Estudos experimentais e computacionais de redes de distribuição de ácidos graxos

A absorção desequilibrada de proporções de ômega 6 / ômega 3 (ω-6 / ω-3) pode aumentar as ocorrências de doenças crônicas, como inflamação, aterosclerose ou proliferação tumoral e métodos de metilação para medir a composição / distribuição de ácidos graxos (FA) do microbioma ruminal desempenham um papel vital na descoberta da contribuição dos componentes dos alimentos para os produtos dos ruminantes (por exemplo, carne e leite) ao seguir uma dieta saudável. Os modelos de Hansch baseados em Relações Lineares de Energia Livre (LFERs) usando parâmetros físico-químicos, como coeficientes de partição, refratividade molar e polarizabilidade, como variáveis ​​de entrada (Vk) são defendidos. Neste trabalho, uma nova estratégia combinada experimental e teórica foi proposta para estudar o efeito das razões ω-6 / ω-3, estrutura química de AF e outros fatores sobre as redes de distribuição de AF no microbioma ruminal. Na etapa 1, experimentos foram realizados para medir perfis de ácidos graxos de cadeia longa (LCFA) no microbioma ruminal (bacteriano e protozoário) e ácidos graxos voláteis (AGVs) em meios de fermentação. Na etapa 2, as proporções e os valores dos parâmetros físico-químicos de LCFAs e VFAs foram calculados sob diferentes condições de contorno (cj) como c1 = tratamentos de metilação de ácido e / ou base, c2 = com / sem fermentação, c3 = fase de distribuição de FA (mídia, bacteriana , ou microbioma de protozoário), etc. Na etapa 3, a Teoria de Perturbação (PT) e as ideias de LFER foram combinadas para desenvolver um modelo PT-LFER de uma rede de distribuição de FA usando parâmetros físico-químicos (V (k)), o correspondente Box-Jenkins ( ΔV (kj)) e operadores PT (ΔΔV (kj)) na análise estatística. O melhor modelo PT-LFER encontrado previu os efeitos das perturbações na rede de distribuição de FA com sensibilidade, especificidade e precisão> 80% para 407 655 casos em séries de treinamento + validação externa. Na etapa 4, modelos alternativos PT-LFER e PT-NLFER foram testados para o treinamento de Redes Neurais Artificiais Lineares e Não Lineares (ANNs). Os modelos PT-NLFER baseados em RNAs apresentaram melhor desempenho, mas são mais complicados que o modelo PT-LFER. Por último, na etapa 5, o modelo PT-LFER baseado em LDA foi usado para reconstruir as redes complexas de perturbações na distribuição de FA e comparar os componentes gigantes das redes observadas e previstas com modelos de rede Erdős-Rényi aleatórios. Resumindo, nosso novo modelo PT-LFER é uma ferramenta útil para prever uma rede de distribuição em termos de distribuição específica de ácidos graxos.