整合元转录组学数据提高了微生物社区代谢模型的预测能力
Yunli Eric Hsieh1,2,3, Kshitij Tandon3, Heroen Verbruggen3,4
1Systems Biology and Mathematical Modeling Group, Max Planck Institute of Molecular Plant Physiology, 14476, Potsdam, Germany.
The ISME journal
|May 31, 2025
概括
这项研究引入了一种新的方法,即将转录基因组集成到社区GEM中 (IMIC),以准确预测微生物生长和相互作用. IMIC使用基因表达数据,为生态系统研究建立更好的微生物群落模型.
科学领域:
- 微生物学 微生物学
- 系统生物学 系统生物学
- 计算生物学 计算生物学
背景情况:
- 微生物联盟对于生态系统的营养循环至关重要.
- 了解这些社区内的代谢相互作用至关重要,但具有挑战性.
- 传统的基因组规模代谢模型 (GEMs) 往往缺乏特定条件的数据,限制了预测准确性.
研究的目的:
- 开发一种新的方法来构建特定环境的社区GEM.
- 改善微生物生长率和代谢相互作用的预测.
- 为增强社区建模利用元转录原子数据.
主要方法:
- 将元转录组集成到社区GEM (IMIC) 方法中.
- 使用元转录原子数据来告知社区GEM.
- 结合基因表达特征来调整流量极限.
主要成果:
- IMIC准确地预测了个体生长率,并与物种丰富度相关联.
- 该方法可以预测特定条件的流量分布和代谢物相互作用.
- 与其他方法相比,IMIC证明了对代谢物度变化的更好的预测.
结论:
- IMIC有助于准确预测社区内的微生物生长率.
- 该方法通过整合基因表达数据来增强对代谢相互作用的预测.
- IMIC提供了对微生物生态系统中的代谢相互依赖的更深入的理解.


