整合多组学、机器学习与基因组规模建模推断代谢调控的路线图

《npj Metabolic Health and Disease》：Roadmap for inferring metabolic regulation using multiomics, machine learning, and genome-scale modeling

　　

机器学习和基因组规模代谢建模（genome-scale metabolic modeling, GEM）加速了模式微生物和哺乳动物细胞中代谢调控关系的发现。本综述提供了一条整合组学数据与计算方法研究系统水平转录调控、翻译后修饰（post-translational modifications, PTMs）和别构调控（allostery）的路线图。开发同时推断并整合多种调控机制的方法，对于发现新型代谢调控模式和精准工程化改造代谢网络至关重要。

主体内容总结

代谢调控的机制

代谢调控主要通过三大类机制控制代谢酶的丰度和活性：转录调控（transcriptional regulation）、翻译后修饰（PTMs）和别构调控（allostery）。转录调控指通过遗传水平控制酶丰度，而PTMs和别构调控则调节酶活性。这三类机制可组合作用于关键细胞过程，但由于代谢调控网络的复杂性和规模，以及不同调控机制作用于不同时间尺度，各机制间的分工目前尚不清楚。

转录调控

转录调控通过调控DNA向mRNA的转录过程来控制可用酶的浓度。相对于PTMs和别构调控，转录调控作用较慢。原核生物因细胞体积小且缺乏细胞核，比真核生物更依赖转录调控。转录因子是感知胞内信号并结合DNA调控位点以激活或抑制转录的蛋白质。人类基因组估计含有约1600个转录因子，而大肠杆菌基因组约含300个转录因子。表观遗传修饰也参与转录调控，包括组蛋白PTMs和DNA甲基化。组蛋白PTMs通过诱导常染色质或异染色质结构控制染色质折叠。DNA甲基化通常通过抑制转录因子结合或招募抑制蛋白来抑制转录。转录后调控（如非编码RNA、microRNAs）也正逐渐成为细胞代谢的重要调控组分。

翻译后调控

翻译后修饰（PTMs）是共价蛋白质修饰，可提供对酶活性的快速调控。PTMs通常是可逆的，可改变蛋白质的构象、稳定性或定位。最常研究的PTMs包括磷酸化、乙酰化、甲基化和泛素化。磷酸化是真核生物中最常见的PTM，通常修饰丝氨酸、苏氨酸或酪氨酸残基。乙酰化由赖氨酸乙酰转移酶（KATs）催化，可被赖氨酸去乙酰化酶（KDACs）逆转。乙酰辅酶A的浓度已知可驱动酿酒酵母中的乙酰化。

别构调控

别构调控描述小分子（效应物）与酶之间的快速、短时、非共价相互作用。效应物结合在酶活性位点之外的位点，引起构象变化从而抑制或激活酶活性。反馈抑制（或激活）涉及代谢物调节其合成上游酶的活性，通常发生在途径的"承诺步骤"。别构调控在真核生物和原核生物中高度保守，且因其对靶蛋白的高特异性而被广泛研究其治疗潜力。

组合调控与分工

虽然特定调控机制的功能通常已被充分理解，但同时检查多种调控模式并评估不同机制对代谢控制的相对影响仍具挑战性。碳分解代谢物阻遏（carbon catabolite repression, CCR）作为微生物中的全局代谢控制机制，是复杂过程如何由众多控制系统调控的基本示例。CCR通过组合利用转录、翻译后和别构调控来实现对优选碳源的感知和替代碳源的回避。

代谢调控研究的数据驱动方法

计算工具（包括机器学习和基因组规模代谢建模）已推进了我们对代谢调控的理解。机器学习指数据驱动的数学模型，可预测新数据或聚类数据，特别适用于分析规模过大而无法通过其他方式解析的生化数据。数据驱动分析可定位新型化学相互作用，从而缩小潜在代谢调控网络特征的巨大搜索空间。

转录调控研究的数据驱动方法

转录调控网络（transcriptional regulatory network, TRN）重建是发现新型代谢调控因子最常用的计算方法之一。独立成分分析（Independent Component Analysis, ICA）是一种无监督机器学习算法，可从混合信号中识别统计独立的成分。ICA利用RNA-seq数据以自上而下的方式计算重建调控子，这些计算衍生的调控子被称为iModulons。该方法已应用于多种生物体，包括大肠杆菌、枯草芽孢杆菌、结核分枝杆菌、恶臭假单胞菌和白色链霉菌。基因调控网络（gene regulatory networks, GRNs）是TRN的超集，可包含转录因子活性以外的调控模式。利用蛋白质组学预测酿酒酵母代谢组的研究，基于岭回归模型的特征重要性提出了候选代谢调控基因集。机器学习还可用于从大规模数据中识别调控因子，不仅通过预测表型，还通过量化输入特征在预测中的相对重要性。

翻译后调控研究的数据驱动方法

基于质谱（mass spectrometry, MS）的技术已被广泛用于鉴定PTMs，为模型训练提供了丰富数据。通过无监督聚类分析来自11种癌症类型1110名患者的MS蛋白质基因组学数据，识别了癌症特异性PTMs。机器学习方法也被开发用于从基于MS的蛋白质组学中识别推定的调控性PTMs。代谢调控因子比较分析（Comparative Analysis of Regulators of Metabolism, CAROM）利用GEMs的系统水平数据，通过机器学习识别大肠杆菌、酿酒酵母和哺乳动物细胞中PTMs的调控作用。CAROM采用13个特征（包括网络拓扑和酶特性）预测乙酰化和磷酸化靶标。调控代谢分支分析（Regulated Metabolic Branch Analysis, RuMBA）结合基因组规模建模、基因组编辑和分子动力学模拟识别PTM调控位点。机器学习还被用于基于结构特征预测磷酸化模拟突变或磷酸化后蛋白质稳定性的变化。蛋白质语言模型（如ESM-2）也越来越多地被用于预测PTM位点。

别构调控研究的数据驱动方法

全基因组代谢模型（GEMs）可用于预测代谢基因必需性和代谢通量，以推断潜在的别构调控关系。SCOUR框架结合多种算法以减少机器学习预测别构调控反应时的偏差。基于结构的机器学习方法已被用于预测别构调节剂结合位点。此外，结合代谢物与酶结构的计算方法可识别潜在的别构调控相互作用。

组合调控研究方法

整合多种组学数据类型（多组学）的计算方法对于研究组合调控至关重要。Metab8D是一个从多组学和机器学习构建的代谢调控组网络，可同时推断多种调控模式。这类方法利用匹配的转录组、蛋白质组和代谢组数据，通过监督学习预测代谢物浓度变化，并识别跨调控模式的关联。整合多种调控机制的计算框架对于全面理解代谢调控网络和精准工程化代谢网络至关重要。