综述：代谢建模：洞察植物代谢的“机械室”

这篇综述系统阐述了植物代谢网络建模（CBM）的最新进展，涵盖基因组尺度模型（GSMM）、时空动态建模及植物-微生物互作研究，重点介绍了机器学习（ML）辅助的模型重建与通量分析技术，为作物改良和合成生物学提供了in silico（计算机模拟）研究范式。

　　

代谢建模：解码植物代谢网络的“机械室”

植物通过复杂的代谢网络协调生长、发育与环境响应。约束性建模（CBM）以反应化学计量为基础，结合通量平衡分析（FBA），成为研究植物代谢网络的核心工具。与依赖酶动力学的建模相比，CBM仅需稳态假设和热力学约束，即可预测全基因组尺度（GSMM）的代谢行为。从2009年首个大麦种子代谢模型到如今涵盖拟南芥、玉米、水稻等作物的多组织模型，该领域已实现从静态细胞模型到时空动态系统的跨越。

细胞代谢模型：从基础研究到农业应用

早期研究通过拟南芥模型解析能量代谢与环境应激响应。随着基因组注释工具（如PlantSEED）的发展，模型覆盖物种从模式植物扩展到木薯、麻风树等非模式物种，并整合了尼古丁、类黄酮等次级代谢途径。组学数据（如转录组、SNP）的引入进一步实现了基因型与环境特异性建模，例如通过同位素标记数据优化油菜籽油脂合成模型。

时空建模：揭示代谢的维度复杂性

空间模型通过耦合组织特异性子模型（如C₄植物的叶肉与维管束鞘细胞）模拟代谢分工。时间分辨率模型则通过伪稳态区间（如昼夜循环）追踪淀粉动态，解析CAM植物的节水机制。例如，真空储存容量被确定为CAM效率的关键限制因子，而线粒体磷酸载体对质子稳态至关重要。

植物-微生物互作：从共生到病原体博弈

代谢模型揭示了豆科植物-根瘤菌共生中氮固定的能量代价，以及病原体（如Pseudomonas）劫持宿主代谢的策略。合成微生物群落（SynComs）模型进一步预测了根际菌群的营养级联效应，为设计促生菌群提供蓝图。

机器学习：重建与分析的“加速器”

深度学习工具（如DLKcat、UniKP）预测酶动力学参数（k_cat），弥补了植物酶数据缺失的瓶颈。语言模型辅助的基因组注释（如SUBA4定位数据库）提升了转运反应预测精度。通量数据的降维分析（如t-SNE）则帮助识别葡萄成熟期的关键代谢标志物。

混合建模：突破稳态局限

整合动力学模型可模拟非线性过程（如源-库碳分配），而功能-结构模型将玉米根系的解剖特征转化为细胞特异性代谢约束。作物生长模型的耦合更实现了田间尺度的产量预测，如干旱诱导的水稻早衰代谢机制。

挑战与未来方向

次级代谢途径的酶多效性仍是网络重建的难点，而FAIR原则（如SBML格式、MEMOTE质检）需成为模型共享的标准。随着植物泛基因组资源的丰富，代谢建模将迈向“泛基因组-代谢”时代，为作物驯化与气候适应性研究开辟新路径。

这篇综述展示了代谢建模如何从实验室走向田间，成为解码植物生命奥秘的“数字化机械师”。