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。 

　　图1. 酶约束模型原理

　　图2. 酶约束模型构建流程

　文章链接 

参考文献 

　　[1] S nchez 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.