M3L: exploring synergies between metabolic modelling and machine learning for studying plants

Abstract

Vitis vinifera (videira) é uma das principais árvores de fruto do mundo, sendo amplamente cultivada e comercializada, principalmente para produção de vinho. Como a qualidade do vinho está diretamente relacionada com a qualidade da uva, o estudo do metabolismo da videira é importante para esclarecer os processos subjacentes à composição da uva. Modelos metabólicos à escala genómica têm sido usados no estudo do metabolismo das plantas e vários avanços foram feitos, permitindo a integração de dados ómicos. Por outro lado, abordagens de aprendizagem automática têm sido usadas para analisar e integrar diferentes dados ómicos ao mesmo tempo que a combinação da aprendizagem automática com modelos metabólicos tem mostrado resultados promissores. Neste trabalho, um repositório de dados metabólicos de plantas (iplants) foi criado para centralizar e integrar dados de metabolismo e sequências de genes e proteínas de plantas. A partir deste repositório, o primeiro modelo metabólico à escala genómica da videira foi reconstruído, incluindo 7199 genes, 5399 reações e 5141 metabolitos distribuídos por 8 compartimentos. Modelos metabólicos específicos da folha, caule e uva foram criados a partir do modelo genérico através da integração de dados ómicos do cultivar Cabernet Sauvignon. Adicionalmente, para capturar as mudanças no metabolismo da uva durante o seu desenvolvimento, dois modelos de uva foram criados para representar a uva verde e a uva madura. Estes modelos foram agrupados, criando um modelo de múltiplos tecidos para estudar as interações entre tecidos durante o dia e a noite. O potencial de combinar modelos metabólicos e aprendizagem automática foi explorada ao usar modelos de aprendizagem automática para analisar os dados de fluxómica gerados pelos modelos metabólicos da uva e identificar as reações que mais contribuem para distinguir entre o estado verde e maduro. Além disso, uma análise multi-ómicas foi realizada ao integrar a fluxómica prevista com os dados de RNA-Seq e metabolómica para identificar relações entre genes, reações e metabolitos que podem explicar os diferentes fenótipos. Assim, os modelos metabólicos desenvolvidos aqui são ferramentas úteis para explorar diferentes aspetos do metabolismo das videiras e os fatores que influenciam a qualidade da uva. A integração de dados ómicos, modelos metabólicos e aprendizagem automática realizada mostrou o potencial de aplicar esta estratégia para análises mais completas quando mais dados estiverem disponíveis.

Vitis vinifera, also known as grapevine, is one of the most important crops in the world, being widely cultivated and commercialized, mainly to produce wine. As wine quality is directly linked to fruit quality, the study of grapevine metabolism is important to understand the processes underlying grape composition. Towards similar aims, genome-scale metabolic models (GSMMs) have been used for the study of plant metabolism and several advances have been made, also allowing the integration of omics datasets with GSMMs. In this context, Machine Learning (ML) has been used to analyse and integrate omics data, while the combination of ML with GSMMs has shown promising results in different studies but is still scarcely used to study plants. In this work, a repository of plant metabolic data (iplants) was created to centralise and integrate metabolic and sequence data from diverse plants. Then, the first GSMM of V. vinifera was reconstructed from iplants, comprising 7199 genes, 5399 reactions, and 5141 metabolites across 8 compartments. Tissue-specific models for the stem, leaf, and berry of the Cabernet Sauvignon cultivar were generated from the original model, through the integration of RNA-Seq data. Furthermore, to capture the changes in grape metabolism, two separate models were created representing the grape in both its green and mature states. These models have been merged into diel multi-tissue models to study the interactions between tissues at both light and dark phases. The potential of combining ML with GSMMs was explored by using ML to analyse the fluxomics data generated by the green and mature grape models and provide insights regarding the reactions that contribute the most to distinguishing these states. In addition, a multi-omics analysis was performed by integrating the generated fluxomics data with RNA-Seq and metabolomics data to identify connections between genes, reactions, and metabolites that can explain different phenotypes. Therefore, the models developed in this work are useful tools to explore different aspects of grapevine metabolism and the factors influencing grape quality. The integration of omics data, GSMMs, and ML for studying plant metabolism has shown the potential of applying this approach for more insightful analyses as more data becomes available.