基因组代谢网络（GEMS）与全基因组模型从入门到实践系列-----（1）模型构建环境的布置

全文目录

• 0 前言说明
• 一、基因组代谢网络（GEMS）介绍
• • 1.1 定义
  • 1.2 发展背景
  • 1.3 应用领域与运用场景
• 二、代谢网络模型的资料学习网站
• • 2.1 官方资料地址
  • 2.2 相关软件的下载地址
  • 2.3 相关文献与实例汇总（持续更新）
• 三、安装过程的分步讲解
• • 3.1 安装的流程(图片流程见文末)
  • 3.2 安装过程可能出现的问题
  • 3.3 安装过程出现问题的解决方法
• 四、文献案例的应用分析（框架分析）
• • 4 示例来源
  • 4.1 应用的流程框架
  • 4.2 文献结果的展示
  • 4.3对文献中模型的评价
  • 4.4 模型部分代码与注释（详细分析见本系列后续）
• 图片展示安装全过程。
• 后记

0 前言说明

本系列内容说明： 本系列是针对生物研究中的模型种类进行分析介绍，作为**微生物群落相互建模系列的组成一部分。分阶段的介绍代谢网络模型从入门的环境的搭建，到指导湿实验过程全流程分享。探讨基于生物模型对群落中相互作用方式进行，探究挖掘不同生物间的进化关系。

系列的目录文章地址：https://blog.csdn.net/qq_33980829/article/details/118958463

一、基因组代谢网络（GEMS）介绍

1.1 定义

1. （GEMS）基于微生物基因组信息、转录组学、蛋白组学网络构建的底盘细胞水平的代谢网络模型。
2. 初始的代谢网络模型是以代谢通量平衡为核心，考虑代谢通路中代谢物的原子、电荷、物质浓度进行平衡。求解平衡中不同物质的代谢变化，目标底物的理论转换量。
3. 随着组学技术的发展、对微生物代谢知识的积累。研究过程开始将热力学、多组学信息、底物相互作用等背景引入代谢网络的构建。发展出全基因组规模的代谢网络模型（全细胞水平代谢网络模型），更加全面模拟微生物生长中的代谢通路流量的方向指导对底盘细胞的代谢通路设计，构建出目标产物产量更高的生物工厂。
4. 目前对代谢网络构建有许多的网站与模型，例如：https://github.com/franciscozorrilla/metaGEM 本系列主要针对于通用的COBRA Toolbox v.3.0进行分享。

底盘细胞：利于基因工程的微生物、有明确清晰的遗传背景。方便进行改造生产目标产物。

全基因组规模的代谢网络模型：考虑目标菌株全部的基因的表达、转录、翻译过程，充分模拟生长过程的代谢变化，但由于其计算量较大且目前积累的知识不能较好反应微生物体内发生真实过程。目前该方法任然处于理论探究与小范围的尝试中。具体可以参考文献：待待待续续

代谢网络的核心：代谢网络模拟过程本身是求解线性规划问题，假设生物中代谢网络总是趋向于热力学上最优、资源利用最大化。代谢流向只与环境中物质的浓度相关，不考虑微生物生长过程的其他代谢调控方式。在应用过程存在较大局限性，主要作为代谢改造理论指导。

1.2 发展背景

1. 待续

1.3 应用领域与运用场景

1. 运用于代谢改造过程的指导
2. 分析群落中环境变化对微生物生长的影响

3. 探究不同微生物之间的的代谢相互作用。

   （具体案例分析待续）

二、代谢网络模型的资料学习网站

2.1 官方资料地址

1. 官方的发表的软件说明文章地址：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. 官网学习的案例地址

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

3. 相关发表的文献

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

2.2 相关软件的下载地址

1. 代码库地址

   https://github.com/opencobra/cobratoolbox

2. 线性规划求解器地址（后续会详细讲解安装过程）

   https://www.gurobi.com/

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

3. 其他解释器下载地址（读取生物代谢格式的安装包）

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

2.3 相关文献与实例汇总（持续更新）

1. 基于代谢网络探究乳酸菌乳酸生成对代谢的影响

   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).（文献解读地址）

2. 酵母产多胺的代谢改造构建

   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（文献解读地址）

3. 基于代谢网络探究群落中的代谢相互作用。

   Kumar, M. , et al. “Modelling approaches for studying the microbiome.” Nature Microbiology 4.8(2019):1253-1267.（文献解读地址）

三、安装过程的分步讲解

3.1 安装的流程(图片流程见文末)

1. 提前安装 matlab 建议版本在2018a以上。
2. 下载代码库中的代码
3. 在matlab中安装COBRA工具包
4. 调用testALL程序检查是否安装完整
5. 安装缺少的求解器、补全缺少的组件
6. 能够完整运行表明安装成功。

3.2 安装过程可能出现的问题

1）下载的代码不全，推测是由于该工具经常更新部分功能在更新过程中未包含在工程文件中导致读取失败。此时需要把工具完整的克隆到本地的文件夹中。

2）缺少部分解释器：由于初始安装中并未包含全部的线性规划求解器且一些求解器需要商业付费。因此需要根据需求进行到对于官网去下载更新，同时要主要下载的解释器是否仍然处于维护状态，调用的一些解释器已经停止更新会导致运行时不兼容。

3）数据读取过程的失败，此时要检查代码运行过程中是否满足版本、系统的条件。部分解释器只适用于特定系统，在进行建模运行时文章的用的解释器未安装、或安装错误时都会包一些奇怪的错误。

3.3 安装过程出现问题的解决方法

1）代码克隆可以下载 git客户端，将全部工程文件保存到本地。同时利于同步更新。

2）解释器可以在代码中现在调用的种类（已经成功安装的）

3）读取模型错误，可以参考上文提供的网站下载地址。

四、文献案例的应用分析（框架分析）

4 示例来源

• Engineering yeast metabolism for the discovery and production of polyamines and polyamine analogues（详细解读地址）

4.1 应用的流程框架

1） 获取底盘细胞模型：模型与通路来源：网站https://metacyc.org/

2） 导入底盘细胞模型：yeast_7.6_COBRA

3） 根据改造需求加入对应的反应：文章加入了3种途径类型

4） 设置对应改造酶的活性

5） 进行通量计算：求解最优的代谢路径

6） 计算反应中产物的转换效率

7） 获取底物中参与反应的数目与代谢物数目

8） 选择理论转化效率最高的通路

9） 进行湿实验验证

10） 利于代谢工程中酶技术对相关关键酶进行替换，选择进行关系差异较大的酶进行替换目的是增加酶序列的搜索空间。

11） 设计不同的通路流向观察结果，并对多聚物的代谢种类进行分析。建立多聚物与代谢通路的相关性。

12） 基于发酵过程进行优化提升产量

13） 解释新的代谢通路对于底盘细胞的影响

文章应用流程图：

4.2 文献结果的展示

• 构建的7种代谢通路

  

4.3对文献中模型的评价

• 本文以酵母为模板加入异源反应途径进行代谢流量的通量预测分析。
• 文章只是简单用模型来预测理论产量，选择最基础的通量模型进行求解。没有将模型的优势充分发挥出来没有将湿实验的结果反映到模型改进过程。缺少整体过程循环的流程，模型->实验->结果分析->修改模型->实验。
• 文章从代谢模型应用指导代谢改造的角度上是比较基础且简单的，是很好的入门学习材料。

4.4 模型部分代码与注释（详细分析见本系列后续）

% cd ../../../GitHub/cobratoolbox;
% initCobraToolbox;
%导入数据
%% 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
%设计不同类型的代谢通路
% 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); %求解的产物，设定需要观察的目标产物， M11_4为底物编号
sol_11 = optimizeCbModel(model_11,'max','one');%求解目标产物的最大转换率，设置求解参数，

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);

           

图片展示安装全过程。

1. 本地安装工具箱，可以通过直接官网下载，也可以克隆到本地

   

   2）基于git桌面版进行克隆

   

   3）调用testALL 检查是否安装成功

   

4）手动加载工具包

后记

系列目的： 前期学习中网上缺少相关文章、文献、资料对生物模型的应用从基础到实践的进行总结。同时由于领域中真正掌握相关知识技巧的不多且请教学习时经常碰壁，因此将学习过程的积累分享总结，文中的定义、分析是根据文献收集和自身知识背景描述只供参考。对文中内容存在疑问或是指正的可以私信于我，或是添加qq：1602480875 进行联系说明。

相关系列后续也会提前发布在我的github ：

[1]刘杰. 典型工业微生物基因组规模代谢网络模型的构建与解析. 江南大学.

[1]叶超. 应用代谢网络模型解析工业微生物胞内代谢[J]. 生物工程学报, 2019, Vol.35Issue(10):1901-1913.