CellTarget：一种用于发现细胞目标的凸优化方法

《npj Systems Biology and Applications》：CellTarget: a convex optimisation approach to discover cellular objectives

　　

摘要

代谢网络模型在系统生物学和合成生物学中被广泛用于研究从微生物到哺乳动物的细胞代谢过程。然而，由于细胞内通量测量的数据相对于网络规模而言较为稀缺，这些模型在哺乳动物细胞中的应用仍然受到限制。因此，哺乳动物的代谢模型通常信息不足，需要基于优化假设来进行求解。与微生物系统不同，哺乳动物细胞通常并不以最大化生长为目标，这使得目标的明确指定变得尤为困难。为了解决这一限制，我们提出了CellTarget算法，该算法能够直接从实验通量数据中推断出细胞的目标。CellTarget结合了凸形通量平衡分析（FBA）模块和误差最小化模块，通过迭代调整目标系数来提高预测通量与实际测量通量之间的一致性。通过对凸形FBA优化问题进行隐式微分，可以获得梯度，从而实现推断出的目标系数的反向传播以及两个模块的联合优化。在多种实验条件下（包括生产型和非生产型的中国仓鼠卵巢细胞系（CHO）细胞、不同生长阶段、不同目标维度以及不同规模的网络），CellTarget均表现出准确的前向通量预测能力，并且优于现有的基准逆向FBA方法。研究结果表明，细胞目标的非唯一性较为显著，预测准确性更多地受到网络约束的影响，而非目标本身的特异性。