系统生物学和代谢网络预测杂种优势

杂种优势或杂种优势是杂种后代优良品质的改良功能。预测杂种优势意味着植物和动物育种不需要依赖耗时和昂贵的大量组合田间试验。法国巴黎萨克莱大学教授Dominique de Vienne利用代谢网络和系统生物学来研究杂种优势。代谢系统的建模依赖于理论方法，即使是简单的路径，也需要许多实验室的长期努力，对于复杂的系统不能很好地工作。现在，一种可以用更少的生物数据模拟复杂性的概念捷径已经被发现。

当遗传距离遥远的个体被杂交时，他们的后代在数量性状上往往比他们的父母表现出更大的活力。如生长速度快，生育年龄早，生育能力高，抗病能力强。这种现象被称为杂种优势，已被人类用于动物和植物育种，并对进化生物学有一定的影响。

跨授粉（混合）植物的引入是农业和全球粮食安全最重要的创新之一。大多数年度作物都显示出杂种优势。例如，杂交玉米可以产生两倍的母植物。一些杂种酵母的生长速率超过了父母菌株的数量级。

到目前为止，未经全面了解潜在的遗传或分子原理，已经使用了杂种优势。因为杂种优势的影响可能是如此令人印象深刻，所以这么了解可以大大推进繁殖。最近对杂种体的研究侧重于检测与特征变异相关的DNA的定量性状性状基因座（QTL）部分。QTL用于探索遗传效应或搜索杂种中的转录物或蛋白质的表达，希望希望鉴定特定性状的杂种优势的分子机制。

然而，这样的描述性方法不能为杂种优势的普及性提供一般和生物学现实的模型核算。这是基于代谢网络建模的系统方法证明是有用的。

系统和网络生物学
杂种体源于许多遗传，基因组和分子研究，但是从系统生物学的角度来看，莫迪尼克州教授的重点是较少的遗传，但经常被调查。系统生物学家模型复杂的生物系统，例如分子及其在活细胞内的相互作用，而不是看隔离部分。

与此相关的是网络生物学，它可以用来自图论的工具来表示和分析生物系统，图论使用数学结构来建模对象之间的多种关系，拓扑考虑网络元素的排列。

网络分析与网络的复杂性一起工作，以提取有意义的信息，如果单独检查单个组件，就不会有这些信息。生物研究“组学”时代的数据爆炸导致了更系统的数据分析方法，并从单基因/蛋白质研究转移。

将结束'OMICS'添加到分子术语中意味着对一组分子进行全面评估。基因组学，第一个OMIC方法，专注于整个基因组，而不是看个体变异或单一基因的遗传学。定量蛋白质组学提供数百种蛋白质的表达数据，包括酶，而代谢组织技术可以进入数千种代谢物。

杂种优势激发了遗传学、基因组学和分子生物学的研究，但很少从系统生物学的角度进行研究。

像这样的复杂信息可以用网络来表示，以模拟感兴趣的生物系统。一些最常见的生物网络类型是蛋白质-蛋白质相互作用网络、代谢网络、遗传相互作用网络、基因/转录调控网络和细胞信号网络：所有这些网络都可能产生杂种优势。

研究基因型-表型关系
个人的遗传构成，其“基因型”，在给定环境中确定其特征或“表型”。基因型 - 表型关系对育种者来说是根本的利益，因为它描述了遗传多态性如何引起表型变异。由于基因型中的突变而导致的遗传多态性产生群体中所见的各种形式。

如果基因型 - 表型关系是线性的（基因型之间的比例和表型值），后代将与父母相比具有中间特征值，而不是更好的。实际上，生物学功能和结构中涉及的细胞过程是复杂的，并且经常发现基因型和表型水平的可测量参数之间的关系是非线性的。系统生物学中的网络模型通常是高度非线性的，并且可以有效地使用以研究对基因型变异的表型反应。

Dominique de Vienne及其同事表明，杂种优势是基因型变量与表型之间的非线性关系或不同表型水平之间产生的生物系统的紧急性质。他们使用系统性方法来表明了解杂种的关键可以躺在“收益的缩小法”中。

这项“法律”在所有生产过程中，在所有持续的过程中增加了更多的一个因素，最终会产生较低的增量回报。在生物术语中，当细胞组分的浓度或活性逐渐增加时，对表型的影响首先是高，但然后开始逐渐消失。

生理优势的数学模型表明，杂种优势是性状间非线性关系的内在特性。

例如，如果代谢网络中酶的浓度增加，通过该网络的代谢通量(酶催化的分子合成速率)最初快速增长，然后随着酶浓度的增加而减慢。因此，生化和分子反应的动力学(或速率)本质上与酶浓度是非线性相关的。

非线性基因型 - 表型关系是杂种优势的关键
从基因转录/翻译到与适应度相关的特征，非线性已经在组织的不同水平上得到了证明。美国著名进化遗传学家休沃尔·赖特(Sewall Wright)早在1934年就提出，只要考虑一个基因位点，就可以解释最活跃的等位基因对最不活跃等位基因的支配作用。

当性状受多个位点控制时，杂种优势是两种连锁现象的结果，这是最常见的情况。首先，一个亲本的轻微有害的隐性等位基因被另一个亲本的优越显性等位基因互补。因此，当亲本之间具有较好的互补性时，杂交优势更强。同样，这个模型将近交萧条解释为有害的隐性等位基因在纯合子位点(即具有相同等位基因的位点)的积累。其次，非线性导致上位性，这意味着一个等位基因替代另一个等位基因的效果依赖于其他位点的基因型。这种遗传效应也在杂种优势中起作用。

Dominique de Vienne及其同事在数学上使用了在体外和Silico（计算机模拟）遗传学中实验正式地正式地确定并验证了杂种源的主导/超声源性模型。它们与酵母中的糖酵解途径合作，看看与杂种优势有关的代谢助焊剂预测和优化。

他们首先在体外重构糖酵解途径的四酶上游区段，通过在试管中的不同酶浓度模拟遗传变异。通过混合“亲本”管的含量获得“杂种”，并测量它们的助熔剂。他们发现通常，杂种的表型值高于其父母的平均值，并且在某些情况下比最好的父母高。

然后他们使用数学模型。代谢网络的建模依赖于数学工具和专门的计算机程序。但是识别和估计生化过程中的许多酶参数是困难的。因此，基于概念捷径的建模工作对于从少量生物数据模拟复杂的细胞行为至关重要。

基于代谢控制分析的简化形式主义用于导出来自糖醇上游部分的四种酶的动力学行为的全局参数。根据途径的结构和酶在途径中的位置，仅每酶的一个或两个参数就足够了。

通过不同于硅酶浓度来产生遗传变异性。虚拟父母被交叉以获得混合动力车，其中的助焊剂是计算的。同样，描述基因型表型关系的关系的曲率导致杂种优势。该结果是稳健的，因为它通过显式建模证实了整个糖酵解和类似的硅遗传学方法。

这种杂种源的机制是基于代谢系统的有效性。在最近的工作中，Codique de Vienne，Co-AuthorFrançoisVasseur和同事成功地预测了两个健身相关性状的杂种优势 - 增长速率和果实数 - 在拟南芥牧场中的杂种中，是一个有价值的模型植物生长与发育研究及初始测序的第一植物基因组。

感兴趣的性状与个体生物量呈非线性关系，代谢通量与酶浓度呈非线性关系。这种非线性迫使杂种偏离其父母的平均值，从而导致他们更好的活力。数学模型可以预测高达75%的杂种优势幅度，而亲本间的遗传距离最多可以解释7%的杂种优势。

数学和实验结果都表明杂种优势的出现是生物复杂性的一个系统特性。这些发现与数量遗传学和进化遗传学的各种观察结果一致，并提供了一个统一杂种优势遗传效应的模型。作物基因型-表型关系的几何观点有可能预测影响产量和环境稳定性的性状的杂种优势。