基因組尺度代謝網(wǎng)絡(luò)研究進展

王暉，馬紅武，趙學(xué)明

1 天津大學(xué)化工學(xué)院生物工程系，天津 300072

2 教育部系統(tǒng)生物工程重點實驗室，天津 300072

3 天津大學(xué)-愛丁堡大學(xué)系統(tǒng)生物學(xué)與合成生物學(xué)聯(lián)合研究中心，天津 300072

基因組尺度代謝網(wǎng)絡(luò)研究進展

王暉1,2,3，馬紅武1,2,3，趙學(xué)明1,2,3

1 天津大學(xué)化工學(xué)院生物工程系，天津 300072

2 教育部系統(tǒng)生物工程重點實驗室，天津 300072

3 天津大學(xué)-愛丁堡大學(xué)系統(tǒng)生物學(xué)與合成生物學(xué)聯(lián)合研究中心，天津 300072

基因組尺度代謝網(wǎng)絡(luò)從基因組序列出發(fā)，結(jié)合基因、蛋白質(zhì)、代謝數(shù)據(jù)庫和實驗數(shù)據(jù)，從系統(tǒng)的角度定量研究生命體的代謝過程，了解各個組分之間的相互作用關(guān)系。這類網(wǎng)絡(luò)模型對于生命活動理論研究和優(yōu)良工程菌的構(gòu)建都具有重要的理論和實踐意義。以下結(jié)合作者的實際研究經(jīng)驗，對基因組尺度代謝網(wǎng)絡(luò)從重構(gòu)到模擬直至應(yīng)用進行了較為詳細(xì)的介紹，并討論了一些目前存在的難題和未來的研究方向。

基因組尺度，代謝網(wǎng)絡(luò)，系統(tǒng)生物學(xué)，代謝工程

圖1 已測序的物種和已經(jīng)構(gòu)建的基因組尺度代謝網(wǎng)絡(luò)模型數(shù)目Fig. 1 The number of sequenced species and reconstructed genome-scale metabolic networks.

基因組尺度代謝網(wǎng)絡(luò)是系統(tǒng)生物學(xué)的重要工具，通過結(jié)合計算機模型和實驗數(shù)據(jù)，從系統(tǒng)角度分析復(fù)雜的生物系統(tǒng)。這類模型主要應(yīng)用在5個方面[5]：與高通量技術(shù)相結(jié)合，更有效地分析處理高通量數(shù)據(jù)；指導(dǎo)代謝工程；基于假設(shè)指導(dǎo)有目的性地發(fā)現(xiàn)研究；探索物種間的相互關(guān)系；網(wǎng)絡(luò)特性的分析和研究。基因組尺度代謝網(wǎng)絡(luò)模型作為工具，無論在生物體以及生命活動的理論研究上，還是在指導(dǎo)代謝工程進行工程菌改造上，都具有非常重要的理論和實踐意義。

國外已經(jīng)有數(shù)篇關(guān)于基因組尺度代謝網(wǎng)絡(luò)模型構(gòu)建以及模擬方法的綜述[6-10]，在這里作者結(jié)合自己的研究經(jīng)歷，較為詳細(xì)地闡述模型的重構(gòu)過程，模擬方法以及應(yīng)用。

1 基因組尺度代謝網(wǎng)絡(luò)重構(gòu)

基因組尺度代謝網(wǎng)絡(luò)模型的重構(gòu)是個循環(huán)往復(fù)的過程，主要包括3個步驟：代謝網(wǎng)絡(luò)數(shù)據(jù)庫的建立、數(shù)學(xué)模型的建立和模擬運算驗證模型。通過模擬反復(fù)循環(huán)驗證，當(dāng)模擬結(jié)果的準(zhǔn)確率達到一定水平后，網(wǎng)絡(luò)構(gòu)建也就完成了，可以進行其他預(yù)測等工作。

1.1 基因組尺度代謝網(wǎng)絡(luò)數(shù)據(jù)庫的建立

基因組尺度代謝網(wǎng)絡(luò)數(shù)據(jù)庫跟通常意義的數(shù)據(jù)庫不一樣，建立這樣的數(shù)據(jù)庫就是從生物信息數(shù)據(jù)庫和文獻中提取出需要的數(shù)據(jù)，在電腦中進行整理和精煉。建立這樣一個數(shù)據(jù)庫通常需要 3個步驟：數(shù)據(jù)收集、關(guān)系模型建立和數(shù)據(jù)整理。

1.1.1 數(shù)據(jù)收集

基因組尺度代謝網(wǎng)絡(luò)重構(gòu)的主要數(shù)據(jù)來源來自各種生物信息數(shù)據(jù)庫，隨著計算機和互聯(lián)網(wǎng)絡(luò)的發(fā)展，大量的生物學(xué)信息可以從各大數(shù)據(jù)庫中免費獲得，這些數(shù)據(jù)庫包括基因組數(shù)據(jù)庫、蛋白質(zhì)數(shù)據(jù)庫以及一些代謝反應(yīng)數(shù)據(jù)庫、表 1中列出了一些常用的數(shù)據(jù)庫。

表1 基因組尺度代謝網(wǎng)絡(luò)構(gòu)建常用的數(shù)據(jù)庫Table 1 Databases frequently used for reconstruction of genome-scale metabolic network

以上提到的數(shù)據(jù)庫大都提供批量下載，下載數(shù)據(jù)完畢后通過VBA等編程語言，將所需的數(shù)據(jù)提取出來，對于不提供批量下載的數(shù)據(jù)庫，也可以通過Python等語言直接從網(wǎng)頁提取數(shù)據(jù)。提取得到的數(shù)據(jù)放在Excel表中，由于Excel是專用的表格類數(shù)據(jù)處理軟件，因此將數(shù)據(jù)放入 Excel表中進行整理和精煉十分便利。

需要提取和用到的原始數(shù)據(jù)主要有：物種特異的基因、蛋白質(zhì)、反應(yīng)和代謝物信息。然而單一數(shù)據(jù)庫提供的數(shù)據(jù)往往是有限的，而且各個數(shù)據(jù)庫之間由于注釋算法和其他組織結(jié)構(gòu)不同，可能會導(dǎo)致數(shù)據(jù)的不一致性，因此通常構(gòu)建基因組尺度代謝網(wǎng)絡(luò)的過程中，原始數(shù)據(jù)都是來自多個數(shù)據(jù)庫的。

另一個原始數(shù)據(jù)的重要來源是大量的文獻和書籍。需要使用文獻搜索引擎廣泛地搜索來自文獻和書籍的信息，為了數(shù)據(jù)收集得全面，通常要使用幾個文獻搜索引擎并用進行搜索，同時關(guān)鍵字也要交叉組合進行搜索以確保不會遺漏信息。因為很多近期的文獻中可能提供了新基因功能注釋等與網(wǎng)絡(luò)重構(gòu)密切相關(guān)的信息，而這些信息在數(shù)據(jù)庫中收錄會比較慢，所以即便通過文獻和書籍添加的信息量會比較小，但是這部分信息也是十分重要的，而且可靠性最高。

1.1.2 關(guān)系模型的建立

關(guān)系模型就是將上一步提取到的各種數(shù)據(jù)關(guān)聯(lián)在一起，如基因與酶、酶與反應(yīng)、反應(yīng)與代謝物之間的關(guān)聯(lián)。

基因與反應(yīng)的對應(yīng)關(guān)系是通過酶蛋白進行介導(dǎo)的，即基因通過注釋得到基因編碼的蛋白信息，通常與代謝活動密切相關(guān)的蛋白都是酶，酶都會對應(yīng)一定的酶號，通過酶號關(guān)聯(lián)該酶催化的反應(yīng)，通過這種方式可以得到基因與反應(yīng)的對應(yīng)關(guān)系。通過反應(yīng)的代謝方程式，將代謝物關(guān)聯(lián)在一起從而構(gòu)成整個代謝網(wǎng)絡(luò)。

1.1.3 數(shù)據(jù)整理

數(shù)據(jù)整理是基因組尺度代謝網(wǎng)絡(luò)構(gòu)建過程中最費時費力的一個環(huán)節(jié)，因為前面步驟提取得到的數(shù)據(jù)往往會存在很多問題，例如：生物信息數(shù)據(jù)庫中往往不會提供物種特異性的信息，即某些代謝反應(yīng)在物種中不會發(fā)生，而此類反應(yīng)生物信息數(shù)據(jù)庫中往往沒有特別標(biāo)注，這就需要在數(shù)據(jù)整理中將不會在物種內(nèi)發(fā)生的反應(yīng)剔除。另外，原始數(shù)據(jù)中可能會存在一些錯誤數(shù)據(jù)，還需要結(jié)合大量文獻進行佐證，這些都需要大量的時間來進行人工校正。

前面提到用于構(gòu)建代謝網(wǎng)絡(luò)的原始數(shù)據(jù)來源于不同的數(shù)據(jù)庫，因此就要對不同來源的數(shù)據(jù)進行比對精煉。一般都是通過不同數(shù)據(jù)庫之間的 ID Mapping，使不同數(shù)據(jù)庫來源的同一基因?qū)?yīng)的信息相互關(guān)聯(lián)。對于注釋信息如酶號不一致的基因，應(yīng)該通過查閱文獻或參考其他數(shù)據(jù)庫進一步確認(rèn)。同樣，對于不同來源的代謝反應(yīng)信息 (如 KEGG和BioCyc)，也應(yīng)該進行比對，以確保反應(yīng)方程式和反應(yīng)方向等信息準(zhǔn)確。

從數(shù)據(jù)庫得到的原始數(shù)據(jù)的有效性是不同的，因此對數(shù)據(jù)進行可靠性分級也是必要的。通常情況下，有確鑿的文獻和實驗驗證的數(shù)據(jù)，是最可靠的；如果多個數(shù)據(jù)庫得到的數(shù)據(jù)完全一致，這樣的數(shù)據(jù)可靠性較高；單一數(shù)據(jù)庫得到的數(shù)據(jù)可靠性一般；單純依靠注釋信息得到的基因功能信息，可靠性最低。

大分子的合成與修飾反應(yīng)往往需要特別的處理。蛋白質(zhì)、DNA、RNA、肽聚糖和磷壁酸等大分子的具體合成過程很復(fù)雜，而且種類繁多，很多合成修飾機制還沒有完全了解。因此對于構(gòu)建基因組尺度代謝網(wǎng)絡(luò)來說，通常都是將這些大分子的合成反應(yīng)按照一定的權(quán)重歸并到生物量合成反應(yīng)中。

反應(yīng)數(shù)據(jù)的整理。反應(yīng)數(shù)據(jù)的整理涉及反應(yīng)方程式的確定、反應(yīng)方向的確定、反應(yīng)輔酶的確定、反應(yīng)質(zhì)量以及電荷配平等。通常數(shù)據(jù)庫中存在大量的反應(yīng)冗余、反應(yīng)方向不確定等問題，這些都需要細(xì)致的人工校正來進行確認(rèn)。人工校正工作可以采用多種方法或者多個數(shù)據(jù)來源來綜合評定，例如反應(yīng)方向性的確定，可以參考文獻資料以及相關(guān)教科書，也可以參考KEGG Pathway和Brenda等數(shù)據(jù)庫，還可以通過熱力學(xué)以及拓?fù)浣Y(jié)構(gòu)等來進行確認(rèn)，如果實在找不到相關(guān)依據(jù)，往往采用經(jīng)驗規(guī)則[10]。其他反應(yīng)信息確定也可以采用類似的方法，綜合多種信息來源來進行最終確認(rèn)。

分析網(wǎng)絡(luò)斷口 (Gap)。在代謝網(wǎng)絡(luò)中會存在一些代謝物只有消耗沒有生成，或者只有生成沒有消耗，這些代謝物通常稱為末端代謝物 (Dead ends)。這些末端代謝物可以通過編程進行提取和識別。這類代謝物的產(chǎn)生通常是由于信息量不夠，或者我們對物種的了解不足，有些應(yīng)該存在的反應(yīng)在我們收集數(shù)據(jù)的過程中沒有找到，這樣就需要更廣泛的查閱文獻，尋找相關(guān)的信息進行補充，如果實在無法找到確鑿的信息進行驗證，可以在代謝網(wǎng)絡(luò)中添加demand reactions[10]來解決。

對于較為復(fù)雜的物種，通常還要設(shè)定合適的分室信息，例如真核生物，要將各個主要細(xì)胞器例如線粒體、過氧化物酶體等細(xì)胞器作為單獨分室進行處理。

通過上述提取整理過程后，我們得到的結(jié)果是一個反應(yīng)列表 (通常保存在 Excel表格中)，包括了物種的基因-蛋白質(zhì)-反應(yīng)對應(yīng)信息以及反應(yīng)的詳細(xì)信息，包括：反應(yīng)方程式、反應(yīng)方向、反應(yīng)所屬途徑和所屬分室等。

1.2 數(shù)學(xué)模型的建立

反應(yīng)列表整理完成后，我們要將其轉(zhuǎn)化為數(shù)學(xué)模型才可以在計算機上進行相應(yīng)模擬?；蚪M尺度代謝網(wǎng)絡(luò)模型的核心就是計量系數(shù)矩陣。

計量系數(shù)矩陣是將前面得到的反應(yīng)列表中各個反應(yīng)方程式代謝物的系數(shù)匯總在一起構(gòu)成的一個多維矩陣。通常用S表示，在S中每一行對應(yīng)一個代謝物，每一列對應(yīng)一個反應(yīng)。

計量系數(shù)矩陣中還包括其他 2個主要部分，首先是生物量組成。生物量的組成通過文獻查找各個組分的含量獲得，如果實在找不到物種的確切組成，可以借鑒其他相近的物種，然后根據(jù)具體含量定量作為系數(shù)，組成生物量合成方程式，并將系數(shù)等信息合并入計量系數(shù)矩陣。其次是運輸反應(yīng)，根據(jù)生物可以利用的底物和分泌的產(chǎn)物添加運輸反應(yīng)，一部分可以由基因組注釋得到膜運輸?shù)鞍?，從而可以確定運輸反應(yīng)的存在，另外一部分先通過查找文獻，確定菌體的基礎(chǔ)合成培養(yǎng)基，然后根據(jù)需要添加相應(yīng)的運輸反應(yīng)。同時還需要為所有的胞外代謝物添加交換反應(yīng) (Exchange reaction)，交換反應(yīng)可以理解為胞外代謝物向細(xì)胞膜的擴散。這些運輸反應(yīng)也表示為反應(yīng)方程式形式，都要匯總進計量系數(shù)矩陣中。

計量系數(shù)矩陣可以通過 VBA編程，直接將Excel中的反應(yīng)方程式轉(zhuǎn)化為 SBML (Systems Biology Markup Language)[11]格式的計量系數(shù)矩陣。SBML的數(shù)據(jù)文件是通用的系統(tǒng)生物學(xué)語言格式的文件，可以被大多數(shù)生物模擬軟件識別并加載。

1.3 模擬運算

目前常用的基因組尺度代謝網(wǎng)絡(luò)的模擬算法都是基于約束的優(yōu)化模擬方法[8]，其中以線性優(yōu)化為主，最基本的組成部分就是：約束條件、決策變量和目標(biāo)函數(shù)。而最常用的算法就是通量平衡分析(Flux Balance Analysis：FBA)，該算法假設(shè)系統(tǒng)處于擬穩(wěn)態(tài)，即中間代謝物的生成與消耗相同，在這種假設(shè)下設(shè)置一定的約束條件和目標(biāo)函數(shù)，來研究胞內(nèi)相應(yīng)狀態(tài)下的通量分布情況。其基本算法可以由以下數(shù)學(xué)表達式來表示：

其中f(x) 表示目標(biāo)函數(shù)，S表示計量系數(shù)矩陣，v表示各步反應(yīng)的通量，β和α分別表示反應(yīng)通量的上下限。目標(biāo)函數(shù)可以根據(jù)研究需要自行設(shè)定，可以設(shè)定為生物量，即表示生物量積累最多情況下的通量分布，也可以設(shè)定為某種產(chǎn)品的產(chǎn)量，從而研究目標(biāo)產(chǎn)品生產(chǎn)最大化或者副產(chǎn)物最小化等狀態(tài)下代謝通量的分布。

上面只是通用的FBA算法，以通用的算法為基礎(chǔ)，還有很多針對特定問題的算法[8]，用來解決特殊研究對象的優(yōu)化模擬。

模擬運算的計算平臺有很多，其中Matlab?(The MathworksTM) 使用得最為廣泛。在Matlab中，通過調(diào)用Matlab的內(nèi)置函數(shù)對計量系數(shù)矩陣進行操作，對于熟練使用Matlab的研究者，可以直接使用Matlab的字符串函數(shù)，通過指定字符串來操作矩陣；對于不熟悉 Matlab的研究者，可以通過之前編排的序號來指定矩陣中的相應(yīng)元素。對于最優(yōu)化計算，可以使用Matlab的最優(yōu)化工具箱，最優(yōu)化工具箱中有各種函數(shù)，可以方便地用于解決各種優(yōu)化問題 (線性、非線性、多目標(biāo)優(yōu)化和二次規(guī)劃等)。在Matlab平臺的基礎(chǔ)上，現(xiàn)在開發(fā)出一些專門用于基于約束的模擬工具，如COBRA (Constraints Based Reconstruction and Analysis) 工具箱[12]。COBRA 工具箱是由一系列針對基于約束的構(gòu)建和模擬用途而編寫的函數(shù)組成，含有可以讀取SBML或Excel格式的模型的函數(shù)，使用者不再需要自己編寫提取矩陣的程序。具體用法可以參閱文獻[10]。

通過模擬的結(jié)果和實驗結(jié)果相比對，我們可以完善得到的模型。對于結(jié)果不一致的，一方面可能是模型不夠完善導(dǎo)致的結(jié)果差異；另一方面，模擬的結(jié)果可能揭示了一些我們尚未研究到的內(nèi)容。因此模擬驗證、修正模型、修正后再模擬驗證是個循環(huán)往復(fù)的過程，直到模擬結(jié)果的準(zhǔn)確率滿足要求后，一個物種的基因組尺度代謝網(wǎng)絡(luò)模型才算最終構(gòu)建完成。

2 基因組尺度代謝網(wǎng)絡(luò)的應(yīng)用

基因組尺度代謝網(wǎng)絡(luò)構(gòu)建完成后，可以用于菌種改進、發(fā)現(xiàn)藥物靶點、代謝工程操作靶點識別、生長表型預(yù)測等多種用途，這里簡單介紹此類模型應(yīng)用最廣泛的幾個方面。

2.1 基因敲除研究

基因敲除研究是基因組尺度代謝網(wǎng)絡(luò)模擬預(yù)測最突出的應(yīng)用之一。即使現(xiàn)在高通量技術(shù)發(fā)展得很快，試驗中批量確定基因的必需性仍然是費時費力的，而且成本很高。然而對于基因組尺度代謝網(wǎng)絡(luò)模型來說，基因敲除通過基因-蛋白-反應(yīng)相互關(guān)系轉(zhuǎn)化為反應(yīng)的敲除，目標(biāo)函數(shù)設(shè)定為生物量最大化，將基因?qū)?yīng)的反應(yīng)通量人為設(shè)定成 0即可實現(xiàn)。使用這種方法可以快捷方便地同時檢測數(shù)百個基因是否是必需基因，雖然結(jié)果無法保證百分之百正確，但是此種模擬的算法和相關(guān)技術(shù)都已經(jīng)很成熟，準(zhǔn)確率基本上都可以達到80%以上，因此已經(jīng)基本上成為構(gòu)建基因組尺度代謝網(wǎng)絡(luò)必做的模擬工作[13-15]。

模擬得到的必需基因結(jié)果與實驗結(jié)果進行比對也是驗證模型精確率的一個重要方法，然而由于批量實驗驗證必需基因難度不小，目前很多物種的必需基因都沒有得到實驗驗證，此類驗證模型的方法也無法實施。但是對于一些常用的物種如大腸桿菌、枯草芽胞桿菌、釀酒酵母等有很多必需基因已經(jīng)通過實驗證實 (DEG[16]：http://tubic.tju.edu.cn/deg/)，對于這些物種來說，此項模擬結(jié)果的精確度往往是一個基因組尺度代謝網(wǎng)絡(luò)模型質(zhì)量高低的標(biāo)準(zhǔn)。干、濕實驗比對結(jié)果又可以分為 4類[17]：TP (True Positive實驗和模擬結(jié)果都為正)、TN (True Negative實驗和模擬結(jié)果都為負(fù))、FP (False Positive實驗為必需基因，模擬為非必需基因) 和 FN (False Negative實驗為非必需基因，模擬為必需基因)。其中FP和FN往往能提供模型完善的重要靶點，產(chǎn)生這些差異結(jié)果的主要原因有：基因組尺度代謝網(wǎng)絡(luò)缺乏調(diào)控機制；沒有考慮物種內(nèi)的拓?fù)浣Y(jié)構(gòu)；網(wǎng)絡(luò)中存在斷口；目標(biāo)函數(shù)中的組分不全；培養(yǎng)基組分設(shè)定不合理；沒有考慮胞內(nèi)代謝物過量積累的毒素效應(yīng)；缺乏一些胞內(nèi)非代謝過程；錯誤的基因注釋；實驗數(shù)據(jù)不準(zhǔn)確等等。這些原因會提供大量改進模型和設(shè)計實驗的靶點。

基因必需性研究并不是使用基因組尺度網(wǎng)絡(luò)進行基因敲除研究的唯一目的，通過基因敲除還可以研究生物的一些特殊生理過程的機理[18]。

2.2 發(fā)現(xiàn)藥物靶點

基因組尺度代謝網(wǎng)絡(luò)可以用于藥物研發(fā)，包括藥物靶點識別、抗菌藥物的研發(fā)和疫苗的改良。其中人類[4,19]和致病菌[20-22]的基因組尺度代謝網(wǎng)絡(luò)尤為重要，因為很多人類疾病都與人的代謝紊亂以及致病菌的代謝機制密切相關(guān)。通過使用此類模型進行模擬研究，可以深入了解人在病態(tài)下的代謝狀態(tài)，從而可以有針對性的采用一些醫(yī)療措施，對藥物的研發(fā)也有很大幫助。

2.3 菌體改進和代謝工程

由于生物體中網(wǎng)絡(luò)的剛性和冗余性，單一基因的改造往往得不到預(yù)期的效果。而基因組尺度代謝網(wǎng)絡(luò)考慮生物體整體代謝，可以從更大范圍內(nèi)了解代謝過程和一些基因操作后的效果，因此對于優(yōu)良工程菌的構(gòu)建以及代謝工程操作都具有重大的意義。迄今為止，已經(jīng)有很多研究通過基因組尺度代謝網(wǎng)絡(luò)指導(dǎo)進行基因操作和工程菌構(gòu)建，生產(chǎn)生物能源、生物基化學(xué)品及高附加值產(chǎn)品，表2給出了部分實例。

3 基因組尺度代謝網(wǎng)絡(luò)研究展望

近幾年，基因組尺度代謝網(wǎng)絡(luò)模型發(fā)展非常迅速，不僅很多模式菌的基因組尺度代謝網(wǎng)絡(luò)構(gòu)建完成，而且相關(guān)技術(shù)、算法、各種模擬畫圖軟件都有了很大的進步。然而目前仍然存在一些關(guān)鍵的問題暫時無法解決。

表2 應(yīng)用基因組尺度代謝網(wǎng)絡(luò)改良工程菌Table 2 Engineered strain improvement using genomescale metabolic network

首先，基因組尺度代謝網(wǎng)絡(luò)與其他生物過程結(jié)合很少。在生物體中還有其他很多重要的機制，例如轉(zhuǎn)錄調(diào)控、信號轉(zhuǎn)導(dǎo)等，雖然已經(jīng)出現(xiàn)了基因組尺度的轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)[43]和信號轉(zhuǎn)導(dǎo)網(wǎng)絡(luò)[44]計算機模型，但是目前仍然無法廣泛的實踐。如何將代謝網(wǎng)絡(luò)、轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)、信號轉(zhuǎn)導(dǎo)網(wǎng)絡(luò)等結(jié)合起來構(gòu)成“大生物網(wǎng)絡(luò)”[45]將成為研究熱點。

其次，很多基因組尺度代謝網(wǎng)絡(luò)重構(gòu)需要的數(shù)據(jù)都不完善。目前很多生物信息數(shù)據(jù)庫中的信息都存在一定量的錯誤和冗余，如何甄別這些無效信息成為很大的難點，因為這個要花費大量的時間和人力。此外，很多反應(yīng)的方向無法確定和相關(guān)文獻信息量不足也導(dǎo)致基因組尺度代謝網(wǎng)絡(luò)的模擬結(jié)果必定存在誤差。

再次，基因組尺度代謝網(wǎng)絡(luò)的模擬大多都是基于擬穩(wěn)態(tài)假設(shè)，而實際在生物體內(nèi)，代謝物生成和消耗都是動態(tài)的，雖然目前已經(jīng)有人嘗試進行了動態(tài)FBA[46]，但是如何廣泛應(yīng)用于基因組尺度的代謝網(wǎng)絡(luò)，如何反映生物體實時狀態(tài)下的代謝情況目前都是研究的難點。

最后，由于各個研究組所構(gòu)建的基因組尺度代謝網(wǎng)絡(luò)大多使用自己的編號以及數(shù)據(jù)整理格式，這些格式通常不統(tǒng)一，這對于模型的廣泛應(yīng)用以及不同研究組相互合作造成了不小的障礙。雖然2008年幾個研究組進行了一些釀酒酵母基因組尺度代謝網(wǎng)絡(luò)模型標(biāo)準(zhǔn)化的嘗試[47]，但是這些標(biāo)準(zhǔn)仍然沒有廣泛應(yīng)用。作者所在的研究組搭建了世界上第一個收錄全部基因組尺度代謝網(wǎng)絡(luò)模型的數(shù)據(jù)庫GSMNDB，并對所有已經(jīng)發(fā)表的模型進行整理，努力做到格式和表示方式標(biāo)準(zhǔn)化，以便更多的人可以通過已經(jīng)構(gòu)建的模型，更快更深入地進入到該研究領(lǐng)域。

REFERENCES

[1] Fleischmann RD, Adams MD, White O, et al. Whole-genome random sequencing and assembly of Haemophilus influenzae Rd. Science, 1995, 269(5223): 496–512.

[2] Genomes OnLine Database (GOLD). [2010-06-04]. http://www.genomesonline.org/cgi-bin/GOLD/bin/gold.cgi.

[3] Gerlt JA, Babbitt PC. Can sequence determine function? Genome Biol, 2000, 1(5): REVIEWS0005.

[4] Ma HW, Sorokin A, Mazein A, et al. The Edinburgh human metabolic network reconstruction and its functional analysis. Mol Syst Biol, 2007, 3: 135.

[5] Oberhardt MA, Palsson B?, Papin JA. Applications of genome-scale metabolic reconstructions. Mol Syst Biol, 2009, 5: 320.

[6] Durot M, Bourguignon PY, Schachter V. Genome-scale models of bacterial metabolism: reconstruction and applications. FEMS Microbiol Rev, 2009, 33(1): 164?190.

[7] Feist AM, Herrg?rd MJ, Thiele I, et al. Reconstruction of biochemical networks in microorganisms. Nat Rev Microbiol, 2009, 7(2): 129?143.

[8] Park JM, Kim TY, Lee SY. Constraints-based genome-scale metabolic simulation for systems metabolic engineering. Biotechnol Adv, 2009, 27(6): 979?988.

[9] Thiele I, Palsson B?. A protocol for generating a high-quality genome-scale metabolic reconstruction. Nat Protoc, 2010, 5(1): 93?121.

[10] Orth JD, Thiele I, Palsson B?. What is flux balance analysis? Nat Biotechnol, 2010, 28(3): 245?248.

[11] Hucka M, Finney A, Bornstein BJ, et al. Evolving a lingua franca and associated software infrastructure for computational systems biology: the Systems Biology Markup Language (SBML) project. Syst Biol (Stevenage), 2004, 1(1): 41?53.

[12] Becker SA, Feist AM, Mo ML, et al. Quantitative prediction of cellular metabolism with constraint-based models: the COBRA Toolbox. Nat Protoc, 2007, 2(3): 727?738.

[13] Feist AM, Henry CS, Reed JL, et al. A genome-scale metabolic reconstruction for Escherichia coli K-12 MG1655 that accounts for 1260 ORFs and thermodynamic information. Mol Syst Biol, 2007, 3: 121.

[14] David H, Oz?elik IS, Hofmann G, et al. Analysis of Aspergillus nidulans metabolism at the genome-scale. BMC Genomics, 2008, 9: 163.

[15] Oberhardt MA, Pucha?ka J, Fryer KE, et al. Genome-scale metabolic network analysis of the opportunistic pathogen Pseudomonas aeruginosa PAO1. J Bacteriol, 2008, 190(8): 2790?2803.

[16] Zhang R, Lin Y. DEG 5.0, a database of essential genes in both prokaryotes and eukaryotes. Nucleic Acids Res, 2009, 37(Database issue): D455?458.

[17] Duarte NC, Herrg?rd MJ, Palsson B?. Reconstruction and validation of Saccharomyces cerevisiaei iND750, a fully compartmentalized genome-scale metabolic model. Genome Res, 2004, 14(7): 1298?1309.

[18] Resendis-Antonio O, Reed JL, Encarnación S, et al. Metabolic reconstruction and modeling of nitrogen fixation in Rhizobium etli. PLoS Comput Biol, 2007, 3(10): 1887?1895.

[19] Duarte NC, Becker SA, Jamshidi N, et al. Global reconstruction of the human metabolic network based on genomic and bibliomic data. Proc Natl Acad Sci USA, 2007, 104(6): 1777?1782.

[20] Baart GJ, Zomer B, de Haan A, et al. Modeling Neisseria meningitidis metabolism: from genome to metabolic fluxes. Genome Biol, 2007, 8: R136.

[21] Beste DJ, Hooper T, Stewart G, et al. GSMN-TB: a web-based genome-scale network model of Mycobacterium tuberculosis metabolism. Genome Biol, 2007, 8: R89.

[22] Jamshidi N, Palsson B?. Investigating the metabolic capabilities of Mycobacterium tuberculosis H37Rv using the in silico strain iNJ661 and proposing alternative drug targets. BMC Syst Biol, 2007, 1: 26.

[23] Fong SS, Burgard AP, Herring CD, et al. In silico design and adaptive evolution of Escherichia coli for production of lactic acid. Biotechnol Bioeng, 2005, 91(5): 643?648.

[24] Edwards JS, Palsson BO. The Escherichia coli MG1655 in silico metabolic genotype: its definition, characteristics, and capabilities. Proc Natl Acad Sci USA, 2000, 97(10): 5528?5533.

[25] Reed JL, Vo TD, Schilling CH, et al. An expanded genome-scale model of Escherichia coli K-12 (iJR904 GSM/GPR). Genome Biol, 2003, 4(9): R54.

[26] Burgard AP, Pharkya P, Maranas CD. Optknock: a bilevel programming framework for identifying gene knockout strategies for microbial strain optimization. Biotechnol Bioeng, 2003, 84(6): 647?657.

[27] Wang QZ, Chen X, Yang YD, et al. Genome-scale in silico aided metabolic analysis and flux comparisons of Escherichia coli to improve succinate production. Appl Microbiol Biotechnol, 2006, 73(4): 887?894.

[28] Lee SY, Kim JM, Song H, et al. From genome sequence to integrated bioprocess for succinic acid production by Mannheimia succiniciproducens. Appl Microbiol Biotechnol, 2008, 79(1): 11?22.

[29] Kim TY, Kim HU, Park JM, et al. Genome-scale analysis of Mannheimia succiniciproducens metabolism. Biotechnol Bioeng, 2007, 97(4): 657?671.

[30] Segrè D, Vitkup D, Church GM. Analysis of optimality in natural and perturbed metabolic networks. Proc Natl Acad Sci USA, 2002, 99(23): 15112?15117.

[31] Alper H, Jin YS, Moxley JF, et al. Identifying gene targets for the metabolic engineering of lycopene biosynthesis in Escherichia coli. Metab Eng, 2005, 7(3): 155?164.

[32] Choi HS, Lee SY, Kim TY, et al. In silico identification of gene amplification targets for improvement of lycopene production. Appl Environ Microbiol, 2010, 76(10): 3097?3105.

[33] Lee KH, Park JH, Kim TY, et al. Systems metabolic engineering of Escherichia coli for L-threonine production. Mol Syst Biol, 2007, 3: 149.

[34] Lee SY, Woo HM, Lee DY, et al. Systems-level analysis of genome-scale in silico metabolic models using MetaFluxNet. Biotechnol Bioproc Eng, 2005, 10: 425?431.

[35] Park JH, Lee KH, Kim TY, et al. Metabolic engineering of Escherichia coli for the production of L-valine based on transcriptome analysis and in silico gene knockout simulation. Proc Natl Acad Sci USA, 2007, 104(19): 7797?7802.

[36] Bro C, Regenberg B, F?rster J, et al. In silico aided metabolic engineering of Saccharomyces cerevisiae for improved bioethanol production. Metab Eng, 2006, 8(2): 102?111.

[37] F?rster J, Famili I, Fu P, et al. Genome-scale reconstruction of the Saccharomyces cerevisiae metabolic network. Genome Res, 2003, 13(2): 244?253.

[38] Hjersted JL, Henson MA, Mahadevan R. Genome-scale analysis of Saccharomyces cerevisiae metabolism and ethanol production in fed-batch culture. Biotechnol Bioeng, 2007, 97(5): 1190?1204.

[39] Roberts SB, Gowen CM, Brooks JP, et al. Genome-scale metabolic analysis of Clostridium thermocellum for bioethanol production. BMC Syst Biol, 2010, 4: 31.

[40] Zelle RM, de Hulster E, van Winden WA, et al. Malic acid production by Saccharomyces cerevisiae: engineering of pyruvate carboxylation, oxaloacetate reduction, and malate export. Appl Environ Microbiol, 2008, 74(9): 2766?2777.

[41] Finley SD, Broadbelt LJ, Hatzimanikatis V. In silico feasibility of novel biodegradation pathways for 1,2,4-trichlorobenzene. BMC Syst Biol, 2010, 4: 7.

[42] Chemler JA, Fowler ZL, McHugh KP, et al. Improving NADPH availability for natural product biosynthesis in Escherichia coli by metabolic engineering. Metab Eng, 2010, 12(2): 96?104.

[43] Thiele I, Jamshidi N, Fleming RM, et al. Genome-scale reconstruction of Escherichia coli's transcriptional and translational machinery: a knowledge base, its mathematical formulation, and its functional characterization. PLoS Comput Biol, 2009, 5(3): e1000312.

[44] Hyduke DR, Palsson BO. Towards genome-scale signalling-network reconstructions. Nat Rev Genet, 2010, 11(4): 297?307.

[45] Reed JL, Famili I, Thiele I, et al. Towards multidimensional genome annotation. Nat Rev Genet, 2006, 7(2): 130?141.

[46] Oddone GM, Mills DA, Block DE. A dynamic, genome-scale flux model of Lactococcus lactis to increase specific recombinant protein expression. Metab Eng, 2009, 11(6): 367?381.

[47] Herrg?rd MJ, Swainston N, Dobson P, et al. A consensus yeast metabolic network reconstruction obtained from a community approach to systems biology. Nat Biotechnol, 2008, 26(10): 1155?1160.

Progress in genome-scale metabolic network: a review

Hui Wang1,2,3, Hongwu Ma1,2,3, and Xueming Zhao1,2,3
1 Department of Biochemical Engineering, School of Chemical Engineering & Technology, Tianjin University, Tianjin 300072, China
2 Key Laboratory of Systems Bioengineering, Ministry of Education, Tianjin 300072, China
3 Edinburgh-Tianjin Joint Research Centre for Systems Biology and Synthetic Biology, Tianjin University, Tianjin 300072, China

Dozens of genome-scale metabolic networks have been reconstructed by integrating information from various databases on genes, proteins, metabolites and validated by experiment data from the literature. The reconstructed networks can be used to quantitatively investigate the interactions between components of a biological system at a system level. Such theoretical study could help us understand the organization principle of the large scale network and thus provide guidance to strain optimization through metabolic engineering technology. In this review, we evaluate the methods for the reconstruction, analysis and application of genome-scale metabolic networks. The difficulties and perspectives on this emerging research field are also discussed.

genome-scale, metabolic network, systems biology, metabolic engineering

1995年，第一個物種流感嗜血桿菌Haemophilus influenzae Rd的全基因組序列測序完成[1]，隨著測序技術(shù)的不斷發(fā)展，測序成本也不斷降低，截止至2010年6月4日，已經(jīng)有1 291個物種全基因組測序完成 (其中細(xì)菌1 079株，古細(xì)菌83株，真核生物129個[2])。然而如何高效地利用如此龐大的數(shù)據(jù)成為人們研究的重點，基因組尺度代謝網(wǎng)絡(luò)就是以基因組序列和注釋信息為基礎(chǔ)，通過基因-蛋白質(zhì)-反應(yīng)相互關(guān)系重構(gòu)模擬生物體的代謝過程。理論上來說，有多少物種的全基因組測序完成，就應(yīng)該存在多少個對應(yīng)的基因組尺度代謝網(wǎng)絡(luò)模型。然而目前只有58個物種的87個基因組尺度代謝網(wǎng)絡(luò)模型構(gòu)建完成(GSMNDB：http://synbio.tju.edu.cn/GSMNDB/gsmndb. htm)，其數(shù)量遠(yuǎn)遠(yuǎn)小于已測序物種的數(shù)量 (圖1)。造成這種情況的原因有很多，其中最主要的3個原因：首先，由于注釋算法不完善等因素，基因組中注釋出來的基因有很多是未知功能的基因和非編碼基因[3]；其次，基因組尺度代謝網(wǎng)絡(luò)構(gòu)建需要大量的人工校對工作，這個步驟是個非常耗時耗力的工作[4]；最后，由于我們對很多物種的生理生化機制了解有限，即使研究最為透徹的大腸桿菌，仍然有很多生命活動的機制都是未知的。

June 9, 2010; Accepted: August 11, 2010

Supported by:National Basic Research Program of China (973 Program) (No. 2007CB707802), National Natural Science Foundation of China (Nos. 20806055, 20875068), Development Project of Science and Technology of Tianjin (No. 05YFGZGX04500), Program of Introducing Talents of Discipline to Universities (No. B06006).

Xueming Zhao. Tel/Fax: +86-22-27406770; E-mail: xmzhao@tju.edu.cn

國家重點基礎(chǔ)研究發(fā)展計劃 (973計劃) (No. 2007CB707802)，國家自然科學(xué)基金 (Nos. 20806055, 20875068)，天津市科技發(fā)展計劃 (No. 05YFGZGX04500)，高等學(xué)校學(xué)科創(chuàng)新引智計劃 (No. B06006) 資助。