Biologia Sintetica e dei Sistemi di modelli a scala genomica per l’identificazione di metabolismo minimale e principi di regolazione

In my thesis I present some applications on Synthetic and Systems Biology using Genetic and Evolutionary Algorithm applied on genome-scale metabolic models. In the first part I focus on an application to the metabolic engineering for the retrieval of micro-organism strains, in particular of E.coli and S.cerevisiae, optimized for the production of a specific chemical. The implications of these studies are evident, and to tackle the tasks I use a genetic algorithm and different types of optimization which involve different techniques based on the automatic discovery of significant gene deletions, regulations and environmental changes, that could all enhance the prediction on the production of the chemicals of interest. Finally, I present an innovative multi-stage framework combining the single optimization algorithm presented. In the second part I present an evolutionary algorithm applied to the minimal cell problem; developed for the minimization of the genome reproduced in the metabolic models, the algorithm is able to retrieve the minimal metabolic networks. These networks include within them only the genes catalysing chemical reactions that are necessary to maintain a predicted growth rate that is comparable to the wild type value, whereas all the redundancies are pruned. The algorithm produces a large number of different minimal networks; hence I performed several studies on the similarities and differences between them, highlighting the genes that seem to play a key role in the majority of the networks and that were named mandatory genes. The first and most analysed organism was S.cerevisiae, and afterwards I focused on other 20 organisms, comparing the corresponding results between them and with the latest results in the field. The results I present in this work are the fruit of an in silico approach, that is nonetheless a simple tool to be used in the metabolic engineering and synthetic biology, with the weak and strong points typical of the computational results, that I hope could be useful for the progress in the compelling research in the Systems and Synthetic Biology.

In questo lavoro di tesi presento alcune applicazioni in Biologia sintetica e dei Sistemi utilizzando algoritmi genetici ed evolutivi di ottimizzazione su modelli metabolici a scala genomica. Nella prima parte del lavoro mi concentro su applicazioni relative all’ingegneria metabolica per l’ottenimento di strain di microoganismi, in particolare E.coli e S.cerevisiae, ottimizzati per la produzione di uno specifico composto come prodotto. I risvolti di questo tipo di applicazioni sono evidenti, e a tale scopo vengono utilizzati un algoritmo genetico e diversi approcci a cui può essere collegato per la scoperta automatica di delezioni, regolazioni e cambiamenti ambientali esterni che possano aumentare le previsioni sulla quantità di composto prodotta. Infine, presento un innovativo approccio a più fasi per la combinazione dei singoli algoritmi di ottimizzazione presentati. Nella seconda parte, invece, presento un algoritmo evolutivo applicato al problema della minimal cell; sviluppato per la minimizzazione del genoma riprodotto nei modelli metabolici, è in grado di ottenere quelle che ho chiamato reti metaboliche minimali. Al loro interno, le reti avranno solo reazioni chimiche necessarie per mantenere un livello di crescita paragonabile a quello iniziale del wild type, mentre tutte le reazioni ridondanti allo scopo sono state potate. L’algoritmo è in grado di prodorre numerose reti minimali; ho quindi realizzato uno studio sia sulle differenze che sulle similitudini che intercorrono tra queste reti, evidenziando in particolare quei geni che si sono rivelati fondamentali in gran parte delle reti e che sono stati rinominati mandatory. Dopo aver estensivamente analizzato il metabolismo di S.cerevisiae, ho anche considerato in seguito altri 20 organismi, confrontandoli inoltre tra loro e con i risultati all’avanguardia sul campo. I risultati presentati in questo lavoro, pur rimanendo in silico, si pongono come uno strumento da adoperare nella ricerca di settore, con tutti gli evidenti punti deboli e punti di forza che lo studio computazionale possiede, che spero possa aiutare la futura ricerca su problemi di evidente interesse per la comunità scientifica della Biologia Sintetica e dei Sistemi.