机器学习预测了蓝藻细菌的全系统代谢流量控制
1Microbial Chemistry, Department of Chemistry-Ångström Laboratory, Uppsala University, Box 523, SE-751 20, Uppsala, Sweden.
Metabolic engineering
|February 23, 2024
概括
我们开发了ARCTICA,这是一种计算工具,用于识别微生物中的关键代谢控制点. 它揭示了卡尔文-本森-巴什姆循环限制了蓝菌中的光合作用生物生产.
科学领域:
- 系统生物学 系统生物学
- 代谢工程是代谢工程.
- 计算生物学是一种计算生物学.
背景情况:
- 了解代谢流量控制对于细胞代谢和生物技术至关重要.
- 在微生物细胞工厂中控制反应的定量分析仍然具有挑战性.
研究的目的:
- 介绍ARCTICA,这是一个集束式建模和机器学习的计算框架.
- 为了解决在微生物系统中对代谢流量控制的有限系统级理解.
主要方法:
- 开发了ARCTICA,一个计算框架.
- 集成的基于约束的建模与机器学习工具.
- 将框架应用于模型的蓝色细菌Synechocystis sp. 在PCC 6803中.
主要成果:
- 在全球范围内,ARCTICA有效地模拟了代谢流量控制.
- 光合作用生物生产主要由卡尔文-本森-巴什姆 (CBB) 循环酶控制.
- CBB循环的催化能力限制了光合作用活动和下游途径.
- 里布洛-1,5-双糖酶/氧基酶 (RuBisCO) 是CBB循环中的一个重要的,但不是唯一的,限制性步骤.
结论:
- "北极"为了解细胞生理学和预测速度限制步骤提供了有价值的管道.
- 这些发现为蓝菌和其他微生物细胞工厂的生物工程提供了指导.
- 代谢流量控制的洞察力可以加速生物技术应用.


