基因组尺度代谢网络自动重构及分析工具研究进展

高通量数据的产出为基因组尺度代谢网络的构建提供了基础,但同时也对网络构建和分析方法的改进提出了挑战。随着数据量的不断增大,耗时耗力的人工构建及分析已经无法满足模型发展的需要,因而各种自动化的方法应运而生。模型构建和分析的自动化不仅能够大幅度提高模型构建和解析的速度,同时对于模型构建和分析方法的标准化和程序化也有着不可替代的作用。文中结合作者的实际研究经验,对基因组尺度代谢网络构建的自动化进程和主要的代谢网络分析工具进行了较为详细的介绍,总结了代谢网络自动重构的流程,并提出了目前面对的主要问题和未来的研究方向。     

基因组尺度代谢网络研究进展

基因组尺度代谢网络从基因组序列出发,结合基因、蛋白质、代谢数据库和实验数据,从系统的角度定量研究生命体的代谢过程,了解各个组分之间的相互作用关系。这类网络模型对于生命活动理论研究和优良工程菌的构建都具有重要的理论和实践意义。以下结合作者的实际研究经验,对基因组尺度代谢网络从重构到模拟直至应用进行了较为详细的介绍,并讨论了一些目前存在的难题和未来的研究方向。     

基于约束的基因组规模代谢网络模型构建方法研究进展

基因组规模代谢网络模型(Genome-scale metabolic network model,GSMM)正成为细胞代谢特性研究的重要工具,经过多年发展相关理论方法取得了诸多进展.近年来,在基础GSMM模型基础上,通过整合基因组、转录组、蛋白组和热力学数据,实现基于各种约束的GSMM构建,在基因靶点识别、系统代谢工程...     

基于代谢网络预测菌种基因改造靶点方法的研究进展

高产特定产品的人工细胞工厂的构建需要对野生菌株进行大量的基因工程改造,近年来随着大量基因组尺度代谢网络模型的构建,人们提出了多种基于代谢网络分析预测基因改造靶点以使某一目标化合物合成最优的方法。这些方法利用基因组尺度代谢网络模型中的反应计量关系约束和反应不可逆性约束等,通过约束优化的方法预测可使产物合成最大化的改造靶点,避免了传统的通过相关途径的直观分析确定靶点的方法的局限性和主观性,为细胞工厂的理性设计提供了新的思路。以下结合作者的实际研究经验,对这些菌种优化方法的原理、优缺点及适用性等进行详细介绍,并讨论了目前存在的主要问题和未来的研究方向,为人们针对不同目标产品选择合适的方法及预测结果的可靠性评估提供了指导。     

全基因组范围代谢网络的构建和最小基因组研究

全基因组范围代谢网络（genome-scale metabolic network,GSMN）的构建是合成生物学研究的一个重要研究手段。通过整合各种组学数据和借助计算机进行模拟分析,将基因型与表型的关系进行定量关联,从而为从全局的角度探索和揭示生物代谢机制,进而对生物进行合理的重新设计和工程改造提供了有效的框架。该方法在最小基因组研究中也有着突出的优势,通过计算机辅助的基因组最小化模拟与分析,能够系统鉴定微生物基因组基因的必需性。迄今为止,已有近百个基因组范围的代谢网络发表,覆盖的生物包括原核生物、真核生物和古生生物,并广泛应用于医药、能源、环境、工业和农业等多个领域,展现出了广阔的应用前景。将对全基因组范围代谢网络构建的方法、应用,特别是其在最小基因组研究中的应用作简要的综述。     

基于图论和约束优化的异源代谢途径设计方法及应用

构建高产高附加值产品的微生物细胞工厂是代谢工程的研究目标之一,设计高效的产品合成途径是实现这一目标的重要方式.不同微生物底盘因其代谢能力有所差异,故而可以利用的底物和生产的产品范围有限.为了扩大其生产能力,需要进行代谢途径从无到有的设计.传统代谢工程基于经验进行异源途径设计的方式低效且无法确保结果的全面性,而系统生物学...     

数字细胞模型的研究及应用

组学分析技术的发展推动生物学逐渐成为一门以数据分析为中心的科学。依托生物数据在细胞整体系统水平建立数字细胞模型,对于理解细胞系统组织原理和生命产生进化规律,预测各种环境和基因扰动对细胞功能的影响并指导设计人工生命具有重要意义,因此数字细胞的构建模拟设计已成为合成生物学的核心研究内容与底层支撑技术。本文重点对天津工业生物技术研究所创立十年来在数字细胞研究方面的进展进行回顾介绍,重点包括基因组尺度代谢网络模型的构建、质控以及其在途径设计和指导菌种代谢工程改造方面的应用,进一步结合近年来细胞模型研究的前沿趋势,对整合多种约束的模型的构建和分析研究方面的最新成果进行了介绍,最后对数字细胞研究的未来发展方向进行展望。数字细胞技术将与基因组测序、合成和编辑等合成生物学前沿技术一起提升人们对生命进行读写改创的能力。     

基因组尺度分析和代谢工程策略

代谢工程是近年来发展起来的新技术,随着各种组学技术的发展,高通量数据整合方法用于分析细胞的代谢网络,改造代谢途径,以提高目标产物的产量。本文就代谢工程的发展状况,基因组尺度的分析技术,以及代谢工程策略进行了综述。分析了生物信息学和系统生物学方法在代谢途径构建和代谢网络分析中的作用,并就存在的问题和可能的解决途径进行了阐述。     

一种基于代谢网络分析最小化基因组的方法及其在大肠杆菌中的应用

最小生命体的合成是合成生物学研究的重要方向。最小化基因组的同时而又不对细胞生长产生影响是代谢工程研究的一个重要目标。文中提出了一种从基因组尺度代谢网络模型出发,通过零通量反应删除及对非必需基因组合删除计算获得基因组最小化代谢网络模型的方法,利用该方法简化了大肠杆菌经典代谢网络模型iAF1260,由起始的1 260个基因简化得到了312个基因,而最优生物质生成速率保持不变。基因组最小化代谢网络模型预测了在细胞正常生长的前提下包含最少基因的代谢途径,为大肠杆菌获得最小基因组的湿实验设计提供了重要参考。     

Genome-scale models of bacterial metabolism: reconstruction and applications

Genome-scale metabolic models bridge the gap between genome-derived biochemical information and metabolic phenotypes in a principled manner, providing a solid interpretative framework for experimental data related to metabolic states, and enabling simple in silico experiments with whole-cell metabolism. Models have been reconstructed for almost 20 bacterial species, so far mainly through expert curation efforts integrating information from the literature with genome annotation. A wide variety of computational methods exploiting metabolic models have been developed and applied to bacteria, yielding valuable insights into bacterial metabolism and evolution, and providing a sound basis for computer-assisted design in metabolic engineering. Recent advances in computational systems biology and high-throughput experimental technologies pave the way for the systematic reconstruction of metabolic models from genomes of new species, and a corresponding expansion of the scope of their applications. In this review, we provide an introduction to the key ideas of metabolic modeling, survey the methods, and resources that enable model reconstruction and refinement, and chart applications to the investigation of global properties of metabolic systems, the interpretation of experimental results, and the re-engineering of their biochemical capabilities.     

细胞生理代谢网络模型重构和优化的进展

细胞中自发或由酶催化的代谢反应组成了高度复杂的代谢网络,其与细胞生理代谢活动运作密切相关。细胞生理代谢网络模型的重构有助于从系统层面上解析基因型与生长表型之间的关联,为细胞生理代谢活动精准刻画与生物绿色制造等研究提供重要的计算生物学工具。本文系统介绍了全基因组尺度代谢网络模型(genome-scale metabolic models, GEMs)、动力学模型、酶约束代谢模型(enzyme-constrained genome-scale metabolic models, ecGEMs)等不同类型细胞生理代谢网络模型发展与应用的最新研究进展;同时还介绍了GEMs自动化构建研究进展以及条件特异性GEMs建模策略。人工智能技术为高精度细胞生理代谢网络模型构建提供了全新机遇,本文进一步总结了人工智能技术在动力学模型和酶约束模型构建等领域的应用。各类细胞生理代谢网络模型的高质量重构将为今后的定量合成生物学与系统生物学等研究提供强大计算支撑。     

Applications of metabolic modeling to drive bioprocess development for the production of value-added chemicals

Increasing numbers of value added chemicals are being produced using microbial fermentation strategies. Computational modeling and simulation of microbial metabolism is rapidly becoming an enabling technology that is driving a new paradigm to accelerate the bioprocess development cycle. In particular, constraint-based modeling and the development of genome-scale models of industrial microbes are finding increasing utility across many phases of the bioprocess development workflow. Herein, we review and discuss the requirements and trends in the industrial application of this technology as we build toward integrated computational/experimental platforms for bioprocess engineering. Specifically we cover the following topics: (1) genome-scale models as genetically and biochemically consistent representations of metabolic networks; (2) the ability of these models to predict, assess, and interpret metabolic physiology and flux states of metabolism; (3) the model-guided integrative analysis of high throughput ‘omics’ data; (4) the reconciliation and analysis of on- and off-line fermentation data as well as flux tracing data; (5) model-aided strain design strategies and the integration of calculated biotransformation routes; and (6) control and optimization of the fermentation processes. Collectively, constraint-based modeling strategies are impacting the iterative characterization of metabolic flux states throughout the bioprocess development cycle, while also driving metabolic engineering strategies and fermentation optimization.