编辑推荐：
本综述聚焦培养肉领域，探讨基因组规模代谢模型（GEMs）如何助力解决关键代谢挑战，如无血清培养基开发、细胞系特异性培养基优化及细胞工程策略。还展望了扩大代谢数据集、整合多组学数据等方向，为培养肉产业化提供思路。
培养肉中的基因组规模代谢模型：进展、挑战与未来方向
培养肉作为融合干细胞生物学、组织工程和生物加工的新兴领域，旨在提供传统肉类的可持续替代方案。然而，其大规模应用面临关键代谢挑战，包括无血清培养基开发、细胞系特异性生长条件优化及细胞工程策略提升。基因组规模代谢模型（Genome-scale Metabolic Models, GEMs）已在生物制造主力物种中国仓鼠卵巢（CHO）细胞的代谢条件优化中发挥重要作用，类似策略可应用于培养肉领域。
培养肉代谢模型现状
GEMs 整合生物体的基因、反应、代谢通路及基因 - 蛋白 - 反应关系，基于网络特性可融合基因组、转录组、蛋白质组、代谢组和表观基因组数据，为人工智能（AI）应用提供基础。尽管尚未有专门针对培养肉的 GEMs，但公开的农业相关物种模型（如牛 GEM CattleCyc、鸡 GEM iES1300、三文鱼 GEM SALARECON 等）可作为开发培养肉细胞系特异性模型的基础。例如，CattleCyc 通过鉴定牛基因组中芳香胺 N - 乙酰转移酶和超氧化物歧化酶 1 等重复基因，揭示其与增重和肉嫩度的关联；iES1300 分析细胞类型间代谢差异，发现棕榈酰辅酶 A 生成、鞘脂和甘油磷脂代谢与生物量增加相关。CHO 细胞培养的丰富数据也可作为培养肉模型的初步参考。
无血清培养基开发
培养肉生产成本的 30-90% 与细胞培养基相关，胎牛血清（FBS）的使用不仅昂贵且来源有限，还引入批次间差异。CHO 细胞无血清培养基的开发经验为培养肉提供借鉴，如 Ham’s F10/F12 培养基通过替换血清成分（白蛋白、胎球蛋白、亚油酸等）实现无血清培养，关键成分如胰岛素、转铁蛋白、乙醇胺、硒（ITS）及锌（胰岛素替代物）已被广泛应用。目前培养肉领域的无血清培养基配方多包含白蛋白、生长因子（如成纤维细胞生长因子 2、转化生长因子 β）及特定氨基酸、脂肪酸等，其开发正朝着降低成本和提高稳定性的方向推进。
细胞系特异性培养基优化
培养肉需生产多种细胞类型，不同细胞系的遗传变异要求培养基和生物工艺优化。在 CHO 细胞中，GEMs 结合 RNA 测序和代谢通量分析（FBA），通过靶向基因上调和营养补充优化生物量和抗体产量。细胞分化过程中的代谢转变（如从糖酵解向氧化代谢的转变）进一步要求动态培养基设计，动态 FBA（dFBA）和基因组规模 dFBA（GS-dFBA）可追踪代谢变化，指导不同阶段的营养供给和废物管理。此外，共培养系统中细胞间的代谢相互作用需通过动态多物种代谢建模（Dynamic Multispecies Metabolic Modeling）解析，以应对细胞信号传导和微生物组调控的挑战。
细胞工程策略
细胞工程通过优化生长、蛋白表达和代谢效率提升生产效能。CHO 细胞的基因编辑案例（如敲除促凋亡基因延长培养寿命、自分泌胰岛素和转铁蛋白减少培养基依赖）为培养肉提供参考。培养肉细胞系的基因修饰（如成纤维细胞生长因子 2（FGF2）和 Ras 的自合成、细胞周期蛋白依赖性激酶 4（CDK4）过表达）已获专利，但需应对监管和公众认知挑战。GEMs 可识别基因编辑靶点，如通过敲除或过表达基因减少宿主细胞蛋白杂质、增强风味前体（如二乙酰、挥发性硫化合物、肌苷酸（IMP）和鸟苷酸（GMP））的生成，改善肉品风味。
未来展望与挑战
GEMs 在培养肉中的应用需依赖公开代谢数据集（如生物量组成、代谢通量、营养摄取率）的扩展，以提升模型预测准确性并整合 AI 优化培养基设计。当前农业相关物种 GEMs 缺乏实验验证，且需开发品种和细胞系特异性模型以应对代谢差异。未来研究应整合转录组和蛋白质组数据，结合 AI 驱动的多目标优化，解决生物反应器设计、共培养代谢互作等挑战。通过 GEMs 与代谢工程的结合，培养肉有望克服成本、效率和可持续性瓶颈，成为传统畜牧业的可行替代方案。
