代謝工程作為合成生物學(xué)的核心技術(shù)手段之一，正成為推動(dòng)微生物高效生產(chǎn)所需化合物的驅(qū)動(dòng)力。代謝靶點(diǎn)預(yù)測(cè)是設(shè)計(jì)-構(gòu)建-測(cè)試-學(xué)習(xí)循環(huán)的首要環(huán)節(jié)，決定實(shí)驗(yàn)效率與資源投入。細(xì)胞內(nèi)部復(fù)雜耦合的酶催化反應(yīng)和熱力學(xué)機(jī)制共同驅(qū)動(dòng)微生物代謝行為。基于代謝網(wǎng)絡(luò)“物理化學(xué)本質(zhì)”的細(xì)胞機(jī)理模型具有AI模型難以替代的可解釋性，正成為提高代謝工程設(shè)計(jì)精度的關(guān)鍵工具。
傳統(tǒng)靶點(diǎn)設(shè)計(jì)算法如OptForce和FSEOF依賴化學(xué)計(jì)量模型，忽略了酶的資源消耗與反應(yīng)的熱力學(xué)可行性兩項(xiàng)關(guān)鍵生理機(jī)制。中國(guó)科學(xué)院天津工業(yè)生物技術(shù)研究所以自然界“節(jié)能高效”的自由能與酶資源的精準(zhǔn)協(xié)同調(diào)控為靈感，提出ET-OptME框架，將酶約束與熱力學(xué)約束協(xié)同引入代謝靶點(diǎn)設(shè)計(jì)算法，來(lái)提升預(yù)測(cè)的生理真實(shí)性和實(shí)驗(yàn)可行性。
ET-OptME由ET-EComp和ET-ESEOF兩個(gè)核心算法組成。ET-EComp通過(guò)比較不同狀態(tài)下的酶濃度范圍來(lái)識(shí)別上調(diào)/下調(diào)酶，ET-ESEOF掃描目標(biāo)通量增加過(guò)程中的酶濃度變化趨勢(shì)來(lái)捕捉調(diào)控信號(hào)。同時(shí)，該框架還引入“蛋白中心”策略，跳出傳統(tǒng)的反應(yīng)層級(jí)靶點(diǎn)預(yù)測(cè)，解決了預(yù)測(cè)的多功能酶時(shí)可能出現(xiàn)的難以統(tǒng)一調(diào)控方向的難題。
在谷氨酸棒狀桿菌的5種工業(yè)產(chǎn)物案例中，ET-OptME在最小精確度指標(biāo)上比計(jì)量學(xué)算法提升292%以上，準(zhǔn)確度提高106%；與當(dāng)前先進(jìn)的酶約束算法相比，ET-OptME保持70%的精度優(yōu)勢(shì)和47%的準(zhǔn)確度優(yōu)勢(shì)。
進(jìn)一步，該研究在代謝層面分析了關(guān)鍵靶點(diǎn)如pyc、gapA與leuA預(yù)測(cè)成功的原因，展現(xiàn)出酶-熱約束靶點(diǎn)預(yù)測(cè)算法在提升路徑效率和克服代謝瓶頸方面的優(yōu)勢(shì)。
相關(guān)研究成果在線發(fā)表在《代謝工程》（Metabolic Engineering）上。研究工作得到國(guó)家重點(diǎn)研發(fā)計(jì)劃和國(guó)家自然科學(xué)基金的支持。
論文鏈接
ET-OptME的算法示意圖
本文鏈接：科研人員開(kāi)發(fā)出新型代謝工程靶點(diǎn)設(shè)計(jì)算法http://m.sq15.cn/show-12-1297-0.html
聲明：本網(wǎng)站為非營(yíng)利性網(wǎng)站，本網(wǎng)頁(yè)內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻(xiàn)，不代表本站觀點(diǎn)，本站不承擔(dān)任何法律責(zé)任。天上不會(huì)到餡餅，請(qǐng)大家謹(jǐn)防詐騙！若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。