共同培养的酶约束代谢网络模型,用于在构建合成联盟时提供合理指导,以实现最佳途径分配预测
Boyuan Xue1, Yu Liu1, Chen Yang1
1Beijing Key Laboratory of Bioprocess, and Beijing Advanced Innovation Center for Soft Matter Science and Engineering, Beijing University of Chemical Technology, Beijing, 100029, P. R. China.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|December 14, 2023
概括
合成联盟为生物合成提供了新的机会. 一种名为CulECpy的新方法在这些联盟中指导合理的构建和路径分配,以提高产品合成,并提供经过验证的预测.
科学领域:
- 合成生物学 合成生物学
- 代谢工程是代谢工程.
- 生化合成生物化学合成
背景情况:
- 基因组规模的代谢网络模型 (GEMs) 用于微生物生物合成.
- 合理构建用于增强产品合成的合成联盟仍然具有挑战性.
- 现有的方法缺乏指导,以在联盟中进行最佳路径分配.
研究的目的:
- 提出一种标准化的方法,用于构建合成联盟的酶约束代谢网络模型.
- 引导合成联盟的合理设计和优化,以改善产品合成.
- 为了预测最佳路径分配和初始注射器比率.
主要方法:
- 开发了共同培养的酶约束代谢网络模型 (CulECpy).
- 集成的酶约束和模块化相互作用尺度约束,使用"独立 + 全球"方法.
- 应用 CulECpy 来构建各种合成联盟的模型.
主要成果:
- CulECpy成功地预测了最佳路径分配和注射比率,以增强产品合成.
- 模型预测经过实验验证,正常化根平均平方误差≤0.25.
- 证明了该方法在不同产品,菌株和途径设计中的适用性.
结论:
- CulECpy方法为设计合成联盟提供了一种标准化的方法.
- 这种方法有助于合理构建和优化生物化学合成的联盟.
- CulECpy增强了合成联盟作为生物合成平台的潜力.
