《Synthetic and Systems Biotechnology》：EINN: An enzyme-informed neural network guided by an enzyme-constrained genome-scale metabolic model
编辑推荐：
从分子数据预测细胞代谢是系统生物学中的核心挑战，对工程微生物细胞工厂具有直接影响。全基因组规模代谢模型（GEMs）为此类预测提供了机制基础，但其准确性受到无法解释蛋白质组有限催化能力的限制。酶约束GEMs（ecGEMs）通过整合酶转换数（turnover nu
从分子数据预测细胞代谢是系统生物学中的核心挑战，对工程微生物细胞工厂具有直接影响。全基因组规模代谢模型（GEMs）为此类预测提供了机制基础，但其准确性受到无法解释蛋白质组有限催化能力的限制。酶约束GEMs（ecGEMs）通过整合酶转换数（turnover numbers）和蛋白质组分配约束来应对这一挑战。人工代谢网络（AMN）和代谢信息神经网络（MINN）等神经-机制混合模型试图将机器学习的灵活性与GEMs的结构相结合，但它们依赖传统的无约束代谢网络，使得通量预测可能违反酶容量约束，并将模型推向生物学上不现实的解空间。在此，研究人员引入了酶信息神经网络（EINN），这是一个依赖ecGEMs约束神经网络的概念框架。研究人员使用GECKO 3.0工具箱构建的大肠杆菌（E. coli）ecGEMs实现了EINN的两个变体ecAMN和ecMINN，并系统评估了它们的性能。与无约束对应模型相比，ecAMN通过消除收敛到不良局部最小值显著提高了训练稳定性和预测准确性，而ecMINN通过将蛋白质组数据作为通量界限进行机制整合，减少了过拟合并实现了更低的错误率。综合来看，这些结果表明，用酶容量限制约束神经网络的解空间比单独依赖传统GEMs是一种更有效的混合建模基础。
论文解读
**一、研究背景与问题**
全基因组规模代谢模型（Genome-scale metabolic models, GEMs）是系统生物学中用于预测微生物代谢行为的核心计算工具，基于约束优化方法如通量平衡分析（Flux Balance Analysis, FBA）来界定可行的代谢状态。然而，传统GEMs存在根本性局限：其一，无法考虑驱动代谢的酶蛋白的有限催化能力，导致其难以捕捉资源分配现象（如溢流代谢）；其二，定量预测精度有限，通常需要大量实验测量来约束模型。为解决这些问题，酶约束模型（enzyme-constrained models, ecModels）通过GECKO框架等工具将酶催化能力约束整合进模型结构，显著压缩了可行解空间。与此同时，混合建模方法将机器学习与机制模型结合，如人工代谢网络（Artificial Metabolic Network, AMN）和代谢信息神经网络（Metabolic-Informed Neural Network, MINN），将FBA计算嵌入可微分的神经网络架构中。然而，这些混合模型仍基于传统无约束GEMs，其预测可能违反酶容量约束，导向生物学上不现实的解空间。因此，研究人员提出酶信息神经网络（Enzyme-Informed Neural Network, EINN）框架，将酶约束GEMs（ecGEMs）嵌入混合模型的机制核心，以弥补这一空白。
**二、研究内容与结论**
研究人员开发了EINN概念框架，利用ecGEMs约束神经网络，并实现了两个具体变体：ecAMN和ecMINN。ecAMN将ecGEM嵌入AMN架构，ecMINN将其嵌入MINN架构。研究使用GECKO 3.0工具箱构建了大肠杆菌（Escherichia coli, E. coli）的酶约束模型eciML1515和eciAF1260，并系统评估了这些模型在预测准确性、训练稳定性、泛化能力和生物合理性方面的表现。结果表明，与无约束对应模型相比，ecAMN显著提高了训练稳定性和预测准确性，消除了收敛到不良局部最小值的问题；ecMINN通过将蛋白质组数据作为通量界限进行机制整合，减少了过拟合并实现了更低的错误率。该研究发表于《Synthetic and Systems Biotechnology》。
**三、主要关键技术方法**
研究人员采用了以下关键技术方法：（1）使用GECKO 3.0工具箱构建酶约束模型，整合DLKcat深度学习预测的kcat值和PaxDB蛋白质丰度数据，对eciML1515和eciAF1260进行酶约束扩展；（2）采用通量采样结合主成分分析（Principal Component Analysis, PCA）和通量变异性分析（Flux Variability Analysis, FVA）评估酶约束对解空间的影响；（3）构建二次规划（Quadratic Programming, QP）形式的机制层，设计可微分的复合损失函数实现端到端训练；（4）使用基于FBA的合成数据预训练储层组件（Reservoir），再进行下游参数学习的两阶段训练策略；（5）采用留一底物交叉验证（Leave-One-Substrate-Out, LOSO）和留一突变体交叉验证（Leave-One-Mutant-Out, LOMO）评估模型泛化能力。训练数据包括Faure等人提供的110组E. coli DH5α生长数据（用于ecAMN）和Ishii等人提供的29组E. coli K-12恒化培养多组学数据（用于ecMINN）。
**四、研究结果**
**4.1 使用GECKO 3.0构建酶约束iML1515和iAF1260**
通过通量采样和PCA分析，研究人员发现与传统GEMs相比，ecGEMs的可行通量分布形成紧凑聚类，解空间显著压缩。FVA分析显示，eciML1515的中位通量变异性从41.7降至4.88 mmol gDW?1 h?1，eciAF1260从18.7降至4.69 mmol gDW?1 h?1，压缩约一个数量级。酶投资高的通路（如中心碳代谢和氨基酸代谢）通量灵活性受限最大。在表型预测方面，ecGEMs在预测生长速率方面与传统GEMs保持同等精度（r≈0.8），但在预测乙酸盐分泌速率方面显著优于传统模型。此外，ecGEMs成功再现了溢流代谢现象，表现出生长速率饱和和高葡萄糖摄取下的乙酸盐溢出，而传统GEMs则呈现无界的线性响应。
**4.2 酶约束提高混合模型准确性和收敛稳定性**
在200次随机初始化训练中，ecAMN的Q2分布密集集中在高预测精度区域，而AMN呈现分散的多模态分布。非预测性模型比例（Q2≤0）从AMN的78.5%降至ecAMN的13%，高性能运行比例（Q2>0.7）从18.5%增至43%。高斯混合模型分析显示，ecAMN主要收敛到单一高性能模式（平均Q2=0.693，权重0.87），而AMN呈现三模态分布。随机初始化的ecAMN模型优于标准AMN的经验概率为0.801（Q2）和0.819（验证损失）。在reservoir变体中，ecAMN-reservoir达到R2=0.99（对照AMN-reservoir的R2=0.97）。在碳源利用规则评估中，ecAMN-reservoir在单碳源条件下达到100%符合率（对照AMN-reservoir的80%），共利用场景准确率从28.4%提升至42.0%，总体准确率从34.1%显著提升至48.4%。
**4.3 蛋白质组学机制整合优化酶约束多组学模型的性能权衡**
在LOOCV评估中，ecMINN模型在误差指标（MAE、RMSE、NE）上较MINN大幅降低，而R2略低。采用蛋白质组学机制整合策略（F*）的ecMINN-T-F*配置在所有评估指标中表现最优，实现了低SV损失和高R2的平衡。统计分析证实，中间整合策略（F*）相比早期整合策略在MAE、RMSE和NE上均有显著降低（Mann-Whitney U检验，p<0.001），而R2和SV损失的差异不显著。增加组学数据维度（如添加转录组）未带来显著性能提升，表明存在数据冗余和收益递减效应。模型间预测输出相关性分析显示，MINN与ecMINN家族内部高度相关但彼此弱相关，表明酶约束将模型引导至生物学上不同的解空间。
**4.4 酶约束增强混合模型对未见环境和遗传扰动条件的泛化能力**
在LOSO评估中，ecAMN对未见碳源实现了正向预测能力（R2=0.438），而标准AMN产生了完全无效的外推（R2=?0.636）。在LOMO评估中，ecMINN（F*）对未见突变株的通量预测R2为0.681，优于基线MINN（P–F）的0.504，且MAE显著降低（Mann-Whitney U检验，p=0.002）。反应级误差分析显示，在pgm基因敲除等造成严重代谢瓶颈的条件下，ecMINN在多个核心代谢反应上实现了实质性误差降低，这归因于酶约束阻止了不现实的通量重路由。
**五、讨论与结论**
讨论部分指出，EINN框架的整合得益于GECKO框架与AMN/MINN架构之间固有的结构兼容性——GECKO天然将可逆反应拆分为不可逆对，与非负求解器要求一致。酶约束通过压缩可行解空间一个数量级，充当严格的数学正则化器，消除了混合模型固有的优化不稳定性。研究还发现，组学整合方法比组学数据总量更为关键，蛋白质组数据作为物理通量上限的机制整合（F*策略）比作为输入特征具有更高预测价值。EINN框架通过嵌入含有酶约束的机制核心，使混合模型能够捕捉溢流代谢等涌现生理现象，并展现出对未表征突变体和新型环境的泛化能力。
研究局限性包括：FBA固有的稳态假设无法捕捉时间依赖的动态现象；kcat数据质量仍存在不确定性；使用静态Ptot参数代表动态蛋白质组是一种工程近似；S-矩阵结构扩展导致训练时间显著增加。但敏感性分析表明混合架构对此简化具有韧性。
研究结论：EINN框架通过收紧神经网络运行的机制边界，成功提高了混合模型的代谢预测准确性。通过统一神经网络的适应能力与酶约束模型的生物物理现实性，EINN为理解复杂表型和工程微生物细胞工厂提供了稳健、可靠的计算平台。未来可探索结合其他酶约束方法（如CORAL、sMOMENT、MOMENT、ECMpy和FBAwMC）、整合热力学约束以及扩展至动态FBA（dFBA）与序列优化架构（如LSTM或GRU）以建模时间分辨的代谢转变。
