ANNs 助力代谢网络与传输模型高效耦合：精准洞察微生物生长代谢新突破

为解决 FBA 与 RTMs 耦合时计算效率低和数值不稳定问题，研究人员开展利用 ANNs 耦合二者的研究。结果显示该方法大幅减少计算时间且稳定。此研究为微生物代谢模拟提供新途径，推荐科研读者阅读。

　　

在微生物研究的广阔领域中，通量平衡分析（FBA）借助基因组规模的代谢网络，为科学家们打开了一扇全面了解微生物代谢能力的窗户，成为了研究微生物代谢的得力工具。在环境科学领域，这一技术更是大显身手，被广泛应用于探究微生物与环境之间的相互作用。

然而，当科学家们试图将基因组规模的代谢网络融入反应传输模型（RTMs）时，问题出现了。把 FBA 与 RTMs 结合，就像是让两个原本独立工作的高手一起合作，却遇到了重重阻碍。这种结合需要在每个时间步和空间网格中反复执行线性规划（LP）来获取 FBA 解决方案，这一过程极为繁琐，导致计算效率低下，成为了亟待攻克的难题。

为了解决这个问题，之前有研究人员提出了间接和直接耦合方法。间接耦合方法就像是提前准备了一本厚厚的 “答案手册”（查找表），把各种可能环境条件下的 FBA 解决方案都收集起来，在动态模拟 RTM 时去这本 “手册” 里找答案。但问题是，这本 “手册” 里很多 “答案” 在实际模拟中根本用不上，不仅占用了大量空间，还影响了效率。直接耦合方法呢，开始时 “答案手册” 很小甚至没有，在动态模拟过程中慢慢添加新的 FBA 解决方案，但频繁地在 FBA 和 RTM 之间沟通交流，以及存储 “答案手册” 所需的大量内存空间，都让高效模拟变得困难重重。而且，动态实施 FBA 时还常常出现数值不稳定的情况，就像一个不太稳定的机器，时不时就会出点故障。

在这样的背景下，[第一作者单位] 的研究人员决心攻克这些难题。他们在《Nature Scientific Reports》期刊上发表了名为《Efficient coupling of genome - scale metabolic networks with reactive transport models using artificial neural networks》的论文。经过一系列深入研究，他们得出了令人振奋的结论：通过使用人工神经网络（ANNs）作为 RTMs 中的源 / 汇项，取代迭代求解 LP 的方式，不仅大幅减少了计算时间，还提高了模拟的稳定性和可靠性。这一成果意义非凡，它为微生物生长在时空维度上的预测提供了更强大的工具，让科学家们能够更准确地了解微生物在复杂环境中的生长规律，在系统生物学、微生物生态学、生物地球化学等多个学科领域都有着重要的应用价值。

为了开展这项研究，研究人员主要运用了以下几个关键技术方法：首先，他们对已有的Shewanella oneidensis MR - 1 菌株的基因组规模代谢网络模型（iMR799）进行了优化调整，去除了一些不合理的反应，调整了代谢物名称，还修正了生物质生产方程。接着，设计了多步 FBA，通过一系列线性规划步骤来更准确地模拟微生物在不同碳源下的生长和代谢产物生成。然后，利用非线性优化方法确定多步 FBA 中的参数，让模型预测与实验测量结果更吻合。最后，构建 ANN 模型，用大量随机生成的 FBA 解决方案训练 ANNs，使其能够准确预测微生物的生长和代谢情况。

下面我们来看看具体的研究结果：

• FBA 解决方案空间的表征：研究人员利用S. oneidensis MR - 1 菌株的基因组规模代谢网络进行 FBA 分析。他们发现，传统的 FBA 方法在预测S. oneidensis的代谢副产物形成时存在偏差，无法准确模拟实验中观察到的现象。于是，他们设计了多步 FBA，这个方法涉及一系列线性规划（LP）步骤。通过非线性优化，他们确定了多步 FBA 中的关键参数，比如常数c为 195.45 [mmol ATP/gDW 生物质]，其他参数如 、 、 ，这些参数表明模型中所有代谢副产物的实际产量都低于其最大产能的 70%。利用这些参数，研究人员生成了用于模拟S. oneidensis代谢转换所需的 FBA 解决方案，并将其作为构建 ANNs 的输入数据。他们还发现，生物质生产通量和代谢副产物生产通量呈现出不同的特征，代谢副产物生产通量的模式更为复杂，这给构建定量 ANN 模型带来了挑战。
• ANNs 的稳健性能：单输出与多输出模型的比较：为了预测S. oneidensis在不同碳源（乳酸、丙酮酸和乙酸盐）上的生长情况，研究人员开发了 ANNs 作为 FBA 的替代模型。他们比较了两种方法，一种是生成一组 ANNs，每个 ANN 只预测一个输出通量（多输入单输出，MISO）；另一种是构建一个单一的 ANN 来预测所有交换通量（多输入多输出，MIMO）。通过网格搜索确定了 ANN 模型中节点和层数等关键超参数。结果发现，以乳酸为碳源时，MISO 模型的节点数在 6 - 10 之间，层数在 2 - 3 层，所有 MISO 模型在训练、验证和测试中，目标值（FBA 解决方案）与 ANN 输出之间的相关性都大于 0.9999。而 MIMO 模型虽然节点数和层数稍多（分别为 10 和 5），但性能与 MISO 模型相当。在以丙酮酸和乙酸盐为碳源的情况下，也有类似的结果。因此，研究人员在后续所有模拟中都使用了 MIMO 模型。
• 在分批培养中模拟S. oneidensis的代谢转换：研究人员通过在分批反应器中对S. oneidensis的有氧生长进行案例研究，展示了 ANNs 作为替代 FBA 模型的有效性。在模拟过程中，代谢转换的模拟是一个挑战，因为仅靠底物浓度和动力学信息无法确定某些化合物（如丙酮酸和乙酸盐）是会被消耗还是产生，这取决于微生物的代谢调节。研究人员采用了控制论方法，将S. oneidensis的代谢看作是三种 FBA 解决方案的动态组合，这三种解决方案分别与乳酸、丙酮酸和乙酸盐的消耗相关。在每个时间步，他们独立进行三次 FBA，得到与三种碳源消耗相关的通量向量，然后根据它们对促进预定义代谢目标（这里使用 “碳” 摄取率）的贡献比例进行组合。通过比较基于原始 LP 的动态 FBA（dFBA）模型和基于 ANN 的 dFBA 模型，他们发现两种模型在模拟动态代谢转换方面表现一致，但基于 ANN 的 dFBA 模型计算时间仅为原始模型的 0.1 - 0.2%，而且在整个动态模拟过程中数值稳定，而原始 dFBA 模型在 27 小时丙酮酸水平接近零时出现了计算停滞的问题。
• 通过 FBA - RTM 耦合模拟S. oneidensis在一维柱反应器中的生长：研究人员将 FBA 与微生物生长模型耦合的方法扩展到 RTMs 中，考虑了底物和生物质浓度在空间上的分布，以一维柱反应器为例进行研究。他们将柱模型的质量平衡方程表示为一组偏微分方程（PDEs），通过 “线方法” 将空间导数项离散化为代数形式，这样就可以使用稳健的常微分方程（ODE）求解器来模拟 PDE 模型。对于有 100 个空间网格的一维柱反应器，基于 ANN 的柱模型在个人台式计算机上只需几分钟就能生成解决方案。由于原始基于 LP 的 RTM 模型在相同网格数下无法生成稳定的数值解决方案，研究人员只能对低网格密度（最多 30 个网格）的情况进行比较。结果发现，基于 ANN 的 RTM 模型计算时间减少了约三个数量级，再次证明了基于 ANN 的模型在计算效率和数值稳定性方面的优势。

研究人员通过一系列实验和分析，成功地将 ANNs 应用于 FBA 与 RTMs 的耦合中，解决了传统方法计算效率低和数值不稳定的问题，还实现了对S. oneidensis复杂代谢转换的模拟。这一研究成果不仅为微生物代谢研究提供了新的方法和思路，还在多个学科领域有着广阔的应用前景。它让科学家们能够更深入地了解微生物在复杂环境中的生长和代谢规律，为进一步研究微生物与环境的相互作用、优化生物过程等奠定了坚实的基础。在未来，随着研究的不断深入，有望将更多的多组学数据融入基因组规模的代谢网络，并与 RTMs 更好地耦合，从而更全面地揭示微生物世界的奥秘，推动相关领域的科学发展。