3
39 BIOspektrum | 01.14 | 20. Jahrgang HENRIK CORDES, CHRISTOPH THIEL, LARS M. BLANK, LARS KÜPFER INSTITUT FÜR ANGEWANDTE MIKROBIOLOGIE, RWTH AACHEN Human physiology covers multiple levels of biological organization. For a mechanistic understanding of diseases and a rational development of tar- geted therapeutic strategies, a simultaneous consideration of processes at the cellular scale and at the whole-body level is desirable. We here dis- cuss how metabolic network models can be integrated into physiology- based pharmacokinetic models at organism level. Several potential appli- cations involving both endogenous and exogenous metabolism are given. DOI: 10.1007/s12268-014-0405-6 © Springer-Verlag 2014 Ebenen biologischer Organisation ó Die Physiologie des menschlichen Körpers umfasst die unterschiedlichsten Ebenen der biologischen Organisation. Die Basis bilden dabei die physikochemischen Interaktionen der einzelnen Moleküle in jeder Zelle. Für die effiziente Entwicklung neuer diagnostischer und therapeutischer Ansätze ist es wichtig, die Interaktionen im menschlichen Körper mechanistisch zu verstehen und möglichst ganzheitlich zu erfassen [1]. Ziel solcher sys- temischen Analyseansätze ist es, medizini- sche Symptome und physiologische Verän- derungen, hervorgerufen durch Krankheiten oder Nebenwirkungen von Medikamenten, anhand ihrer molekularen Ursachen zu ver- stehen. Sollen derartige Zusammenhänge wis- sensbasiert analysiert werden, müssen die verschiedenen Ebenen biologischer Organi- sation gleichzeitig in einem Modell abgebildet werden. Auf Körperebene können medizi- nisch messbare Größen wie die Konzentra- tion von Biomarkern im Blutplasma zur Modellbildung genutzt werden. Auf zellulä- rer Ebene müssen die Prozesse, die die mess- baren Größen auf Körperebene beeinflussen, möglichst explizit abgebildet werden. Die Modellierung dieser Ebenen wird mithilfe sogenannter Multiskalenmodelle realisiert und erfordert die spezifische Integration unterschiedlicher Modellierungsansätze und Datenstrukturen. Ganzkörperebene: Physiologie- basierte Pharmakokinetik-Modelle Um die Physiologie des Körpers auf Orga- nismusebene abzubilden, müssen die zugrunde liegenden Prozesse mechanistisch beschrieben werden. So umfassen z. B. Physiologie-basierte Pharmakokinetik(PBPK)- Modelle die Aufnahme, Verteilung, Metabo- lisierung und Ausscheidung von Substanzen im menschlichen Körper (Abb. 1A, [2]). PBPK-Modelle beinhalten dabei physiologi- sches Vorwissen, das Parameter wie Organ- volumina oder Blutflussraten umfasst und das bei der Modellbildung direkt zur Verfü- gung steht. Eine wichtige Eigenschaft der Modelle ist die Möglichkeit, Konzentrationen in einzelnen Geweben quantitativ zu beschreiben, da diese mithilfe der Vertei- lungsmodelle in Beziehung zum Plasmas- piegel gesetzt werden können. Daraus las- sen sich quantitative Konzentrationsverläu- fe abschätzen, die mit invasiven Analyseme- thoden nur eingeschränkt messbar wären. Auf diese Weise erlauben PBPK-Modelle die Simulation von physiologischen Prozessen in einem in vivo-Kontext, ohne dass entspre- chende Größen unmittelbar experimentell erfasst werden müssen. Systembiologie Modellierung metabolischer Netzwerke im menschlichen Körper ˚ Abb. 1: Unterschiedliche Modellierungsansätze für verschiedene Ebenen biologischer Organi- sation. A, Physiologie-basiertes Pharmakokinetik-Modell auf Ganzkörperebene; B, stöchiometri- sches Modell auf zellulärer Ebene. A B

Modellierung metabolischer Netzwerke im menschlichen Körper

  • Upload
    lars

  • View
    212

  • Download
    0

Embed Size (px)

Citation preview

39

BIOspektrum | 01.14 | 20. Jahrgang

HENRIK CORDES, CHRISTOPH THIEL, LARS M. BLANK, LARS KÜPFER

INSTITUT FÜR ANGEWANDTE MIKROBIOLOGIE, RWTH AACHEN

Human physiology covers multiple levels of biological organization. For amechanistic understanding of diseases and a rational development of tar-geted therapeutic strategies, a simultaneous consideration of processesat the cellular scale and at the whole-body level is desirable. We here dis-cuss how metabolic network models can be integrated into physiology-based pharmacokinetic models at organism level. Several potential appli-cations involving both endogenous and exogenous metabolism are given.

DOI: 10.1007/s12268-014-0405-6© Springer-Verlag 2014

Ebenen biologischer Organisationó Die Physiologie des menschlichen Körpersumfasst die unterschiedlichsten Ebenen derbiologischen Organisation. Die Basis bildendabei die physikochemischen Interaktionender einzelnen Moleküle in jeder Zelle. Für dieeffiziente Entwicklung neuer diagnostischerund therapeutischer Ansätze ist es wichtig,die Interaktionen im menschlichen Körpermechanistisch zu verstehen und möglichstganzheitlich zu erfassen [1]. Ziel solcher sys-temischen Analyseansätze ist es, medizini-sche Symptome und physiologische Verän-derungen, hervorgerufen durch Krankheitenoder Nebenwirkungen von Medikamenten,anhand ihrer molekularen Ursachen zu ver-stehen. Sollen derartige Zusammenhänge wis-sensbasiert analysiert werden, müssen dieverschiedenen Ebenen biologischer Organi-sation gleichzeitig in einem Modell abgebildetwerden. Auf Körperebene können medizi-nisch messbare Größen wie die Konzentra-tion von Biomarkern im Blutplasma zurModellbildung genutzt werden. Auf zellulä-rer Ebene müssen die Prozesse, die die mess-baren Größen auf Körperebene beeinflussen,möglichst explizit abgebildet werden. DieModellierung dieser Ebenen wird mithilfesogenannter Multiskalenmodelle realisiertund erfordert die spezifische Integrationunterschiedlicher Modellierungsansätze undDatenstrukturen.

Ganzkörperebene: Physiologie-basierte Pharmakokinetik-ModelleUm die Physiologie des Körpers auf Orga-nismusebene abzubilden, müssen diezugrunde liegenden Prozesse mechanistischbeschrieben werden. So umfassen z.  B.

Physiologie-basierte Pharmakokinetik(PBPK)-Modelle die Aufnahme, Verteilung, Metabo-lisierung und Ausscheidung von Substanzenim menschlichen Körper (Abb. 1A, [2]).PBPK-Modelle beinhalten dabei physiologi-sches Vorwissen, das Parameter wie Organ-volumina oder Blutflussraten umfasst unddas bei der Modellbildung direkt zur Verfü-gung steht. Eine wichtige Eigenschaft derModelle ist die Möglichkeit, Konzentrationenin einzelnen Geweben quantitativ zubeschreiben, da diese mithilfe der Vertei-lungsmodelle in Beziehung zum Plasmas-piegel gesetzt werden können. Da raus las-sen sich quantitative Konzentrationsverläu-fe abschätzen, die mit invasiven Analyseme-thoden nur eingeschränkt messbar wären.Auf diese Weise erlauben PBPK-Modelle dieSimulation von physiologischen Prozessenin einem in vivo-Kontext, ohne dass entspre-chende Größen unmittelbar experimentellerfasst werden müssen.

Systembiologie

Modellierung metabolischerNetzwerke im menschlichen Körper

˚ Abb. 1: Unterschiedliche Modellierungsansätze für verschiedene Ebenen biologischer Organi-sation. A, Physiologie-basiertes Pharmakokinetik-Modell auf Ganzkörperebene; B, stöchiometri-sches Modell auf zellulärer Ebene.

A B

40 WISSENSCHAFT · METHODEN

BIOspektrum | 01.14 | 20. Jahrgang BIOspektrum | 01.14 | 20. Jahrgang BIOspektrum | 01.14 | 20. Jahrgang

Zelluläre Ebene: metabolischeNetzwerkmodelleUm intrazelluläre Biochemie zu beschreiben,werden häufig stöchiometrische Modelle ver-wendet (Abb. 1B). Diese bilden die bioche-mischen Reaktionen und Transportprozesse

innerhalb einer Zelle explizit ab. Grundlagevon stöchiometrischen Modellen ist dieAnnahme, dass sich die Zellen dabei in einemquasi-stationären Zustand befinden. In die-sem Fall sind die Produktions- und Ver-brauchsraten intrazellulärer Metaboliten iden-

tisch, sodass deren Konzentrationen konstantbleiben. Durch diese Annahme lässt sich dasursprünglich komplexe Zellmodell in ein line-ares Gleichungssystem überführen, das nachden Reaktionsraten aufgelöst werden kann.Stöchiometrische Modelle erlauben so einerelativ einfache mathematische Repräsenta-tion der komplexen intrazellulären Bioche-mie. In der Biotechnologie und Mikrobiolo-gie wird dieser Modellierungsansatz seit Län-gerem zum rationalen Stammdesign sowiefür die Identifikation von Genotyp-Phänotyp-Beziehungen verwendet [3].

Modellintegration in einemMultiskalenmodellUm die unterschiedlichen Organisationsebe-nen mit ihren jeweiligen Modellen miteinan-der verknüpfen zu können, werden neue inte-grative Modellierungsansätze benötigt. Basie-ren zwei Modelle auf demselben Modellie-rungsansatz, ist die Integration in erster Linieeine Erweiterung eines bestehenden Modells[4]. Sollen stöchiometrische Zellmodelle indynamische PBPK-Ganzkörpermodelle inte-griert werden, kann dies durch eine entspre-chende Entkopplung der unterschiedlichenZeitskalen geschehen. Wird das ursprünglichkontinuierliche PBPK-Modell in ausreichendkurze diskrete Zeitschritte unterteilt, kannangenommen werden, dass sich die zellulärenProzesse in diesen Zeitintervallen weiterhinim Gleichgewicht befinden. Mit diesemAnsatz wurde beispielsweise ein stöchiome-trisches Modell der Leber in ein Ganzkörper-PBPK-Modell integriert [5]. Das resultierendeMultiskalenmodell folgt in der Form einemsogenannten bow-tie-Ansatz, in dem die unter-schiedlichsten Stoffströme des Körpers miteinem metabolischen Netzwerk interagieren(Abb. 2).

Endogene metabolische Netzwerke:Pharmakodynamik und ToxikologieDie Pharmakodynamik (PD) bezeichnet all-gemein die Wirkung eines Medikamentes imKörper, die in der Pharmakologie häufig durchphänomenologische Dosis-Wirkungsbezie-hungen beschrieben wird. Mit der Verwen-dung stöchiometrischer Modelle kann der the-rapeutische Effekt auch auf zellulärer Ebenemechanistisch dargestellt werden. Durch diedirekte Einbindung des metabolischen Wirk-modells in das Ganzkörpermodell können aufdiese Weise PK/PD-Korrelationen gleichzei-tig in einem Modell untersucht und analysiertwerden. So wurde bereits die Behandlung vonHyperurikämie mit Allopurinol in einem

˚ Abb. 2: Modellintegration nach einem bow-tie-Schema. Auf Ganzkörperebene wird die Vertei-lung unterschiedlicher Substrate und Metaboliten mit Pharmakokinetik-Modellen beschrieben. Immetabolischen Netzwerk wird die Metabolisierung dieser Substanzen im zellulären Kontext darge-stellt.

˚ Abb. 3: Integration metabolischer Netzwerke in einem Ganzkörperkontext. A, therapeutischeMedikamentenwirkung; B, toxische Nebenwirkungen; C, symbiotische Wirkung von Mikroorganis-men; D, parasitäre Wirkung von Mikroorganismen.

A

C

B

D

41

BIOspektrum | 01.14 | 20. Jahrgang

entsprechenden Modellansatz dargestellt(Abb. 3A, [6]).

Neben der gewünschten Wirkung einesMedikamentes ist auch die Vermeidung toxi-scher Nebenwirkungen ein wichtiger Gegen-stand der pharmazeutischen Forschung. Auchsolche Effekte können mit dem beschriebe-nen Ansatz mechanistisch abgebildet wer-den. So wurde für Paracetamol untersucht,wie bei einer toxischen Dosis die Fähigkeitendes zellulären Metabolismus durch enzyma-tische Inhibierung eingeschränkt werden(Abb. 3B, [6]). Das Modell wurde u. a. dafürverwendet, Veränderungen im intrazellulä-ren Stofffluss bei einer toxischen Dosis zuquantifizieren. Die modellbasierte Korrela-tion von zellulärer Exposition (PK) mit derentsprechenden Antwort im metabolischenNetzwerk (PD) birgt großes Potenzial für dieMaximierung einer gewünschten therapeu-tischen Wirkung sowie die gleichzeitige Mini-mierung von unerwünschten toxischenNebenwirkungen.

Exogene metabolische Netzwerke:das menschliche Mikrobiom undmikrobielle InfektionenNeben körpereigenen endogenen metaboli-schen Netzwerken existieren auch körper-fremde exogene Netzwerke im menschlichenOrganismus. Ein Beispiel für ein solches exo-genes Netzwerk ist das humane Mikrobiom,das mit dem menschlichen Körper interagiert(Abb. 3C). Mikroorganismen auf der Haut, inder Mundhöhle oder im Verdauungstraktunterstützen den menschlichen Körper beieiner Vielzahl biologischer Funktionen wieder Verwertung von Nährstoffen oder bei derImmunabwehr. Diese symbiotischen Inter-aktionen lassen sich ebenfalls mit dem hiervorgestellten Modellansatz beschreiben. Esist zu erwarten, dass das mechanistische Ver-ständnis der gegenseitigen Wechselwirkun-gen in den nächsten Jahren durch Projektewie das Human Microbiome Project [7] bestän-dig erweitert werden wird.

Eine weitere Form der Wechselwirkungzwischen Mensch und Mikroorganismen sindbakterielle Infektionen [8]. Ziel ist es hier, dieAusbreitung eines Pathogens im mensch-lichen Körper zu bekämpfen oder die Infek-tion selbst zu verhindern (Abb. 3D). Mit

einem Multiskalenmodell können Dosie-rungsschemata für gezielte Behandlungsfor-men entwickelt werden. Auch die Erforschungmikrobieller Resistenzen, z. B. bei der Behand-lung mit Antibiotika, kann mit solchen Model-len unterstützt werden. Weiterhin ist es mög-lich, die molekularen Nährstoffbeziehungenzwischen Wirt und Pathogen zu simulieren.

AusblickMetabolische Netzwerke erlauben eine sche-matische Darstellung der zellulären Bioche-mie. Werden sie in ein Ganzkörpermodellintegriert, können damit die unterschied-lichsten medizinischen und diagnostischenFragestellungen in einem in vivo-Kontextuntersucht werden. Diese reichen von der Pla-nung einer idealen therapeutischen Behand-lung mit einem optimierten Nutzen-Risiko-Profil für endogene metabolische Netzwerkebis hin zur Erforschung von Erreger-Wirt-Interaktionen in der Infektionsbiologie. Ent-sprechende Multiskalenansätze werden inZukunft in der Systemmedizin und der Sys-tempharmakologie eine wachsende Rolle spie-len, da sie eine ganzheitliche, simultaneBetrachtung der beteiligten Prozesse ermög-lichen. So können Korrelationen modellba-siert untersucht werden und ermöglichen aufdiese Weise neue Ansätze für Medizin undDiagnostik.

DanksagungDiese Arbeit wurde teilweise finanziert durchdie Europäische Kommission (HeCaTos,602156). ó

Literatur[1] Kuepfer L (2010) Towards whole-body systems physiology.Mol Syst Biol 6:409[2] Willmann S, Lippert J, Schmitt W (2005) From physico-chemistry to absorption and distribution: predictive mechanis-tic modelling and computational tools. Expert Opin Drug Metab Toxicol 1:159–168[3] Blank LM, Kuepfer L (2010) Metabolic flux distributions:genetic information, computational predictions, and experi-mental validation. Appl Microbiol Biotechnol 86:1243–1255[4] Eissing T, Kuepfer L, Becker C et al. (2011) A computatio-nal systems biology software platform for multiscale modelingand simulation: integrating whole-body physiology, diseasebiology, and molecular reaction networks. Front Physiol 2:4[5] Gille C, Bolling C, Hoppe A et al. (2010) HepatoNet1: acomprehensive metabolic reconstruction of the human hepa-tocyte for the analysis of liver physiology. Mol Syst Biol 6:411[6] Krauss M, Schaller S, Borchers S et al. (2012) Integratingcellular metabolism into a multiscale whole-body model.PLoS Comput Biol 8:e1002750

[7] The Human Microbiome Project Consortium (2012)Structure, function and diversity of the healthy human micro-biome. Nature 486:207–214[8] Kim YM, Schmidt BJ, Kidwai AS et al. (2013) Salmonellamodulates metabolism during growth under conditions thatinduce expression of virulence genes. Mol Biosyst 9:1522–1534

Korrespondenzadresse:Dr. Lars KüpferRWTH AachenInstitut für angewandte MikrobiologieWorringerweg 1D-52074 AachenTel.: 0241-80-26613Fax: [email protected]

BIOspektrum | 01.14 | 20. Jahrgang

AUTOREN

Henrik Cordes, Christoph Thiel, Lars M. Blankund Lars Küpfer (v. l. n. r.)

Henrik Cordes2007 CTA-Ausbildung, 2007–2008 Institut fürSolarenergieforschung, Hameln/Emmerthal.2013 M.Sc. in Biomolecular Engineering,TU Darmstadt. Seit 2013 Doktorand am Institutfür Angewandte Mikrobiologie, RWTH Aachen.

Christoph Thiel2007–2013 M. Sc. Studium der Bioinformatik ander Universität des Saarlandes, Saarbrücken.Seit 2013 Doktorand am Institut für AngewandteMikrobiologie, RWTH  Aachen.

Lars M. Blank1997 Diplom Chemieingenieurwesen, TU Dort-mund und Diplom Biologie, Universität Bochum.1998–2002 Promotion bei Prof. Dr. L. K. Niel-sen, University of Queensland, Australien. 2002–2004 Postdoc bei Prof. Dr. U. Sauer, ETH Zürich,Schweiz. 2004–2010 Habilitation bei Prof. Dr. A.Schmid, TU Dortmund. Seit 2011 Professor, Insti-tut für angewandte Mikrobiologie (iAMB), RWTHAachen.

Lars Küpfer2001 Diplom Maschinenbau, RWTH Aachen.2001–2005 Promotion bei Prof. Dr. U. Sauer so-wie Postdoc bei Prof. Dr. J. Stelling, ETH Zürich.Seit 2005 Gruppe für Systembiologie, BayerTechnology Services GmbH; seit 2011 zusätzlichGruppenleiter am iAMB, RWTH Aachen.