科研进展

Nature Protocols |下一代代谢模型构建与使用指南

时间:2024-01-23  来源:合成所 文本大小:【 |  | 】  【打印

  基因组规模代谢模型(Genome-scale metabolic model,GEM)是系统描述细胞代谢的数学模型,通过计算机建模开展“干”实验可以指导和部分代替费时费力或无法实现的“湿”实验,大幅提高研究效率。迄今为止,研究人员已经构建了数以千计物种的GEM,这些模型被广泛应用于生物制造和生命健康等领域,特别是在细胞工厂设计和人类疾病研究等方面发挥重要作用。 

  当前GEM的短板在于缺乏细胞生理信息约束,因此研究人员长期致力于在GEM中整合各类信息以改善模型。其中,整合酶信息的模型,即酶约束模型(Enzyme-constrained model,ecModel),相比于经典GEM,具有更好的预测性能和更广阔的应用前景。然而,一方面整合酶约束需要大量酶参数,而参数匮乏问题阻碍了酶约束模型的普及;另一方面,酶约束模型的构建和使用存在较高门槛,不利于模型的推广应用。 

  北京时间1月18日,中国科学院深圳先进技术研究院陈禹与查尔姆斯理工大学Eduard J. Kerkhoven等人合作在Nature Protocols发表文章Reconstruction, simulation and analysis of enzyme-constrained metabolic models using GECKO Toolbox 3.0。该文章发布了酶约束模型构建和使用的最新版工具箱GECKO 3.0,优化了旧版[1, 2]并加入了酶参数预测[3]和选择模块,使得构建任意物种的酶约束模型成为了可能。另外,该文章作为GECKO 3.0的使用指南,详细描述了酶约束模型构建、模拟和分析的全部流程,能够大幅降低酶约束模型构建和使用门槛。文章第一作者是陈禹、Johan Gustafsson和Albert Tafur Rangel,通讯作者是Eduard J. Kerkhoven 

  首先,文章介绍了酶约束模型的原理(图1)以及GECKO 3.0的新功能,如增加了酶参数预测和选择的模块以及构建轻便版酶约束模型(light ecModel)的选项。 

  随后,文章提供了使用GECKO 3.0的详细教程,包括文件和数据准备阶段(Stage 0),酶约束模型构建阶段(Stages 1–4,见图2)以及模型模拟分析阶段(Stage 5),总共涉及79个步骤。此外,文章以酿酒酵母Saccharomyces cerevisiae和人Homo sapiens酶约束模型的构建和使用为例对每一步进行了细致讲解。 

  最后,文章的预期结果(Anticipated results)和故障排除(Troubleshooting)部分能够帮助用户进行自查和调试。此外,伴随文章发布的代码仓库(https://github.com/SysBioChalmers/GECKO/)提供了在线交流平台,保障了用户和开发者的高效沟通。 

  总而言之,该文章为酶约束模型的构建和使用提供了便利,能够促进下一代代谢模型的普及。 

 

  

  1. 酶约束模型原理

   

  2. 酶约束模型构建流程

 文章链接 

 

参考文献 

  [1] Sánchez BJ, et al. Molecular Systems Biology, 2017, 13(8): 935. 

  [2] Domenzain I, et al. Nature Communications, 2022, 13(1): 3766. 

  [3] Li F, et al. Nature Catalysis, 2022, 5(8): 662-672.