相关实验视频
Updated: Jun 13, 2025
13:19
The Use of Chemostats in Microbial Systems Biology
Published on: October 14, 2013
30.8K
代数差异化用于代谢模型中最佳流量模式的快速灵敏度分析
Hester Chapman1, Miroslav Kratochvíl2, Oliver Ebenhöh1
1Institute of Quantitative and Theoretical Biology, Heinrich Heine University, Düsseldorf 40255, Germany.
Bioinformatics (Oxford, England)
|May 6, 2025
概括
我们为代谢模型引入了最佳流量模式 (OFMs),使灵敏度分析能够超越仅仅增长率. 该方法有效地揭示了参数如何影响最佳代谢解决方案,并指导代谢工程策略.
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 计算生物学
背景情况:
- 灵敏度分析对于代谢模型至关重要,但通常仅限于生长速度.
- 像基本流量模式 (EFM) 这样的现有方法不适合具有不均质流量约束的模型 (例如,ATP维护).
研究的目的:
- 引入最佳流量模式 (OFMs) 作为EFM的模拟,用于基于约束的模型中的最佳解决方案.
- 开发一种有效的方法来计算这些OFM和整个模型解决方案的参数灵敏度.
- 为了使最佳代谢状态的细粒度灵敏度分析.
主要方法:
- 开发了适用于基于约束模型的最佳解决方案的最佳流量模式 (OFMs).
- 证明了隐式差异化对于高效的灵敏度计算的有效性.
- 在开源的 Julia 软件包中实现了框架 DifferentiableMetabolism.jl.
主要成果:
- 通过对342个酵母模型的分化解决方案来证明可扩展性.
- 展示了OFM敏感性如何指导代谢工程干预.
- 利用OFM的灵敏度来预测淘汰赛实验对大肠杆菌中废物积累的影响.
结论:
- OFM提供了一个强大的工具,用于对最佳代谢状态进行深入的灵敏度分析.
- 该DifferentiableMetabolism.jl包为分析代谢模型提供了一个高效和可扩展的解决方案.
- 这种方法提高了对代谢调节的理解,并有助于设计工程代谢途径.
