Abstract Mathematical models of metabolic networks utilize simulation to study system-level mechanisms and functions. Various approaches have been used to model the steady state behavior of metabolic networks using genome-scale reconstructions, but formulating dynamic models from such reconstructions continues to be a key challenge. Here, we present the Mass Action Stoichiometric Simulation Python (MASSpy) package, an open-source computational framework for dynamic modeling of metabolism. MASSpy utilizes mass action kinetics and detailed chemical mechanisms to build dynamic models of complex biological processes. MASSpy adds dynamic modeling tools to the COnstraint-Based Reconstruction and Analysis Python (COBRApy) package to provide an unified framework for constraint-based and kinetic modeling of metabolic networks. MASSpy supports high-performance dynamic simulation through its implementation of libRoadRunner; the Systems Biology Markup Language (SBML) simulation engine. Three case studies demonstrate how to use MASSpy: 1) to simulate dynamics of detailed mechanisms of enzyme regulation; 2) to generate an ensemble of kinetic models using Monte Carlo sampling to approximate missing numerical values of parameters and to quantify uncertainty, and 3) to overcome issues that arise when integrating experimental data with the computation of functional states of detailed biological mechanisms. MASSpy represents a powerful tool to address challenge that arise in dynamic modeling of metabolic networks, both at a small and large scale. Author Summary Genome-scale reconstructions of metabolism appeared shortly after the first genome sequences became available. Constraint-based models are widely used to compute steady state properties of such reconstructions, but the attainment of dynamic models has remained elusive. We thus developed the MASSpy software package, a framework that enables the construction, simulation, and visualization of dynamic metabolic models. MASSpy is based on the mass action kinetics for each elementary step in an enzymatic reaction mechanism. MASSpy seamlessly unites existing software packages within its framework to provide the user with various modeling tools in one package. MASSpy integrates community standards to facilitate the exchange of models, giving modelers the freedom to use the software for different aspects of their own modeling workflows. Furthermore, MASSpy contains methods for generating and simulating ensembles of models, and for explicitly accounting for biological uncertainty. MASSpy has already demonstrated success in a classroom setting. We anticipate that the suite of modeling tools incorporated into MASSpy will enhance the ability of the modeling community to construct and interrogate complex dynamic models of metabolism.

Abstract We are firmly in the era of biological big data. Millions of omics datasets are publicly accessible and can be employed to support scientific research or build a holistic view of an organism. Here, we introduce a workflow that converts all public gene expression data for a microbe into a dynamic representation of the organism’s transcriptional regulatory network. This five-step process walks researchers through the mining, processing, curation, analysis, and characterization of all available expression data, using Bacillus subtilis as an example. The resulting reconstruction of the B. subtilis regulatory network can be leveraged to predict new regulons and analyze datasets in the context of all published data. The results are hosted at https://imodulondb.org/ , and additional analyses can be performed using the PyModulon Python package. As the number of publicly available datasets increases, this pipeline will be applicable to a wide range of microbial pathogens and cell factories.

Abstract Understanding the dynamics of biological systems in evolving environments is a challenge due to their scale and complexity. Here, we present a computational framework for timescale decomposition of biochemical reaction networks to distill essential patterns from their intricate dynamics. This approach identifies timescale hierarchies, concentration pools, and coherent structures from time-series data, providing a system-level description of reaction networks at physiologically important timescales. We apply this technique to kinetic models of hypothetical and biological pathways, validating it by reproducing analytically characterized or previously known concentration pools of these pathways. Moreover, by analyzing the timescale hierarchy of the glycolytic pathway, we elucidate the connections between the stoichiometric and dissipative structures of reaction networks and the temporal organization of coherent structures. Specifically, we show that glycolysis is a cofactor driven pathway, the slowest dynamics of which are described by a balance between high-energy phosphate bond and redox trafficking. Overall, this approach provides more biologically interpretable characterizations of network dynamics than large-scale kinetic models, thus facilitating model reduction and personalized medicine applications.

The allosteric regulation of metabolic enzymes plays a key role in controlling the flux through metabolic pathways. The activity of such enzymes is traditionally described by allosteric rate laws in complex kinetic models of metabolic network function. As an alternative, we describe the fraction of the regulated enzyme that is in an active form by developing a detailed reaction network of all known ligand binding events to the enzyme. This fraction is the fundamental result of metabolic regulation as it represents the "tug of war" among the various regulators and substrates that determine the utilization of the enzyme. The active fraction corresponds to the utilization of the catalytic potential of the enzyme. Using well developed kinetic models of human red blood cell (RBC) glycolysis, we characterize the catalytic potential of its three key kinases: hexokinase (HEX), phosphofructokinase (PFK), and pyruvate kinase (PYK). We then compute their time-dependent interacting catalytic potentials. We show how detailed kinetic models of the management of the catalytic potential of the three kinases elucidates disturbance rejection capabilities of glycolysis. Further, we examine the sensitivity of the catalytic potential through an examination of existing personalized RBC models, providing a physiologically-meaningful sampling of the feasible parameter space. The graphical representation of the dynamic interactions of the individual kinase catalytic potential adjustment provides an easy way to understand how a robust homeostatic state is maintained through interacting allosteric regulatory mechanisms.

Abstract Glycolysis is a central metabolic pathway in health and disease, 1 an essential one in mature red blood cells (RBCs), which rely on the Embden-Meyerhof-Parnas pathway, i.e., glycolysis, as the sole source of energy generation. 2 During aging in vivo and in vitro under blood bank conditions, 3 the adenosine triphosphate (ATP) generated via glycolysis in mitochondria-devoid mature RBCs is essential for the modulation of oxygen kinetics, 4 deformability 2 and, ultimately, intra- and extra-vascular hemolysis. 3 Here we draw upon a cohort of 13,029 volunteers from the Recipient Epidemiology and Donor Evaluation Study (REDS) to identify biological and genetic traits associated with heterogeneity in glycolytic phenotypes. Age, sex and ethnicity influenced glycolysis, with additional effects due to genetic polymorphisms in regions coding for rate-limiting enzymes of glycolysis, 1 phosphofructokinase 1 (PFKP) and hexokinase 1 (HK1), and for the ADP-ribosyl cyclase CD38. The gene-metabolite associations were validated by testing glycolysis in fresh and stored RBCs from 350 Diversity Outbred mice. 5 These findings were further corroborated via multi-omics analyses of 1,929 samples at storage day 10, 23 and 42 in 643 RBC units from donors who were selected amongst the index cohort based on their extreme hemolytic propensity. Finally, we show that glycolysis, ATP levels, breakdown and deamination into hypoxanthine are associated with increased hemolytic propensity and vesiculation ex vivo , as well as with extravascular hemolysis in vivo, both in healthy autologous transfusion recipients from the Donor Iron Deficiency Study and in 4,700 heterologous critically ill patients receiving blood products from the REDS donors. This work advances our understanding of genetic and non-genetic factors that regulate glycolysis in mature RBCs, a simplified model of mammalian cell metabolism, 6 a cell type where dysregulated glycolysis holds broader implications in hemolytic disorders, offering potential avenues for novel therapeutic interventions and transfusion strategies. Graphical abstract