本發(fā)明涉及代謝工程的，特別是涉及到一種以蛋白為中心的基于參考型到高產(chǎn)型酶濃度變化趨勢的代謝工程靶點預(yù)測方法。

背景技術(shù)：

1、在生物技術(shù)領(lǐng)域，代謝工程作為一種通過遺傳操作優(yōu)化細(xì)胞代謝途徑以提高目標(biāo)產(chǎn)物生產(chǎn)速率的方法，已廣泛應(yīng)用于氨基酸、有機(jī)酸、藥物等重要生物化合物的生產(chǎn)。傳統(tǒng)的代謝工程策略設(shè)計主要依賴于對代謝網(wǎng)絡(luò)的定量理解和優(yōu)化算法，如fseof（fluxsummation?and?elimination?of?fluxes）等算法。這類算法通過設(shè)定目標(biāo)生產(chǎn)速率，并優(yōu)化代謝通量分布以實現(xiàn)最大化生產(chǎn)，然而，在實際應(yīng)用中仍存在諸多技術(shù)和理論上的挑戰(zhàn)。

2、隨著基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)等高通量技術(shù)的發(fā)展，研究人員能夠更準(zhǔn)確地解析細(xì)胞代謝網(wǎng)絡(luò)，并利用這些數(shù)據(jù)進(jìn)行更加精確的優(yōu)化設(shè)計。然而，盡管技術(shù)手段日益豐富，但代謝工程策略的實際應(yīng)用效果仍受到多種因素的制約。

3、針對計量學(xué)模型的基于參考型到高產(chǎn)型酶濃度變化趨勢的代謝工程靶點預(yù)測設(shè)計方法，存在的技術(shù)問題有：

4、1.預(yù)測準(zhǔn)確性有限

5、傳統(tǒng)的fseof算法（h.?s.?choi,?s.?y.?lee,?t.?y.?kim,?h.?m.?woo,?applenviron?microbiol?2010,?76,?3097.）在預(yù)測代謝工程策略時，往往基于簡化的計量學(xué)模型，未能充分考慮酶的催化效率和熱力學(xué)限制，導(dǎo)致預(yù)測結(jié)果與實際生產(chǎn)情況存在較大偏差。

6、2.反應(yīng)方向不確定性

7、在代謝網(wǎng)絡(luò)中，某些反應(yīng)的通量可能隨著生產(chǎn)條件的改變而跨越零點，即反應(yīng)方向發(fā)生變化。傳統(tǒng)的算法在處理這類情況時，往往無法準(zhǔn)確判斷反應(yīng)方向，從而無法有效識別出有效的改造靶點。

8、為了解決上述問題，研究者們提出了多種技術(shù)路線，如引入熱力學(xué)約束、考慮酶的催化效率等。然而，這些技術(shù)路線在實際應(yīng)用中仍存在以下缺陷：

9、1.沒有包含酶約束和熱力學(xué)約束

10、熱力學(xué)參數(shù)和酶的催化常數(shù)等關(guān)鍵參數(shù)往往不包含在算法的約束條件中，這限制了模型的準(zhǔn)確性和可靠性。

11、2.多酶協(xié)同問題

12、同一個酶可能催化多個反應(yīng)，而這些反應(yīng)在代謝網(wǎng)絡(luò)中的途徑和重要性各不相同。傳統(tǒng)的算法在優(yōu)化時，往往忽略了這種同酶反應(yīng)之間的矛盾性，導(dǎo)致優(yōu)化策略在實際應(yīng)用中效果不佳。

13、綜上所述，當(dāng)前的代謝工程策略設(shè)計在預(yù)測準(zhǔn)確性、反應(yīng)方向確定性和多酶協(xié)同問題等方面仍存在較大挑戰(zhàn)。為了進(jìn)一步提高代謝工程策略的有效性和可行性，需要開發(fā)更加精確、高效的優(yōu)化算法，并充分考慮酶的催化效率和熱力學(xué)限制等因素。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種以蛋白為中心的基于參考型到高產(chǎn)型酶濃度變化趨勢的代謝工程靶點預(yù)測方法，代謝工程靶點預(yù)測方法通過把同一個酶催化的所有反應(yīng)所需要的酶濃度相加構(gòu)建以蛋白為中心的算法去進(jìn)行算法計算，從而避免這種同酶反應(yīng)矛盾的情況，并且引入酶熱約束來逐步提高代謝工程策略的準(zhǔn)確性，與此同時，因酶濃度為非負(fù)數(shù)，從而避免了因反應(yīng)通量跨零點導(dǎo)致策略無法被預(yù)測的問題。

2、本申請解決其技術(shù)問題所采用的技術(shù)方案是：

3、本申請的第一目的，提供一種以蛋白為中心的基于參考型到高產(chǎn)型酶濃度變化趨勢的代謝工程靶點預(yù)測方法，包括以下步驟：

4、獲得過表達(dá)細(xì)胞中的最大生產(chǎn)速率，并梯度分割為n份；

5、固定梯度值，以細(xì)胞生長為目標(biāo)進(jìn)行計算；

6、得到蛋白濃度隨最大產(chǎn)品生產(chǎn)速率的變化情況；

7、識別出隨著目標(biāo)產(chǎn)物生產(chǎn)速率增加后的酶濃度，以酶濃度隨生產(chǎn)速率上調(diào)而單調(diào)連續(xù)增加為依據(jù)確定為上調(diào)策略；以酶濃度隨生產(chǎn)速率上調(diào)而單調(diào)連續(xù)遞減為依據(jù)確定為下調(diào)策略。

8、在一些實施方式中，所述獲得過表達(dá)細(xì)胞中的最大生產(chǎn)速率，并梯度分割為n份的算法包括以下方程：

9、穩(wěn)態(tài)物料平衡約束方程；

10、反應(yīng)通量的上界和下界方程；

11、反應(yīng)的熱力學(xué)驅(qū)動力方程；

12、熱力學(xué)最小驅(qū)動力約束方程；

13、酶濃度加和方程；

14、酶催化常數(shù)方程；

15、酶的分子質(zhì)量方程。

16、在一些實施方式中，固定目標(biāo)產(chǎn)物生產(chǎn)速率梯度值后，以最大化細(xì)胞生長為目標(biāo)通過以下約束條件進(jìn)行求解：

17、最小化反應(yīng)熱力學(xué)驅(qū)動力約束；

18、最小化酶濃度約束；

19、在一些實施方式中，所述得到酶濃度隨目標(biāo)產(chǎn)物生產(chǎn)速率的變化情況，為通過以下步驟獲得：

20、計算在不同目標(biāo)產(chǎn)物生產(chǎn)速率下的細(xì)胞最大比生長速率；

21、從最優(yōu)解中獲取在上述最大比生長速率的酶濃度；

22、分析酶濃度在目標(biāo)產(chǎn)物生產(chǎn)速率變化的梯度下的變化趨勢。

23、在一些實施方式中，所述預(yù)測方法，用于確定強(qiáng)化或弱化靶點，以提高氨基酸類化合物的生產(chǎn)速率。

24、在一些實施方式中，最小化酶濃度約束過程中還考慮了每個酶催化多個反應(yīng)時的酶濃度加和效應(yīng)。

25、在一些實施方式中，反應(yīng)熱力學(xué)驅(qū)動力約束的條件包括在參與反應(yīng)的途徑上施加熱力學(xué)約束，確保不在途徑的反應(yīng)能夠擺脫熱力學(xué)約束。

26、本申請的第二目的，提供一種使用上述所述代謝工程靶點預(yù)測方法的代謝工程系統(tǒng)，包括數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊和策略輸出模塊，所述數(shù)據(jù)采集模塊用于收集代謝網(wǎng)絡(luò)參數(shù)，所述數(shù)據(jù)處理模塊用于執(zhí)行計算分析，所述策略輸出模塊用于輸出酶濃度變化分析和對應(yīng)的代謝工程改造策略。

27、本申請的第三目的，提供計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)可執(zhí)行指令，該計算機(jī)可執(zhí)行指令被一個或多個處理器執(zhí)行時，可使得所述一個或多個處理器執(zhí)行所述的代謝工程靶點預(yù)測方法。

28、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

29、1.本申請所述的代謝工程靶點預(yù)測方法，通過引入酶-熱約束和梯度計算方法，顯著提高了代謝工程策略的預(yù)測準(zhǔn)確性，尤其是在氨基酸等重要代謝產(chǎn)物的生產(chǎn)中；本申請所述的代謝工程靶點預(yù)測方法通過將同一個酶催化的所有反應(yīng)所需酶濃度相加，構(gòu)建以蛋白總量為核心的算法，避免了傳統(tǒng)方法可能出現(xiàn)的同酶反應(yīng)矛盾；本申請所述的代謝工程靶點預(yù)測方法通過比較酶濃度的單調(diào)性來確定改造靶點，避免了反應(yīng)通量跨零點導(dǎo)致策略不可行的問題，降低了實驗的工作量和成本。

30、2.本申請所述的代謝工程靶點預(yù)測方法，通過精確的代謝工程策略預(yù)測和改造，顯著提高了目標(biāo)代謝產(chǎn)物的生產(chǎn)效率，滿足了工業(yè)化生產(chǎn)的需求。本申請所述的代謝工程靶點預(yù)測方法，具有較高的預(yù)測準(zhǔn)確性和較低的不可行性，能夠指導(dǎo)更為高效的實驗設(shè)計和資源配置，減少了浪費。本申請所述的代謝工程靶點預(yù)測方法的應(yīng)用，不僅提升了生物技術(shù)領(lǐng)域的實驗技術(shù)水平，還為相關(guān)研究提供了有力的理論支持和實驗工具，推動了科學(xué)研究的深入發(fā)展。

技術(shù)特征：

1.一種以蛋白為中心的基于參考型到高產(chǎn)型酶濃度變化趨勢的代謝工程靶點預(yù)測方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的代謝工程靶點預(yù)測方法，其特征在于，所述獲得過表達(dá)細(xì)胞中的最大生產(chǎn)速率，并梯度分割為n份的算法包括以下方程：

3.根據(jù)權(quán)利要求2所述的代謝工程靶點預(yù)測方法，其特征在于

4.根據(jù)權(quán)利要求1所述的代謝工程靶點預(yù)測方法，其特征在于，所述固定梯度值后，以細(xì)胞生長為目標(biāo)通過以下約束條件進(jìn)行求解：

5.根據(jù)權(quán)利要求1所述的代謝工程靶點預(yù)測方法，其特征在于，所述得到蛋白濃度隨最大產(chǎn)品生產(chǎn)速率的變化情況，為通過以下步驟獲得：

6.根據(jù)權(quán)利要求1所述的代謝工程靶點預(yù)測方法，其特征在于，所述預(yù)測方法，用于確定強(qiáng)化或弱化靶點，以提高氨基酸類化合物的生產(chǎn)速率。

7.根據(jù)權(quán)利要求4所述的代謝工程靶點預(yù)測方法，其特征在于，最小化酶濃度約束過程中還考慮了每個酶催化多個反應(yīng)時的酶濃度加和效應(yīng)。

8.根據(jù)權(quán)利要求4所述的代謝工程靶點預(yù)測方法，其特征在于，反應(yīng)熱力學(xué)驅(qū)動力約束的條件包括在參與反應(yīng)的途徑上施加熱力學(xué)約束，確保不在途徑的反應(yīng)能夠擺脫熱力學(xué)約束。

9.使用權(quán)利要求1至8中任一項所述代謝工程靶點預(yù)測方法的代謝工程系統(tǒng)，其特征在于，包括數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊和策略輸出模塊，所述數(shù)據(jù)采集模塊用于收集代謝網(wǎng)絡(luò)參數(shù)，所述數(shù)據(jù)處理模塊用于執(zhí)行計算分析，所述策略輸出模塊用于輸出酶濃度變化分析和對應(yīng)的代謝工程改造策略。

10.計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)可執(zhí)行指令，該計算機(jī)可執(zhí)行指令被一個或多個處理器執(zhí)行時，可使得所述一個或多個處理器執(zhí)行權(quán)利要求1-8任一項所述的代謝工程靶點預(yù)測方法。

技術(shù)總結(jié)
本發(fā)明涉及代謝工程的技術(shù)領(lǐng)域，特別是涉及到一種以蛋白為中心的基于參考型到高產(chǎn)型酶濃度變化趨勢的代謝工程靶點預(yù)測方法。本申請公開了一種以蛋白為中心的基于參考型到高產(chǎn)型酶濃度變化趨勢的代謝工程靶點預(yù)測方法，包括以下步驟：獲得過表達(dá)細(xì)胞中的最大生產(chǎn)速率，并梯度分割為N份；固定梯度值，以細(xì)胞生長為目標(biāo)進(jìn)行計算；得到蛋白濃度隨最大產(chǎn)品生產(chǎn)速率的變化情況；識別出隨著目標(biāo)產(chǎn)物生產(chǎn)速率增加后的酶濃度，以酶濃度隨生產(chǎn)速率上調(diào)而單調(diào)連續(xù)增加為依據(jù)確定為上調(diào)策略；以酶濃度隨生產(chǎn)速率上調(diào)而單調(diào)連續(xù)遞減為依據(jù)確定為下調(diào)策略。本申請所述的代謝工程靶點預(yù)測方法，提高了代謝工程策略的準(zhǔn)確性。

技術(shù)研發(fā)人員：馬紅武,許雯淇,蔡敬一,袁倩倩,武文君
受保護(hù)的技術(shù)使用者：中國科學(xué)院天津工業(yè)生物技術(shù)研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23