Sequential Activation of Metabolic Pathways: a Dynamic Optimization Approach
Notice bibliographique
Résumé
The regulation of cellular metabolism facilitates robust cellular operation in the face of changing external conditions. The cellular response to this varying environment may include the activation or inactivation of appropriate metabolic pathways. Experimental and numerical observations of sequential timing in pathway activation have been reported in the literature. It has been argued that such patterns can be rationalized by means of an underlying optimal metabolic design. In this paper we pose a dynamic optimization problem that accounts for time-resource minimization in pathway activation under constrained total enzyme abundance. The optimized variables are time-dependent enzyme concentrations that drive the pathway to a steady state characterized by a prescribed metabolic flux. The problem formulation addresses unbranched pathways with irreversible kinetics. Neither specific reaction kinetics nor fixed pathway length are assumed.In the optimal solution, each enzyme follows a switching profile between zero and maximum concentration, following a temporal sequence that matches the pathway topology. This result provides an analytic justification of the sequential activation previously described in the literature. In contrast with the existent numerical approaches, the activation sequence is proven to be optimal for a generic class of monomolecular kinetics. This class includes, but is not limited to, Mass Action, Michaelis-Menten, Hill, and some Power-law models. This suggests that sequential enzyme expression may be a common feature of metabolic regulation, as it is a robust property of optimal pathway activation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».