kinGEMs：通过深度学习预测动力学参数的随机调优构建资源受限模型的稳健可扩展框架

《PLOS Computational Biology》：kinGEMs: A robust and scalable framework for resource-constraint models through stochastic tuning of deep learning-predicted kinetic parameters

　　

酶约束基因组尺度模型（ecGEMs）的构建仍然是系统生物学中的一项关键挑战，受限于动力学数据稀疏以及需要具有生物学意义的表示。本工作提出了一个集成框架，将CPI-Pred（一种从序列和化合物嵌入预测动力学参数（k_cat）的深度学习模型）与kinGEMs（一个将这些不确定性感知参数整合到ecGEMs中以进行代谢优化的流程）相结合。通过利用多尺度的表示，该方法捕获了序列、结构和动力学数据，以增强模型的泛化性和准确性。严格的基准测试表明，该框架能够预测与实验观察和实测蛋白质组分数一致的增长速率和通量，将中位通量变异性降低数倍，并通过明确考虑ML预测动力学参数中固有的不确定性来产生约束更好的代谢模型。kinGEMs成功地为93个模型生成了ecGEMs，涵盖了系统发育多样化的生物体集合，包括革兰氏阴性和革兰氏阳性细菌、分枝杆菌、寄生原生生物、真菌和哺乳动物细胞系。这些创新打破了将ecGEMs应用于非模型生物的障碍，并为更具工业相关性的宿主中的代谢工程和合成生物学开辟了新途径。

**研究背景与问题**

基因组尺度代谢模型（GEMs）在理解细胞代谢方面发挥了重要作用，能够预测生长表型、代谢通量和遗传及环境扰动响应。然而，传统化学计量学GEMs仅受质量平衡和热力学约束，通过通量平衡分析（FBA）产生的解空间往往过于宽泛，难以做出可操作的预测。酶约束GEMs（ecGEMs）通过整合动力学参数和蛋白质组分配约束来收窄可行通量空间，但准确ecGEMs的构建严重受限于动力学参数的可用性。例如，大肠杆菌（E. coli）模型约89%的代谢酶缺乏来自BRENDA的k_cat值。自动化工具如AutoPACMEN虽可从BRENDA和SABIO-RK系统检索k_cat数据，但即使多数据库整合，覆盖率仍然有限。这一数据稀疏性问题在将ecGEMs扩展到非模型生物或整合非天然途径时更为突出。

近年来，基于Transformer的蛋白质语言模型（如ESM和ProtTrans）在提取序列表示方面展现出显著能力，分子指纹框架（如d-MPNN和ECFP）使得化合物-蛋白质相互作用预测成为可能。DLKcat、UniKP、RealKcat和CatPred等深度学习方法已被应用于从蛋白质序列和化合物信息预测酶动力学。然而，将动力学参数预测转化为功能性、可扩展的ecGEMs仍存在关键差距：第一，现有基准主要关注单个体内动力学参数预测的准确性，而未系统评估预测误差如何传播到模型层面的表型；第二，当前方法生成静态参数估计，无法捕获酶动力学的动态特性；第三，动力学参数预测方法在分类学多样化生物体中的泛化性尚未在大规模上得到验证。因此，研究人员开发了一个综合流程，将动力学参数预测与自动化ecGEMs构建、优化和验证相耦合。

**关键技术方法**

研究人员采用CPI-Pred多模态深度学习模型，结合蛋白质语言模型嵌入（ESM-2）与分子编码来预测k_cat、K_M、K_I和k_cat/K_M。预测结果自动整合到基线GEM中生成ecGEM，约束公式处理同工酶、酶复合物和混杂酶。采用模拟退火优化在CPI-Pred衍生的不确定性范围内迭代精炼k_cat值，以生物体特异性生长为验证信号。使用通量变异性分析（FVA）评估模型精度，以13C代谢通量分析（MFA）数据评估准确性。蛋白质组验证使用Schmidt等人的绝对定量数据集，涵盖15种生长条件。在93个BiGG模型上进行可扩展性测试，并以Rhodotorula toruloides为对象验证非模型生物的通用性。

**研究结果**

**精度：约束解空间。** 通过FVA消融实验，研究人员发现酶约束的渐进整合系统性地降低了近最优空间的通量变异性。中位通量变异性从基线GEM的4.7单调下降至完全约束模型的0.05，相当于94倍的降低。然而，完全约束模型的生长速率也大幅下降，经模拟退火调优后中位通量变异性为2.5，仍较基线降低近2倍，同时恢复了生物量生产。与13C MFA数据的比较表明，酶约束模型产生的通量范围显著更窄且更接近实验值。在葡萄糖归一化基础上，调优后模型的FVA区间宽度最窄（W_FVA=7,683），优于基线（8,384）。平均均值距离方面，调优前模型与MFA最为一致（24.0%葡萄糖摄取），其次为调优后模型（53.0%），基线GEM最差（65.2%）。

**准确性：与蛋白质组和表型数据的一致性。** 在15种条件和4种k_cat来源下，预测的酶丰度与Schmidt等人测量的蛋白质丰度显示出一致的中等一致性（Pearson r范围0.27-0.46）。交叉条件泛化分析表明，匹配调优（r=0.336）和跨条件转移（r=0.335）之间的平均蛋白质组相关性统计上不可区分，表明模拟退火主要在高丰度、负载基因间重新分配酶质量，而非过拟合特定条件。

**非模型油脂酵母的泛化：Rhodotorula toruloides资源分配。** 研究人员从rhto-GEM重建了R. toruloides的酶约束模型，覆盖六种碳源×生长阶段组合。仅以生长速率为目标，kinGEMs恢复了Rekena等人报道的NADPH在氮同化和脂肪生成之间的分配转换：GDH1从65%降至3%的胞质NADPH消耗，而FAS1-2从9%升至88%。在木糖上，NADP依赖性木糖还原酶（XR）承载了全部木糖摄取并主导NADPH需求。 predicted通量还恢复了底物特异性途径路由，包括葡萄糖氮限制下oxPPP与磷酸酮醇酶的耦合、木糖上D-阿拉伯糖醇/D-核酮糖旁路的使用以及乙酸上乙酰辅酶A合成酶和乙醛酸循环的参与。

**乙酸溢出的涌现恢复。** 三个酶约束模型（iAF1260、iML1515、iJO1366）均高保真地再现了碳摄取与生长速率之间的定性关系（r=0.99），并预测乙酸分泌起始生长速率接近实验共识阈值（iAF1260: 0.66 h^-1；iML1515: 0.80 h^-1；iJO1366: 0.56 h^-1），显著优于无约束FBA模型。

**讨论与结论**

讨论部分指出，本研究将基于机器学习的动力学预测与ecGEMs的自动化构建和精炼相结合，提供了同时提高模型精度和准确性的可扩展路径。核心发现是渐进整合酶约束可降低通量变异性，但更紧的约束也引入了与可实现生长的权衡。模拟退火框架提供了一种系统方法来开发具有生物学正确约束的ecGEMs，其靶向主导全局酶预算的酶并在CPI-Pred衍生的不确定性范围内扰动其k_cat值，而非通过单一平均饱和因子全局放松酶质量约束。混杂酶公式产生了最大的通量变异性降低之一，支持了酶跨反应复用是化学计量ecGEMs中简并性主要来源的假设。膜相关和运输过程显示出最大、最一致的上调偏移，表明跨膜通量在初始ML-based k_cat分配中可能被低参数化。在93个BiGG模型上的可扩展性测试表明，E. coli/Shigella模型显示出最小的中位偏差（8%），该偏差随系统发育距离增加而增大，真核模型组表现出最大的中位偏差和最宽的分布。研究结论部分翻译如下：研究人员提出了一个统一框架，将基于机器学习的动力学预测（CPI-Pred）与酶约束基因组尺度模型（kinGEMs）的自动化构建和精炼相耦合。通过沿两个互补轴——精度（以可行通量范围的收缩来衡量）和准确性（以与实验通量和表型数据的一致性来衡量）——对ecGEMs进行基准测试，研究人员提供了一种实用的评估方法学，用于评估预测动力学在基于约束的建模中的下游影响。酶约束的消融实验表明，酶信息约束大幅降低了通量变异性，证明了通过更紧且更具信息量的解空间提高了精度。针对13C MFA的通量水平验证进一步表明，酶约束，特别是与参数调优相结合时，改善了与实验测量通量范围的重叠。为解决可行性和生物学真实性问题，研究人员引入了一种模拟退火方法，在CPI-Pred衍生的相对不确定性范围内调优预测的k_cat值，同时维持细胞酶分配的现实限制。这种可调性使ecGEMs能够在不依赖全局放松且生物学上不合理的酶质量假设的情况下，调和不完美的分子预测与生物体和条件特异性的系统级约束。总之，这些结果支持以下观点：精度是可操作基因组尺度预测的前提，但增强精度的约束必须与不确定性感知的精炼方法配对以实现准确性。kinGEMs为在模型和非模型生物中构建和验证ecGEMs提供了可扩展的路径，并为未来整合额外动力学参数和多组学约束以构建精确、条件感知的机制性全细胞模型奠定了基础。