近日，Biotechnology and Bioengineering 在线发表了江南大学未来食品科学中心陈坚院士团队刘龙教授课题组的研究成果“etiBsu1209: A comprehensive multiscale metabolic model for Bacillus subtilis” (Bi et al., Biotechnology and Bioengineering. 2023. 120: 1623-1639)。江南大学2020级博士生毕心宇为论文第一作者，刘龙教授为论文通讯作者。

基因组规模代谢网络模型（GEM）是分析细胞基因型和表型关系的重要数学框架，已被广泛用于探索代谢网络之间的相互作用、指导底盘细胞的设计以及预测各种目标产物的高效合成。目前枯草芽孢杆菌中已经报道了七种GEMs。然而，由于预测能力低且缺乏代谢调控的数据，经常导致错误的预测，使得这些模型没有得到广泛的应用。另外，由于模型的不完整性及组学数据的不统一性，枯草芽孢杆菌中尚未搭建完整的多约束模型应用于实验设计。因此，对枯草芽孢杆菌模型的重建以及组学数据的归一化以搭建多约束模型成为亟需解决的一个关键问题。

该研究利用AMMEDEUS机器学习框架重建了枯草芽孢杆菌GEM-iBsu1209，编写了多约束模型搭建及分析软件Model Tool，搭建了枯草芽孢杆菌多尺度综合代谢网络模型etiBsu1209（图1）。首先，对枯草芽孢杆菌现有数据库数据和文献进行收集，结合已发表的iBsu1147进行模型框架的整合，通过AMMEDEUS机器学习框架优化模型，搭建了新一代的枯草芽孢杆菌GEM-iBsu1209。并对模型进行代谢流分析及预测验证，结果表明iBsu1209在14412个不同实验条件下的基因表达的预测准确率达到89.3%；iBsu1209提供了不同碳氮源条件下中心碳代谢的准确代谢流预测，与实验数据相比，皮尔逊相关系数均达到0.9以上（图2）。基于iBsu1209，利用Model Tool软件搭建了整合热力学约束、酶约束和转录调控网络的多尺度综合代谢网络模型etiBsu1209（图3）。其中，etiBsu1209准确预测了10个基因敲除表型，其皮尔逊相关系数为0.83；与湿实验数据相比，etiBsu1209预测细胞生长的精度达到95.3%，比iBsu1209高8.7%（图4）。此外，利用不同约束模型进行细胞中心代谢流分析表明，与湿实验相比，etiBsu1209有效提高了模型中心碳代谢的预测精度（图5）。最后，基于etiBsu1209预测代谢网络中七烯甲萘醌生物合成的关键溢流代谢靶点，并对其进行验证，结果显示，关键靶点组合的敲除可以显著提高菌株七烯甲萘醌的产量，约为对照菌株的2.5倍（图6）。该研究充分证明搭建的etiBsu1209模型在细胞工厂的设计和优化具有较大的应用潜力。

上述研究工作得到了国家重点研发项目（2020YFA0908300）、国家自然科学基金（32021005、31930085）、中央高校基本科研专项资金（JUSRP622004、JUSRP222007）等项目的资助。

图1 etiBsu1209模型的设计、构建和验证框架

图2 iBsu1209模型搭建及代谢流分析验证

图3 Model Tool软件搭建及etiBsu1209模型的搭建及分析

图4 etiBsu1209代谢网络的可视化分析

图5 不同模型中心碳代谢通量分布的模拟分析

图6 模型驱动的七烯甲萘醌高效合成验证

（编辑：潘梦妍）