结合流量平衡分析与通过机器学习进行反应式运输建模,以快速稳定地模拟微生物代谢切换
Hyun-Seob Song1,2, Firnaaz Ahamed3,4, Joon-Yong Lee5,6
1Department of Biological Systems Engineering, University of Nebraska-Lincoln, Lincoln, NE, USA. hsong5@unl.edu.
Scientific reports
|February 19, 2025
概括
我们通过训练人工神经网络 (ANN) 来预测微生物代谢模型,开发了一种更快的模拟方法,大大减少了复杂生态系统模拟的计算时间.
科学领域:
- 微生物的新陈代谢
- 计算生物学 计算生物学
- 环境建模环境建模
背景情况:
- 将基因组规模的代谢网络与反应式传输模型 (RTM) 集成,可以提供详细的微生物动态,但由于用于流量平衡分析 (FBA) 的重复线性编程 (LP) 而面临计算效率低下.
- 这种低效性限制了这些模型在复杂的多维生态系统模拟中的应用.
研究的目的:
- 为与RTM集成的基因组规模代谢网络开发一个计算效率高的替代模型.
- 在动态生态系统建模中减少传统FBA方法的计算负担.
主要方法:
- 训练有素的人工神经网络 (ANN) 使用随机抽取的FBA解决方案来创建代用FBA模型.
- 将基于ANN的替代模型作为代数方程纳入RTM,以表示微生物源/下沉术语.
- 利用网络方法来模拟对营养物质可用性的代谢开关,证明了Shewanella oneidensis MR-1.
主要成果:
- 与基于LP的FBA模型相比,基于ANN的替代模型在计算时间中实现了数次大小的减少.
- 替代模型展示了强大的解决方案,而不需要特殊的数字稳定性措施.
- 成功模拟复杂的微生物动态,包括代谢副产品消耗,在批量和列配置.
结论:
- 提出的基于ANN的代理建模方法显著提高了将代谢网络与RTM集成的计算效率.
- 这种方法有助于在大型多物理生态系统模拟中应用详细的代谢模型.
- 这些发现为更全面,更可扩展的微生物生态系统建模铺平了道路.
