Jos rakennat viljeltyjen lihojen prosesseja, aineenvaihduntareittien kartoitus auttaa päättämään, mitä syöttää, milloin syöttää ja mitä antureita käyttää ennen kuin solujen tila muuttuu.
Tiivistäisin artikkelin näin: proliferoituvat ja erilaistuvat solut eivät käytä samaa aineenvaihduntaa, ja tämä näkyy ravinteiden otossa, jätteen tuotannossa, hapen tarpeessa ja tuotteen ominaisuuksissa. Artikkeli esittää myös toisen näkökohdan: pelkkä poolikokoinen metabolomiikka ei riitä yksinään. Jos minun on tiedettävä, minne hiili menee, tarvitsen isotooppijäljitystä, virtausanalyysiä ja genomitason mallin, jota voin testata laboratoriotietoja vastaan.
Tässä on artikkelin lyhyt yhteenveto:
- Neljää linjaa: naudan satelliittisolut, sian luurankolihasten kantasolut, kanan myoblastit ja mesenkymaaliset stroomasolut
- Pääreitin muutos: proliferaatio nojaa enemmän glykolyysiin; differentiation nojaa enemmän mitokondriaaliseen oksidatiiviseen fosforylaatioon
- Avaintiereitit: keskeinen hiili, aminohapot, nukleotidit ja lipidit
- Hyödylliset mittaukset: laktaatti, ammoniakki, aminohappojen otto, solunsisäiset metaboliitit, NAD⁺/NADH-tilan muutokset ja käytetyn median merkit
- Virtaustyökalut: ¹³C jäljitys ja metabolinen virtausanalyysi erottamaan allaskoko vaihtuvuudesta
- Datalaadun valvonta: vastaava passagenumero, määritellyt näytteenottovaiheet, nopea sammutus ja median taustakorjaus
- Mallikerros: genomitason metaboliamallit, mukaan lukien naudan malli BtaSBML2986 julkaistu joulukuussa 2024
- Prosessin käyttö: median suunnittelu, ruokinnan ajoitus, erä vs syöttöerä vs perfuusio päätökset, linjan valinta ja QC
Muutama luku erottuu.Porcine luurankolihasten kantasoluissa yksi tutkimus raportoi 94 solunsisäistä metaboliittia, joista 24 liittyy lisääntymisvaiheeseen ja 17 liittyy erilaistumisvaiheeseen. Tämä ei ole satunnaista vaihtelua. Se osoittaa selkeän tilamuutoksen, jonka voi mitata ja hyödyntää.
Käyttäisin tätä artikkelia oppaana minimimappauspinoon:
- Aloita käytetyn median LC-MS:tä
- Lisää solunsisäinen metabolomiikka
- Käytä ¹³C-glukoosi- tai ¹³C-glutamiinijäljitystä kun allastiedot eivät riitä
- Laita tiedot GEM:iin
- Testaa malli viljelmässä, päivitä se sitten
Tämä on pääviesti: kartoitus reiteistä solutilan mukaan, ei vain lajin tai median mukaan, ja yhdistä tiedot suoraan syötteen suunnitteluun, skaalauksen, ja laadunvalvontaan.
Jos työskentelet bioprosessoinnissa, soluviljelyssä tai viljellyn lihan T&K-tutkimuksessa, tämä artikkeli tarjoaa sinulle selkeän reitin reittibiologiasta päivittäisiin prosessipäätöksiin.
Metabolisten reittien kartoituspaketti viljellyn lihan T&K-tutkimukseen
Viljellyn lihan solulinjojen keskeiset metaboliset reitit
Keskus hiilen aineenvaihdunta: glykolyysi, TCA-sykli ja oksidatiivinen fosforylaatio
Proliferatiivisissa soluissa glykolyysi tekee kahta työtä samanaikaisesti: se tuottaa ATP:tä ja syöttää biosynteesiä hiilen välimuodoilla. Kreatiniini proliferatiivisissa soluissa viittaa nopeaan kreatiinifosfaatin kiertoon, mikä auttaa tasapainottamaan ATP:n kysyntää [3].
Kun solut sitoutuvat erilaistumaan ja alkavat muodostaa myotubeja, tämä metabolinen järjestely muuttuu. Hapenkulutus kasvaa, sytokromi c oksidaasin aktiivisuus lisääntyy, ja mitokondrion oksidatiivinen fosforylaatio tulee pääasialliseksi ATP:n lähteeksi [3]. TCA-sykli on tämän muutoksen keskiössä. Se yhdistää ATP:n tuotannon aminohappometaboliaan ja tarjoaa välituotteita, joita tarvitaan kasvuun ja myogeeniseen kehitykseen [3]. NAD⁺/NADH-suhde on hyödyllinen mittari tässä: korkeampi suhde viittaa aktiivisempaan oksidatiiviseen metaboliaan [3]. Yksinkertaisesti sanottuna, erilaistuminen vaatii enemmän happea.
Tämä sama tilan muutos vaikuttaa myös aminohappojen, nukleotidien ja lipidien tarpeeseen.
Aminohappo-, nukleotidi- ja lipidimetabolia
Aminohappojen tarve muuttuu viljelyjakson aikana. Laajentumisen aikana alaniini-, aspartaatti- ja glutamaattimetabolia tukevat biomassan kertymistä [3]. Differentiaation aikana D-glutamiinin ja D-glutamaatin metabolia korostuu ja auttaa tukemaan supistuvien proteiinien, kuten myosiinin ja aktiinin, synteesiä [3].
Nukleotidien tarve on suurin proliferaation aikana, kun solut tarvitsevat DNA:n ja RNA:n synteesiä jakaantumisen tukemiseksi. Poolit kasvavat sitten differentiaation aikana tukemaan myofibrien muodostumista [3].
Lipidimetabolia muuttuu myös. Lysophosphatidylethanolamine (LysoPE) ja lysophosphatidylcholine (LysoPC) havaitaan erityisesti differentiaation aikana [3]. Nämä lipidit tukevat kalvon uudelleenmuodostusta myoblastien fuusion aikana, mikä on järkevää, kun solut siirtyvät kasvusta kudoksen muodostukseen.
Myös tryptofaanin metabolia erottuu.Sen alavirran tuote indolilaktaatti toimii antioksidanttina erilaistumisen aikana ja auttaa suojaamaan soluja oksidatiiviselta stressiltä myotubien fuusion aikana [3]. Tämä on tärkeää lopputuotteen laadun kannalta, koska vakaa myotubien muodostuminen tukee viljellyn lihan kudoksen rakenteellista eheyttä.
Miten aineenvaihdunta eroaa solutilojen ja -linjojen välillä
Moni-ominen tutkimus sian luurankolihaksen kantasoluista tunnisti 94 solunsisäistä metaboliittia, joista 24 oli ainutlaatuisia lisääntymiselle ja 17 erilaistumiselle [3]. Tämä on selkeä aineenvaihdunnallinen jako, ei taustamelua. Sama solutyyppi käyttää eri biokemiallisia ohjelmia vaiheesta riippuen.
Primaariset vs kuolemattomat solulinjat eroavat aineenvaihdunnan vakaudessa, ja passagenumero lisää toisen muuttujan.Sian lihaksen kantasoluissa, passage 2 osoittaa yleensä korkeimman kasvunopeuden, kun taas passage 3 osoittaa merkittävän myogeenisten merkkigeenien ilmentymisen menetyksen sekä muutoksia metaboliittien runsaudessa [5]. Jos kaikkia passageja käsitellään metabolisesti samanarvoisina, väliaineen suunnittelu ja prosessinhallinta voivat poiketa solujen todellisesta tilasta.
Nämä muutokset on tiivistetty alla [3].
| Ominaisuus | Proliferaatiotila | Differentiotila |
|---|---|---|
| Primaarinen energiareitti | Glykolyysi | Mitokondriaalinen oksidatiivinen fosforylaatio (OXPHOS) |
| Keskeiset aminohapporeitit | Alaniini, aspartaatti ja glutamaatti | D-glutamiini ja D-glutamaatti |
| Vaihekohtaiset metaboliitit | Aminoadipiinihappo, kreatiniini | Indolilaktaatti, LysoPE, LysoPC |
| Hapen tarve | Alhaisempi | Korkeampi |
Proliferatiiviset ja erilaistuneet tilat osoittavat erilaisia otto- ja eritysmalleja, joten yksi ainoa metabolinen kartta ei sovi jokaiseen prosessitilaan [1][2]. Nämä reittiallekirjoitukset määrittelevät metabolomiikan ja virtausanalyyseissä käytetyt lukemat.
sbb-itb-ffee270
Kokeelliset työnkulut aineenvaihduntareittien kartoittamiseen
Metabolomiikka ja käytetyn kasvatusalustan analyysi
Kun keskeiset reitit on määritelty, seuraava vaihe on mitata ne suoraan.
Käytetyn kasvatusalustan analyysi on yleensä ensimmäinen käytännön lukema reitin käyttäytymisestä. Vertaamalla tuoretta ja käytettyä kasvatusalustaa, voit nähdä, mitkä ravinteet solut ottavat ja mitkä sivutuotteet kertyvät. Kohdennetut LC-MS tai GC-MS työnkulut toimivat hyvin tässä, erityisesti kun seurataan laktaattia, ammoniakkia ja muita keskeisiä ravinteita. Nämä lukemat antavat sinulle suoran näkymän viljelmän tarpeisiin ja stressiin.
Käytetty kasvatusalusta voi myös toimia QC-merkkiaineena. Sian luurankolihaksen kantasoluissa γ-glutamyyl-L-leusiini, sytosiini ja ketoleusiini olivat vahvoja merkkejä epäoptimaalisesta lisääntymisestä [5]. Intracellular metabolomics antaa suoremman näkymän reittien aktiivisuudesta solun sisällä. UHPLC-Q-Exactive Orbitrap massaspektrometria työprosessi, jota sovellettiin sian luurankolihaksen kantasoluihin, tunnisti 94 solunsisäistä metaboliittia myogeenisten etenemisvaiheiden aikana [3] .
Poolikoot kertovat, mitä on olemassa; jäljitys kertoo, mikä liikkuu.
Stabiili isotooppijäljitys ja metabolinen fluksianalyysi
Pelkällä konsentraatiotiedolla on perusrajoitus: se kertoo metaboliittipoolin koon, ei sitä, kuinka nopeasti pooli kiertää. Metaboliitti voi näyttää runsaalta, vaikka se tekee hyvin vähän, tai näyttää vähäiseltä, vaikka se kiertää nopeasti. Metabolinen fluksianalyysi (MFA) käsittelee tätä käyttämällä ¹³C-merkittyjä substraatteja, kuten glukoosia tai glutamiinia, jäljittääkseen, minne hiili todellisuudessa menee [6].
Käytä flux-analyysiä, kun haluat tietää, tukeeko glukoosi tai glutamiini energiantuotantoa, biomassan muodostumista vai molempia. Kun ¹³C-merkittyä glukoosia annetaan lisääntyville soluille, merkki leviää glykolyyttisiin välituotteisiin, TCA-syklin metaboliitteihin ja biosynteettisiin tuotteisiin kuvioissa, jotka osoittavat, mitkä haarakohdat ovat aktiivisia. Erottelun aikana sama jäljitin voi kvantifioida siirtymisen kohti oksidatiivista fosforylaatiota. Tämä ero on tärkeä media- ja syöttöstrategian suunnittelussa. Jos aminohappoja poltetaan energiaksi sen sijaan, että niitä käytettäisiin biomassan synteesiin, erotteluväliaineen koostumusta on muutettava [2][6].
Käytä MFA:ta, kun median suunnittelu riippuu fluxista eikä poolin koosta.
Kokeellisen suunnittelun valinnat, jotka vaikuttavat datan laatuun
Molempien lähestymistapojen arvo riippuu siitä, miten näytteet kerätään.
Näytteenottosuunnittelu määrittää, voidaanko tietoja tulkita luotettavasti. Näytenumero on sovitettava näytteiden välillä. Sian luurankolihasten kantasoluissa vaihe 2 edustaa yleensä huippuproliferaatiota, kun taas vaiheessa 3 havaitaan mitattavissa oleva myogeenisten merkkiaineiden ilmentymisen menetys ja alhaisempi proliferaatio [5]. Kaikkien vaiheiden käsittely ikään kuin ne olisivat samat lisää systemaattista virhettä vertailevaan analyysiin.
Näytteet tulisi myös ottaa määritellyissä vaiheissa: varhainen proliferaatio, konfluenssi, varhainen erilaistuminen ja myotubusten muodostuminen [3]. 2D-kulttuurissa päivä 2–3 on yleensä viimeinen luotettava ikkuna ennen kuin supistumisstressi alkaa horjuttaa myotubuksia [3]. Scaffold-pohjaiset ja 3D-järjestelmät laajentavat tätä ikkunaa ja ovat tarpeen, jos haluat tutkia pitkäaikaista lihasten kypsymistä ja rakenteellista eheyttä [3] .
Jäähdytys on kriittistä solunsisäisille näytteille. Aineenvaihdunnan toiminta on lopetettava nopeasti näytteenottopisteessä, muuten entsyymit jatkavat metaboliittien muuntamista sadonkorjuun jälkeen ja vääristävät tilannekuvaa. Taustamedian vähentäminen on yhtä tärkeää. Käytettyä mediaa tulisi verrata saman erän tuoreeseen mediaan, jotta voit erottaa todelliset solueritteet yhdisteistä, jotka olivat jo läsnä mediassa.
Laskennalliset mallit ja tietojen integrointi päätöksenteossa
Genomitason aineenvaihduntamallit ja rajoitteisiin perustuva analyysi
Kun reittitiedot on mitattu, GEM:t muuttavat nämä tiedot ennusteiksi, jotka voivat ohjata median ja prosessin suunnittelua. Genomitason aineenvaihduntamallit tarjoavat matemaattisen kehyksen solun aineenvaihduntaverkoston kartoittamiseen.Ne alkavat yleensä genomin annotoinnilla, sitten paranevat, kun ne kohdistetaan transkriptomiikan, proteomiikan ja mitatun biomassan koostumuksen kanssa vakaassa tilassa [1]. Viljellyille lihasoluille GEM:t voivat auttaa median valinnassa, pullonkaulojen ennustamisessa ja olosuhteiden välisessä vertailussa.
Flux Balance Analysis (FBA) ja Metabolic Flux Analysis (MFA) ovat usein käytössä ennustamaan solunsisäistä virtausta ja merkitsemään rajoittavia mediakomponentteja [1] [6]. Se tekee niistä suoraan hyödyllisiä seerumittoman median optimointiin [1].
Joulukuussa 2024, tutkijat KAIST ja CJ BIO Research Institute julkaisivat ensimmäisen naudalle spesifisen GEM:n, BtaSBML2986 , jossa on 2,986 geeniä, 13,278 reaktiota ja 8,652 metaboliittia [4]. Malli validoitiin naudan satelliittisolujen kasvua vastaan kuudessa viljelyolosuhteessa [4]. Käytännössä tämä antaa tiimeille lajiin sopivan lähtökohdan naudan solulinjan valintaan, median suunnitteluun ja olosuhteiden seulontaan.
Kun lajiin spesifistä GEM:iä ei ole olemassa, tutkijat aloittavat usein olemassa olevalla mallilla, kuten ihminen1 tai CHO GEM:illä, ja sitten tarkentavat sitä lajiin spesifisellä annotaatiolla [1] [4]. Se on järkevä kiertotie: käytä sitä, mikä jo on olemassa, ja sitten tiukennetaan sopivuutta siihen biologiaan, josta todella välität.
Metabolomiikan, transkriptomiikan ja proteomiikan yhdistäminen
Transkriptomiikan, proteomiikan ja metabolomiikan integrointi yhdistää entsyymien runsauden ja metaboliittipoolit ja voi paljastaa pullonkauloja, jotka yksittäiset omics-aineistot jättävät huomiotta [1][2]. Se on tärkeää soluviljelyssä, jossa pelkkä geeniekspression muutos ei aina kerro, mitä verkosto on tekemässä. Reitti voi näyttää aktiiviselta transkriptiotasolla, mutta silti pysähtyä, koska entsyymien runsaus tai metaboliittien saatavuus kertoo toisin.
Malliohjattu median optimointi versus kokeellinen yritys ja erehdys
Yritys ja erehdys on helpompi aloittaa, koska se tarvitsee vain peruskasvumittareita. Se tekee siitä hyödyllisen varhaisessa seulonnassa. Mutta jokainen ehto vaatii silti täyden viljelysyklin, ja tulos on empiirinen eikä mekaaninen [1].
Malliohjattu optimointi vaatii enemmän etukäteen: genomin annotointia, -omiikka-aineistoja ja mitattua biomassakoostumusta. Mutta kun toimiva GEM on käytössä, voit seulota tuhansia formulointeja in silico ennen kuin märkätyöskentely alkaa [1] [2]. Se muuttaa kehityksen tahtia melko paljon, erityisesti kun seerumivapaa mediaympäristö kasvaa nopeasti.
| Ominaisuus | Malliohjattu optimointi | Kokeellinen yritys ja erehdys |
|---|---|---|
| Nopeus | Korkea - in silico seulonta tuhansille formulaatioille | Matala - rajoitettu solujen kaksinkertaistumisajoilla ja laboratorion kapasiteetilla |
| Datavaatimukset | Korkea - vaatii genomin annotaatiota ja -omiikka-aineistoa | Matala - vaatii vain peruskasvu- ja tuottavuusmittareita |
| Sopivuus viljellylle lihalle | Ihanteellinen monimutkaisille seerumittomille kasvualustoille ja vähemmän tutkituilla lajeille | Parempi alkuperäiseen seulontaan tai pieniin säätöihin |
Käytännössä mallin tulisi kaventaa suunnittelutilaa ennen märkälaboratoriovahvistusta. Mallien ennusteet voivat vähentää kokeellista tilaa, ja märkä-laboratoriodataa voidaan sitten käyttää mallin tarkentamiseen ja uudelleen validoimiseen [1]. Yksinkertainen työnkulku on usein paras: käytä in silico seulontaa olosuhteiden lyhentämiseen, testaa ne viljelmässä ja syötä tulokset takaisin malliin. Malli, testaa, päivitä, toista.
IGF1 edistää viljellyn lihan lisääntymistä seerumittomassa väliaineessa
Reittikarttojen soveltaminen solulinjoihin, bioprosesseihin ja tuotteen karakterisointiin
Kun reittikartat ja mallit ovat paikoillaan, työ siirtyy kuvauksesta bioprosessien hallintaan. Samat tietoaineistot voivat auttaa tiimejä valitsemaan paremmin toimivia linjoja, säätämään syötteitä viljelyvaiheen mukaan ja asettamaan QC-merkkiaineita, jotka havaitsevat poikkeamat ennen kuin ne näkyvät tuotossa tai fenotyypissä.
Solulinjan muokkaus ja valintakohteet reittidatan perusteella
Reittidata muuttaa solulinjan valinnan mekaaniseksi harjoitukseksi kokeilun ja erehdyksen sijaan. Kun verrataan ehdokaslinjoja, hyödyllisimmät ominaisuudet ovat laktaatin ja ammoniakin tuottonopeudet, aminohappojen kulutusprofiilit ja kuinka puhtaasti solut siirtyvät lisääntymisestä erilaistumiseen. Linja, joka suorittaa tämän siirtymän puhtaasti, on vahvempi tuotantoehdokas kuin sellainen, joka jää jumiin puoliväliin.
Myös passagenumero on tärkeä. Huhtikuussa 2024 julkaistussa tutkimuksessa Food Research International, tutkijat Seoul National University tunnistivat kolme käytetyn median biomarkkeria - γ-glutamyylil-leusiini, sytosiini ja ketoleusiini - jotka muuttuivat yksinomaan sian lihas kantasoluissa passage 3:ssa, mikä osui yhteen myogeenisen geeniekspression merkittävän menetyksen kanssa. Rutiininomainen LC-MS käytetystä mediasta voi varoittaa suboptimaalisista eristä aikaisin.
Bioreaktorin käyttö, skaalaus ja viljelytilan valinnat
Samat mittaukset, joita käytetään solulinjojen järjestämiseen, auttavat myös määrittämään, miten skaalata solulinjoja bioreaktoriviljelyä varten. Kun solut siirtyvät glykolyysistä oksidatiiviseen fosforylaatioon erilaistumisen aikana, syöttöstrategiaa on muutettava viljelyvaiheen mukaan [3]. Erätilassa saadaan selkeä lähtökohta primaaristen ravinteiden ehtymisnopeuksien tunnistamiseksi. Syötettävä erä ja perfuusio mahdollistavat syötteen sovittamisen metaboliseen tilaan, mikä on tärkeää, kun laktaatti ja ammoniakki alkavat kertyä.
| Muoto / Tila | Metabolisen hallinnan näkökulma | Datatulkinnan haaste |
|---|---|---|
| 2D-kulttuuri | Korkea ravinteiden saatavuus; rajallinen rakenteellinen uskollisuus | Ei heijasta 3D-metabolisia gradientteja |
| Mikrokantaja | Korkea pinta-ala-tilavuus-suhde; gradienttiriskit | Vaatii käytetyn median analysointia paikallisen ehtymisen seuraamiseksi [1] |
| Runko | Jäljittelee 3D-arkkitehtuuria; monimutkaiset diffuusiodynamiikat | Vaikea uuttaa solunsisäisiä metaboliitteja; perustuu GEM-ennusteisiin [1] |
| Erä | Yksinkertainen; ravinteet ehtyvät samalla kun laktaatti ja ammoniakki kertyvät | Perusrakenne primaaristen ravintoaineiden ehtymisnopeuksien tunnistamiseksi |
| Fed-batch / Perfusio | Mahdollistaa tarkan glukoosi/laktaattivirtauksen hallinnan | Vaatii reaaliaikaista MFA:ta syöttönopeuksien ja kulutuksen tasapainottamiseksi |
Laajassa mittakaavassa yksi astia harvoin käyttäytyy kuin yksi yhtenäinen ympäristö.Ravinnegradientit luovat erilaisia metabolisia vyöhykkeitä bioreaktorin sisällä. GEM:t voivat mallintaa, miten virtaus muuttuu eri paikallisissa olosuhteissa ja osoittaa, missä ravinnepuutetta todennäköisesti ilmenee ennen kuin se näkyy prosessidatassa. Tämä tekee mallin tuloksista suoraan hyödyllisiä syöttöstrategian, hapenkulutuksen ja jätteenhallinnan kannalta.
Päätelmä: vähimmäisreittikartoituspino viljellylle lihalle R&D
Yhdessä nämä lukemat muodostavat vähimmäisvalvontapinon viljellylle lihalle R&D.
Aloita keskeisistä reittihypoteeseista: glykolyysi, TCA-sykli ja aminohappojen kulutus. Rakenna sitten käytetyn median tietokanta standardilla LC-MS:llä. Lisää stabiili isotooppijäljitys, kun sinun on vahvistettava, päätyykö hiilen lähde TCA-sykliin tai kulutetaanko glutamiinia oksidatiivisesti tai reduktiivisesti.Sen jälkeen lisää GEM, kuten BtaSBML2986 naudansoluille [4], rajoittaaksesi median suunnittelutilaa ennen kuin märkätyöskentelyn validointi alkaa.
Pointti on syöttää tulokset takaisin malliin, päivittää oletuksia ja antaa jokaisen tietokierroksen terävöittää seuraavaa valintasarjaa. Kartoitusohjelmat, jotka pysyvät erillään solulinjan valinnasta, syöttöstrategiasta ja laadun arvioinnista, voivat tuottaa mielenkiintoisia tietoaineistoja, mutta ne eivät tee paljoa tuotannon hyväksi.
Usein kysytyt kysymykset
Miksi pool-koko metabolomiikka ei riitä?
Pool-koko metabolomiikka mittaa vakaan tilan metaboliittipitoisuuksia. Tämä tarkoittaa, että se antaa sinulle staattisen tilannekuvan solusta, ei virtausten - nopeuksien, joilla metaboliset reaktiot todellisuudessa tapahtuvat, lukemaa.
Viljellyn lihan T&K:ssa tämä rajoitus on merkittävä.Pelkkä konsentraatiokartta ei kerro, missä aineenvaihdunnan pullonkaulat ovat tai miten tietyt ravintoaineet tukevat kasvua ja erilaistumista. Näihin kysymyksiin vastaamiseksi tarvitaan dynaamisia menetelmiä, kuten metabolinen virtausanalyyysi.
Milloin tiimien tulisi käyttää 13C-jäljitystä?
Tiimien tulisi käyttää 13C-metabolinen virtausanalyyysiä (MFA), kun heidän on paikannettava ja korjattava aineenvaihdunnan pullonkaulat, jotka hidastavat tuotannon tehokkuutta ja hidastavat edistymistä kohti hintapariteettia viljellyssä lihassa.
Järjestelmäbiologia ja genomin laajuiset aineenvaihduntamallit voivat auttaa median optimoinnissa. Mutta 13C-MFA on edelleen puute alalla useimmille merkityksellisille lajeille, ja toistaiseksi sitä on käytetty vain rajoitetussa joukossa solutyyppejä.
Miten reittikartat parantavat rehun suunnittelua?
Genomin laajuisiin metabolisiin malleihin perustuvat reittikartat auttavat tutkijoita tunnistamaan, mitä solut tarvitsevat väliaineesta, missä aineenvaihdunta alkaa hidastua ja miten energiaa käytetään viljellyn lihan tuotannon aikana.
Kun yhdistät nämä kartat virtausbalanssianalyysiin, niistä tulee paljon hyödyllisempiä. Ne voivat ohjata kohdennetumpaa viljelyalustan suunnittelua vaiheille, kuten lisääntyminen ja erilaistuminen. Tämä auttaa tiimejä parantamaan biomassan kertymistä, suorittamaan tuotantoa tehokkaammin ja ohjaamaan lopullista ravitsemuksellista ja aistinvaraista laatua tarkemmin.
