Le métabolisme est un réseau complexe de réactions biochimiques qui ont lieu au sein des organismes vivants. L'étude de ces réseaux métaboliques est essentielle pour comprendre les processus fondamentaux qui soutiennent la vie, tant pour faire avancer la recherche fondamentale que pour des applications pratiques dans des domaines tels que la médecine et la biotechnologie.
La fluxomique, ou analyse des flux métaboliques (MFA), est une approche « omique » dédiée à l'étude systémique in vivo des vitesses des réactions biochimiques, fournissant des informations fonctionnelles sur le métabolisme. Les flux métaboliques ne pouvant pas être mesurés directement, ils sont estimés à l'aide d'approches de modélisation comme la 13C-MFA, reposant sur des expériences de marquage isotopique. L'incorporation des isotopes dans les métabolites est mesurée par spectrométrie de masse et RMN, et les données brutes sont traitées suivant de nombreuses étapes computationnelles complexes. Cependant, ce processus computationnel reste largement manuel, basé sur un écosystème logiciel incomplet avec une interopérabilité limitée entre les outils. Les utilisateurs doivent convertir et transférer manuellement les données entre les étapes, augmentant le risque d'erreurs et compromettant la reproductibilité et le débit des analyses de flux.
Pour lever ces limites, le premier objectif de cette thèse était de développer un écosystème computationnel cohérent et interopérable de logiciels pour la 13C-MFA. En s'appuyant sur ces développements, la plateforme Galaxy a été utilisée pour créer un workflow automatisé flexible et extensible pour la 13C-MFA, visant à augmenter le débit et la reproductibilité des analyses. Pour valider ce workflow, les outils développés ont été appliqués à l'étude de la réponse d'Escherichia coli à l'acétate, un sous-produit majeur de son métabolisme glycolytique. Les cartes de flux de carbone et les analyses des bilans de cofacteurs ont confirmé qu'E. coli est capable de co-consommer l'acétate et le glucose, et ont révélé que l'acétate est principalement catabolisé par le cycle de l'acide tricarboxylique (TCA), soutenant une production accrue d’énergie (NADPH et ATP). Ces résultats offrent une compréhension détaillée du co-métabolisme glucose-acétate chez E. coli, soulignent la valeur du workflow automatisé 13C-MFA pour les études métaboliques, et suggèrent de nouvelles voies pour utiliser l'acétate comme co-substrat pour la bioproduction chez E. coli. |
Metabolism refers to the complex, integrated network of biochemical reactions that occur within living organisms. Studying metabolic networks is essential for understanding the fundamental processes that sustain life, both for advancing basic biological knowledge and for enabling practical applications in fields such as medicine and biotechnology.
Fluxomics or Metabolic Flux Analysis (MFA) is an “omics” approach dedicated to the systemic study of metabolic fluxes—in vivo rates of biochemical reactions. By focusing on the functional dynamics of metabolism, fluxomics yields valuable information on catabolic, anabolic, and energy fluxes. Metabolic fluxes cannot be directly measured, but they can be inferred using model-based approaches such as 13C-Metabolic Flux Analysis (13C-MFA). These approaches rely on isotope labelling experiments, where cells are grown on 13C-labeled substrates, and the incorporation of isotopes into metabolites is measured by mass spectrometry or nuclear magnetic resonance spectroscopy. The raw data are then processed through a series of complex computational steps to infer intracellular fluxes. However, this computational process remains largely manual and is supported by an incomplete software ecosystem, with limited interoperability between tools. As a result, users must often manually convert and transfer data between steps, increasing the risk of human error and compromising both reproducibility and throughput of 13C-flux studies.
To address these challenges and promote interoperability across the 13C-MFA workflow, the first objective of this thesis was to develop a suite of software tools designed to form a cohesive and interoperable computational ecosystem. Building upon these developments, the Galaxy platform was employed to construct a flexible and scalable automated workflow for 13C-MFA, with the aim of increasing throughput and promoting standardized data management. To validate this workflow, the developed tools were applied to investigate how Escherichia coli responds to acetate, a major by-product of its glycolytic metabolism. Carbon flux maps and cofactor balance analyses confirmed that E. coli is capable of co-consuming acetate and glucose and revealed that acetate is primarily catabolized through the TCA cycle to support increased NADPH and ATP production. These findings offer a detailed view of glucose–acetate co-metabolism in E. coli, highlight the value of the automated 13C-MFA workflow for metabolic studies, and suggest new avenues to utilize acetate as a sustainable co-substrate for glucose-based bioproduction in E. coli. |