Couplage de flux métaboliques

Deux réactions qui se suivent immédiatement dans une voie métabolique auront tendance à fonctionner de manière concertée : le flux de matière dans la première détermine le flux de matière dans la seconde. Cette observation intuitive se généralise à des ensembles de deux réactions ou plus qui ne sont pas nécessairement voisines dans le réseau métabolique. Dans un environnement chimique donné, la structure et la stoechiométrie du réseau induisent ainsi des contraintes de couplage entre réactions (* Burgard AP & al. (2004)), c’est-à-dire des dépendances entre les flux de ces réactions valables quel que soit l’état de la cellule.

L’étude vise d’une part à recenser ces contraintes de couplages, et d’autre part à en évaluer les effets sur l’organisation de la régulation des réactions ou sur l’histoire évolutive des gènes associés. Nous explorons dans un premier temps la variabilité des contraintes de couplage pour Escherichia coli avec les changements d’environnement biochimique à l’aide d’un ensemble d’expériences in silico. Une grande partie de ces couplages se révèle être indépendants du milieu, et les ensembles de réactions couplées présente une grande similarité avec les voies métaboliques élémentaires classiques. On observe par ailleurs des ensembles de contraintes spécifiques à certaines catégories d’environnements. Ceci permet de regrouper les environnements en classes selon leurs effets sur le fonctionnement métabolique et de repérer les « points charnières » du métabolisme. Dans un second temps, nous cherchons à évaluer l’éventuel impact de ces contraintes métaboliques sur l’évolution des génomes bactériens. La contrainte que deux réactions fonctionnent à flux égaux ou proportionnels conduit-elle l’organisme à adapter son système de régulation en conséquence ? Pour tenter de répondre à cette question, l’équipe développe des méthodes d’analyse comparative de modèles métaboliques.

Bibliographie
  [*] Burgard AP, Nikolaev EV, et al.
  « Flux coupling analysis of genome-scale metabolic network reconstructions. »
  Genome Res. 2004. 14(2) : 301-12.