微生物中虾青素与脂质合成的动态平衡机制及协同高产策略研究

为解决虾青素(Astaxanthin)与微生物脂质(Microbial lipids)合成途径的代谢竞争与协同机制不明、产量受限等问题，研究人员系统综述了两者的生物合成关联性，提出多基因融合调控、同位素示踪代谢组学等创新策略，构建了基因-代谢通量-产量的双神经网络模型(GNN-MNN)，为食品微生物资源开发提供了理论依据与技术路径。

　　

在食品工业快速发展的今天，虾青素作为一种具有超强抗氧化能力（维生素E的500倍）的脂溶性类胡萝卜素，其全球市场规模预计将在2030年达到38.9亿美元。然而，当前主要生产菌株如雨生红球藻(Haematococcus pluvialis)和红法夫酵母(Phaffia rhodozyma)存在脂质含量低（<20%干重）、虾青素水溶性差（83 mg/L）等瓶颈，导致产量难以突破1 g/L。与此同时，富含多不饱和脂肪酸(PUFAs)的微生物油脂作为新型食品原料需求激增，两者在微生物合成途径中既存在乙酰辅酶A(Acetyl-CoA)底物竞争，又可通过酯化形成虾青素酯促进积累，这种复杂的动态平衡机制长期未被阐明。

为此，厦门大学（根据国家自然科学基金项目编号3502Z202473054推断）的研究团队在《Food Microbiology》发表综述，系统解析了虾青素与脂质合成三大阶段的互作关系：中心碳代谢阶段共享乙酰辅酶A；甲羟戊酸途径(MVA)与脂肪酸合成竞争NADPH；终产物阶段虾青素酯的形成可解除反馈抑制。研究创新性提出四维调控策略：通过CRISPR-Cas9基因编辑精确敲除ACC^*（乙酰辅酶A羧化酶）弱化脂质合成；利用AlphaFold预测限速酶三维结构指导改造；采用¹³C同位素示踪代谢组学量化通量分配；构建遗传神经网络(GNN)与代谢通量神经网络(MNN)双模型，实现从基因表达到底物分配的智能预测。

生物合成途径相关性
研究发现，在裂殖壶菌(Schizochytrium sp.)等产油微生物中，虾青素含量与脂肪酸呈负相关（r=-0.82），抑制DGAT（二酰基甘油酰基转移酶）可使虾青素产量提升37%。相反，在红法夫酵母中添加褪黑素可同步上调脂肪酸合成基因FAS和虾青素合成基因crtS，证明存在菌株特异性调控节点。

代谢调控策略
通过多基因融合技术将crtE-B-I三基因与脂质转运蛋白基因FABP串联表达，使虾青素酯占比从15%提升至68%。在解脂耶氏酵母(Yarrowia lipolytica)中构建的GNN-MNN模型预测显示，当MVA途径通量占比达43%时，虾青素与DHA产量可同步提高1.8倍。

研究意义
该研究首次揭示虾青素与脂质存在"竞争-协同"的双重关系：底物阶段通过乙酰辅酶A分流形成竞争，产物阶段通过酯化形成协同。提出的智能学习模型为食品微生物的精准育种提供了新范式，理论上可使虾青素工业化生产成本降低40%。未来通过优化解脂耶氏酵母等产油酵母的代谢网络，有望实现虾青素产量突破2 g/L的产业目标，推动功能性食品资源的可持续发展。

（注：ACC=Acetyl-CoA carboxylase；DGAT=Diacylglycerol acyltransferase；FAS^*=Fatty acid synthase）