurilor ce trec prin reacţiile independente. Deci, fiecare traseu (coloană a lui
N) este o contribuţie liniară a reacţiilor din bază.
Cazul b) nr < nS
În cazul în care numărul de specii este mai mare decât numărul de reacţii,
stabilirea reacţiilor independente (mode) se face prin metoda Ross & Tsuchiya, 2001
(1379).
Exemplu
R1 Br- + BrO3- + 2 H+ HBrO2 + HOBr
R2 Br- + HBrO2 + H+ 2HOBr
R3 Br- + H+ + HOBr Br2 + H2O
R4 BrO3- + H+ + HBrO2 2 BrO2 + H2O
R5 Ce3+ + BrO2 + H+ Ce4+ + HBrO2
R6 Ce4+ + BrO2 + H2O BrO3- + Ce3+ + 2 H+
R7 2 HBrO2 BrO3- + H+ + HOBr

ν[ n S ×n r ]
R1 R2 R3 R4 R5 R6 R7
BrO3 1 0 0 1 0 -1 -1
HBrO2 -1 1 0 1 -1 0 2
HOBr -1 -2 1 0 0 0 -1
BrO2 0 0 0 -2 1 1 0
Br - 1 1 1 0 0 0 0
H+ 2 1 1 1 1 -2 -1
Ce 4+ 0 0 0 0 -1 1 0
Br2 0 0 -1 0 0 0 0
Ce 3+ 0 0 0 0 1 -1 0
Se determină spaţiul nul (β) al lui ν :

β⋅ν=0
BrO3 HBrO2 HOBr BrO2 Br - H+ Ce 4+ Br2 Ce 3+
β = P1 1 1 1 1 1 0 0 2 0
P2 0 0 0 0 0 0 1 0 1
P3 2 -41/10 -3/2 -27/5 49/5 -87/10 -5 -2/5 5
P4 -53/14 -81/28 1/28 -61/14 5 -57/28 -7/4 3 7/4
Rang (β) = 4 = Nr. specii dependente (H +, Ce 4+, Br2, Ce 3+), adică speciile ale
căror concentraţii QSS, [H +]S, [Ce 4+]S, [Br2]S, [Ce 3+]S, se obţin din concentraţiile QSS
ale speciilor independente BrO3 , HBrO2 , HOBr , BrO2 , Br - .
β=  β ,β 
 dep indep 
 C dep 
C=  
 C indep 
C dep = α ⋅ C indep − α ⋅ C 0 , indep + C 0 , dep
în care:
( )
Rang β = Rang  β
 dep
 , α = − β − ⋅ β
 dep
indep
La QSS,
d C indep
= 0 ⇒ CS,indep ⇒ CS,dep
dt
βindep formează baza de reacţii liniare independente.
Pas 2 - Identificarea metaboliţilor de legătură (de conexiune, sau nodurile

schemei)
Speciile (metaboliţii) care intervin în punctul de separare a mai multe căi
independente.
Exemplu
P1, P2, P3 susţin toat eR1. Deci un punct de separare este după R1, respectiv în B.
P1, P2 susţin ambele R5, deci un punct de separare este C.
Deci B, C sunt metaboliţi de legătură (link-metabolite).
Pas 3 - Determinarea grupelor de reacţii

Reacţiile se grupează în funcţie de dispunerea lor în raport cu punctele (speciile)
de legătură.
Exemplu
JB
B1 B2
A1 A2 A3 X
JA C1 C2 C3
JC
Rezultă trei grupe, cu trei fluxuri de substanţă (JA , JB , JC).
Pas 4 - Determinarea coeficienţilor de control metabolic

(c k
i
J
= C r ,ki )
J – flux
r – viteză de reacţie
Determinarea c Jr se face experimental, prin aplicarea unei perturbaţii într-o
anumită reacţie. Perturbaţiile mici nu produc c Jr de calitate, ci doar perturbaţiile mari
aplicate reacţiilor cheie din grupul de reacţii respectiv (Small & Kacser, 1993).
Pentru un punct nodal de ramificaţie:
JB
JA
JC
gFCC se determină prin măturarea (JA , JB , JC). Înainte de aplicarea unei

perturbaţii (la QSS) şi după aplicarea câte unei perturbaţii pe fiecare ramură:
J ik
k
fi = ; i= {A ,B ,C}
J 0k
unde,
f ik - factorul de amplificare a fluxului k la aplicarea unei perturbaţii în grupul de
reacţii i.
Constanta fiecărei perturbaţii este:
c iA c iB c iC
Ki = = = ; i ={ A , B , C }
f iA −1 f iB −1 f iC −1
Determinarea Ki se face din teorema de sumare a c iK şi teorema de ramificare în

noduri:
−1 
K A  f A − 1 f B − 1 f C − 1 1 
A A A
 K  =  f B − 1 f B − 1 f B − 1 ⋅ 1 
 B  A B C  


C C C
 ( )
 K C  f A − 1 f B − 1 f C − 1 1  ⇒ K A , K B , K C ⇒ c iK = K i f iK − 1 , i = {A, B, C}


(
K C J C0 f BA − 1
=
) 
(
K B J 0B f CA − 1) 

unde,
c iK = c Jrik - coeficientul de control metabolic al Jk dat de o perturbaţie în ri.
O metodă echivalentă de determinare c iK , este aceea de a crea o perturbaţie în
grupul i, şi măsurând
R i = rii r0i , i∈{A, B, C}
unde,
Ri – factorul de amplificare al activităţii grupului i (înainte şi după aplicarea unei
perturbaţii).
Rezultă:
Ri
Ki = ; i ∈{ A , B , C }
f ii (R i − 1)
c iK =
(
R i f ik −1) ; ∑ ciK =1
f ii (R i − 1) i
Se determină apoi şi gCC (coeficienţii de control a concentraţiilor grupului):

x ∂xj
γ Ji j =
∂ Ji
unde,
x
γ Ji j = γ ij - coeficienţii de control al concentraţiei metabolitului j, datorat fiecărui
flux perturbant i;
x 0j - starea QSS a concentraţiei metabolitului nodal j∈{1, 2 ,K, n S,red };
x ij - starea perturbată a concentraţiei metabolitului j.
 xj 
(
γ ij =  ij −1 K i ⋅ f ii − c ii ) , ∑ γ ij = 0
 x0  i
unde,
i = { A, B, C} - fluxuri;
j = j∈{1, 2 ,K, n S,red } - metaboliţi interni;
nS,red – număr metaboliţi nodali/interni.
Pas 5 – Interpretarea gFCC şi gCCC a diverselor grupări de reacţii

Printr-o anumită grupare a reacţiilor, se determină la QSS:
x0 – concentraţia la QSS;
r0 – vitezele fiecărei reacţii la QSS;
J i0 = ri,0 ⋅ V - fluxul de substanţă (moli/min) prin fiecare reacţie;
gFCC
gCCC
gCCC
Cinetică Enzimatică (Elasticităţi)
Bilanţ Metaboliţi
Model Cinetic Concentraţii QSS
şi gFCC
Fluxuri QSS
Etape ce controlează
viteza de reacţi
Aceştia pun în evidenţă gradul de control cinetic al procesului global de către o

anumită reacţie sau grup de reacţii. Aceasta direcţionează cercetările ulterioare pentru
modificarea metabolică a acelei reacţii în sensul dorit.
Aceleaşi concluzii rezultă şi prin analiza de sensizitivitate parametrică efectuată
pe anumite reacţii, sau grupe de reacţii:
Cinetică Enzimatică
- gCCC
Bilanţ Metaboliţi
- Elasticităţi
Model cinetic
Grupare reacţii - Concentraţii QSS (X0)

gFCC
(scheme de grupare) - Fluxuri QSS (J0)
Perturbaţii
cinetice
Etape limitative
Sistem perturbat ∆J
de viteză proces
5.2.3. FCC folosiţi în scopuri predictive şi de optimizare proces (Fell, 1997)
Factorul cu care se amplifică un flux J atunci când activitatea enzimei creşte de r-

ori, este:
1
f=
r −1 J
(Small & Kacser, 1993)
1− cE
r
unde feste un indicator mai rafinat decât c JE (senzitivitatea unei enzime într-o schemă
cinetică).
O enzimă este limitativă pentru o anume reacţie (şi proces) dacă c JE ≈1 (respectiv
J creşte proporţional cu creşterea activităţii E). Se poate determina astfel enzima cheie
(cu c JE ≈1 ) din schema metabolică.
O enzimă alosterică care este inhibată de un metabolit produs, are de regulă
J
c E << (mic) şi nu este de regulă limitativă de viteză. Pentru aceste enzime,
senzitivitatea lor în schemă se determină cu un indicator mai rafinat (f – de mai sus).
Indicatorul de mai sus oferă posibilităţi de predicţie a efectelor atunci când se produc şi
diminuări ale activităţii unei enzime (r < 1).
Este evident că o creştere a activităţii/concentraţiei tuturor enzimelor din sistem cu

aceeaşi cantitate, nu va avea nici un efect asupra conversiei, deoarece cresc toate
fluxurile la fel, creşte cantitatea de biomasă, care însă consumă şi metaboliţi.
Dacă a fost identificat un grup de enzime cu c JE mari (gFCC), atunci un efect de
amplificare a fluxului este obţinut prin creşterea activităţii oricăreia din enzimele
grupului. Kacser & Averenza (1993) indică şi o metodă universală de amplificare a
conversiei în produs util, prin amplificarea ultimei reacţii din schemă (cea care produce
produsul), realizată prin creşterea concentraţiei de enzimă pentru acea reacţie. Aceasta
are un efect în cascadă, necesitând creşteri de flux “în amonte”, dar din ce în ce mai
mici, cu cât ne apropiem de reactanţi.
FCC dă o idee asupra caracteristicilor de reglare ale sistemului, şi identifică orice
schimbare în concentraţia metabolitului ca fiind un semnal de reglare. FCC poate duce
şi la o optimizare a fluxurilor având ca scop realizarea unui anumit obiectiv (creştere
conversie produs, creştere selectivitate etc.).
Caracteristicile de activitate ale genelor pot fi modificate prin metode genetice.
5.3. Analiza Controlului Metabolic (MCA) (Riznicenko, p. 42)

Teoria MCA a fost dezvoltată de Kacser&Burms (1973) şi Heinrich&Rappaport

(1973) pentru descrierea cantitativă a modului de reglare într-un sistem metabolic, prin
intermediul unor indicatori de reglare.
Sunt posibile astfel dezvoltarea şi analiza controlului celular cu ajutorul unor
modele structurate de reglare.
Indicatorii de reglare pot fi locali sau globali, dezvoltaţi în jurul unei QSS sau de-a
lungul unei perioade tranzitorii (Schuster, 1996).
Notaţii
J – fluxul de substanţă datorat unei reacţii (mol/s);
J =r⋅V
Si – concentraţia specie i (metabolit intern, extern, enzimă);
pj – parametrul cinetic j;
r(S,p) – viteza de reacţie.
Principalii indicatori MCA se evaluează în urma investigaţiilor experimentale.

Principalii indicatori MCA evidenţiază rolul enzimelor sau a unor reacţii din
sistemul celular, sau a unor parametrii cinetici, sau a unor factori externi, asupra
evoluţiei dinamice a metabolismului şi asupra variabilelor de control a sistemului
(fluxuri şi concentraţii staţionare) (Schuster, 1996; Hofmeyer, 1998).
Coeficienţii de control metabolic sunt de trei tipuri:
coeficienţi de răspuns a QSS la orice schimbare de parametru a sistemului;
coeficienţi de control ce caracterizează răspunsul sistemului (J, S, τrecover
etc.) după o perturbaţie parametrică (FCC, CCC etc.). coeficienţii de control
sunt de regulă globali.
coeficienţi de elasticitate ce cuantifică variaţiile vitezelor de reacţie după
perturbarea concentraţiilor speciilor, sau a parametrilor cinetici (în condiţii
izolate). Ei sunt de regulă coeficienţi locali.
O teorie MCA sistematică a fost dezvoltată doar pentru condiţii staţionare (QSS)
ale sistemului.
Control – efectul modificărilor unor parametrii sau variabile asupra sistemului, în
scopul menţinerii în condiţiile QSS-optime.
Reglare – funcţii biologice ale setului de reacţii metabolice, ce menţin sistemul în
condiţia QSS-dată.
Nomencalatură (Hofmeyer, 1998)

i) r – viteză de reacţie
ii) specii moleculare
– externe celulei, sunt de regulă la QSS în scopul existenţei lor = set de
parametrii ai sistemului;
– interne, sunt de regulă intermediari variabili ce cuplează reacţiile.

iii)coeficientul de control cuantifică răspunsul sistemului la schimbări în
activitatea unei reacţii sau a mai multora;
iv) coeficient de răspuns cuantifică răspunsul sistemului la schimbări în
componente al ereacţiilor (concentraţii, flux, constante cinetice).
5.3.1. Coeficienţii de răspuns (R)
 ∂ ln y  ∂ y
R qy =   ; (normat ) ; R qy =   ; (ne - normat )
 ∂ ln q  SS  ∂ q  SS
unde,
SS – sistem aflat la o QSS, care este posibil a fi modificată, sistemul evoluând
către o nouă QSS;
y – variabilă de stare (J, S etc.);
q – parametru de sistem (S – variabilă, p etc.).
Dacă parametrul (q) afectează mai multe reacţii (index-uri), atunci coeficientul de
( )
răspuns global este R qy :
( )
R qy = ∑ R qy
i
i
5.3.2. Coeficienţii de control (C)
Pot fi definiţi pentru q∈{ J , S }

 ∂ ln Si   ∂ ln Si ∂ ln p k 
(C )
S Si
rk =   =  
 ∂ ln rk SS  ∂ ln rk ∂ ln p k SS
 ∂ ln J i   ∂ ln J i ∂ ln p k 
(C )
J Ji
rk =   =  
 ∂ ln rk SS  ∂ ln rk ∂ ln p k SS
Uneori se folosesc şi coeficienţi ne-nominalizaţi:
 ∂S   ∂ S ∂ pk 
(C )
S Si
rk =  i  =  i  = CSi, k
 ∂ rk SS  k∂ r ∂ p k SS
 ∂J   ∂ J ∂ pk 
(C )
J Ji
rk =  i  =  i  = CiJ, k
 ∂ rk SS  ∂ rk ∂ p k SS
Ecuaţia de stare-staţionară este (QSS):
( )
N ⋅ r S, p = 0
unde,
N – matricea stoechiometrică;
S (p) ; J (p) – Jacobianul sistemului.
În termeni vectoriali:
−1 −1
∂S  ∂ r 
S J ∂J  ∂r 
C =   ;C =  
∂ p  ∂ p  ∂ p  ∂ p 
unde,
( )
S= Sindep , Sdep (vezi paragraful anterior)
∂ Sdep
LT = - matrice de legătură (link-matrix)
∂ Sindep
Prin diferenţierea ecuaţiei de bilanţ QSS:
∂ r ∂S ∂r  ∂S  ∂r 
N ⋅ +N = 0 ;   = − M −1 ⋅ N   - senzitivităţi parametrice S
∂S ∂ p
123
∂p  ∂ p SS  ∂ p SS
M
J ( p ) = r ( S ( p ) , p ) (faţă de perturbaţii staţionare ale lui p)

−1 
∂ J  ∂ r ∂ r ∂ S  ∂ r  ∂r  ∂r
= + ⋅  =  I − 
 N ⋅ 
 N ⋅
∂ p ∂ p ∂ S ∂ p   ∂ S  ∂S  ∂p
 
−1
 ∂r  ∂r S
CS = −  N  N ; C J = I + ⋅C
 ∂S ∂S
(
În cazul în care S= Sindep , Sdep , )
∂ Sind ∂r
∂p
= − M0 ( ) −1
N0
∂p
- senzitivităţi parametrice
 ∂r 
M 0 =  N 0 L  - Jacobianul în starea staţionară (0)
 ∂ S 
∂ r  ∂ r ∂ r   ∂ Sdep 
= , ; L=  - matricea de conectivitate
∂ S  ∂ Sindep ∂ Sdep   ∂ Sindep 
∂r
CS = − L M 0 ( )−1
N0 ; CJ = I −
∂S
( )
L M0
−1
N0
5.3.3. Coeficienţi de elasticitate (ε, π)
Elasticităţi, ε
∂ ln ri
εSri = εi, k = (forma normată)
k ∂ ln Sk
∂ ri
εSri = εi, k = (forma ne-normată)
k ∂ Sk
Elasticităţi, π
∂ ln ri
π rpi = πi, k = (normat)
k ∂ ln p k
∂ ri
π rpi = πi, k = (ne-normat)
k ∂ pk
unde,
S – metabolit intern, metabolit extern, enzimă.
5.3.4. Legătura dintre C, R, ε, π

 R S j  = CS j ⋅ πri (pentru reacţia i)
 p k i ri pk
 R J j  = CJ j ⋅ πri (pentru reacţia i)

 p k i ri pk
sau pentru coeficienţi de răspuns globali:

S S
R p j = ∑  R p j  ; R S = CS ⋅ π
k
i
 k i
J J
R pj = ∑  R p j  ; R J = C J ⋅ π
k
i
 k i
C J = I + ε CS
Demo:
CJj, k = εi, j CSi, k
∂Jj ∂ J j ∂ Si
∂ rk
= ⋅
∂ Si ∂ rk
(
; rj ≡ J j )
5.3.5. Teorema de sumare
Suma coeficienţilor de control ai fluxului (FCC = CJ), pentru un anumit flux J este
egală cu unu.
nr. reactii
∑ (C )
J Ji
rk =1
k
Suma coeficienţilor de control ai concentraţiei (CCC=CS), pentru o anumită specie
S (enzimă) este egală cu zero.
nr. reactii
∑ (C )
S Si
rk =0
k =1
(MCA, Internet – GEPASI, 1438)

Enzimele limitatoare de viteză de reacţie se denumesc şi „bottlenecks”, sau
„peace-makers”. ele au CJ aproape de 1. Sunt de regulă enzimele de după un punct de
bifurcaţie şi catalizează reacţii ireversibile.
Enzimele limitatoare controlează întreaga schemă metabolică în aval. Creşterea
concentraţiei/activităţii acestor enzime duce la creşterea fluxului, dar nu proporţional ci
hiperbolic datorită teoremei de sumare.
Teorema de sumare se aplică şi grupurilor de reacţii. Ea nu se aplică separat
grupurilor care însă împart anumite reacţii (dacă le au în comun).
Exemplu
J
(E1) (E2)
X0 S1 X2
C J = C Jr1 + C Jr2
r1 r2
(+E1) (-E1) (+E2) (-E2)
X0 E1X0 S1 E2S1 X2
(1a) (1b) (2a) (2b)
(+E1) (-E1) (+E2) (-E2)

X0 (E1X0) S1 (E2S1) X2
(1a) (1b) (2a) (2b)
(+E2) (-E1)
(3a) (E1S1E2) (3b)
C JE1 = C Jr1,a + C Jr1,b + C 3J a + C 3J b ; (pentru enzima E1)
C JE 2 = C Jr2 ,a + C Jr2,b + C 3J a + C 3J b ; (pentru enzima E2)
C JE1 + C JE 2 ≠1 ; ∑ C Jk =1
k
5.3.6. Teorema de conectivitate
Se aplică sistemelor aflate la QSS, descrise de ecuaţia de conservare ce leagă

(conexează) variabilele dependente (Sdep) de cele independente (Sindep).
S= Sindep , Sdep ( )
∂ Sdep
L= - matricea de legătură (de conectivitate)
∂ Sindep
Dacă la QSS sistemul este:
( )
N 0 ⋅ r = 0 ; r S, p
rezultă prin diferenţiere:
∂r ∂ Sindep ∂r
N0 ⋅ ⋅L⋅ + N0 ⋅ =0
∂S ∂p ∂p
unde:
∂r  ∂r ∂r 
= , 
∂ S  ∂ Sindep ∂ Sdep 
 
CS ⋅ ε ⋅ (diag S)−1 = − (diag S)−1 ⋅ L
teorema de conectivitate
C J ⋅ ε ⋅ (diag S)−1 ⋅ L = 0
Teorema de conectivitate demonstrează relaxarea perturbaţiilor variabilelor din
sistem, datorită inter-conexiunilor dintre variabile.
P
(τ re cov er )P → 
mari si dispersate
G (τ re cov er )G → 
( la o perturbatie δ [ P ] )
P
[P]S
≈
[G]S
t
Dacă P şi G sunt mult mai conectate:
P
+P (τ re cov er )P 
G (GP)  descresc si sunt
-P (τ re cov er )G  mult mai apropiate
P
[P]S
[G]S
t
Dacă lipsesc ecuaţiile de legătură între specii, se setează L = I (există numai

variabile independente).
5.3.7. Coeficienţi de co-răspuns şi co-control
Se aplică sistemelor QSS, la care se urmăreşte răspunsul a două variabile (y1 , y2)
în raport cu perturbaţia aceluiaşi parametru p.
R py1
Ω py1 , y2 = - coeficient de co-răspuns
R py2
Analog se defineşte şi raportul dintre răspunsul a două variabile în raport cu
aceeaşi reacţie perturbată (ri).
C ry1
θ ry1 , y 2 = i
- coeficient de co-control
i
C ry 2
i
5.3.8. Coeficienţii MCA scalaţi şi nescalaţi
În MCA se folosesc ambele tipuri de coeficienţi.

Coeficienţii scalaţi sunt mai utili în interpretările fiziologice ale reglării şi
controlului. Coeficienţii nescalaţi sunt mai practici în contextul matematic (de calcul şi
generalizare teorie).
5.3.9. Avantaje şi dezavantaje MCA
Dezavantaje
Analiza este făcută la QSS şi nu este luat în calcul factorul dinamic (timp)
(Szedlacseck, 1999).
Analiza este făcută cu indicatori construiţi în ipoteza modelului cinetic
liniarizabil (∆J → dJ ; ∆S → dS).
Relaţiile de calcul şi legătură între senzitivităţi şi coeficienţii MCA implică
liniarizări ale modelului matematic (bilanţuri masice staţionare + ecuaţii
cinetice).
Modelul de bilanţ este construit în ipoteza V = constant , şi utilizarea
concentraţiilor S (în locul numărului de moli).
Presiunea osmotică u = cons tan t şi sunt neglijate efectele de transport de
substanţă în analiza răspunsului la perturbaţii dinamice.
Nu implică simularea dinamică a răspunsului sistemului (analiză în detaliu)
şi ignoră multe alte aspecte ale reglării (traiectorii de recover, timp/viteză de
rrecover, stabilitate QSS etc.).
Avantaje
Dă posibilitatea unei caracterizări rapide a posibilităţilor de răspuns ale unui
sistem metabolic la perturbaţii (în special în activitatea enzimelor).
Permite evaluarea posibilităţilor de control şi a auto-reglării sistemului.
Permite calcule matematice rapide (de algebră liniară) de exprimare a
caracteristicilor de reglare.
Dacă se introduce spaţiul nul (K) al lui CS, se obţine:
CS K = 0 ; C J K = 0
Cele două teoreme (de sumare şi conectivitate) devin:
 CJ  K 0 
  (K ε L )= 
 CS   0 − L 
   
( )
CJ = I − ε L M 0
−1
( )
N 0 ; CS = − L M 0
−1
N0
5.3.10. Coeficienţii MCA pentru ecuaţia Michaelis-Menten şi alte generalizări
Vm S
r= - ecuaţia Michaelis-Menten
KS + S
∂r r KS
εS = = - coeficient de elasticitate ε
∂ S S KS + S
S >> → εS << (ε S → 0) (saturatie) ; S << → εS >> (εS ≈ 1)
∂r r KS
πK S = =− = − ε S - coeficient de elasticitate π
∂ KS KS KS + S
Alte ecuaţii cinetice importante.
Vm n
r= n
; ε S = n
- ecuaţia Hill (alosteric binding)
 KS   S 
1+   1+  
 S   KS 
(ex.: legarea “0” de hemoglobină).
S → ∞ , εS → 0
S → 0 , εS → n
etc. …. (Schuster, p. 258).
O aplicaţie a MCA (cu simulare cinetică dinamică ODE) este dată de Schuster
(p.170) pentru “Controlul Metabolismului Energetic la Celulele Eritrocite” (glicoliza).
În timpul perioadei tranzitorii de restabilire a QSS (recover) după o perturbaţie
dinamică, coeficienţii MCA variază, fiind dependenţi de timp. Schuster dă un mod de
calcul al coeficienţilor MCA dinamici (p. 198).
O generalizare a teoriei coeficienţilor MCA, în cazul folosirii şi a altor variabile
decât (J, S) este dată de Schuster, p. 216 unde,
X – vector de stare generalizat ;
Y – vector de variabile de răspuns generalizat.
Exemplu
fosforilare – oxidativă: S → forţă motrice de transport H+
glicoliză: S → [ATP]/[ADP]
Schuster defineşte (p. 230) şi coeficienţi de control ai proceselor metabolice

oscilatorii:
∂ ln T ∂ ln f ∂ ln A
R Tj = ; R jf = ; R Aj =
∂ ln p j ∂ ln p j ∂ ln p j
∑ R jf =1 ; ∑ R Aj = 0
j j
unde,
T – perioada de oscilaţie,
f – frecvenţa de oscilaţie,
A – amplitudinea de oscilaţie.
O tentativă de îmbunătăţire a preciziei de exprimare a coeficienţilor MCA prin
aproximaţii de ordinul 2, este dată de Schuster (p. 233).
5.3.11. Aplicarea coeficienţilor MCA la scheme modulare de reacţii

metabolice
În cadrul metabolismului pot fi identificate unităţi funcţionale distincte: sinteza

aminoacizilor, sinteza proteinelor, degradarea proteinelor, procese în mitocondrie,
procese în citosol etc. Analiza MCA poate identifica proprietăţile de reglare ale acestor
subunităţi, în raport cu o anume funcţiune, şi nu în raport cu activitatea unei singure
enzime, sau cu a tuturor enzimelor din sistem.
Informaţii privind proprietăţile de reglare ale subunităţilor pot fi astfel obţinute
chiar şi pentru unele care nu sunt complet observabile.
Exemplu
fosforilarea – oxidativă în mitocondrie (1983)
Trei subunităţi: - reacţii conectate cu respiraţia celulară şi generarea de forţă
(
motrice H+ ∆µ H + ; )
- reacţii conectate cu sinteza ATP în afara mitocondriei datorită
∆µ H + ;
- reacţii de miopatie a H+.
Sunt astfel calculate interacţiile dintre cele trei module de reglare.
Metoda de grupare în module a reacţiilor în raport cu anumite funcţiuni celulare,
duce la definirea a două tipuri de module:
Module de tip I (1) “black-boxes” – module de reacţii neobservabile în
interiorul modulului, dar sunt observabile reacţiile de legătură cu alte
module.
Module de tip II (2) – module observabile pentru reacţiile interne şi cele de
legătură inter-modulare.
Această clasificare a modulelor poate uneori să nu corespundă cu dispunerea
spaţială a reacţiilor/speciilor.
Exemplu
2
2 2
2 2
modul 2
2
2 modul 1 B
B
1 1
2
B
Reacţiile sunt de trei tipuri, în funcţie de apartenenţa la module:

tip 1 (modul 1)
tip 2 (modul 2)
tip B(de legătură)
Rezultă deci:
S= (S1 , S 2 )T - vector concentraţii
r = (r1 , rB , r2 )T - vector viteze de reacţie
 N1,1 N1, B 0 
N= - matricea stoechiometrică
 0 N 2, B N 2, 2 
 ε1,1 ε1,2 
 
ε =  ε B,1 ε B,2  - coeficienţi MCA de elasticitate
ε 
 2,1 ε 2, 2 
Coeficienţii (nenominalizaţi) sunt definiţi în felul următor:
 ∂r 
ε B, 2 =  B 
 ∂ S2 SS
Deoarece la QSS fluxurile de intrare/ieşire din module trebuie să se bilanţeze,
rezultă:
(r B )SS = Q ⋅ (r R )SS
unde,
rR – vector de fluxuri de legătură (B) între module.
[
Q ⋅ N1,1 N1, B 0 = 0 ]
5.3.12. Aplicaţii ale metodei MCA pentru optimizarea proceselor metabolice
În timpul evoluţiei celulelor, procesele metabolice sunt şi ele evolutive, putând

apărea modificări:
noi tipuri de reacţii, sau reacţii cu alte caracteristici;
enzimele se adaptează noilor condiţii de mediu.
Optimizarea sistemului celular după un anume criteriu, de regulă cel de
maximizare a unui produs sau funcţie celulară:
max Φ ( p , S(p ), J (p ))
Cele mai întâlnite criterii de optimizare sunt:
a) maximizarea vitezelor de reacţie şi a fluxurilor la QSS;
b) minimizarea concentraţiei intermediarilor metabolici;
c) minimizarea duratelor tranzitorii;
d) optimizarea stoechiometriei de reacţie;

e) maximizarea eficienţei termodinamice.
Restricţiile problemei de optimizare sunt:
a) parametrii p trebuie să satisfacă condiţiile termodinamice de echilibru,
indiferent de catalizator;
b) parametrii p prezintă limite maxime datorate limitărilor difuzionale;
c) stoechiometria trebuie să satisfacă restricţii fizice de bilanţ masic (atomic);
d) restricţii biologice (funcţii de cost):
d.1) conţinutul total de enzimă al unei celule sau a unei scheme de
reacţii;
d.2) energia totală celulară utilizată.
În multe cazuri sunt aplicate criterii multi-obiectiv de optimizare a unui sistem
biologic:
max ∑ w i φi
unde,
wi – ponderi de compromis între subcriterii.
Dintre aplicaţiile de optimizare sistem metabolic celular cele mai importante sunt
următoarele:
1) Maximizarea vitezei de răspuns şi revenire a sistemului la starea QSS, după o
perturbaţie dinamică (Zang et al., 2002);
2) Minimizarea senzitivităţii sistemului la perturbaţii în jurul QSS (Maria,
2002);
3) Alte criterii de optimizare neconvenţionale (Maria, 2002): amplitudine
maximă a traiectoriilor de recover (revenire, recuperare) către QSS;
stabilitate maximă QSS; periodicitate impusă ciclului metabolic;
inflexibilitate faşă de schimbări în mediul extern (senzitivitate minimă) etc.
4) Maximizarea activităţii catalitice a unei singure enzime (max ri):
- KS (în ecuaţia Michaelis-Menten) ≈ S;
- KS >> S;
5) Valoarea optimă pentru constantele de viteză ale reacţiilor elementare, în
scopul optimizării unui criteriu (de exemplu, activitatea enzimatică
maximă).
max FCC
Exemplu
Hidroliza pirofosfatului sub influenţa fosfatazei
k1⋅Mg2PPi
MgnE (Mg2E) Mg2PPi
k-1
k4 k-4 ⋅MgPi k-2 k2
k-3⋅MgPi
(MgnE) MgPi MgnE (MgPi)2
k3
Au fost raportate următoarele constante cinetice optime pentru a avea un
maximum de conversie (şi C JE - max):
 1  1  1  1
k1 =14 ⋅10 7   ; k 2 = 400   ; k 3 = 390   ; k 4 = 600  
 M ⋅s  s s s
 1 1  1  5 1 
k −1 = 12   , k − 2 = 81  ; k − 3 =1,3 ⋅10 5   ; k − 4 = 20 ⋅10  
s s  M ⋅s   M ⋅s 
Dacă normalizăm constantele, prin împărţirea celor de ordinul 1 la k4, iar a celor
de ordinul 2 la k1, rezultă:
k1 =1 ; k 2 = 0,67 ; k 3 = 0,65 ; k 4 = 1 ;
k −1 = 0,02 ; k − 2 = 0,135 ; k − 3 = 0,0009 ; k − 4 = 0,014

k2
K eq ,2 = = 4,94
k −2
Se constată că parametrii cinetici (k) au fost determinaţi astfel încât să
maximizeze reacţiile directe, adică activitate enzimatică maximă de maximizare flux:
max C JE
aceasta deoarece K eq ,2 << K eq ,1 =1,28 ⋅10 7 .
6) Valoarea optimă a constantelor Michaelis-Menten (pentru maximizare

conversie/flux):
∂ KS ∂ Kp
≥0 ; ≥0
∂S ∂p
Reacţia este:
E
S P
(S1) (S2)
k1 k2 k3
E + S1 (ES1) (ES2) E + S2
k-1 k-2 k-3
k2 k3 Et k k E
rdirect = ; rinvers = −1 − 2 T
k 2 + k3 + k−2 k 2 + k −1 + k − 2
k 2 k 3 + k −1 k 3 + k −1 k − 2 k k + k −1 k 3 + k −1 k − 2
KM = ; KP = 2 3
k1 (k 2 + k 3 + k − 2 ) k − 3 (k 2 + k −1 + k − 2 )
Valorile optime KM şi KP (pentru S = P) sunt:
KS = K P = S
S
KS = ; K P =S
2 (1 + P )
P
KS = S ; K P =
2 (1+ S)
K S = K P = 2 ( S + P)
7) Maximizarea fluxurilor staţionare în scheme metabolice multi-enzimatice
Max J global (E1 , E 2 ,K)
unde,
E1 , E2 , … - concentraţii enzimatice pentru paşii de reacţie 1, 2, …
Problema este echivalentă, în termeni MCA cu:
E j  ∂ ln J 
Max J ⇔ (C )J
j optim = = 
E tot  ∂ ln E j 
- condiţia de optim
(E1 , K , E j , K , E n ) optim
(∑ C J
j, optim , teorema de sumare )
8) Minimizarea concentraţiei intermediarilor metabolici.
Descreşterea concentraţiei de enzime către capătul lanţului duce la acumularea de
intermediari. Descreşterea concentraţiei de enzime către capătul lanţului metabolic se
datorează necesităţii asigurării unei constante de echilibru > 1 (flux net favorabil), şi a
capacităţii limitate a solventului (bilanţ presiune osmotică) de a asigura o difuzie mare.
Aceasta se realizează doar la concentraţii ale metaboliţilor foarte mici, când ionii
hidrataţi din sistem pot migra rapid, fără rapid, fără limitări de difuzie.
Atunci când în sistem există mulţi metaboliţi şi ioni, migrarea ionilor-hidraţi este
din ce în ce mai greoaie cu cât reacţia avansează.
Criteriul este:
J = J 0 = cons tan t , Ω 0 = ∑ Si - osmolaritate
n
Min Ω = ∑ g i Si ≤ Ω max = Ω 0 = cons tan t
i =1
E total = cons tan t

unde,
Si –intermediari metabolici;
Ω - osmolaritate sistem;
gi – coeficienţi osmotici de pondere.
În sumarea concentraţiilor sunt incluşi doar metaboliţii interni celulari (nu şi cei
externi). Criteriul poate fi completat şi cu alte condiţii restrictive:
[Nutrienti ]= cons tan t

[Cons tan ta de echilibru ]= [K ]= [K 0 ]= cons tan t
( )
Problema poate fi rezolvată în termeni de concentraţii optime E10 , E 02 ,K, E 0n ,
adică:
 n
Min ∑ g i Si = Ω (E1 ,K, E n )
 i =1

J = J 0 = cons tan t ⇒ E*
 E = E = cons tan t
∑ i tot
 i

Datorită monotoniei lui Ω, soluţia optimă se află la marginea domeniului fezabil
pentru concentraţii, unde unele dintre reacţii sunt foarte rapide. De aceea, la optim,
reacţiile sunt optime: unele foarte aproape de echilibru, altele la neechilibru.
9) Minimizarea duratei etapelor tranzitorii.
Criteriul derivă din necesitatea asigurării unei stabilităţi maxime a QSS. Durata de
recover (recuperare) minime corespunde cu o viteză de recover maxime (v. în
continuare viteza de recover şi criteriul Zang et al., 2002).
Min τ re cov er
cu restricţia:
M = ∑ µ j E j ≤ M 0 = cons tan t
j
unde,
µj – masa moleculară a enzimei Ej.
Deci, masa totală (M) enzimatică să fie limitată superior la o valoare (M0)
constantă. Aceasta ia în consideraţie efortul metabolic necesar sintetizării de mase de
enzime în scopul recover sistem.

Schuster (p. 224, p. 322), dovedeşte că:
n
1 n
τ = ∑ τi = ∑ Si (scheme de reacţii neramificate)
i =1 J i =1
deoarece τi este timpul tranzitoriu necesar fiecărui pas metabolic de a genera
concentraţia QSS staţionară Si, adică:
S 
τi =  i  (scheme neramificate)
 J SS
Deci, condiţia devine:
  1
Min τ =  ∑ Si  ⋅
 i  J(E1 ,K, E n )
Dacă λ1,…, λn sunt valorile proprii ale Jacobianului sistemului, sistemul este
stabil dacă
(p. 324, Schuster) toate Re(λ i ) < 0 - sistem stabil
τ min im ⇔ Maxim [− Re al (λ*)]
unde,
λ* - valoarea proprie a cărei parte Reală este minimă în valoare absolută.
Maximizarea criteriului:
Max [− Re (λ*)]

J = J 0 = cons tan t
poate duce la soluţii de ierarhizare a timpilor de recover, în sensul că:
nr. reactii − rang ( N) = nu ating echilibrul si sunt lente

rang( N) = reactiile devin de cvasi − echilibru (rapide)
(
Dacă se include şi condiţia de osmolaritate constantă ∑ Si = Ω = Ω 0 = cons tan t , )
se obţine tot o soluţie ierarhizată a problemei, în care starea optimă corespunde la paşi
de tipul:
rapid lent lent rapid
Si-1 Si Si+1
ierarhizarea etapelor procesului metabolic în condiţii optime, din punct de vedere al
vitezei de reacţie este omniprezentă în celulele vii (p. 325).
10) Maximum de producţie de entropie de reacţie(p. 222).
Entropia a r reacţii este produsă cu formula:
r rj A j
σ=∑ (p. 222)
j =1 T
unde,
T – temperatură;
Aj – afinitatea reacţiei j;
 −n 
A j = RT ln  q j ∏ Si i , j  (p. 16)
 
 i 
q j - constanta de echilibru;
  ∆ G 0j 
exp  −  − constanta de echilibru pentru cazul cand
  RT 
  metabolitii externi nu participa la reactie

 (p.103)
qj =
 ∆G j 0
  P − m k , j − constanta de echilibru luand in calcul si metabolitii
exp  − ∏
 RT  k k externi care participa la reactia (i) cu coeficientii
 
 stoechiometrici m k, j (p.15)
mk,j – coeficienţii stoechimetrici (egali cu ordinul de reacţie parţial).
Cum în condiţii QSS şi condiţii externe staţionare, Aj = constant, rezultă că:
σ ~ r j ~ J j (la steady-state)
Dacă se introduce coeficientul MCA al entropiei:
∂ σ ∂ pk
C σk =
∂ rk ∂ p k
Legătura Cσ cu CJ este imediată:
 CJ 
C iσ = R ∑ C Jj, i ln (G j ) = R ln  ∏ G j j,i 
 j 
j  
σ J
(coeficienţi C , C – nenormaţi).
Această definiţie (σ ~ J) dă posibilitatea maximizării eficienţei termodinamice a
sistemului (p. 223).
Max C iσ (E1 ,K, E n )
11) Optimizarea stoechiometriei de reacţie (p. 325)
Criteriile anterioare de optimizare, maximizează vitezele de reacţie (fluxurile),
minimizează timpii de tranziţie, şi osmolaritatea totală a sistemului. Pentru nişte enzime
cu structură dată, aceasta asigură o optimă utilizare a activităţii lor.
Importantă însă este şi topologia sistemului enzimatic, respectiv interacţiile
moleculare care pot evolua odată cu evoluţia structurii enzimei (= proteină = codată
genetic). De aceea trebuie considerată şi eventuala optimizare a schemelor metabolice
schimbând stoechiometria de reacţie.
Exemplu
respiraţia celulară + fosforilare oxidativă (p. 326), unde numărul ATP ≈ 38
produs la 1 moleculă glucoză.
Exemplu
producţia de ATP prin glicoliză
P – sites = ATP – production – sites

O – sites = site implicate şi în producţia şi în consumul de ATP
C – sites = ATP – consumtion sites
Sunt posibile mai multe alternative de înlocuire O – site cu P – site sau C – site.
O - site C - site
Pi ATP ADP
Si-1 SiP ⇒ Si-1 SiP
O - site C - site
ATP ADP
Si-1 Si ⇒ Si-1 SiP
O - site P - site
Pi ATP ADP
Si-1P Si ⇒ Si-1P Si
O - site P - site
ATP ADP
Si-1P SiP ⇒ Si-1P Si
Dacă se urmăreşte maximizarea producţiei de ATP, rezultă criteriul:

 647 b 48 647 a 48 
Max J ATP =  (nr. site − P ) − (nr. site − C ) ⋅ J = (b − a ) ⋅ J

 
În felul acesta se poate optimiza distribuţia de “site”-uri de cuplare Si-P, respectiv
de numărul de locaţii C –, O –, P – site în lanţul metabolic. Afinitatea (A) globală a
sistemului depinde de acest număr total dar nu şi de locaţia lor în lanţ (p. 332).
5.3.13. Definirea perturbaţiilor staţionare şi dinamice şi a stabilităţii QSS a

sistemului metabolic (Maria, 2002; Schuster, 1996)
5.3.13.1. Perturbaţii staţionare (coeficienţi de senzitivitate staţionari)

Fie starea staţionară:
( )
N 0 r S0 , p = 0 (p. 142)
(indicele “0” denotă valorile la QSS).
În general, în starea staţionară,
N ⋅r =0
care la diferenţiere duce la:
∂ r ∂S ∂r
N⋅ ⋅ +N⋅ =0
∂S ∂ p ∂p
Dacă unul dintre parametrii sistemului (p), care poate fi parametru cinetic, nivel
nutrienţi externi, T, pH etc., i se aplică o perturbaţie staţionară, continuă de tip treaptă,
şi sistemul va răspunde printr-o evoluţie către o altă stare staţionară:
p0
0 t
S0
0 t
(traiectorie în funcţie de proprietăţile sistemului, amestecare etc.)
“Rezistenţa” fiecărei variabile de stare (Si) la o astfel de perturbaţie continuă a lui

(pj) este dată de coeficienţii de senzitivitate (Maria, 2002):
∂S
s i, j = i
∂pj
Deoarece stabilizarea sistemului într-o altă QSS este un proces tranzitoriu, şi
aceşti coeficienţi depind de timp (t), după ecuaţia de senzitivitate (Maria, 2002,
Appendix A):
dS
= h (S, p, t ) ; S(t 0 ) = S0
dt
unde,
S – concentraţii;
d s  ∂ h i   ∂ h i  
 daca s i, j = ∂ Si 

= ⋅s +   ; s (t 0 ) = 0 
d t  ∂ S j   ∂ p j   ∂ S j,0 
si,j - senzitivitatea la starea iniţială;
d s  ∂ h i   ∂S 
= ; s (t 0 ) = I  daca s i, j = i  - senzitivitatea la parametrii
⋅s
d t  ∂ S j   ∂ p j 

Coeficienţii de senzitivitate staţionari rezultă şi din ecuaţia de bilanţ masic la QSS,
diferenţiată (la perturbaţii mici):
−1
∂S  ∂r  ∂r ∂r
s= = − N ⋅  N⋅ = − M −1 N
∂p  
 ∂S ∂p ∂p
Sewell et al. (2002) studiază capacitatea diferitelor scheme cinetice de reglare
homeostatică [PS] (proteină), la perturbaţii staţionare în sinteza şi diluţia sa:
syn k dil k
K → p 
 →K
∂ PS ∂ PS
s p, k = ;
∂ k syn ∂ k dil
respectiv,
[P]S = [P]S, n ⋅ (1± ε )
[P]S = [P]S, n + s p, k ⋅ ∆k
unde n – normal.
Cu cât abaterea ε de la starea iniţială QSS este mai mare, cu atât schema de
reglare este mai neperformantă.
5.3.13.2. Perturbaţii dinamice şi stabilitate QSS
O perturbaţie dinamică (δ) a unui parametru de sistem, induce un răspuns al
sistemului, şi determină un proces de recover (restabilire) QSS iniţial.
amplitudine traiectorie
durata de recover
Recover
viteza de recover
forma traiectoriei de recover
P0 P0
t
≈
S(t)
S0 S0
0 t
(traiectorie funcţie de proprietăţile sistemului, proprietăţile mediului)
S(t ) = S0 + δ S(t ) (Schuster, p. 40)

unde,
δS(t) – perturbaţii infinitezimale mici ale lui S; analiza δ S(t) – analiza
stabilităţii locale.
Dacă
δS → 0
t →∞
sistemul este asimptotic stabil.
Dacă sistemul QSS de bilanţ masic este:
f i (S) = 0 , i =1,K, n
sau
f = N ⋅r =0
sistemul tinde să devină un sistem cinetic.
Prin diferenţiere, se poate calcula δ Si(t):
d (δ S)
= M (δ S)
dt
unde,
 ∂f 
M – Jacobianul sistemului  m i, j = i 
 ∂ S j 

Pentru sistemul cinetic asta este echivalent cu:
∂r
M=N⋅ - Jacobianul ecuaţiei de bilanţ masic al speciilor
∂S
Soluţia este:
n
δ S(t ) = exp (M ⋅ t )⋅ (δ S)0 = ∑ c i b i exp (λ i t )
i =1
unde,
λi – valorii proprii M;
n – nr. ecuaţii de bilanţ;
ci – constante sistem, ce se determină din condiţiile iniţiale;
bi – vectorii proprii ai lui M;
t – timp.
Sistemul este stabil (asimptotic) dacă şi numai dacă toate valorile proprii λi ale lui
M prezintă Re(λi) < 0, la S0. Condiţia aceasta se aplică dacă toate λi sunt distincte,
altminteri unele soluţii δS(t) include şi polinoame care nu afectează stabilitatea.
Teorema lui Hurwitz (1895), traduce aceeaşi condiţie de stabilitate în termeni de
coeficienţi ai ecuaţiei caracteristice ale lui M:
Det (M − λ I )= a n λn + a n −1λn −1 + K + a1λ1 + a 0 = 0
Sistemul este stabil (respectiv toate Re(λi) < 0), dacă şi numai dacă:
a n −1 a n −2 a
>0 , > 0 ,K , 0 > 0
an an an
D1 = a n −1 > 0 , D 2 = a n −1 a n − 2 − a n a n − 3 > 0 ,K
K, D n −1 = a1 D n − 2 > 0 , D n = a 0 D n −1 > 0
(D n = Det (H ))
unde,
H – matricea Hurwitz:
 a n −1 an 0 0 L 0 0
a a n−2 a n −1 an L 0 0 
 n −3
a a n−4 a n −3 a n−2 L 0 0
H =  n −5 
 L L L L L L L
 0 0 0 0 L a1 a 2 
 
 0 0 0 0 L 0 a 0 
a n + j − 2i , daca 0 < 2i − j ≤ n
H i, j = 
0 , altfel
Pentru n = 2 (2 variabile de stare), condiţii suplimentare indică şi forma
traiectoriilor convergente, în funcţie de semnele p1,2 , q1,2.
λ1 = p1 + i q1 ; λ 2 = p 2 + i q 2
(v. figurile 9.1 – 9.5).
……….
Fig. 9.1. Evoluţia sistemului liniar [x1(t), x2(t)] pentru cazul: (a) λ1 < 0, λ2 < 0 ; (b) λ1 > 0, λ2 > 0
……….
Fig. 9.2. Evoluţia sistemului liniar [x1(t), x2(t)] pentru cazul λ1 > 0, λ2 < 0
……….
Fig. 9.3. Evoluţia sistemului liniar [x1(t), x2(t)] pentru cazul λ1,2 = p ± qi şi:
(a) p = 0 , q ≠ 0; (b) p < 0 , q ≠ 0
……….
Fig. 9.4. Evoluţia sistemului liniar [x1(t), x2(t)] pentru cazul λ1,2 = p ± qi şi:
(a) p > 0 , q ≠ 0; (b) p = 0 , q ≠ 0 şi x12 (t ) + x 22 (t )< ε 2
……….
Fig. 9.5. Evoluţia sistemului liniar [x1(t), x2(t)] pentru cazul: (a) λ1 = λ2 < 0 ; (b) λ1 = λ2 > 0
În cazul general al perturbaţiilor finite ∆ Si (t ) = ξ i (t ) , teorema lui Lyapunov dă

condiţiile globale de stabilitate.
Teorema lui Lyapunov: fie funcţiile Lyapunov definite astfel:

VL (ξ1 ,K, ξ n ) ; ξi = Si (t ) − Si0
VL (0 ,K, 0 ) = 0
VL > 0 , pentru ξ ≠ 0 într-un anumit domeniu D în jurul S0 (QSS)
d VL
< 0 , pentru toţi ξ ≠ 0 în D
dt
atunci, dacă există VL, starea staţionară S0 este global asimptotic stabilă în D .
În practică, teorema lui Lyapunov este greu de utilizat deoarece nu există o
metodă de determinare a funcţiilor Lyapunov. De regulă, în sisteme cinetice chimice,
funcţiile de producere a de entropiei pot fi luate ca VL.
În general:
d VL n ∂ VL d Si
=∑ ⋅
d t i =1 ∂ ξ i d t
Un indicator important al “tăriei” stabilităţii unei QSS a sistemului este viteza de
revenire a sistemului la starea stabilă după aplicarea unei perturbaţii Dirac. În cazul în
care QSS este un atractor pentru perturbaţia aplicată (respectiv perturbaţia se găseşte în
domeniul de “atracţie” al respectivei QSS), viteza de recuperare (revenire) a sistemului
este (Zang, 2002, p.7):
~
Max R D ~ exp λ ⋅ t ; λ < 0

( )
~  Re(λ ) 
λ = Min   = val. proprie M
  λ 
λ < 0 (intotdeauna la QSS)

Indicatorul RD poate fi folosit la identificarea (şi compararea) diverselor
alternative de modele cinetice de reglare homeostatică (cu păstrarea QSS în anumite
limite de toleranţă) (Yang et al., 2002).
Un indicator echivalent este şi timpul de revenire al sistemului la starea staţionară
(Maria, 2002), deoarece:
1
Min! τ rec ~
RD
Dacă se alege arbitrar 0 < p < 1, factorul de toleranţă (viteză cvasi-constantă) cu
care sistemul este recuperat (Maria, 2002, p.10), rezultă că:
~ ln p
( )
exp λ ⋅ t = p , τ rec = ~
λ
τrec cu o anumită toleranţă a sistemului depinde de specia (j) în raport cu care este
definit şi de alte mărimi ale sistemului şi perturbaţii (Maria, 2002, p.14):
specie, conditii nominale QSS, tip/performante 
(τrec )S j = f  
 sistem, tip/marime perturbatie 
(τrec ) j poate servi ca şi RD la identificarea sistemului cinetic de reglare din
condiţia:
[
Min Max (τ rec ) j ]
(τrec ) j poate servi şi la compararea mai multor modele de reglare (Maria, 2002):
(τrec ) j şi (τrec ) şi st. dev. (τ rec )
dau o idee a gradului de interconectivitate a speciilor (pentru un st. dev. (τ rec ) →
Minim!) (v. şi condiţia de interconectivitate Vance, Arkin, Ross, 2002, din efectul unui
plus-perturbaţie în concentraţia unei specii şi măsurarea vitezei de propagare a undei de
perturbaţie în schema de reacţii).
De importanţă sunt şi teoria şi mărimea amplitudinii traiectoriei de revenire

(Maria, 2003) la QSS. Aceasta poate fi folosit la compararea modelelor de reglare
homeostatică.
“Tăria” stabilităţii unei QSS poate fi “măsurată” şi prin mărimea coeficienţilor
de senzitivitate a QSS în raport cu perturbaţiile.
Exemplu
G
P
k1 k2
k3 k4
P reacţii de perturbaţie staţionară
 ∂ [P ] [P]S 
Min!  
 ∂ k pert . k pert .b  SS
Coeficienţii de senzitivitate (în formă redusă) pot fi calculaţi din ecuaţia de
senzitivitate (v. paragraful 5.3.13.1, p. 36) şi folosiţi la identificarea modelelor de
reglare şi de comparare a lor.
5.3.13.3. Analiza de multiplicitate a QSS (domenii de continuitate)
(Maria, 2003; Schuster, p. 46 (exemplul numeric p. 50); Yang, p. 11 (robusteţe))
Pentru sistemul neizoterm:
 d S(t )
 d t = N ⋅ r (S, p )

d m c T
( )
 p
= ∑ Q gen . − ∑ Q tr.
 d t
Soluţia staţionară (QSS) este obţinută prin soluţionarea sistemului de ecuaţii
(neliniar):
 N ⋅ r = 0

∑ Q gen . − ∑ Q tr. = 0
Soluţia poate fi şi multiplă, punctele staţionare multiple putând fi stabile (toate
Re(λi) < 0) sau instabile.
Pentru sistemul cinetic izoterm, soluţia staţionară este dată de sistemul neliniar:
N ⋅ r (S, p ) = 0 ⇒ S0 = SS
(pentru p, N – date).
Exemplu
Reacţia de utilizare ATP în glicoliză, la care unul din paşi este catalizat de
fosfofructokinază (EC 2.7.1.11):
S1 = ATP
r3
r1 = constant
r1
S1
r2 = k2 S1
r2
Fie aplicaţia numerică:

K1 = 3 , k 3 = 0.4 , n = 4
În funcţie de valorile r1 şi k2, există zone de staţionaritate cu o singură QSS (zona
B, S1), sau 3 puncte QSS (zona A, SS1, SS2, SS3).
Fig. 5.xx. ……..
dS
= 0 = r1 − r2 − r3
dt
k 3S1,S
r1 − k 2S1,S − =0
( cons tan t ) 1 + (S1,S K1 )n
Punctele de bifurcaţie sunt acelea la care are loc o schimbare de număr de QSS în
planul parametric.
~
Pentru o singură variabilă (S1), condiţia de punct de bifurcaţie ( S ) este:
dS
 d t = f =0


∂ f =0
 ∂S ~
 S
~ ~
Pentru două variabile, condiţia de punct de bifurcaţie ( S1 , S2 ) , implică:

 d S1 = f ~( ~
)
1 S1 , S2 = 0
 dt

 d S2 ~ ~
 ( )
= f 2 S1 , S2 = 0
 dt
 ∂ f ∂ f 
∆ =  1 ⋅ 2 − ∂ f1 ⋅ ∂ f 2  = 0
  ∂ S1 ∂ S2 ∂ S2 ∂ S1  ~S


Pentru n > 0, condiţia de bifurcaţie a domeniilor de QSS-multiplă este dată de:
 f = 0 ~S

det (M ) = 0 ~S
Punctele QSS staţionare, simple sau multiple, pot fi stabile (toate Re(λi) < 0), sau
instabile (cel puţin un Re(λi) > 0) (k2 = Km = 1).
Fig. 5.xx. …….

Domeniul fezabil al punctelor QSS poate prezenta:
limitele domeniului;
puncte de bifurcaţie, în care se intersectează curbele de soluţii staţionare
SS(p):
SS
p
bifurcaţie
puncte de întoarcere (“turning”) în care o curbă de staţionaritate SS(p) îşi
schimbă multiplicitatea:
SS
“turning”
p0 p
În punctele “turning” (S*) sunt satisfăcute condiţiile (Maria, 2003):


det (M ) * = 0 ; rang (M ) * < nr. specii
 S S
  ∂f
rang  M  = nr. specii
  ∂ p  S*
 ∂ f dc ∂ f
∇ p f = ⋅ + =0
 ∂c dp ∂p
O soluţie QSS este robustă, dacă la o variaţie mică în parametrii p, viteza de
recover RD rămâne puţin alterată, adică:
∂RD
→ Min ! (Yang, 2002)
∂k
5.4. Modele simple structurate de reglare (homeostatică) a

proceselor metabolice în raport cu perturbaţii staţionare şi
dinamice
5.4.1. Introducere (Sewell et al., 2002)
Sistem (modul) de reglare biochimică este un sistem de reacţii constând în

componente interdependente ce concură la realizarea unei anumite funcţii de reglare
celulară. Modulul de reglare celulară nu este izolat de restul celulei, având în comun una
sau mai multe specii/reacţii.
Perturbaţiile în concentraţii specii externe/interne sunt fie staţionare (întreţinute),
fie dinamice (impuls).
Perturbaţiile staţionare în mediul exterior (nutrienţi) se reflectă prin schimbarea
stărilor QSS (medii) ale componentelor celulare şi modificarea ciclului celular.
Perturbaţiile externe (“stimului”) sunt “trataţi” de celulă, ea răspunzând prin
minimizarea deviaţiei noii stări QSS faţă de cea QSS-iniţială (nominală). Unastfel de
sistem care menţine sistemul în anumite limite în jurul QSS-nominale se cheamă sistem
de reglare homeostatică.
Deşi pe parcursul unui ciclu celular concentraţiile perechilor P/G variază pe
măsura replicării genomului, concentraţiile medii tind să fie menţinute constante pentru
cele mai multe componente celulare, în scopul: (1) unei creşteri celulare echilibrate, (2)
tratării corespunzătoare a perturbaţiilor externe/interne.
externe = variaţii nivel concentraţii nutrienţi
= apariţia de compuşi de semnalare pe membrană
Perturbaţii
interne = fluctuaţii concentraţie datorită proceselor metabolice
Replicare genom (se neglijează consumul de G, P în reacţii funcţionale).

sinteză (transcriere, translaţie)
Proteinele (P) degradare (proteoliză)
diluţie (datorită creşterii volumului)

N p (t )
Cp = ≈ const.
V (t )
[G]/[GnS]
2 tc
[G ]= 1 ∫ [G]dt ≈ const.
tc 0
G1
G2
G3
G4
1
Gn
0 t
G1,S faza S tc
Concentraţia proteinelor tinde să fluctueze când apar reacţii ale proteinei (datorită
funcţiilor sale), adică, proteina este activată (participând la complecşi/conglomeraţi
activi) (concentraţia [P] descreşte) sau este dezactivată (complexul se dezasamblează).
Fluctuaţii ale [P] aparşi datorită sintezei succesive a componentelor genomului,
care reprezintă catalizatori ai sintezei P.
G
MetP P
La rândul ei, unele proteine participă la sinteza G (polimerază).
P
MetG G
Proteina poate fi:

permează (facilitează transferul membranar al componenţilor);
metabolază (converteşte Nut în Met – metaboliţi);
polimerază (catalizează sinteza G).
(permează)
(glucoză, NH4+ , ...) (glucoză, NH4+ , ...)
(glucoză) (Acetil-CoA) (metabolază)
(NH4+ , ...) (aminoacizi)
G
MetP P
(polimerază)
P
MetG G
Diversele module de reglare a concentraţiei [P] tind să ţină [ P ] nS ≈ cons tan t ,

prin intermediul modulelor de reglare homeostatică. Modulele interacţionează şi se pot
perturba una pe cealaltă. Proteinele acţionează cooperatist (prin fracţiuni diferite) şi nu
concurenţial pentru îndeplinirea aceleiaşi funcţiuni.
Modelele cinetice de reglare pot fi cu variabile:
continue;
- avantaj: pot reprezenta bine procese continue şiperturbaţii continue;
- dezavantaj: nu pot reproduce bine procese de semnalare/discrete,
procese spaţiale 3D, comportare specii cu concentraţii mici;
Booleene (cu variabile discrete, de ex. [G] = 0, [G] = 1 sau [G] = 2);
- avantaj: modele simple pentru procese complexe;
- dezavantaje: nu sunt realiste, sinteza unei componente / inhibitor /
activator fiind continuă; supraestimează capacitatea de reglare a unui
modul, ca viteză de reacţie şi eficienţă (viteză/timp de recover);
mixte continue/Boolene, sunt promiţătoare ca rezultate, realizând un
compromis între procesele continue şi cele de semnalare (Booleene). Totuşi,
modelele mixte sunt foarte complexe.
stochastice (cu variabile şi parametrii repartizaţi statistic). Înlocuiesc
valoarea „medie” (detereministă), rezultată prin soluţionarea unui model
determinist – continuu, cu soluţia stochastica a unui model stochastic
(simulare Monte-Carlo).
- avantaj: reproduce mai bine procesele de semnalare,aleatoare,
fenomenele3D intra-celulare date de poziţia moleculei; evoluţia

speciilor minore;
- dezavantaj: efortul de calcul este uriaş pentru sisteme complexe.
Diversele mecanisme de reglare homeostatică (v. şi p. 60-64) nivel mediu [P]nS
pot fi comparate şi clasificate după mai multe criterii de eficienţă:
eficacitatea staţionară (de răspuns la perturbaţii staţionare)
[ P ] perturb ,S − [ P ] no min al ,S
Min ! R SS =
[ P ] no min al ,S
 ∂ C p C P ,S 
Min !  

(tăria stabilităţii QSS)
 ∂ k pert . k pert .  nS
Min! ( [ P ] S − [ P ] nS ) .....
 ∂Cp 
Min !   (p. 54-56)
 ∂C 
 Nut , p  nS
Min ! λ j ( A ) - multiplicatori Floquet

t =T
(p. 7-8, cap. 6) („tăria” stabilităţii la fenomene oscilatorii)
eficacitatea dinamică (de răspuns laperturbaţii Dirac, impuls)
~
Max ! R D = exp ( λ ⋅ t )
~
λ = { min Re ( λ ) λ = val . proprie M care sunt toate negative ; λ < 0 ( QSS − stabil ) }
~
R D ≈λ
Criteriul de estimare/optimizare sistem:
~
Max λ = { min Re ( λ ) λ<0}
1
Min ! τ rec ≈
RD
Min ! Amplitudinea ( C p ( t ) − C P , nS )
etc. (Maria, 2003).
(Yang et al., 2003)
Într-o astfel de abordare
[ sistem celular ]↔ [ environment ]
se poate introduce noţiunea de
[ stimul/perturbatie ]↔ [ raspuns ]
Sistemele sunt reglabile, deoarece ele tind să îndeplinească anumite funcţiuni
celulare (proteice) în ciuda perturbaţiilor aleatoare sau întreţinute din mediu.
Mecanismele de creştere celulară (sinteză componente) utilizează preponderent

elemente de reglare cu feedback (-) (ce controlează transcrierea informaţiei genetice).
Reglarea homeostatică CP,S trebuie să ţină seama de principalele etape al esintezei
proteice:
(transcriere)
DNA
nucleofid-
trifosfat mRNA
(translaţie)
mRNA tRNA
[Amino-acizi] [Proteine]
Ribozomi
Procesul de expresie genetică este reglat prin feedback (-) de către proteine (TF –
transcription factors), care se leagă în zona promoter a DNA (din capătul unei gene).
Deci, P poate regla expresia unei gene G care codifică P (encode P).
- când [P] > [P]nS ⇒ mai mult G este blocat ⇒ atenuează producerea de
mRNA ⇒ atenuează sinteza P;
- când [P] > [P]nS ⇒ procesul este invers şi apare ([G] >>) mai mult G-activ
pentru sinteza P.
Pentru a studia comportamentul unui modul de reglare, celalte componente
celulare sunt ignorate, iar cele implicate în modul (nutrienţi, metaboliţi) sunt consideraţi
a se afla la concentraţii constante, mulţi fiind incluşi în constantele cinetice.
5.4.2. Modele de reglare homeostatică P în ipoteze de V = constant
5.4.2.1. Ipoteze
1) Sinteza şi consumul lui P se consideră a fi reacţii de ordinul unu (ceilalţi
participanţi la reacţie fiind consideraţi constante şi incluşi în k).
G
k1 k2
MetG P *** (diluţie)
2) Modelul poate fi eventual complicat cu luarea în consideraţie a celor doi paşi

(transcriere/tracnslaţia), incluzând şi sinteza mRNA (M), tot prin reacţii de ordinul unu.
M *** (diluţie)
P *** (diluţie)
3) La echilibru QSS, vitezele de sinteză şi diluţie P trebuie să fie egale:

( r P ) syn = ( r P ) dil
4) Creşterea volumului celular nu este considerată explicit în model, menţinându-
se exprimarea bilanţului de materiale în termeni de concentraţie (tipic pentru sisteme de
V = constant).
Totuşi, diluţia speciilor datorată creşterii continue a volumului, ceea ce duce la o
N j (t)
perturbaţie continuă staţionară de diluţie a speciilor C j = , este inclusă în
V(t )
model pentru speciile cheie ale modelului (P,M), cu o viteză de diluţie constantă (α).
( r die ) j = − α C j
 ln ( V V 0 ) 
 α = 
 t−t 0 
5) Diluţia speciilor cheie se face după o cinetică formală de oridnul unu. Viteza de
N j (t )
creştere a Nj şi V sunt egale: C j = .
V(t )
N j (t)
Cj = ≈ cons tan t
V 0 exp ( α t )
6) Perturbaţiile staţionare în modele de reglare la care nu sunt incluşi explicit

NutG,P Şi MetG,P , sunt definite sub forma a două reacţii:
k1 k2 ...
... P
7) Celula este considerată un sistem izoterm, cu o compoziţie uniformă (CSTR).

rezistenţa la transportul masic în celulă este neglijat.
8) Rezistenţa difuzională la transportul masic al nutrienţilor prin membrană este
neglijabil.
9) Celula este considerată un sistem decshis, cu intrări şi evacuări de substanţă (şi
energie).
10) Condiţiile externe sunt considerate constante de-a lungul unui ciclu celular.
11) Spaţiul celular, de Vext >> Vcelulă , este considerat cvasi-constant comparativ
cu creşterea celulară.
12) [MetP]S , [MetG]S sunt considerate cvasi-constante şi incluse în constantele de
viteză.
13) Produţii secundari nu sunt incluşi în modulele de reglare.
14) Presiunea osmotică în celulă este considerată cvasi-staţionară.
RT 1 1
= = = cons tan t
π ∑C j , 0 ∑C j
15) Când se analizează comparativ difertite modele de reglare homeostatică, se
ignoră interacţiile între modulele de reglare a mai multor proteine. Această aproximaţie
(simplificare) este îndepărtată la cuplarea mai multor module, şi simularea sintezei şi
controlului sintezei/diluţiei a mai multor proteine celulare.
Modelul cel mai simplu este RM1 = G(P)0 , adică fără nici un element de control
al echilibrului [G]activ şi [G]inactiv:
G(P)0
(neregulat)
(RM1) G
P
k1 k2
La QSS:
k1 [ P ] nS
=
k2 [ G ] nS
Aplicaţie numerică (P/G din E.Coli):
[ P ] nS =1000 nM ; [ G ] nS =1 / 2 nM
1 1
k 1 = 20 ; k 2 = 0.01
min min
G(P)1 (RM2) (Basic negative feedback):
G(P)1 k5P k5
G GP G+P GP
(RM2) k6 k6
P
k1 k2
- include un control transcripţional al lui G/P prin blocarea formei active [G]
ca formă inactivă [GP];
- echilibrul de disociere este:
k5 [ GP ] S
KD = = = K GP
k 6 [G ]S [ P ]S
- posibilităţile de reglare staţionară/dinamică sunt maxime atunci când

[G ] 1
= , deci când există şanse egale/resurse maxime pentru a acţiona
[ G ] tot 2
în vederea activării/inhibării sintezei P;
- deci, la reacţiile de „buffer”, senzitivitatea maximă la perturbaţii este
[G ] 1
realizată pentru [G]activ = [G]inactiv , adică = , iar panta curbei
[ G ] tot 2
[G]/[G]t vs. [P] este maximă;
.......
Fig. 5.xx. …..(pag. 80) ….
[G ] 1
- pentru = , rezultă [G] = [GP] (lamodelul RM2):
[ G ] tot 2
k5 1
KD = =
k6 C P ,S
Aplicaţie numerică
[ P ] nS =1000 nM ; [ G ] nS = [ GP ] nS = 1 / 2 nM (Yang, 2003)
În mod asemănător se poate considera o inhibiţie progresivă, alosterică a lui G în

forma:
G(P)2 k5P k7P

G (GP) (GPP)
(RM3) k6 k8
P
k1 k2
……………………………………………………………………
Tabelul 5.xx. Constante de viteză (estimate cu criteriul Max RD)

Constanta de ( k max − k min )
koptim k_min k_max Mecanism
viteză k optim
-1 -1 a -23a -23 -18
k5 (min nM ) 7.4 x 10 2.0 x 10 8.3 x 10 G(P)4 1.1 x 105
2.9a x 10-14a 1.8 x 10-14 5.3 x 10-14 G(P)2 1.2
1.9 x 10-5 1.1 x 10-5 5.9 x 10-5 G(P)1 2.5
2.9 x 10-5 1.8 x 10-5 5.3 x 10-5 G(P)1; P(GP)1 1.2
3.0 x 10-5 3.7 x 10-8 1.0 x 102 G(P)1; M(0) 3.3 x 106
8.3 x 10-5 3.7 x 10-5 4.3 x 10-4 G(P)3 4.7
2.1 x 10-4 9.1 x 10-3 1.0 x 102 G(P)5 4.76 x 10
3.6 x 10-1 2.0 x 10-3 1.0 x 102 G(P)1; M(P)1 2.8 x 102
4.5 4.5 x 10-3 1.0 x 102 G(P)1; M(P)3 2.2 x 10
1.0 x 102 9.6 x 10-4 1.0 x 102 G(P)1; M(P)2 1.1

k6 (min-1) 1.9 x10 - 2 1. l x 10 - 2 5.9 x 10 - 2 G( P ) 1 2. 5
2.9 x10 - 2 1. 8 x 10 - 2 5.3 x 10 - 2 G( P ) l; 1. 2
P( GP ) 1
3.0 x 10 - 2 1. 6 x 10 - 2 1.0 x 10 1 0 G( P ) 1;M( 0) 3. 3x10 1 1
3.6 x 10 2 2. 0 1.0 x 10 1 0 G( P ) 1;M( P ) 1 2. 8 x 10 7
7.7 x 10 2 4. 7 x 10 2 1.4 x 10 3 G( P ) 2 1. 2
8.3 x 10 2 4. 7 x 10 2 1.6 x l0 3 G( P ) 4 1. 3
9.3 x 10 2 3. 1 x 10 2 1.0 x 10 1 0 G( P ) 5 l. 0 x 10 7
4.5 x 10 3 4. 5 1.0 x10 1 0 G( P ) 1;M( P ) 3 2. 2 x 10 6
1.7 x 10 4 1. 2 x 10 6 5.3 x 10 1 0 G( P ) 3 3. 1 x 10 6
1.0 x 10 5 9. 6 x 10 - 1 l.0 x 10 5 G( P ) 1;M( P ) 2 1. 0
k7 (min-1 nM-1) 7.9 x 10-1 4.0 x 10-3 2.4 G(P)5 3.0
2.6 1.4 4.6 G(P)4 1.2
1.5 x 101 l.8 x 10-4 l.0 x 102 G(P)3 6.7
8.8 x 10' 4.8 x 101 1.0 x l02 G(P)2 0.6
k8 (min-1) 3.3 2.0 8.8 G(P)2 2.0
9.6 x 101 4.5 x 101 3.4 x 102 G(P)3 3.1
8.7 x 102 4.5 x 102 1.9 x 103 G(P)5 1.7
9.9 x 102 6.2 x l02 l.5 x l03 G(P)4 0.9
k9 (min-1 nM-1) 1.2 x 10-9 0.0 l.0 x 102 G(PP)0 8.3 x 1010
4.8 x 10-7 2.4 x 10-7 8.6 x 10-7 G(PP)1 1.3
3.0 x 10-4 3.0 x 10-6 l.0 x 10-2 G(PP)2 33
8.9 x 10-4 6.7 x 10-4 l.2 x 10-3 G(PP)4 0.6
1.5 x 10-2 1.7 x 10-1 3.7 x 10-2 G(PP)3 2.3
k10 (min-1) l.1 x 10-1 5.3 x 10-2 4.9 x 10-1 G(PP)1 4.0
1.0 x 102 7.4 x 101 1.3 x l02 G(PP)4 0.6
2.8 x 102 7.9 2.9 x 104 G(PP)2 103
2.1 x 103 8.8 x 102 1.9 x l04 G(PP)3 8.6
9.5 x 105 6.7 x 10-3 l.0 x 1010 G(PP)0 1.0 x 104
k11 (min-1 nM-1) 9.9 x 10-3 1.5 x 10-1 1.5 x 10-1 G(PP)1 15
7.6 1.7 x 10-2 1.0 x 102 G(PP)4 12
8.4 7.6 x 10-2 1.0 x 102 G(PP)2 12
3.9 x 101 1.6 x 10-2 1.0 x 102 G(PP)3 2.6
k12 (min-1) 4.2 x 10-2 2.4 x 10-2 7.3 x 10-2 G(PP)1 1.2
7.5 x 103 4.9 x 10-2 1.6 x 104 G(PP)2 2.1
2.3 x 104 7.5 x 10-1 4.5 x 106 G(PP)4 196
8.1 x 105 3.4 x 101 1.1 x 107 G(PP)3 14
k13 (min-1 nM-1) 5.2 3.5 x 10-2 1.0 x 102 G(PP)4 19
3.7 x 101 5.8 x 10-2 1.0 x 102 G(PP)2 2.7
6.7 x 101 4.3 x 10-2 1.0 x 102 G(PP)3 1.5
k14 (min-1) 4.9 x 10-2 3.1 x 10-2 7.5 x 102 G(PP)2 0.9
1.3 x 101 6.7 2.5 x 101 G(PP)4 1.4
8.0 x 102 3.3 x 102 3.9 x 103 G(PP)3 4.5
k15 (min-1 nM-1) 4.4 x 103 2.9 x 101 4.6 x 107 G(P)1;M(P)2 1.1 x 104
6.6 x 103 4.3 x 103 l.9 x 106 G(P)1;M(P)3 2.9 x 102
9.7 x 103 4.5 x 103 1.2 x 107 G(P)1;M(P)1 1.2 x 103
k16 (min-1) 5.8 x 10-2 2.2 x 10-2 l.2 x 10-1 G(P)1;M(0) 1.7
1.0 x 104 8.4 x 103 1.0 x 104 G(P)1;M(P)1 2.0 x 10-1
k17 (min-1) 2.0 x 10-2 8.7 x 10-3 1.9 x 102 G(P)1;M(P)1 9.4 x 103
3.2 x 10-2 2.9 x 10-2 5.7 x 10-2 G(P)1;M(P)2 8.7 x 10-1
5.6 x 101 1.2 1.0 x 1010 G(P)1;M(P)3 1.8 x 108
k18 (min-1 nM-1) 3.2 x 10-2 6.2 x 10-1 1.0 x 102 G(P)1;M(P)2 3.1 x 103
3.5 x 101 3.4 x 101 4.2 x 101 G(P)1;M(P)1 2.2 x 10-1

3.7 x 101 1.0 1.0 x 102 G(P)1;M(P)3 2.7
k19 (min-1) 2.0 x 10-1 9.7 x 10-11 2.5 x 10-1 G(P)1;M(P)1 1.3
3.4 x 102 1.4 x 102 1.0 x 1010 G(P)1;M(P)3 3.0 x 107
9.8 x 103 2.9 x 101 1.0 x 1010 G(P)1;M(P)2 1.0 x 106
k20 (min-1) 1.2 6.0 x 10-1 1.7 x 103 G(P)1;M(P)1 1.4 x 103
k22 (min-1 nM-1) 6.1 9.0 x 10-1 1.1 x 101 G(P)1;M(P)3 1.7
3.7 x 101 9.6 x 10-2 1.0 x 102 G(P)1;M(P)2 2.7
k23 (min-1) 4.0 x 101 9.7 1.7 x 104 G(P)1;M(P)2 4.2 x 102
9.1 x 102 5.0 x 102 6.1 x 103 G(P)1;M(P)3 6.1
k24 (min-1) 3.2 2.5 4.6 x 104 G(P)1;M(P)2 1.4 x 104
k25 (min-1 nM-1) 1.4 6.4 x 10-1 2.7 G(P)5 1.5
1.8 x 101 1.2 x 101 2.9 x 101 G(PH 0.9
3.7 x 101 1.1 x 101 7.8 x 101 G(P)3 1.8
k26 (min-1) 2.8 x 101 1.3 x 101 9.7 x 101 G(P)3 3
8.2 x 102 5.2 x 102 1.3 x 103 G(P)4 0.9
9.5 x 103 5.6 x 102 1.6 x 103 G(P)5 1.1
k27 (min-1 nM-1) 1.4 8.1 x 10-1 2.3 G(P)5 1.1
5.5 x 101 3.6 x 101 8.7 x 101 G(P)4 0.9
k28 (min-1) 2.5 x 102 1.6 x 102 3.9 x 102 G(P)4 0.9
5.4 x 102 3.4 x 102 8.3 x 102 G(P)5 0.9
k29 (min-1 nM-1) 7.5 4.7 8.5 G(P)1;M(P)3 0.5
k30 (min-1) 1.1 x 103 9.7 x 102 1.7 x 103 G(P)1;M(P)3 0.7
k31 (min-1) 7.7 5.8 5.2 x 103 G(P)1;M(P)3 6.7 x 102
k33 (min-1 nM-1) 1.6 1.1 2.6 G(P)5 0.9
k34 (min-1) 1.2 7.8 x 10-1 1.8 G(P)5 0.9
k35 (min-1 nM-1) 3.7 1.9 7.1 G(PP)4 1.4
7.1 x 101 1.5 x 101 1.0 x 102 G(PP)3 1.2
k36 (min-1) 1.1 x 10-1 7.0 x 10-2 1.6 x 10-1 G(PP)3 0.8
1.4 x 101 8.4 2.2 x 101 G(PP)4 1.0
k37 (min-1 nM-1) 2.0 1.3 3.4 G(PP)4 1.0
k38 (min-1) 4.8 x 10-1 3.1 x 10-1 6.8 x 10-1 G(PP)4 0.8
Tabelul 5.xx. Constante de viteză de asociere/disociere ….

Proteina 2 sau acidul
k0n (nM-1 min-1) koff (min-1) Proteina 1
nucleic
2.1x10-5 - E. coli fCro DnaK
5.4x10-5–1.8x10-4 3.8–1.8x101 T-cell antigen receptor Peptide/MHC
4.0x10-4–1.3x10-3 5.1x10-3–0.2 S. mutans cell surface Salivary agglutinin
adhesins
1.5x10-4 6x104 N-terminal domain of Histidine-containing
enzyme I phosphocarrier protein
- 3.0x10-2–5.5 E. coli fCro peptide DnaK/fCro complexes
6 x 10-3 - TEM 1-lactamase BLIP
2.4 x 10-3 6.6 E. coli fCro GrpE/DnaK
6.0 x 10-3 3.3x10-4–6.5x10-3 Dimeric Lac-headpiece DNA (Lac operator)
(HP) mutant
8.4 x 10-3 4.5 x 10-1 Activator protein 1(AP-1) AP-1 DNA
2.5 – 6.8 x 101 0.4–9.6x101 Homotetrameric E. coli Single-stranded
SSB protein oligodeoxynucleotides
1.66 x 105 4.3x10-2 Yeast TATA binding TATA-box-containing
protein DNA
7.0 x 10-2 10-4 Human signal recognition RNA

particle (SRP) 19
- 10 U1A/NPH-11 from vccinia RNA
virus
- 102 U1A protein RNA
Tabelul 5.xx. Constante de echilibru aparente pentru interacţii (P1P2) şi (PG)

KD (nM) Proteina 1 Proteina 2 sau acidul nucleic
8.2 x 10-2 Single-chain antibody fragments Insulin
<5 PR HlV-1 protease domain PR HIV-1 protease domain
2.0 x 101 Lambda repressor Lambda repressor
2.5 x 101 Human tumour suppressor p53 Transcription factor CBP
3.4 x 101 Mouse CBP Human ACTR
3.0 x 101-6.0 x 101 C-terminal module (E2CT) C-terminal module (E2CT)
7.0 x 101 Chromo domain, S. pombe, Methylated histone H3 peptide
heterochromatin protein 1
3.0 x 102 PR HIV-1 precursor with PR domain PR HIV-1 precursor with PR domain
deleted deleted
6.0 x 102 PR precursor PR precursor
7.8-2.5 x 102 S. mutans recombinant cell surface Salivary agglutinin
adhesins
103 Mammalian p50 Mammalian p50
103-2.0 x 104 Other transcription factors Other transcription factors
3.0 x 104 T-cell antigen receptor Peptide/Major histocompatibility
complex
2.5 x 106 Domain 1, NCAM (neural cell Domain 2, NCAM
adhesion molecule)
10-4 - 10-1 NF-B p50/p65 heterodimer DNA
10-3 - 10-1 Runt domain of the mammalian core- DNA
binding factors
0.2 – 0.4 Human Ku heterodimer DNA
3.0 Lambda repressor dimer Its operator DNA site
4.5 Yeast TATA binding protein TATA-box-containing DNA
8.0 Dnmt3b with the N-terminal 218 DNA
residues deleted
9.0 High affinity Z-DNA binding Z- Z-DNA
DLM domain of DLM-1
10 Human HESX1 dimer DNA
5.0-3.0 x 101 Camp-responsive element binding DNA
protein
7.1 x 101 Activator protein 1(AP-1) AP-1 DNA
1.5 x 102 Human Sp100b SAND domain DNA
2.3 x 102 PWWP domain of the mammalian DNA
DNA methyltransferases Dnmt3b
Asemănător pentru G(P)3 , G(P)4 şi G(P)5.

Proteina leagă alosteric G inhibând-o şi deci autocontrolând viteza ei pentru cazul
în care este în exces.
k [GPP]
K GP < K GPP < K < K G ( P) 5 (Sewell) ; K GPP = 7 =
k 8 [GP][P]
Proteina joacă deci rol de factor represor de transcriere, crescând astfel

senzitivitatea etapei de transcriere la variaţii în P.
La RM3 = G (P) 2 , se aplică aceleaşi condiţii de bilanţ global şi de senzitivitate
maximă la perturbaţii:
[G ] 1
[G ] = [GP] + [GPP ] ; =
[G ]t 2
[G ]t = [G ] + [GP] + [GPP]
Rezultă:
[G ] [GP]S [GPP]S [GP]S [GPP ]S
2 = t S =1 + + ; K GP = ; K GPP =
[G ]S [G ]S [G ]S [G ]S [P]S [GP]S [P]S
1 = K GP [P]S + K GPP [P]S2

 ∂ [G ] ∂ [G ]t 
Se constată că   este mai mare la RM3 comparativ cu RM2,
 ∂ [ P] [ P]S , [G ]S
RM1. Cu cât numărul de paşi de control alosteric a lui G cu P creşte (număr de efectori
neff), cu atât creşte eficienţa de reglare statică şi dinamică.
Fig. 5.xxx. …..(pag. 82) ………
Modelul Boolean RM4 este cel mai bun ca eficienţă de reglare

( ∂ [G ]∂ [P])nS = ∞ , dar este ideal, irealizabil.
La apariţia unei perturbaţii (+ ) (− ) a [P]nS , [G] ia imediat valoarea de corecţie
maxim posibilă (adică respectiv 0 sau [G]t).
Modelele din clasa RM5 (dimerizare P) G(PP)0 ; RM5 = G (PP)1 ; RM 6 = G (PP) 2 ;
G(PP)3; G(PP)4. Se caracterizează prin dimerizare P la PP şi apoi realizarea succesivă a
inhibiţiei alosterice a lui G, în forma (GPP), (GPPPP), (GPPPPPP), (GPPPPPPPP).
Se menţine condiţia de senzitivitate maximă ( ∂ [G ] ∂ [P])nS , adică:
G t = G + G (PP)1 + G (PP) 2 + G (PP)3 + G (PP) 4 K

[G ] [G ]t =1 2
Dacă se notează:
k 9 [PP]S
K PP = =
k10 [P]S2
k11 [GPP]
K GP 2 = =
k12 [G ][PP ]
k13 [G (PP ) 2 ]
K GP 4 = = etc.
k14 [GPP][PP]
condiţia de senzitivitate maximă la [P]S şi G/Gt = 1/2 conduce la:

1 [G ] 1
= = (Model G(PP)1, RM5)
2 [G ]t 1 + K PP K GP 2 [P]S2
1 [G ] 1
= = (Model G(PP)2, RM6)
2 [G ]t 1 + K PP K GP 2 [P]S + K 2PP K GP 2 K GP 4 [P]S4
2
Concluzia este că va creşte senzitivitatea de reacţie (∂ G ∂ P ) şi eficacitatea de

reglare dinamică (RD) cu creşterea numărului de efectori (neff) de blocare genă.
Fig. 5.xxx. …..(pag. 83) …….
Modelele din clasa RM7 (cascadă de reacţii de control transcriere şi translaţie)

RM 7 = [G (PP)1 ; M (0)] , RM8 = [G (P)1 ; M (P)1 ], [G (P)1 ; M (P) 2 ], [G (P)1 ; M (P)3 ] .
Se caracterizează prin două etape în cataliza sintezei P, anume prin formarea din
MetG a lui M (adică mRNA) sub cataliza lui G, şi apoi sinteza P sub cataliza lui M. M
poate fi şi el dezactivat la nevoie de către P, asemănător dezactivării lui G.
+P
G (GP)
+P +P +P
M MP MPP MPPP
Se menţine condiţia de senzitivitate maximă ( ∂ [G ] ∂ [P])S , adică:
[G ]t = [G ] + [GP]

[M]t = [M ] + [MP] + [MPP] + [MPPP ]
[G ] [G ] =1 2 , (k = 0)
 t 16
1 2K2
K GP = =
[P]nS Kc
k15 k17 (k19 + k 20 )
Kc = (RM8)
k18 k 20
[M]S = [MP]S = [MPP]S = [MPPP ]S
Substanţele k20, (k16 = 0), k24, k31 au fost stabilite prin optimizare pentru a realiza
o eficacitate maximă de reglare a modelului (RD).
Concluzia este că eficacitatea de reglare creşte cu numărul de efectori (neff) care
variază (descreşte) eficacitatea de catalizator a lui M, astfel alterând stabilitatea lui
mRNA (Yang, 2003).
Exemplu: reglarea sintezei proteinelor histonice.
Fig. 5.xx. …..(pag. 85) ….

Estimarea constantelor cinetice din modelele de reglare a fost făcută cu unul

dintre criteriile:
Max R D (Yang et al., 2003)
 ∂ C P,S C P ,S 
Min   (Maria, 2003)
 ∂ k perturb. k perturb.  nS
cu restricţiile de senzitivitate maximă ( ∂ G ∂ P )nS şi a bilanţurilor de masă Gt.
Constantele cinetice estimate şi KD a reacţiilor “buffer” au fost confruntate cu
datele de literatură pentru cazul diverselor procese de reglare proteică/enzimatică
(Yang, 2003).
Compararea diverselor mecanisme de reglare sinteză P (în ipoteza V = const. şi
α = const. pentru câteva specii) a fost făcută după diverse criterii:
a) forma traiectoriei de revenire după o perturbaţie Delta:
{[G (P) 0 ];[G (P)1 ]} , {[G (P)1 ];[G (P)1 ; P(GP)1 ]}
Boolean
{G (P ) 2 };{ G (PP )1} , { G (PP ) 2 ;[G (P)1 ; M (0)] ; [G (P)1 ; M (P)1 ]}

b) eficacitatea de reglare staţionară, exprimată ca
{k perturb,syn × k perturb, dilutie }max = {k 3, max × k 4, max }max
suportate de sistem, astfel încât [P] să fie menţinut într-un interval de
toleranţă.
[P] = [P]nS (1 ± ε) ; ε = 0.05 − 0.1
[G (P)1 ] > [G (PP ) 2 ] > [G (P )1 ; M(P )1 ] >
Boolean
>{[G (P ) 2 ] ,[G (PP )1 ] , [ G (P)1 ; P (GP)1 ]} >

>{[G (P)1 ] ,[G (P)1 ; M (0)] } > [ G (P) 0 ]
 ∂ [G G tot ] 
c) senzitivitatea crescută la reglare dinamică după criteriu Max  
 ∂ [P]  nS
RM 4 > RM6 >{RM3,5} >{RM 2,7,8,9} >{RM1}
d) senzitivitatea QSS la kperturb
{RM 2, RM 7} >{RM5, 6, 9} >{ RM8}
e) gradienţii suprafeţei QSS în planul [ k 3, perturb , k 4, perturb ]
RM1>{RM 2, 7} >{RM3, 5, 6, 9} >{ RM8}
f) “tăria” stabilităţii stării staţionare (multiplicatori Floquet cât mai mici)
{RM 6, 8} >{ RM3, 5, 7} >{RM 2, 9}
g) eficacitatea de reglare dinamică RD
{G (P)1 ; M(P) 3 } >{G (P)1 ; M(P) 2 } >{G (P)1 ; M (P)1} >

>{G (PP) 4 } >{ G (PP) 3} >{ G (PP) 2 } >{ G (PP)1} >
{ G (P) 5 } >{ G (P) 4 } >{ G (P) 3} >{ G (P) 2 } >{ G (P)1}
Alte criterii de comparaţie a modelelor de reglare sunt posibile: (amplitudinea
traiectoriei de revenire după o perturbaţie), (capacitatea de cuplare a modulelor de
reglare şi flexibilitatea lor), (capacitatea de a primi semnale externe prin unii
intermediari) etc.
5.4.3. Modele de reglare homeostatică P în ipoteza de V ≠ ct., π ≠ ct.
5.4.3.1. Introducere
Ideea considerării explicite a V≠ ct., π ≠ ct. în timpul creşterii celulare/reglării
metabolice în modele structurate dinamice este mai veche (Grainger et al., 1968; Tomita
et al., 2002).
Deşi V creşte, şi Nj creşte prin sinteză, concentraţiile multor componenţi pot fi
considerate cvasi-constante:
N j (t )
Cj = ≈ const. (în condiţii de mediu şi celulare constante)
V (t )
(cu fluctuaţii în momentul sintezei sau altei perturbaţii de consum/cuplare/dezactivare
proteină prin cuplare).
Avantajele unui model de creştere celulară sau reglare celulară scris cu V≠ ct.,
π ≠ ct. explicit:
- constantele cinetice estimate pentru un astfel de model sunt mai realiste;
- indicatorii de eficienţă a reglării celulare pentru un astfel de model sunt mai
realişti, chiar dacă mai puţin optimişti (performanţi) faţă de cei derivaţi la
modelele scrise în termeni de Cj (V ≅ ct.) şi diluţia (α) aplicată doar la
câteva specii;
- conectarea modulelor de reglare/sinteză celulară se face mai realist,
incluzând şi inter-conectivitatea directă (prin specii şi reacţii comune), dar şi
inter-conectivitatea între module indirectă (prin intermediul perturbaţiilor în
V la care concură toate speciile chimice din celulă);
- se pot considera explicit şi perturbaţii în V şi π, prin injecţie/evacuare de
molecule din celulă;
- ecuaţiile de bilanţ scrise în termeni de V≠ ct. sunt generale, eliminându-se
ipotezele de diluţie doar pentru unele specii, şi dându-se o
explicaţie/detaliere a acestor viteze de diluţie;
- pot fi considerate în analiza modelului celular şi a unor efecte/fenomene
imposibil de modelat în varianta V = ct., cum ar fi:
= efectul de “balast” a conţinutului mare al celulei ∑ C j, 0 , care ( )
netezeşte şi diminuează perturbaţiile dinamice;

= efectul de “perturbaţie secundară”, imediat după o perturbaţie
impuls, datorată transmiterii ei la toate speciile din celulă prin
intermediul volumului celulei:
V (
∑ N j perturb )
 perturb =
 V0 ∑ N j,0 ( )

 Nj
( )
 C j petrurb = V
 perturb
= efectul de “amplificare a conectivităţii” speciilor prin preluarea unei

părţi din perturbaţie de către celelalte componente celulare, prin
intermediul ecuaţiei de volum celular şi π = ct.:
(N j )perturb (∑ N j )perturb
(C j )perturb = Vperturb
; Vperturb = V0
(∑ N j,0 )
- pot fi luate în calcul perturbaţii diverse staţionare/dinamice într-o formă mai
realistă (incluzând şi variaţia V la perturbaţie), determinând implicaţii
celulare mai complexe prin conectivitatea secundară a speciilor/reacţiilor.
Dezavantajele unui model de creştere/reglare celulară scris în ipoteza de V≠ ct.,
π=ct. (π ≠ ct.) explicit:
- estimarea parametrilor ca şi ecuaţiile modelului sunt mai complicate şi mai
laborioase;
- în model trebuie incluse toate concentraţiile care concură la V
 RT 
V =
 π
∑ n j  . eventualele specii neincluse în model sunt incluse în suma

∑ n j , ca un număr constant de moli de “balast”.
- comparaţie mai simplificată între diversele modele de reglare, fiind necesar
păstrarea aceloraşi invarianţi (ex.: rsyn,P – identică).
5.4.3.2. Ipotezele unui model structurat celular în condiţiile de considerare explicită
a ecuaţiei de V ≠ ct., π ≠ ct. (Maria, 2002)
1) Se aplică legea presiunii osmotice în soluţia celulară diluată (Pfeffer, Wallwork
& Grant, 1977).
RT m
V (t ) = ∑ n j (t )
π j =1
(R - constanta gazelor, T – temperatura absolută, π - presiunea osmotică, m – numărul
total de specii din sistem).
2) π = ct. pe durata unui ciclu celular:
RT V0 1 1 1
= = = = = const.
π ∑ n j,0 ∑ n j ∑ C j,0 ∑ C j
3) În condiţii staţionare, neperturbate, concentraţiile de nutrienţi din mediul extern

(ca şi πext = π) se consideră constante.
4) Membrana celulară este considerată semi-permeabilă, nefiind inclusă explicit în
model.
5) Sinteza de G/P (perechea cu informaţia codificată) se face prin autocataliză
reciprocă (mutuală).
6) Pentru simplificare, în timpul unui ciclu celular pH = ct., T = ct.
7) Celula are conţinutul perfect omogen şi perfect amestecat, neexistând gradienţi
de concentraţie intra-celulari.
8) Rezistenţele la transportul de masă în interiorul celulei şi prin membrană sunt
neglijabile.
9) Celula şi mediul exterior se consideră a fi sisteme deschise.
Ca o aplicaţie numerică de calcul, pot fi considerate câteva concentraţii tipice de

componenţi celulari (de ex. cei din E. coli):
[P]nS =1000 nM ; [G t ]nS =1nM
ln (V V0 ) ln 2
α= ≈ ; t c = t div − t 0 =100 (min) , V0 =1.66 ⋅10 −15 (L)
t div − t 0 100 (min)
5.4.3.3. Ecuaţiile de bilanţ ale modelului matematic (Maria, 2002)
 1 d nj
 = f j ( C ,K ) ( C , K - viteza de reactie)
V ( t ) d t
 1 dV RT m 1 d n j
 = ∑ = α ( C , K ) ( C , K - viteza de crestere celulara)
V d t π j =1 V d t

 RT = 1 = 1 = const .
 π ∑ C j ,0 ∑ C j

d C j  1 d n j 
 =   −α C j

 d t V d t 
(la t = 0, C = C0, V = V0, π = π, T = T).
5.4.3.4. Ecuaţiile de bilanţ în regim staţionar (indice “s”)

 1 d n  m
j
  = ∑ f j,S (CS , K ) = α S = const.
 V d t S j =1

 RT 1 1
 = = = const.
 π ∑ C j,0 ∑ C j,S
 dC
 j  1 dn j 
 =  − α S C j,S = 0
 d t   V d t 
 S S
Fj,S (CS , K ) = f j,S (CS , K ) − αS ⋅ C j,S = 0

Dacă sunt cunoscute CS, rezolvând sistemul algebric neliniar rezultă k̂ .
k1 P k3 P
Nut G Met G G
G(P)0
(1)
k2 P k4 G (RM1)
Nut P Met P P
k1 P k3 P k5 P
Nut G Met G G GP
k6 G(P)1
(2)
k2 P k4 G (RM2)
Nut P Met P P
Fig. 5.xxx. Modele de reglare celulară analizate în ipoteza de V ≠ const.
Exemplu, modul de reglare G(P)0 = RM1 (model nereglat)

k1 P k3 P
Nut G Met G G
k2 P k4 G
Nut P Met P P
Ca o observaţie, în schema cinetică şi în model trebuie incluse toate speciile din

sistem deoarece toate concură la realizarea lui V.
[ Nut G ]S = const. ; [ Nut P]S = const.
Lipsa de informaţie sau ignorarea celorlalte specii din celulă face ca MetG şi
MetP să fie setate la concentraţii mari.
Aplicaţie numerică:
ln 2
αS = (1 / min)
100
C P,S = 1000 (nM ) ; C G ,t , S = 1 (nM ) ;
C NutG ,S ≈ 99.9 (nM ) ; V0 =1.66 ⋅ 10 −15 (L) ;
C NutG,S 1
= ; C NutG ,S + C NutP,S = 10 5 (nM ) ;
C NutP,S 1000
C MetG ,S = 10 4 (nM ) ; C MetP ,S = 10 4 (nM )

Prin soluţionarea ecuaţiilor de bilanţ masic staţionar rezultă (unităţi 1/min sau 1/min⋅nM):
k 1 = 6.939 ⋅ 10 −4 ; k 3 = 6.931 ⋅ 10 −10
k 2 = 7.632 ⋅ 10 −7 ; k 4 = 6.931 ⋅ 10 −4
α S = 6.931 ⋅ 10 −3 (1 / min)
 NutG + P →k1
MetG + P , r1 = k 1 C NutG C P

k
 NutP + P →2
MetP + P , r2 = k 2 C NutP C P
 k3
MetG + P → G + P , r3 = k 3 C MetG C P
 k4
MetP + G → P + G , r4 = k 4 C MetP C G
 d [MetG ]
 dt = r1 − r3 − α ⋅ [MetG ]

 d [MetP]
 d t = r2 − r4 − α ⋅ [MetP]


 d [ P] = r − α ⋅ [ P]
4
 dt

 d [G ] = r − α ⋅ [G ]
 d t 3
Fig. 5.xxx. …….(pag. 94) ……….
În mod similar se scriu ecuaţiile pentru modelul G(P)1 = RM2.

NutG
P P
k3
MetG G
k1
G -k5
GP
k6
MetP P
k4
P
k2
NutP
Fig. 5.xxx. …….(pag. 95) ……….
 d C MetG
 = r1 − r3 − α ⋅ C MetG
 dt
 d C MetP
 = r2 − r4 − α ⋅ C MetP
 d t
 d CP
 = r4 − r5 + r6 − α ⋅ C P
 d t
 d CG
 = r3 − r5 + r6 − α ⋅ C G
 dt
 d C GP
 = r5 − r6 − α ⋅ C GP
 dt
În condiţii QSS, sistemul neliniar este supradimensionat, k5 şi k6 neputând fi
estimaţi independent din concentraţiile staţionare. De regulă, se adoptă k6 >> αS , pentru
a asigura o reglare/viteză de răspuns cât mai rapidă/mare şi o apropiere cât mai mare de
echilibrul chimic al reacţiei de “buffer” G/GP:
 αS 
C GP,S 1+ 
1 k5  k 6 
= =
KD k6 C P,S C G ,S
Aplicaţie numerică: (Nut G,P; Met G,P – idem ca la G(P)0)
α S = ln 2 100 = 6.931 ⋅ 10 −3 (1 / min)
V0 =1.66 ⋅ 10 −15 (L)
C G ,S = C GP,S = 1 / 2 (nM ) ; C P,S = 1000 (nM )

k 6 = 10 5 (1 / min)
Rezultă parametrii cinetici din tabelul ……
5.4.3.5. Comportarea la o perturbaţie staţionară a sistemului (cazul G(P)0 ; G(P)1)

Dacă se modifică condiţiile externe, respectiv CNutG,S şi CNutP,S , atunci sistemul va
reacţiona, restabilind o altă QSS (indice “s”), diferită de QSS-iniţial, nominal (indice “ns”).
Fie CNutG , CNutP , noile condiţii staţionare externe.
Se determină pentru fiecare vector extern, păstrând CNutG + CNutP = 105 (nM) ) ct.,
care sunt CS, pentru un k̂ dat.
Se determină coeficienţii de senzitivitate a stărilor sistemului în raport cu
( )
perturbaţia, adică ∂ C j ∂ C NutG S , cu relaţia de bilanţ staţionar:
F (C nS , Nut nS , k ) = 0
Prin diferenţiere:
 ∂ Fi (C , Nut , k )   ∂ C j   ∂ Fi 
    +  =0
 ∂Cj  nS  ∂ Nut  nS  ∂ Nut  nS
Aceşti termeni sunt redaţi în Tabelul 2 (aplicaţie pS = 1/1000).
Se constată că G(P)1 este mai eficient static decât G(P)0.
 ∂ C P C P ,nS 
staţionare, exprimată ca Min  

 ∂ C NutG C NutG , nS  nS
Eficienţa reglării
Min (τ rec )P
dinamice, exprimată ca 
Min (St.dev.τ rec )
5.4.3.6. Comportarea sistemului de reglare celular la o perturbaţie dinamică

Dacă se aplică sistemului o perturbaţie dinamică la t = 0, prin variaţia numărului
de moli ai componentei i (respectiv ∆ Ci Ci,S ⋅100 (%) în termeni relativi), sistemul
revine la concentraţiile iniţiale după un anumit timp τ0j caracteristic fiecărei ( )
componente j.
Dacă se acceptă o anumită toleranţă ε > 0
în atingerea stării staţionare QSS (Cj,S), se poate defini un “timp de revenire
(recuperare)” (“recover”) pentru fiecare specie j, în raport cu perturbaţia dinamică a
speciei i, respectiv [
100⋅ ∆ C i C i ,S (%) ε
τj ].
De exemplu, dacă se perturbă CP,S cu –10% la t = 0, timpul de recuperare al

speciei j pentru atingerea unei toleranţe de 1% pentru Cj,S, este −10% P τ 0j.01 . ( )
Fig. 5.xxx. Mecanism [G(P)1]……..(pag. 98) ……….
O perturbaţie dinamică dintr-o specie I se petrece sub influenţa celorlalte procese

metabolice din celulă. Ea are ca efect variaţia ∆ n i a conţinutului celular (de fapt,
diminuarea cu ∆ n i a numărului de moli activi ai speciei I). Dacă se acceptă perturbaţia
doar a uneia dintre specii I, la un moment dat, t0 şi constanţa presiunii osmotice (π),
rezultă că după perturbaţie (*), volumul celular variază corespunzător:
∑ n j,0 − n i,0 = ∑ n *j,0 + − n *i,0 + = const.
j j
(RT π)∑ n *j,0 +

V0*+ j
=
V0 (RT π)∑ n j,0
j
Ca efect al variaţie volumului în momentul perturbaţiei, variază şi concentraţiile
componentelor celulare, imediat (t = 0+) după aplicarea perturbaţiei (aşa-numita
“perturbaţie secundară”):
n j,0 n *j,0 +
C j,0 = 
→ C*j,0 + =
V0 V0*+
(în care n *j,0 + = n j,0 pentru j ≠ i).

Perturbaţia secundară este resimţită de către toate speciile celulare, ca efect al
contribuţiei comune la definirea volumului celular şi al păstrării π = const.
Aplicaţie numerică
C PP = 0.01 C M =1 / 2 C MetG ,nS = 10 4 C P,nS = 1000
C G =1 / 3 C MP =1 / 2 C G ,nS =1 (sau 0.5)
C MetP ,nS = 10 4
C GPP = 1 / 3 C M′ = 400 C GP ,nS = 0.5
C NutG,nS = 99.9
C GPPPP =1 / 3
Tabelul 5.xxx. ……..(pag. 99a)……

Mecanismul  ∂Cj   ∂ C P CP , nS 
Cj 
∂C

 Min 
 ∂C


(τ rec ) j (min)
celular  NutG  nS  NutG C NutG , nS nS
G(P)0 P - 4.53 - 0.452 156.5
G 4.76 x 10-4 0.047 NG
MetG 52.43 0.524 NG
MetP - 47.89 - 0.478 NG
avg = 39.12
std = 78.25
[G(P)1] P - 3.66 - 0.365 127.1

G 1.15 x 10-3 0.229 118.1
GP - 6.78 x 10-4 - 0.135 69.5
MetG 52.43 0.524 NG
MetP - 48.76 - 0.487 NG
avg = 62.94
std = 61.49
Min (τ rec )P : G (PP) 2 > [G (P )1 ; M (P )1 ] > G (P)1 > G (P) 0

Eficienţă dinamică 
Min (std.) : G (PP) 2 > G ( P)1 > {G (P ) 0 ; [G (P)1 ; M (P)1 ]}
 ∂ C P C P , nS 
Eficienţă statică Min   : G (PP ) 2 > {G (P)1 ; [G (P)1 ; M (P)1 ]} > G (P) 0
 ∂ C NutG C NutG , nS 
  nS
……….
Fig. 5.xx. Diagrame traiectorii dinamice de revenire la QSS după o perturbaţie Dirac de –10% CP,S (t = 0)
(pag. 99b)
……….
Fig. 5.xx. Diagrame efectul “balastului” (mărimea conţinutului celulei ∑n j )
la o perturbaţie Delta de –10% CP,S (t = 100).
4
Celula cu C MetG,S = C MetP,S =10 ( _____ ); celula C MetG , S = C MetP, S = 250 nM (-------)
(pag. 99c)
Perturbaţia secundară este cu atât mai atenuată cu cât ∑ n j,0 este mai mare (efect
de “balast”) şi cu cât ∆n i,0 este mai mic în raport cu ∑ n j,0 (v. figura 5.xxx. cazul
∆n i,0 100 ∆n i,0 100
a) = şi cazul b) = ).
∑ n j,0 21001 ∑ n j,0 1501
( )
Se constată că −10% P τ0P.01 este mai mic la G(P)1 faţă de G(P)0Ş
a) ca efect al capacităţii de reglare a sistemului prin reacţia de “buffer”
G + P ⇔ GP
(127.1 min. la G(P)1 faşă de 156.5 min. la G(P)0);
b) efectul perturbaţiei în P (la t = 0) este resimţit mai puternic de celelalte specii

la modelul G(P)1 faţă de G(P)0) anume −10% P τ 0j.01 mai mare, avg.
−10% P 0.01
τ j = 62.94 min. la G(P)1 faţă de 39.12 min. la G(P)0]. Aceasta se
datorează interconectivităţii în modelul G(P)1, datorită elementului de reglare
introdus în modulul de reglare.
5.4.3.7. Interconectivitatea speciilor est edată de capacitatea lor de a reacţiona “unitar”

la o perturbaţie a sistemului. Interconectivitatea este realizată prin reacţii comune care
implică speciile în cauză. teoria lui Vance, Ross et al. (2002) studiază posibilitatea
existenţei conectivităţilor dintre specii într-o schemă consecutiv paralelă de reacţii, prin
măsurarea experimentală a timpului de propagare a unei perturbaţii dinamice a unui
reactant la t = 0, în concentraţiile celorlalte specii din schemă (“perturbation wave
propagation”). În schemele biochimice tehnicile de studiu a interconectivităţilor dintre
specii implică (Maria, 2003, J. Biot.):
- experienţe cu trasori (specii marcate);
- determinarea relaţiilor cauzale în reţele gene/proteine, atunci când una dintre
gene lipseşte;
- fluctuarea concentraţiei de alimentare din schemă.
În cazul G(P)0, G(P)1 al modulelor cinetice de reglare homeostatică a echilibrului
G/P la QSS, se utilizează ca indicator al interconectivităţii speciilor, modul de
recuperare al QSS după o perturbaţie dinamică în una din specii. Recuperarea poate fi
foarte dispersată (la interconectivitate mica), cu τj foarte diferite, sau recuperare statică
(la interconectivitate mare), cu τj cât mai apropiate (v. Tabelul 5.xx…). Astfel, se
constată că:
st. dev. ( −10% P 0.01
)
τ j G (P)
1
= 61.49 < st. dev. ( −10% P 0.01
)
τ j G (P)
0
= 78.25 (min)
ceea ce indică faptul că, în modelul G(P)1 speciile sunt mai interconectate şi
reacţionează mai “unitar” în tratarea corespunzătoare a unei perturbaţii dinamice (deşi
media τj poate creşte ca urmare a acestui efect).
În concluzie, după aplicarea unei perturbaţii dinamice pentru una din specii, i:
a) timpul de recuperare (cu o anumită toleranţă ε) este diferit ( − ∆ C i C i ,S ε
τj );
b) la păstrarea π = ct., volumul celulei variază ca efect perturbaţiei (de la V0 la V0* );
c) ca efect al variaţiei V0* , apare o perturbaţie secundară (la t = 0+) cu
modificarea corespunzătoare a C*j,0 + ;
d) perturbaţia afectează mai puţin speciile majore şi mai mult pe cele minore;
 
e) perturbaţia secundară este atenuată cu cât “balastul”  ∑ n j,0  celulei este mai
 j 
 
mare şi cu cât perturbaţia ∆ n i este mai mică în raport cu balastul celular;
f) speciile sunt cu atât mai interconectate (prin reacţii comune şi prin
contribuţia fiecăreia la volumul comun al celulei) cu cât reacţionează mai
unitar după apariţia unei perturbaţii (st. dev. (τj) cât mai mic);
  ∂ C j C j,S  
g) eficacitatea de reglare staţionară  R SS =   este direct
  ∂ Nut ∂ Nut S  S 

conectată în acelaşi sens cu cea dinamică (RD).
5.4.4. Cuplarea modulelor de reglare homeostatică P/G în ipoteza de V ≠ ct.,

π ≠ ct. Cooperare vs. Antagonism în procese celulare
O cale populară de construcţie a schemelor complexe de reacţii metabolice, este

aceea de a analiza în detaliu module independente de sinteză/controlul unei componente
generice (de ex. perechea P/G) şi apoi de a le particulariza şi a le conecta (Sewell et al.,
2002; Hudder, Maria et al., 2002; Maria et al., 2002).
Fiecare modul este modelat în condiţiile normale de creştere celulară, suplinind partea
de procese/specii celulare ignorate în modul, prin considerarea unei specii “balast” de
concentraţie mare corespunzătoare (şi constantă). În acest fel, fiecare modul analizat va
“creşte” utilizând aceeaşi viteză medie αS de creştere ca şi celula în ansamblu.
Pe măsură ce mai multe module suntcuplate, contribuţia speciei “balast”
(ignorată în mecanism) va scade corespunzător, până când, la limită, pentru modele
cinetice complexe şi cvasi-complete, speciile !nedefinite” vor fi neglijabile în raport cu
speciile considerate.
Modelele celulare construite în condiţii de V ≠ ct. (şi π ≠ ct.), arată influenţa
indirectă exercitată de specii, una asupra celeilalte, prin intermediul volumului celular.
Există deci ointerconectivitate între specii: directă – prin intermediul reacţiilor
comune sau intermediarilor comuni cu care reacţionează; indirectă – prin intermediul
 RT 
volumului la care toate speciile contribuie  V =
 π
∑ n j  şi care influenţează

(
concentraţiile celulare C j = n j V . )
Importanţa interconectivităţii indirecte depinde de diversitatea şi complexitatea
celulei. Un număr mare de componente celulare, va creşte “balastul” celular,
minimizând relaţiile indirecte dintre specii. Diversitatea componentelor celulare va
permite metaboliţilor individuali să fie prezenţi în concentraţii mici, cu un răspuns mai
flexibil şi potrivit unei perturbaţii.
Cuplarea a două module de reglare G/P se poate face fie:
a) printr-o reacţie comună (Yang et al., 2003);
b) printr-o funcţiune comună a unei specii în cele două module (citare Hames
et al., 1997 – cu funcţiuni specifice fiecărei proteine).
În cazul cuplării printr-o reacţie comună (Yang et al., 2003) (v. figura 5.xx). Se
constată că eficacitatea de reglare (RD) individuală nu se îmbunătăţeşte prin adăugarea
unei simple reacţii şi că mărirea complexităţii sistemului nu garantează în mod automat
ameliorarea indicatorilor de eficienţă a reglării.
Cuplarea printr-o funcţiune comună acordată unei (sau mai multor) proteine, pune
în evidenţă caracterul cooperativ al proceselor celulare, în dauna unei scheme
antagoniste de sinteză şi reglare proteică.
k39P1
k39 G1 G1P1
G1 G1P1 k40
k40
k1 k2
k1 k2 P1
P1
k41P2
k43 G2 G2P2
P1 + P2 P1P2 k42
k44
k1 k2
[G1(P1)1] P2
sau k43
[G2(P2)1] P1 + P2 P1P2
k44
[G1(P1)1 + G2(P2)1]
Fig. 5.xx. ………(pag. 105) ……….
Pentru exemplificare se consideră două module separate de sinteză G1(P1)0 şi

G2(P1)0.
În varianta A de cuplare cele două module acţionează independent, concurenţial

la utilizarea aceleaşi surse interne de metabolit şi externe de nutrienţi.
NutG Varianta A
P1 P1
G1
MetG1
P2
P2
NutG
MetG2 G2
G1
MetP1 P1
P1
MetP2 G2
NutP
P2
P2
NutP
P1 P1
NutG MetG1 G1
modul 1
P1 G1
NutP MetP1 P1
P2 P2
NutG MetG2 G2
modul 2
P2 G2
NutP MetP2 P2
Rezultatele de simulare (pentru k̂ estimat la o stare QSS: CP1,S = 1000, CG1,S = 1,

CP2,S = 100, CG2,S = 1, CMetP = CMetG = 104, CNutG = 100, CNutP = 105).
……..
Fig. 5.xx. ……..(pag. 107) …….
Concluzie: sistemul este instabil, evoluând către dispariţia uneia dintre

componente (P/G).
În varianta B de cuplare cele două module acţionează cooperativ, prin impărţirea

funcţiunilor în celulă între cele două proteine: P1 – permează + metabolază, P2 –
polimerază.
Varianta B
NutG
P1 P1
G1
MetG1
P2
MetG2 G2
P1 G1
NutP
MetP1 P1
MetP2 G2
P2
P1
MetG1
P1
NutG MetG2
modul 1
P1
NutP MetP1
P1
MetP2
P2
MetG1 G1
modul 2 P2
MetG2 G2
G1
MetP1 P1
modul 3
G2
MetP2 P2
……..
Fig. 5.xx. ……..(pag. 109) …….
Concluzie: sistemul este stabil (toate Re(λ(M))<0) în raport cu perturbaţiile

dinamice (şi statice),evoluând cu prezervarea ambelor componente celulare considerate
(P1/G1 şi P2/G2).
În varianta C de cuplare a două module, îmbunătăţirea indicatorilor modulelor de
reglare se face prin introducerea suplimentară a reacţiilor “buffer” de adoptare
autonomă a raportului G/Gtot.
Varianta C
NutG
P1 P2
G1
MetG1
P2
MetG2 G2
P1
P1 G1 G1P1
NutP
MetP1 P1
P2
MetP2 G2 G2P2
P2
Se consideră că (varianta C în comparaţie cu varianta B):

−10% C P1 ,S 0.01  −10% C P1 ,S 0.01 
avg. τj  < avg.  τj 
  var .C   var .B
Tabelul 5.xx. …………

Specie Varianta C Varianta B
MetG1, G2, P1, P2 0 0
P1 85.7 257.4
P2 314.8 495.5
G1 325.4 496.8
G2 277.4 496.8
G1P1 397.1 -
G2P2 435.1 -
Medie 183.5 218.3
St.dev. (n-1) 182.3 246.1
Concluzie 1: sistemul C este stabil (toate Re(λ(M))<0), în raport cu perturbaţiile

dinamice (şi staţionare), evoluând cu prezentarea ambelor componente celulare (P1/G1 ,
P2/G2).
Concluzie 2: sistemul C prezintă o eficienţă sporită în reglare raport P/G pentru o
sinteză mai rapidă şi mai stabilă a componentelor celulare.
Astfel (τrecover) - mediu este mai mic cu 19%, iar st.dev. (τrecover) este mai mică cu
35%. Prin urmare, în varianta C speciile sunt mai interconectate (st. dev. mai mic), ele
“asistându-se2 reciproc în revenirea la starea staţionară stabilă.
5.4.5. Alte modele (complexe) de reglare a proceselor metabolice celulare de

expresie genetică
Gibsom&Bruck (în Bower, Bolouri, 2001) prezintă un model probabilistic de

reglare a etapelor de expresie genetică (transcriere, cu inductori şi represori).
Superioritatea modelelor stichastice (Monte Carlo) pentru procese în care poziţia
moleculei în celulă este importantă.
De exemplu, model stochastic de activare/inhibare transcriere gene.
Factor de Factor de
transcriere transcriere
genetică genetică
Genă Promotor Operator 1 Operator 2
Regiune de reglare
Fig. 5.xx. Model de acţiune stochastică a factorilor activatori/represori ai transcrierii genetice
Principala diferenţă dintre simularea microscopică (stochastică) şi cea

macroscopică (set ODE) constă în evoluţiile diferite ale Cj(t) şi valorile diferite, de la
simulare la simulare, la sfârşitul procesului Cj(tS) (v. şi teorie Gillespie, cap. ….)
Detalii model Bower&Bolouri, cap. 2.
Modele deterministe de reglare a proceselor oscilante celulare sunt prezentate în
capitolul 6.

Cell Cap 5

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Cell Cap 5

Încărcat de

Drepturi de autor:

Formate disponibile

5.

MODELE DE REGLARE CELULARĂ ŞI

MODELAREA PROCESELOR CELULARE

5.1. Introducere (tipuri de modele) (NIH, 2002)

Reglarea proceselor metabolice se face prin variaţia:

modificarea vitezei de sinteză

În timpul metabolismului de replicare constituenţi celulari (de-a lungul unui ciclu

[MetG + Metaboliţi] [Gena 1] [Gena 2] [Gena-n]

Au fost avansate diverse mecanisme de reglare.

b) Buclă de reglare SIM (single-input-module)

set operoni reglare

c) Buclă de reglare DOR (dense-over lapping-regular)

reglare set factori

O variantă de de modele de tip „CGL” este dată de McAdams&Arkin (1998).

2) Modele de tip MCA (Metabolic Control Analysis) (Kacser&Burns, 1973)

Intermediarii metabolici sunt regulatori ai enzimelor individuale.

Varianta CBA (Constrained Based Modelling) (Pallson, 2000), reduce o schemă

5.2. Modele de reglare celulară de tip FBA şi analiza FCC

Metode de investigare a schemelor de reacţii biochimice (metabolice), fără a

0.1 0.3 0.2 0.2 0.2

Problema de inginerie este aceea de a maximiza unele fluxuri din schema

Procesele metabolice fiind strâns inter-conectate este necesară o abordare

5.2.1. Definirea FCC (Flux Control Coefficients) (Heinrich&Achuster, 1996;

Original FCC au fost introduşi pentru a cuantifica limitările de viteză în sisteme

FCC se definesc în două moduri:

5.2.2. Metoda gFCC pentru amplificarea fluxurilor(Stephanopoulos, 1997)

Pas 1 – Determinarea reacţiilor independente (şi a mode-lor)

La stabilirea semnului coeficienţilor νi,j în metoda SIMS, direcţia fiecărei reacţii

Nr. alternative de trasee = Nr. grade de libertate = n r − n S,red

Considerând o bază de reacţii pentru N , orice QSS în schemă este o contribuţie

R2 Br- + HBrO2 + H+ 2HOBr

R3 Br- + H+ + HOBr Br2 + H2O

R4 BrO3- + H+ + HBrO2 2 BrO2 + H2O

R5 Ce3+ + BrO2 + H+ Ce4+ + HBrO2

R6 Ce4+ + BrO2 + H2O BrO3- + Ce3+ + 2 H+

R7 2 HBrO2 BrO3- + H+ + HOBr

Se determină spaţiul nul (β) al lui ν :

C dep = α ⋅ C indep − α ⋅ C 0 , indep + C 0 , dep

Pas 2 - Identificarea metaboliţilor de legătură (de conexiune, sau nodurile

Pas 3 - Determinarea grupelor de reacţii

Pas 4 - Determinarea coeficienţilor de control metabolic

gFCC se determină prin măturarea (JA , JB , JC). Înainte de aplicarea unei

Determinarea Ki se face din teorema de sumare a c iK şi teorema de ramificare în

Se determină apoi şi gCC (coeficienţii de control a concentraţiilor grupului):

Pas 5 – Interpretarea gFCC şi gCCC a diverselor grupări de reacţii

Aceştia pun în evidenţă gradul de control cinetic al procesului global de către o

Grupare reacţii - Concentraţii QSS (X0)

5.2.3. FCC folosiţi în scopuri predictive şi de optimizare proces (Fell, 1997)

Factorul cu care se amplifică un flux J atunci când activitatea enzimei creşte de r-

Este evident că o creştere a activităţii/concentraţiei tuturor enzimelor din sistem cu

5.3. Analiza Controlului Metabolic (MCA) (Riznicenko, p. 42)

Teoria MCA a fost dezvoltată de Kacser&Burms (1973) şi Heinrich&Rappaport

Principalii indicatori MCA se evaluează în urma investigaţiilor experimentale.

Nomencalatură (Hofmeyer, 1998)

– interne, sunt de regulă intermediari variabili ce cuplează reacţiile.

5.3.1. Coeficienţii de răspuns (R)

5.3.2. Coeficienţii de control (C)

Pot fi definiţi pentru q∈{ J , S }

J ( p ) = r ( S ( p ) , p ) (faţă de perturbaţii staţionare ale lui p)

5.3.3. Coeficienţi de elasticitate (ε, π)

5.3.4. Legătura dintre C, R, ε, π

 R J j  = CJ j ⋅ πri (pentru reacţia i)

sau pentru coeficienţi de răspuns globali: