CR Biologies

Leia Colin

Olivier Hamant

The plasma membrane as a mechanotransducer in plants

Philippe Jay

Tuft cells: sentinels of the intestinal mucosa

Catherine Jessus

Yves Desdevises

Bernard Kloareg

André Toulmond

Henri de Lacaze-Duthiers (1821–1901), the father of experimental zoology and founder of the marine stations of Roscoff and Banyuls

Julian Buchrieser

Olivier Schwartz

Pregnancy complications and Interferon-induced transmembrane proteins (IFITM): balancing antiviral immunity and placental development

Quitterie Venot

Guillaume Canaud

PIK3CA-related overgrowth spectrum: animal model and drug discovery

Jean-François Bach

Patrick Berche

Lucienne Chatenoud

Dominique Costagliola

Alain-Jacques Valleron

COVID-19: individual and herd immunity

Isabel dos Santos Souza

Jason Ziveri

Haniaa Bouzinba-Segard

Philippe Morand

Sandrine Bourdoulous

Meningococcus, this famous unknown

Florent Colin

Valentin Gensbittel

Jacky G. Goetz

Biomechanics: a driving force behind metastatic progression

Aleksandra S. Chikina

Danijela Matic Vignjevic

Ana-Maria Lennon-Dumenil

Roles of the macrophages in colon homeostasis

Pauline Gloaguen

Yves Vandenbrouck

Jacques Joyard

Gilles Curien

Comptes Rendus
Biologies
Pauline Gloaguen, Yves Vandenbrouck, Jacques Joyard and Gilles
Curien
ChloroKB, a cell metabolism reconstruction of the model plant
Arabidopsis thaliana
Volume 344, issue 2 (2021), p. 157-163
Published online: 2 July 2021
https://doi.org/10.5802/crbiol.49
This article is licensed under the
Creative Commons Attribution 4.0 International License.
http://creativecommons.org/licenses/by/4.0/
Les Comptes Rendus. Biologies sont membres du
Centre Mersenne pour l’édition scientifique ouverte
www.centre-mersenne.org
e-ISSN : 1768-3238
Comptes Rendus
Biologies
2021, 344, n 2, p. 157-163
https://doi.org/10.5802/crbiol.49
Articles / Reviews / Articles / Revues
ChloroKB, a cell metabolism reconstruction of the
model plant Arabidopsis thaliana
ChloroKB, une reconstruction du métabolisme cellulaire de la
plante modèle Arabidopsis thaliana
Pauline Gloaguena, Yves Vandenbrouckb, Jacques Joyard∗, a and Gilles Curiena
a Université Grenoble Alpes, CNRS, CEA, INRAe, IRIG-LPCV, UMR5168, 38000
Grenoble, France
b Université Grenoble Alpes, Inserm, CEA, IRIG-BGE, U1038, 38000, Grenoble, France
E-mails: pauline.gloagen@cea.fr (P. Gloaguen), yves.vandenbrouck@cea.fr
(Y. Vandenbrouck), jacques.joyard@univ-grenoble-alpes.fr (J. Joyard),
gilles.curien@cea.fr (G. Curien)
Jacques Joyard was the award winner of the 2020 prize Georges Morel from the
Académie des sciences / Jacques Joyard a été lauréat du prix 2020 Georges Morel de
l’Académie des sciences
Abstract. Can we understand how plant cell metabolism really works? An integrated large-scale mod-
elling of plant metabolism predictive model would make possible to analyse the impact of distur-
bances in environmental conditions on cellular functioning and diversity of plant-made molecules
of interest. ChloroKB, a Web application initially developed for exploration of Arabidopsis chloro-
plast metabolic network now covers Arabidopsis mesophyll cell metabolism. Interconnected meta-
bolic maps show subcellular compartments, metabolites, proteins, complexes, reactions, and trans-
port. Data in ChloroKB have been structured to allow for mathematical modelling and will be used as
a reference for modelling work dedicated to a particular issue.
Résumé. Peut-on comprendre comment fonctionne réellement le métabolisme des cellules végé-
tales? Un modèle prédictif intégré à grande échelle du métabolisme des plantes permettrait d’analy-
ser l’impact des perturbations des conditions environnementales sur le fonctionnement cellulaire et
la diversité des molécules d’intérêt fabriquées par les plantes. ChloroKB, une application Web initia-
lement développée pour l’exploration du réseau métabolique du chloroplaste d’Arabidopsis, couvre
désormais le métabolisme des cellules du mésophylle d’Arabidopsis. Des cartes métaboliques inter-
connectées décrivent les compartiments subcellulaires, les métabolites, les protéines, les complexes,
les réactions et le transport. Les données de ChloroKB ont été structurées pour permettre la modéli-
sation mathématique et seront utilisées comme référence pour les travaux de modélisation consacrés
à une question particulière.
∗Corresponding author.
ISSN (electronic) : 1768-3238 https://comptes-rendus.academie-sciences.fr/biologies/
158 Pauline Gloaguen et al.
Keywords. Knowledge base, Metabolism, Plant cell, Chloroplast, Modelling.
Mots-clés. Base de connaissances, Métabolisme, Cellule végétale, Chloroplaste, Modélisation.
Manuscript received and accepted 26th April 2021.
Will we one day be able to model plant metab-
olism as we can model the flight of an aircraft? Be-
yond the obvious advantage of large-scale modelling
of plant metabolism for the optimised production
of molecules of interest, for example, having an in-
tegrated predictive model at our disposal would al-
low us to totally change the way we can validate
our knowledge. Such a validated model would mean
that we really understood how plant cell metabo-
lism works. It would then be possible to analyse the
impact of disturbances in environmental conditions
on cellular functioning, an essential preliminary step
for a detailed understanding of how plants live in
their environment. The task seems immense because
plant cell metabolism is certainly the most complex
eukaryotic metabolism to understand given the na-
ture of the energy source used (light) and the exis-
tence of an additional compartment that uses and
controls this energy (the chloroplast). Endocytosis of
a photosynthetic microorganism 1.5 billion years ago
by a heterotrophic eukaryotic host not only added
a subcellular compartment but also completely re-
organised the metabolic flows within the host cell
and the transport reactions between this compart-
ment and the other cell compartments [1]. It is there-
fore not possible to use bacterial or yeast models
for plant cell metabolism modelling. The situation
is made even more complex by the fact that higher
plants are made of about ten different cell types
with quite different metabolisms in leaves, roots,
meristems, phloem, pollen, fruits, seeds, etc. Up-
stream of predictive modelling, it is therefore nec-
essary to collect experimental data, reference them,
compare them and transform this knowledge into an
“entity” that can be analysed by both humans and
computers.
This work has been carried out for about ten
years for the model plant Arabidopsis and is available
online (http://chlorokb.fr). Initially ChloroKB (for
Chloroplast Knowledge Base) focused on chloro-
plast metabolism [2]: it is thus possible to ex-
plore the biosynthesis pathways for amino acids
(e.g., see L_branched_Chain_Aminoacids), lipids
(e.g., see Galactolipid synthesis; [3]), or pigments
(chlorophylls, carotenoids [4], etc.; e.g., see Chloro-
phyll_synthesis), their subcellular location (within
the thylakoids, stroma and envelope membranes)
and their interactions with other cell compartments
(Figure 1) [5].
With recent updates, the reconstructed network
now covers a very large part of Arabidopsis mes-
ophyll cell metabolism with nearly 1600 proteins
and more than 1000 metabolites. This network is
presented in the form of interconnected metabolic
maps (currently 189) showing subcellular compart-
ments, metabolites, proteins, complexes, reactions,
and transport. Each “object” (protein, transporter,
complex) is clickable, allowing the user to access the
data available online but scattered throughout the lit-
erature. Currently this reconstructed network is a tool
for exploring metabolism which very quickly pro-
vides access to integrated knowledge of a particular
metabolism (e.g., see Ascorbate glutathion pathway)
(Figure 2).
ChloroKB differs from other metabolic databases
(BioCYC, Uniprot, KEGG) by (i) its high level of
data integration, (ii) the consideration of subcellu-
lar compartmentalisation and thus metabolite trans-
port, (iii) the representation of “fine” controls such
as complex formation, activity modification by al-
losteric control or phosphorylation (e.g., see PEP
carboxylase regulation). Sub-cellular localisation has
been improved compared to the version initially
published with a coding which now considers the
different cellular membranes and inter-membrane
spaces (plasma membrane, endoplasmic reticulum,
inner and outer membranes of mitochondria and
chloroplast). It will thus eventually be possible to
model membrane lipid metabolism and intermem-
brane traffic. The use of CellDesigner [6] as a stan-
dard for the representation of biochemical networks
facilitates the reading of the network and communi-
cation, especially with young researchers, who must
in a short period of time acquire knowledge accumu-
lated over more than fifty years. In addition to this vi-
sual aspect, which allows ChloroKB to be used as a
memory aid, as a source of expert information or as
an interactive exploration tool, ChloroKB’s data have
been structured in such a way as to allow for math-
ematical modelling. Flux balance analysis modelling
C. R. Biologies — 2021, 344, n 2, 157-163
Pauline Gloaguen et al. 159
Figure 1. Exploration of carotenoid metabolism in chloroplasts. The different colours correspond to
experimental evidence for protein localisation in the envelope (yellow), or the thylakoid (green) or
absence of evidence (red). Demonstrated reactions are coded in black and hypothetical reactions in grey.
The violin icons allow navigation from map to map. Zooming option in the online version facilitates the
understanding.
for example allows prediction of steady-state fluxes
distribution at the system level under some assump-
tions (for example optimization of biomass produc-
tion or of a specific flux) [7]. This kind of modelling
requires a stoichiometric matrix of the network. A
stoichiometric matrix captures mathematically the
structure of a network and consists in a table with
reactions in columns and metabolites in rows con-
taining +1 or −1 or 0 or other values depending on
the amount of each metabolites used in each reac-
tion or transport steps of the network. A complete
stoichiometric matrix of the network represented in
ChloroKB will soon be available online, which can
be used as a reference for modelling work dedicated
to a particular issue [8–10]. Finally, a large amount
of quantitative data (metabolite concentrations) is
available which will be useful to constrain metabolic
models of the Flux balance analysis type.
French version
Pourrons-nous un jour modéliser le métabolisme
d’une plante comme nous sommes désormais ca-
pables de modéliser le vol d’un avion? Au-delà des
avantages évidents d’une modélisation à grande
échelle du métabolisme de la plante pour, par
exemple, la production optimisée de molécules
d’intérêt, disposer d’un modèle prédictif intégré per-
mettrait de changer totalement notre manière de
valider nos connaissances. Un tel modèle signifierait
que nous avons réellement compris comment ce
C. R. Biologies — 2021, 344, n 2, 157-163
160 Pauline Gloaguen et al.
Figure 2. Exploration of ascorbate-glutathione pathway in photosynthetic Arabidopsis cells. A complete
overview of this metabolism is provided across 6 subcellular compartments, namely thylakoid (green)
plastid (yellow), peroxisome (blue), mitochondrion intermembrane space and matrix (red) and cytosol
(white). Apoplastic L-ascorbate metabolism is represented in another map (top violin icon).
métabolisme fonctionne. Il serait alors envisageable
d’analyser la réponse cellulaire aux modifications
des conditions environnementales, étape prélimi-
naire essentielle à la compréhension fine de la vie de
la plante dans son environnement. La tâche semble
immense, car le métabolisme de la cellule végétale
est certainement le métabolisme eucaryote le plus
complexe à appréhender, étant donné la nature de
la source d’énergie utilisée (la lumière) et l’existence
d’un compartiment supplémentaire, qui utilise et
contrôle cette énergie (le chloroplaste). L’endocy-
tose d’un microorganisme photosynthétique il y a
un 1,5 milliard d’années par un hôte eucaryote hété-
rotrophe a non seulement ajouté un compartiment
subcellulaire, mais a totalement réorganisé les flux
métaboliques au sein de la cellule hôte et les ré-
actions de transports entre ce compartiment et les
autres compartiments [1]. Il n’est donc pas possible
d’utiliser des modèles de bactéries ou de levures
pour modéliser le métabolisme de la cellule végétale.
La situation est rendue encore plus complexe par
le fait que les plantes supérieures sont constituées
d’une dizaine de types cellulaires aux métabolismes
très différents (cellules chlorophylliennes, cellules
racinaires, cellule de phloème, pollen, cellules mé-
ristématiques, etc.). En amont de la modélisation
prédictive, il est donc nécessaire de collationner les
données expérimentales, et de transformer cette
connaissance en une « entité » lisible à la fois par
l’être humain et par l’ordinateur.
C’est ce travail qui a été effectué depuis une
dizaine d’années pour la plante modèle Arabi-
dopsis thaliana et qui est disponible en ligne
(http://chlorokb.fr). Initialement ChloroKB (pour
Chloroplast Knowledge Base) était centré sur le
métabolisme du chloroplaste [2] : il est ainsi pos-
sible (i) d’explorer les fonctions chloroplastiques et
en particulier les voies de biosynthèse des acides
C. R. Biologies — 2021, 344, n 2, 157-163
Pauline Gloaguen et al. 161
Figure 1. Exploration du métabolisme des caroténoïdes dans les chloroplastes. Les différentes couleurs
correspondent aux preuves expérimentales de la localisation des protéines dans l’enveloppe (jaune),
ou le thylakoïde (vert) ou à l’absence de preuves (rouge). Les réactions démontrées sont en noir et les
réactions hypothétiques en gris. Les icônes violettes permettent de naviguer de carte en carte. L’option
de zoom dans la version en ligne facilite la compréhension.
aminés (voir L_branched_Chain_Aminoacids), des
lipides (voir Galactolipid synthesis ; [3]), ou des
pigments (chlorophylles, caroténoïdes. . . ; e.g. voir
Chlorophyll_synthesis, [4]) ainsi que (ii) leur lo-
calisation subcellulaire (au sein des thylakoïdes,
du stroma et de l’enveloppe) et (iii) leurs interac-
tions avec l’ensemble des compartiments cellulaires
(Figure 1) [5].
Avec ses mises à jour récentes, le réseau recons-
truit de la cellule chlorophyllienne d’Arabidopsis tha-
liana couvre désormais une très grande partie du
métabolisme cellulaire. Il se présente sous la forme
de cartes métaboliques interconnectées (actuelle-
ment au nombre de 189) sur lesquelles figurent les
compartiments subcellulaires, les métabolites, les
protéines, les complexes, les réactions et les trans-
ports. Chaque « objet » (protéine, transporteur, com-
plexe) est cliquable, permettant à l’utilisateur d’ac-
céder aux données certes disponibles en ligne mais
dispersées dans la littérature. Actuellement ce ré-
seau reconstruit est un outil d’exploration du mé-
tabolisme qui permet très rapidement d’avoir ac-
cès à une connaissance intégrée d’un métabolisme
particulier (e.g. voir Ascorbate glutathion pathway)
(Figure 2).
ChloroKB se distingue des autres bases de don-
nées métaboliques (BioCYC, Uniprot, KEGG) par
(i) son niveau élevé d’intégration des données, (ii) la
prise en compte de la compartimentation subcel-
lulaire et donc du transport de métabolites, (iii) la
représentation des contrôles « fins » comme la for-
mation de complexes, la modification d’activité par
contrôle allostérique ou par phosphorylation (e.g.
voir PEP carboxylase regulation). Le niveau de pré-
C. R. Biologies — 2021, 344, n 2, 157-163
162 Pauline Gloaguen et al.
Figure 2. Exploration de la voie glutathion-ascorbate dans les cellules photosynthétiques d’Arabidopsis.
Un aperçu complet de ce métabolisme est fourni à travers 6 compartiments subcellulaires, à savoir les
thylakoïdes (vert), le plaste (jaune), le peroxysome (bleu), l’espace intermembranaire et la matrice de la
mitochondrie (rouge) et le cytosol (blanc). Le métabolisme apoplastique du L-ascorbate est représenté
sur une autre carte (icône violette en haut).
cision des localisations a été amélioré par rapport
à la version initialement publiée avec un codage
qui prend désormais en compte les différentes mem-
branes et les espaces intermembranaires (membrane
plasmique, réticulum endoplasmique, membranes
internes et externes de la mitochondrie et du chlo-
roplaste). Il sera ainsi à terme possible de modéliser
le métabolisme lipidique membranaire et le trafic
intermembranaire. L’utilisation de CellDesigner [6]
comme standard de représentation des réseaux bio-
chimiques facilite la lecture du réseau ainsi que la
communication, en particulier avec les jeunes cher-
cheurs, qui doivent en peu de temps acquérir une
connaissance accumulée pendant plus de cinquante
ans. Au-delà de cet aspect visuel qui permet d’utili-
ser ChloroKB comme aide-mémoire, comme source
d’informations expertisées ou comme outil d’ex-
ploration interactive, les données de ChloroKB ont
été structurées de manière à permettre une modé-
lisation mathématique. Une méthode de modélisa-
tion appelée « Flux balance analysis » permet par
des méthodes de programmation linéaire de calcu-
ler la distribution des flux à l’état stationnaire dans
le système métabolique sous certaines hypothèses
d’optimisation (de la biomasse par exemple ou d’un
flux de métabolite particulier) [7]. Ce type de modéli-
sation requiert une abstraction du réseau qui se pré-
sente sous la forme d’une matrice de stœchiométrie
(un tableau contenant les réactions en colonnes et
les métabolites en ligne). L’occurrence et la stœchio-
métrie des réactions et des transports sont repré-
sentées par des 0, +1 or −1, +2 etc. Une matrice de
C. R. Biologies — 2021, 344, n 2, 157-163
Pauline Gloaguen et al. 163
stœchiométrie complète du réseau reconstruit sera
d’ici peu disponible en ligne sur le site de ChloroKB
et pourra servir de référence pour des travaux de mo-
délisation dédiés à une question particulière [8–10].
Enfin de très nombreuses données expérimentales
quantitatives (concentrations de métabolites) sont
accessibles et seront utiles pour contraindre les mo-
dèles métaboliques de type « Flux balance analysis ».
References
[1] M.-A. Selosse, J. Joyard, “Symbiose et évolution : à
l’origine de la cellule eucaryote”, 2021, Encyclopédie
de l’Environnement, [en ligne ISSN 2555-0950]:
https://www.encyclopedie-environnement.org/vivant/
symbiose-evolution-lorigine-de-cellule-eucaryote/.
[2] P. Gloaguen, S. Bournais, C. Alban, S. Ravanel, D. Seigneurin-
Berny, M. Matringe, M. Tardif, M. Kuntz et al., “ChloroKB:
A Web application for the integration of knowledge related
to chloroplast metabolic network”, Plant Physiol. 174 (2017),
p. 922-934.
[3] J. Joyard, M. Ferro, C. Masselon, D. Seigneurin-Berny, D. Salvi,
J. Garin, N. Rolland, “Chloroplast proteomics and the com-
partmentation of plastidial isoprenoid biosynthetic path-
ways”, Mol. Plant. 2 (2009), p. 1154-1180.
[4] J. Joyard, M. Ferro, C. Masselon, D. Seigneurin-Berny, D. Salvi,
J. Garin, N. Rolland, “Chloroplast proteomics highlights the
subcellular compartmentation of lipid metabolism”, Prog.
Lipid Res. 49 (2010), p. 128-1385.
[5] N. Rolland, G. Curien, G. Finazzi, M. Kuntz, E. Maréchal,
M. Matringe, S. Ravanel, D. Seigneurin-Berny, “The biosyn-
thetic capacities of the plastids and integration between cy-
toplasmic and chloroplast processes”, Annu. Rev. Genet. 46
(2012), p. 233-264.
[6] A. Funahashi, Y. Matsuoka, A. Jouraku, M. Morohashi,
N. Kikuchi, H. Kitano, “CellDesigner 3.5: A versatile modeling
tool for biochemical networks”, Proc. IEEE 96 (2008), no. 8,
p. 1254-1265.
[7] L. J. Sweetlove, R. G. Ratcliffe, “Flux-balance modeling of
plant metabolism”, Front. Plant Sci. 2 (2011), article no. 38.
[8] A. Arnold, Z. Nikoloski, “Bottom-up Metabolic Reconstruc-
tion of Arabidopsis and Its application to determining the
metabolic costs of enzyme production”, Plant Physiol. 165
(2014), p. 1380-1391.
[9] S. Shameer, R. G. Ratcliffe, L. J. Sweetlove, “Leaf energy bal-
ance requires mitochondrial respiration and export of chloro-
plast NADPH in the light”, Plant Physiol. 180 (2019), p. 1947-
1961.
[10] M. A. Blatke, A. Brautigam, “Evolution of C4 photosynthesis
predicted by constraint-based modelling”, Elife 8 (2019), arti-
cle no. e49305.
C. R. Biologies — 2021, 344, n 2, 157-163


ChloroKB, a cell metabolism reconstruction of the model plant <i>Arabidopsis thaliana</i>