基因組代謝網絡（GEMS）與全基因組模型從入門到實踐系列-----（1）模型建構環境的布置

全文目錄

• 0 前言說明
• 一、基因組代謝網絡（GEMS）介紹
• • 1.1 定義
  • 1.2 發展背景
  • 1.3 應用領域與運用場景
• 二、代謝網絡模型的資料學習網站
• • 2.1 官方資料位址
  • 2.2 相關軟體的下載下傳位址
  • 2.3 相關文獻與執行個體彙總（持續更新）
• 三、安裝過程的分步講解
• • 3.1 安裝的流程(圖檔流程見文末)
  • 3.2 安裝過程可能出現的問題
  • 3.3 安裝過程出現問題的解決方法
• 四、文獻案例的應用分析（架構分析）
• • 4 示例來源
  • 4.1 應用的流程架構
  • 4.2 文獻結果的展示
  • 4.3對文獻中模型的評價
  • 4.4 模型部分代碼與注釋（詳細分析見本系列後續）
• 圖檔展示安裝全過程。
• 後記

0 前言說明

本系列内容說明： 本系列是針對生物研究中的模型種類進行分析介紹，作為**微生物群落互相模組化系列的組成一部分。分階段的介紹代謝網絡模型從入門的環境的搭建，到指導濕實驗過程全流程分享。探讨基于生物模型對群落中互相作用方式進行，探究挖掘不同生物間的進化關系。

系列的目錄文章位址：https://blog.csdn.net/qq_33980829/article/details/118958463

一、基因組代謝網絡（GEMS）介紹

1.1 定義

1. （GEMS）基于微生物基因組資訊、轉錄組學、蛋白組學網絡建構的底盤細胞水準的代謝網絡模型。
2. 初始的代謝網絡模型是以代謝通量平衡為核心，考慮代謝通路中代謝物的原子、電荷、物質濃度進行平衡。求解平衡中不同物質的代謝變化，目标底物的理論轉換量。
3. 随着組學技術的發展、對微生物代謝知識的積累。研究過程開始将熱力學、多組學資訊、底物互相作用等背景引入代謝網絡的建構。發展出全基因組規模的代謝網絡模型（全細胞水準代謝網絡模型），更加全面模拟微生物生長中的代謝通路流量的方向指導對底盤細胞的代謝通路設計，建構出目标産物産量更高的生物工廠。
4. 目前對代謝網絡建構有許多的網站與模型，例如：https://github.com/franciscozorrilla/metaGEM 本系列主要針對于通用的COBRA Toolbox v.3.0進行分享。

底盤細胞：利于基因工程的微生物、有明确清晰的遺傳背景。友善進行改造生産目标産物。

全基因組規模的代謝網絡模型：考慮目标菌株全部的基因的表達、轉錄、翻譯過程，充分模拟生長過程的代謝變化，但由于其計算量較大且目前積累的知識不能較好反應微生物體内發生真實過程。目前該方法任然處于理論探究與小範圍的嘗試中。具體可以參考文獻：待待待續續

代謝網絡的核心：代謝網絡模拟過程本身是求解線性規劃問題，假設生物中代謝網絡總是趨向于熱力學上最優、資源利用最大化。代謝流向隻與環境中物質的濃度相關，不考慮微生物生長過程的其他代謝調控方式。在應用過程存在較大局限性，主要作為代謝改造理論指導。

1.2 發展背景

1. 待續

1.3 應用領域與運用場景

1. 運用于代謝改造過程的指導
2. 分析群落中環境變化對微生物生長的影響

3. 探究不同微生物之間的的代謝互相作用。

   （具體案例分析待續）

二、代謝網絡模型的資料學習網站

2.1 官方資料位址

1. 官方的發表的軟體說明文章位址：https://www.nature.com/articles/s41596-018-0098-2 Creation and analysis of biochemical constraint-based models using the COBRA Toolbox v.3.0

2. 官網學習的案例位址

   https://systemsbiology.ucsd.edu/Publications/Books/SB1-2LectureSlides

3. 相關發表的文獻

   https://github.com/opencobra/COBRA.papers

2.2 相關軟體的下載下傳位址

1. 代碼庫位址

   https://github.com/opencobra/cobratoolbox

2. 線性規劃求解器位址（後續會詳細講解安裝過程）

   https://www.gurobi.com/

   https://yalmip.github.io/allsolvers/

3. 其他解釋器下載下傳位址（讀取生物代謝格式的安裝包）

   http://sbml.org/Software/libSBML/5.17.0/docs//cpp-api/group__core.html

2.3 相關文獻與執行個體彙總（持續更新）

1. 基于代謝網絡探究乳酸菌乳酸生成對代謝的影響

   Zcan E , Seven M , Irin B , et al. Dynamic co-culture metabolic models reveal the fermentation dynamics, metabolic capacities and interplays of cheese starter cultures[J]. Biotechnology and Bioengineering, 2020(2).（文獻解讀位址）

2. 酵母産多胺的代謝改造建構

   Qin, J. , Krivoruchko, A. , Ji, B. , Chen, Y. , & Nielsen, J. . Engineering yeast metabolism for the discovery and production of polyamines and polyamine analogues. Nature Catalysis.2021（文獻解讀位址）

3. 基于代謝網絡探究群落中的代謝互相作用。

   Kumar, M. , et al. “Modelling approaches for studying the microbiome.” Nature Microbiology 4.8(2019):1253-1267.（文獻解讀位址）

三、安裝過程的分步講解

3.1 安裝的流程(圖檔流程見文末)

1. 提前安裝 matlab 建議版本在2018a以上。
2. 下載下傳代碼庫中的代碼
3. 在matlab中安裝COBRA工具包
4. 調用testALL程式檢查是否安裝完整
5. 安裝缺少的求解器、補全缺少的元件
6. 能夠完整運作表明安裝成功。

3.2 安裝過程可能出現的問題

1）下載下傳的代碼不全，推測是由于該工具經常更新部分功能在更新過程中未包含在工程檔案中導緻讀取失敗。此時需要把工具完整的克隆到本地的檔案夾中。

2）缺少部分解釋器：由于初始安裝中并未包含全部的線性規劃求解器且一些求解器需要商業付費。是以需要根據需求進行到對于官網去下載下傳更新，同時要主要下載下傳的解釋器是否仍然處于維護狀态，調用的一些解釋器已經停止更新會導緻運作時不相容。

3）資料讀取過程的失敗，此時要檢查代碼運作過程中是否滿足版本、系統的條件。部分解釋器隻适用于特定系統，在進行模組化運作時文章的用的解釋器未安裝、或安裝錯誤時都會包一些奇怪的錯誤。

3.3 安裝過程出現問題的解決方法

1）代碼克隆可以下載下傳 git用戶端，将全部工程檔案儲存到本地。同時利于同步更新。

2）解釋器可以在代碼中現在調用的種類（已經成功安裝的）

3）讀取模型錯誤，可以參考上文提供的網站下載下傳位址。

四、文獻案例的應用分析（架構分析）

4 示例來源

• Engineering yeast metabolism for the discovery and production of polyamines and polyamine analogues（詳細解讀位址）

4.1 應用的流程架構

1） 擷取底盤細胞模型：模型與通路來源：網站https://metacyc.org/

2） 導入底盤細胞模型：yeast_7.6_COBRA

3） 根據改造需求加入對應的反應：文章加入了3種途徑類型

4） 設定對應改造酶的活性

5） 進行通量計算：求解最優的代謝路徑

6） 計算反應中産物的轉換效率

7） 擷取底物中參與反應的數目與代謝物數目

8） 選擇理論轉化效率最高的通路

9） 進行濕實驗驗證

10） 利于代謝工程中酶技術對相關關鍵酶進行替換，選擇進行關系差異較大的酶進行替換目的是增加酶序列的搜尋空間。

11） 設計不同的通路流向觀察結果，并對多聚物的代謝種類進行分析。建立多聚物與代謝通路的相關性。

12） 基于發酵過程進行優化提升産量

13） 解釋新的代謝通路對于底盤細胞的影響

文章應用流程圖：

4.2 文獻結果的展示

• 建構的7種代謝通路

  

4.3對文獻中模型的評價

• 本文以酵母為模闆加入異源反應途徑進行代謝流量的通量預測分析。
• 文章隻是簡單用模型來預測理論産量，選擇最基礎的通量模型進行求解。沒有将模型的優勢充分發揮出來沒有将濕實驗的結果反映到模型改進過程。缺少整體過程循環的流程，模型->實驗->結果分析->修改模型->實驗。
• 文章從代謝模型應用指導代謝改造的角度上是比較基礎且簡單的，是很好的入門學習材料。

4.4 模型部分代碼與注釋（詳細分析見本系列後續）

% cd ../../../GitHub/cobratoolbox;
% initCobraToolbox;
%導入資料
%% Model modification
model = readCbModel('yeast_7.6_COBRA.xml');
% change obj to spermidine production
model = changeObjective(model,'r_2051',1);
% add secretion of 5'-methylthioadenosine
model = addReaction(model,'Sec_s_0303','reactionFormula','s_0303[c_03] -> ');

% printRxnFormula(model,'rxnAbbrList',model.rxns);

%% Calculate yield for different pathways
%設計不同類型的代謝通路
% Pathway1
% add arginine decarboxylase(EC 4.1.1.19) and Agmatinase(EC 3.5.3.11)
model_1 = model;
model_1 = changeRxnBounds(model_1,'r_0817',0,'b');
model_1 = addReaction(model_1,'M1_1','reactionFormula','s_0965[c_03] + s_0794[c_03] -> s_0456[c_03] + agmatine');
model_1 = addReaction(model_1,'M1_2','reactionFormula','agmatine + s_0803[c_03] -> s_1389[c_03] + s_1552[c_03]');
printRxnFormula(model_1,'rxnAbbrList',model_1.rxns(end-1:end),'metNameFlag',1);
sol_1 = optimizeCbModel(model_1,'max','one');

% Pathway2
% add arginine decarboxylase(EC 4.1.1.19), agmatine deaminase(EC 3.5.3.12)
% and N-carbamoylputrescine amidohydrolase(EC 3.5.1.53)
model_2 = model;
model_2 = changeRxnBounds(model_2,'r_0817',0,'b');
model_2 = addReaction(model_2,'M2_1','reactionFormula','s_0965[c_03] + s_0794[c_03] -> s_0456[c_03] + agmatine');
model_2 = addReaction(model_2,'M2_2','reactionFormula','agmatine + s_0803[c_03] -> s_0419[c_03] + N_carbamoylputrescine');
model_2 = addReaction(model_2,'M2_3','reactionFormula','N_carbamoylputrescine + s_0803[c_03] + 2 s_0794[c_03] -> s_1389[c_03] + s_0456[c_03] + s_0419[c_03]');
printRxnFormula(model_2,'rxnAbbrList',model_2.rxns(end-2:end),'metNameFlag',1);
sol_2 = optimizeCbModel(model_2,'max','one');

% Pathway3
% native
model_3 = model;
sol_3 = optimizeCbModel(model_3,'max','one');

% Pathway4
% add carboxyspermidine dehydrogenase (EC 1.5.1.43) and carboxyspermidine
% decarboxylase(EC 4.1.1.-).
model_4 = model;
model_4 = changeRxnBounds(model_4,'r_1001',0,'b');
model_4 = addReaction(model_4,'M4_1','reactionFormula','s_1389[c_03] + s_0978[c_03] + s_0794[c_03] + s_1212[c_03] -> Carboxyspermidine + s_1207[c_03] + s_0803[c_03]');
model_4 = addReaction(model_4,'M4_2','reactionFormula','Carboxyspermidine + s_0794[c_03] -> s_1439[c_03] + s_0456[c_03]');
printRxnFormula(model_4,'rxnAbbrList',model_4.rxns(end-1:end),'metNameFlag',1);
sol_4 = optimizeCbModel(model_4,'max','one');

% Pathway5
% add arginine decarboxylase(EC 4.1.1.19), Agmatinase(EC 3.5.3.11),
% carboxyspermidine dehydrogenase (EC 1.5.1.43) and carboxyspermidine
% decarboxylase(EC 4.1.1.-).
model_5 = model;
model_5 = changeRxnBounds(model_5,'r_0817',0,'b');
model_5 = changeRxnBounds(model_5,'r_1001',0,'b');
model_5 = addReaction(model_5,'M5_1','reactionFormula','s_0965[c_03] + s_0794[c_03] -> s_0456[c_03] + agmatine');
model_5 = addReaction(model_5,'M5_2','reactionFormula','agmatine + s_0803[c_03] -> s_1389[c_03] + s_1552[c_03]');
model_5 = addReaction(model_5,'M5_3','reactionFormula','s_1389[c_03] + s_0978[c_03] + s_0794[c_03] + s_1212[c_03] -> Carboxyspermidine + s_1207[c_03] + s_0803[c_03]');
model_5 = addReaction(model_5,'M5_4','reactionFormula','Carboxyspermidine + s_0794[c_03] -> s_1439[c_03] + s_0456[c_03]');
printRxnFormula(model_5,'rxnAbbrList',model_5.rxns(end-3:end),'metNameFlag',1);
sol_5 = optimizeCbModel(model_5,'max','one');

% Pathway6
% add arginine decarboxylase(EC 4.1.1.19), agmatine deaminase(EC 3.5.3.12),
% N-carbamoylputrescine amidohydrolase(EC 3.5.1.53), carboxyspermidine
% dehydrogenase(EC 1.5.1.43), carboxyspermidine decarboxylase(EC 4.1.1.-).
model_6 = model;
model_6 = changeRxnBounds(model_6,'r_0817',0,'b');
model_6 = changeRxnBounds(model_6,'r_1001',0,'b');
model_6 = addReaction(model_6,'M6_1','reactionFormula','s_0965[c_03] + s_0794[c_03] -> s_0456[c_03] + agmatine');
model_6 = addReaction(model_6,'M6_2','reactionFormula','agmatine + s_0803[c_03] -> s_0419[c_03] + N_carbamoylputrescine');
model_6 = addReaction(model_6,'M6_3','reactionFormula','N_carbamoylputrescine + s_0803[c_03] + 2 s_0794[c_03] -> s_1389[c_03] + s_0456[c_03] + s_0419[c_03]');
model_6 = addReaction(model_6,'M6_4','reactionFormula','s_1389[c_03] + s_0978[c_03] + s_0794[c_03] + s_1212[c_03] -> Carboxyspermidine + s_1207[c_03] + s_0803[c_03]');
model_6 = addReaction(model_6,'M6_5','reactionFormula','Carboxyspermidine + s_0794[c_03] -> s_1439[c_03] + s_0456[c_03]');
printRxnFormula(model_6,'rxnAbbrList',model_6.rxns(end-4:end),'metNameFlag',1);
sol_6 = optimizeCbModel(model_6,'max','one');

% Pathway7
% add arginine decarboxylase(EC 4.1.1.19), agmatine aminopropyl
% transferase(EC 2.5.1.104) and N1-aminopropylagmatine ureohydrolase.
model_7 = model;
model_7 = changeRxnBounds(model_7,'r_0817',0,'b');
model_7 = changeRxnBounds(model_7,'r_1001',0,'b');
model_7 = addReaction(model_7,'M7_1','reactionFormula','s_0965[c_03] + s_0794[c_03] -> s_0456[c_03] + agmatine');
model_7 = addReaction(model_7,'M7_2','reactionFormula','agmatine + s_1420[c_03] -> N1_3_aminopropyl_agmatine + s_0303[c_03] + s_0794[c_03]');
model_7 = addReaction(model_7,'M7_3','reactionFormula','N1_3_aminopropyl_agmatine + s_0803[c_03] -> s_1439[c_03] + s_1552[c_03]');
printRxnFormula(model_7,'rxnAbbrList',model_7.rxns(end-2:end),'metNameFlag',1);
sol_7 = optimizeCbModel(model_7,'max','one');

clear model;

%% New tasks
model = readCbModel('yeast_7.6_COBRA.xml');

% Pathway8
% Theoretical yield of Spermine
model_8 = model;
% change obj to spermine exchange
model_8 = changeObjective(model_8,'r_2052',1);
sol_8 = optimizeCbModel(model_8,'max','one');

% Pathway9
% Theoretical yield of Thermospermine
% add thermospermine synthase(EC 2.5.1.79) and export of thermospermine
model_9 = model;
model_9 = addReaction(model_9,'M9_1','reactionFormula','s_1420[c_03] + s_1439[c_03] -> s_0303[c_03] + thermospermine + s_0794[c_03]');
model_9 = addReaction(model_9,'M9_2','reactionFormula','thermospermine + s_0796[c_06] -> s_0794[c_03] + thermospermine_e');
model_9 = addReaction(model_9,'M9_3','reactionFormula','thermospermine_e -> ');
printRxnFormula(model_9,'rxnAbbrList',model_9.rxns(end-2:end),'metNameFlag',1);
model_9 = changeObjective(model_9,'M9_3',1);
sol_9 = optimizeCbModel(model_9,'max','one');

% Pathway10
% Theoretical yield of sym-homospermidine (biosynthesis I)
% add homospermidine synthase(EC 2.5.1.45) and export of sym-homospermidine
% and trimethylenediamine
model_10 = model;
model_10 = addReaction(model_10,'M10_1','reactionFormula','s_1439[c_03] + s_1389[c_03] -> sym-homospermidine + s_1526[c_03]');
model_10 = addReaction(model_10,'M10_2','reactionFormula','sym-homospermidine -> sym-homospermidine_e');
model_10 = addReaction(model_10,'M10_3','reactionFormula','sym-homospermidine + s_0796[c_06] -> s_0794[c_03] + sym-homospermidine_e');
model_10 = addReaction(model_10,'M10_4','reactionFormula','sym-homospermidine_e -> ');
model_10 = addReaction(model_10,'M10_5','reactionFormula','s_1526[c_03] -> trimethylenediamine_e');
model_10 = addReaction(model_10,'M10_6','reactionFormula','s_1526[c_03] + s_0796[c_06] -> s_0794[c_03] + trimethylenediamine_e');
model_10 = addReaction(model_10,'M10_7','reactionFormula','trimethylenediamine_e -> ');
printRxnFormula(model_10,'rxnAbbrList',model_10.rxns(end-6:end),'metNameFlag',1);
model_10 = changeObjective(model_10,'M10_4',1);
sol_10 = optimizeCbModel(model_10,'max','one');

% Pathway11
% Theoretical yield of sym-homospermidine (biosynthesis II)
% add homospermidine synthase(EC 2.5.1.44) and export of sym-homospermidine
model_11 = model;
model_11 = addReaction(model_11,'M11_1','reactionFormula','2 s_1389[c_03] -> sym-homospermidine + s_0419[c_03]');
model_11 = addReaction(model_11,'M11_2','reactionFormula','sym-homospermidine -> sym-homospermidine_e');
model_11 = addReaction(model_11,'M11_3','reactionFormula','sym-homospermidine + s_0796[c_06] -> s_0794[c_03] + sym-homospermidine_e');
model_11 = addReaction(model_11,'M11_4','reactionFormula','sym-homospermidine_e -> ');
printRxnFormula(model_11,'rxnAbbrList',model_11.rxns(end-3:end),'metNameFlag',1);
model_11 = changeObjective(model_11,'M11_4',1); %求解的産物，設定需要觀察的目标産物， M11_4為底物編号
sol_11 = optimizeCbModel(model_11,'max','one');%求解目标産物的最大轉換率，設定求解參數，

clear ans;

%% Active reactions and metabolites

[num_rxns_1, num_mets_1] = countActive(model_1,sol_1);
[num_rxns_2, num_mets_2] = countActive(model_2,sol_2);
[num_rxns_3, num_mets_3] = countActive(model_3,sol_3);
[num_rxns_4, num_mets_4] = countActive(model_4,sol_4);
[num_rxns_5, num_mets_5] = countActive(model_5,sol_5);
[num_rxns_6, num_mets_6] = countActive(model_6,sol_6);
[num_rxns_7, num_mets_7] = countActive(model_7,sol_7);
[num_rxns_8, num_mets_8] = countActive(model_8,sol_8);
[num_rxns_9, num_mets_9] = countActive(model_9,sol_9);
[num_rxns_10, num_mets_10] = countActive(model_10,sol_10);
[num_rxns_11, num_mets_11] = countActive(model_11,sol_11);

table = [sol_1.f, num_rxns_1, num_mets_1
         sol_2.f, num_rxns_2, num_mets_2
         sol_3.f, num_rxns_3, num_mets_3
         sol_4.f, num_rxns_4, num_mets_4
         sol_5.f, num_rxns_5, num_mets_5
         sol_6.f, num_rxns_6, num_mets_6
         sol_7.f, num_rxns_7, num_mets_7
         sol_8.f, num_rxns_8, num_mets_8
         sol_9.f, num_rxns_9, num_mets_9
         sol_10.f, num_rxns_10, num_mets_10
         sol_11.f, num_rxns_11, num_mets_11];

clear num_rxns_1 num_mets_1 num_rxns_2 num_mets_2;
clear num_rxns_3 num_mets_3 num_rxns_4 num_mets_4;
clear num_rxns_5 num_mets_5 num_rxns_6 num_mets_6;
clear num_rxns_7 num_mets_7 num_rxns_8 num_mets_8;
clear num_rxns_9 num_mets_9 num_rxns_10 num_mets_10;
clear num_rxns_11 num_mets_11;

%%
model_tmp = model_11;
sol_tmp = sol_11;
idx = sol_tmp.x ~= 0;
z1_tmp = model_tmp.rxns(idx);
z2_tmp = printRxnFormula(model_tmp,'rxnAbbrList',z1_tmp,'metNameFlag',1);
z3_tmp = sol_tmp.x(idx);

           

圖檔展示安裝全過程。

1. 本地安裝工具箱，可以通過直接官網下載下傳，也可以克隆到本地

   

   2）基于git桌面版進行克隆

   

   3）調用testALL 檢查是否安裝成功

   

4）手動加載工具包

後記

系列目的： 前期學習中網上缺少相關文章、文獻、資料對生物模型的應用從基礎到實踐的進行總結。同時由于領域中真正掌握相關知識技巧的不多且請教學習時經常碰壁，是以将學習過程的積累分享總結，文中的定義、分析是根據文獻收集和自身知識背景描述隻供參考。對文中内容存在疑問或是指正的可以私信于我，或是添加qq：1602480875 進行聯系說明。

相關系列後續也會提前釋出在我的github ：

[1]劉傑. 典型工業微生物基因組規模代謝網絡模型的建構與解析. 江南大學.

[1]葉超. 應用代謝網絡模型解析工業微生物胞内代謝[J]. 生物工程學報, 2019, Vol.35Issue(10):1901-1913.