Uma grande base de dados gerados em quimiostato pela linhagem Pseudomonas sp. LFM046, produtora eficiente de polihidroxialcanoatos (PHA), estava disponível e foi utilizada para validar modelos metabólicos preditivos em escala genômica. Visando maximizar o teor de PHA com o controle da sua composição monomérica (e portanto das suas propriedades mecânicas), três etapas foram realizadas. Primeiro, um modelo N-fenotípico foi desenvolvido com base em 3 princípios biológicos e aplicado para selecionar os cultivos que melhor representavam todos os fenotipos possíveis da LFM046. Segundo, uma rede draft em escala genômica gerada automaticamente pelo webservice KBase a partir do genoma, montado pelo software MeDuSa, foi refinada usando dois métodos: o manual, que foi sistematizado e registrado para referencia futura, e o N-GlobalFit, um novo método automático que foi validado como prova-de-conceito. As qualidades preditivas das redes metabólicas refinadas foram avaliadas usando o modelo N-fenotipico. Terceiro, simulações FBA (Flux Balance Analysis) específicas nessas redes confirmaram que a velocidade relativa da síntese de novo de ácidos graxos e afetada por condições de cultivo e determina o teor e a composição do PHA. Os métodos e software desenvolvidos neste trabalho, em colaboração com o grupo de pesquisa francês European Research Team in Algorithms and Biology, formaL and Experimental (ERABLE), foram generalizados a partir do estudo-de-caso da produção de PHA por Pseudomonas sp. LFM046 a fim de estabelecer uma framework de Pesquisa & Desenvolvimento (P&D) transferível para outras linhagens e bioprocessos.

A large database of chemostat cultures of the strain Pseudomonas sp. LFM046, an efficient polyhydroxyalkanoate (PHA) producer, was available and used to validate predictive genomescale metabolic models. Aiming to maximize the PHA content while controlling its monomeric composition (and hence its mechanical properties), three steps were taken. First, an N-phenotypic model was developed based on three biological principles and then applied to select the cultivations which best represent all possible phenotypes of the strain LFM046. Second, a draft genome-scale reconstruction of LFM046 generated automatically by the webservice KBase from the genome, assembled by the software MeDuSa, was refined using two methods: the usual manual method, systematized and logged for future reference, and NGlobalFit, a novel automated method which was validated as a proof-of-concept. The predictive qualities of the refined metabolic networks were assessed using the N-phenotypic model. Third, specific FBA (Flux Balance Analysis) simulations in these networks confirmed that the relative speed of the fatty-acids de novo synthesis is affected by culture conditions and determines the PHA content and composition. The methods and software developed in this work, in collaboration with the French research group European Research Team in Algorithms and Biology, formaL and Experimental (ERABLE), were generalized from the case-study of PHA production by Pseudomonas sp. LFM046 in order to stablish an R&D framework transferable to other strains and bioprocesses.