《Molecules》：A Low-Dimensional X–ρ–A Allocation Model for Predicting Light-Dependent Biomass, Protein, and Lipid Dynamics in TAP Batch Cultures of Chlamydomonas reinhardtii CC-400
编辑推荐：
微藻是有前景的生产生物量与生化产物的平台，但组分浓度的变化可能反映生物量积累、组成偏移或二者兼有。研究人员开发了一种低维X–ρ–A分配模型，用于联合描述与预测干生物量（X）、蛋白质（P）与脂质（L）动态。模型以莱茵衣藻（Chlamydomonas reinha
微藻是有前景的生产生物量与生化产物的平台，但组分浓度的变化可能反映生物量积累、组成偏移或二者兼有。研究人员开发了一种低维X–ρ–A分配模型，用于联合描述与预测干生物量（X）、蛋白质（P）与脂质（L）动态。模型以莱茵衣藻（Chlamydomonas reinhardtii）CC-400株在含乙酸的Tris–acetate–phosphate（TAP）培养基中的混合营养分批培养为对象进行参数化与评估。模型采用两个由组成衍生的指数：ρ表示所测蛋白质-脂质模块占干生物量的分数，A表示该模块内脂质所占分数。模型比较支持ρ在各条件下随时间恒定的形式。光响应模型在30、100和300 μE m?2 s?1下校准，并在同一实验体系独立生成的500 μE m?2 s?1数据集上评估超越校准范围的预测性能。验证R2分别为干生物量0.9374、蛋白质0.9616、脂质0.9321。氮饥饿下生物量与蛋白质积累受抑，而A升高，表明所测模块内脂质富集。该模型在同一实验体系内为预测光依赖的生物量、蛋白质与脂质动态及区分“生物量驱动的浓度升高”与“蛋白质-脂质分配偏移”提供了可解释的框架。
研究背景与立项依据
微藻作为光合微生物细胞工厂，其生物技术价值高度依赖生物量组成（蛋白质、脂质、碳水化合物）。莱茵衣藻（Chlamydomonas reinhardtii）是含乙酸TAP培养基中混合培养的经典模式绿藻，光强与氮可得性强烈影响生物量积累及生化组成。现有动力学模型多需多状态变量、组学或酶动力学输入及条件特异校准；而当实测仅限干生物量、总蛋白、总脂质时，亟需一种低维、可解释、能区分“浓度升高源于生物量增多”还是“源于组分在生物量中富集”的联合描述工具。该研究即在上述背景下，针对CC-400株TAP分批体系，构建X–ρ–A低维分配模型。
主要研究内容与结论概要
研究人员定义X为干生物量浓度，P为蛋白质浓度，L为脂质浓度；衍生ρ=(P+L)/X（蛋白质-脂质模块占干生物量分数），A=L/(P+L)（模块内脂质分数）。以logistic型方程描述X(t)，以一级弛豫描述A(t)，ρ取条件特异常数，从而由X、ρ、A解析P与L。模型在30、100、300 μE m?2 s?1的+TAP（+N）训练集拟合，以独立500 μE m?2 s?1批次验证，并以30 μE m?2 s?1的氮饥饿（TAP-N，?N）作对照条件拟合。结论：恒定ρ型较动态ρ型在AIC/BIC上更优；光响应模型在训练与500 μE m?2 s?1验证集上对X、P、L均获高R2（验证集0.9374/0.9616/0.9321）；氮饥饿下X与P受抑、A升至约0.60，表明模块内脂质富集而非总脂质浓度超过+N对照。论文发表于《Molecules》。
主要关键技术方法（≤250字）
研究人员使用三批独立生物学重复队列：第一批为3、10、30、100、300 μE m?2 s?1的TAP（+N）光梯度过夜预培养后200 mL工作体积分批培养；第二批为同光强30 μE m?2 s?1下+N与氮缺失TAP-N（?N）配对队列；第三批为独立500 μE m?2 s?2验证队列。每24 h取样至120 h，干生物量用离心洗涤真空干燥恒重法，总蛋白用碱提BCA法，总脂质用磺磷钒（SPV）比色法，多糖仅作端点组成辅助不进模型。建模端采用Python（SciPy least_squares、soft_l1损失）对复本级X/P/L加权残差拟合；光响应采用对数/logit变换将μ、K、ρ、A∞参数化为光强I的函数；模型选择以AIC/BIC比较恒定ρ与动态ρ变体。
研究结果（保留小标题）
2.1 光依赖的生物量、蛋白质与脂质积累（TAP条件下）
在3–300 μE m?2 s?1下，X、P、L随光强在低-中端上升，100与300 μE m?2 s?1间120 h端点X与P无显著差异，L在300 μE m?2 s?1均值最高但30/100/300间未达显著。表明高端光强仅带来有限额外积累。
2.2 氮饥饿改变生物量、蛋白质与脂质积累
30 μE m?2 s?1下，?N相较+N的X、P显著受抑，L继续上升但绝对值低于+N；120 h端点?N的X≈0.25、P≈0.07、L≈0.10 g L?1，+N对应0.72、0.38、0.14 g L?1。说明氮饥饿属“生长受限+脂质相对富集”型响应。
2.3 生物量组成与分配指数呈条件依赖模式
端点组成中+N 30 μE m?2 s?1以蛋白为主，?N下蛋白分数大降、脂质成最大块；+N 300 μE m?2 s?1仍蛋白主导但比例异于30。A在+N各光强末端约0.3–0.4，?N升至约0.60；ρ在30 +N近恒定，高光与?N下更低或更变。两指数捕获组成不同侧面。
2.4 模型选择倾向降维恒定ρ的X–ρ–A形式
对训练与?N共四条件比较动态ρ（多一参数）与恒定ρ，后者AIC/BIC最低且RMSE/R2不劣，故选定恒定ρ降维结构。
2.5 X–ρ–A模型拟合表现
恒定ρ型拟合30/100/300 μE m?2 s?1 +N训练集，条件内R2X 0.9294–0.9880、R2P 0.9606–0.9790、R2L 0.9290–0.9487；?N作条件特异描述拟合时R2L=0.9664但R2X=0.5860、R2P=0.3337，故?N仅作描述非泛化预测。
2.6 光响应X–ρ–A模型的独立高光验证
用30/100/300拟合同一体系推演500 μE m?2 s?1参数（kA取训练集中位全局值），以实测初态预测；验证R2为X 0.9374、P 0.9616、L 0.9321，NRMSE 11.38%/8.76%/11.98%，高端X略低估，整体支持同体系跨光强外推。
讨论部分总结
研究人员指出，X–ρ–A以例程X/P/L时序即可校准，较含氮磷配额、乙酸、平均辐照的多参数模型数据需求更低；A指数解耦“脂质浓度”与“模块内脂质分数”，在+N光梯中A末端相近说明模块内蛋白-脂质平衡对光强不敏感，而?N下A升、L浓度却低于+N，印证须并行看浓度与分配。500 μE m?2 s?1验证仅证明同株同介质同分批体系内光强外推，不等同跨株/跨介质/自养迁移；pH与胞外乙酸/氮未监测，可能作为时变混杂进入X与A、ρ。模型未测叶绿素a，限光合驯化关联。CC-400为无壁株，参数不可直推CC-125等有壁株。
结论部分翻译
本研究开发了低维X–ρ–A模型以描述莱茵衣藻CC-400在TAP混合营养分批培养中的干生物量、蛋白质与脂质动态。衍生指数A与ρ有助于区分所测蛋白质-脂质模块内脂质分数变化、该模块占干生物量分数变化与总浓度变化，在测试光强与氮饥饿下呈现明确组成模式。选定模型采用降维条件特异恒定ρ形式，同时通过A(t)保留模块内脂质分配的时间依赖描述。最终光响应模型充分描述训练集，并在同体系独立500 μE m?2 s?1数据集（以实测初态初始化）获良好预测。综上，在所用实验范围内，X–ρ–A为跨光强比较生物量积累与蛋白质-脂质分配提供低维框架，其对其他株系、介质组成或培养体系的适用性尚待建立。
