编辑推荐：
在生化网络研究中，反应动力学参数值获取困难制约模块识别。研究人员基于稳态反应速率耦合，在含质量作用动力学的大规模网络中识别动力学模块，发现有序结合机制可增强代谢物浓度稳健性，为合成生物学等提供新方向。
在生命的复杂运作中，生化网络如同精密编织的 “分子互联网”，支撑着细胞的各项功能。然而，当面对环境变化或内部扰动时，网络如何维持关键分子浓度的稳定，一直是困扰科学家的难题。传统的代谢建模虽能揭示部分稳态反应速率耦合关系，但因忽略反应动力学且依赖难以获取的参数值，无法全面解析网络模块的动态特性。此外，不同酶促反应机制（如有序结合与随机结合）如何影响浓度稳健性，在大规模网络中仍缺乏系统性研究。在此背景下，探索不依赖具体参数的动力学模块识别方法，及其与浓度稳健性的关联，成为理解生化网络功能的关键突破口。
为解决上述问题，研究人员开展了相关研究。虽然文中未明确提及研究机构，但研究者针对含质量作用动力学的大规模生化网络，开发了基于稳态反应速率耦合的动力学模块识别方法，并结合 34 个代谢网络模型（涵盖 26 种生物），深入分析了不同酶促机制下的浓度稳健性差异。该研究成果发表在《SCIENCE ADVANCES》，为生化网络的模块化分析提供了全新视角。
研究主要采用以下关键技术方法：通过矩阵（物种 - 复合物矩阵 Y、复合物 - 反应矩阵 A）描述生化网络结构，利用线性规划求解 concordance 模块，将代谢反应分解为基于有序或随机结合机制的基本步骤以适用质量作用动力学，借助通量平衡分析（FBA）鉴定 essential reactions，并结合统计检验（如 Fisher’s exact test）验证模块与基因 essentiality 的关联。
研究结果
基于 concordance 模块的动力学模块识别
研究发现，在质量作用动力学下，共享底物复合物的反应速率呈固定比例耦合，这种耦合关系可通过 concordance 模块刻画。 concordance 模块基于稳态通量分布中复合物活性的比例关系定义，通过线性规划可高效识别。结合网络有向图的强连通分量分析，可进一步确定动力学模块的组成，即非终端复合物构成的自主集若属于同一 concordance 模块或为平衡复合物，即可形成动力学模块。以 EnvZ-OmpR 系统模型为例，其非终端复合物与部分终端复合物构成绿色标注的动力学模块，展示了该方法在实际网络中的应用。
大规模代谢网络中的动力学模块
将方法应用于 34 个代谢网络模型（有序与随机结合机制），发现多数网络存在 “巨型动力学模块”。有序结合模型中，巨型模块包含的复合物比例显著高于随机结合模型，如 Synechocystis sp. 模型中占比达 29.37%，而随机结合模型中最大仅 1.4%。进一步分析表明，有序结合模型中更多反应的底物复合物属于巨型模块，其协同响应能力更强。此外，大肠杆菌有序结合模型的巨型模块中 essential reactions 显著更少，与生长稳健性的实验观察一致，暗示模块结构与网络抗干扰能力相关。
代谢网络中动力学模块的浓度稳健性
在质量作用动力学网络中，同一动力学模块内复合物的差异可决定代谢物的浓度稳健性：若仅相差单一代谢物，则该代谢物具绝对浓度稳健性（ACR）；若相差两种代谢物，则两者呈绝对浓度比稳健性（ACRR）。在大肠杆菌有序结合模型中，鉴定出 26 种具 ACR 的代谢物，包括 ATP 等关键辅因子，与实验证据吻合。在 62% 的有序结合模型中发现 ACR 代谢物，如质子、ADP、NAD (P) 等，且所有含巨型模块的模型均存在 ACRR 代谢物对。相比之下，随机结合模型的浓度稳健性代谢物数量显著较少，表明有序结合机制更利于维持浓度稳定。
其他生化网络中的浓度稳健性
将方法应用于信号网络（如 EnvZ-OmpR 系统），成功识别出游离（磷酸化）响应调节因子 OmpR 的浓度稳健性，拓展了方法的适用范围，显示其在非代谢网络中的潜力。
研究结论与讨论
本研究首次建立了不依赖动力学参数的动力学模块识别框架，揭示了网络结构与稳态动力学的内在联系。核心结论包括：动力学模块可通过 concordance 模块与网络拓扑分析高效鉴定；有序结合机制比随机结合更易形成大规模动力学模块，进而增强代谢物浓度稳健性；巨型模块的非 essential 特性与生长稳健性相关；ACR 和 ACRR 代谢物的鉴定为代谢稳态调控提供了新靶点。
研究意义深远：一方面，突破了传统模块分析依赖参数的局限，为复杂生化网络的动态模块化提供了普适方法；另一方面，阐明了酶促机制对浓度稳健性的影响，为理解细胞适应环境的分子基础提供了新视角。此外，预测的浓度稳健性代谢物可作为未来代谢组学实验的重要假设，推动定量生物学研究。该工作为合成生物学设计稳健的人工代谢通路、优化生物技术流程奠定了理论基础，开启了从模块视角解析生物网络功能的新方向。
