《Biology》：BioEMMA: Automated Generation of Model-Specific Escher-Compatible Maps from KEGG Pathways
编辑推荐：
基因组尺度代谢（GSM）模型被广泛用于研究细胞代谢，但其解释与比较受限于缺乏具有共同空间组织的可重复通路级可视化。本研究提出BioEMMA，一种基于Python的工具，利用精选KEGG通路图谱的坐标信息，自动生成Escher JSON格式的模型特异代谢通路图谱
基因组尺度代谢（GSM）模型被广泛用于研究细胞代谢，但其解释与比较受限于缺乏具有共同空间组织的可重复通路级可视化。本研究提出BioEMMA，一种基于Python的工具，利用精选KEGG通路图谱的坐标信息，自动生成Escher JSON格式的模型特异代谢通路图谱。BioEMMA解析KGML文件，将图谱反应与代谢物标识符映射到模型数据库命名空间，依据输入的SBML模型过滤通路元素，添加非主要代谢物，重建Escher兼容布局，并支持通量可视化。该工具被整合入可重复的BioUML工作流，用于代谢模型重构。研究人员使用e_coli_core模型与KEGG糖酵解/糖异生通路评估BioEMMA，生成叠加FBA通量的模型特异图谱；进而比较gapseq、ModelSEEDpy与Reconstructor生成的E. coli重构模型在三条中心碳代谢通路上的差异；并扩展至87个原核BiGG模型与3个真核模型。分析揭示了反应覆盖的通路特异性差异、共享与模型特异反应以及预测通量活性。因此，BioEMMA在共同空间坐标系内为基因组尺度代谢重构的通路级可视化与比较提供了可重复框架。
研究背景与动机：基因组尺度代谢（GSM）模型是系统生物学中关联基因组注释与生化反应网络、支撑通量平衡分析（FBA）等约束基分析的重要框架。随着非模式细菌分离株测序数据快速积累，从基因组到仿真可用SBML/GSM模型的自动化、可重复工作流需求上升。尽管已有ModelSEED、CarveMe、gapseq、Reconstructor等自动重构工具，同一基因组不同工具产出的模型在反应数据库、注释规则、基因-蛋白-反应（GPR）分配与gap-filling策略上存在显著差异。MEMOTE等框架提供数值质量指标，但数值指标本身难以给出生物学解释；而Escher等通路编辑器虽支持反应/代谢物/基因数据叠加，但手动绘制或适配特定模型限制了在多模型比较中的可扩展性。近期SAMMI、Fluxer、MetExplore、CAVE、NAViFluX等工具趋向集成可视化与通量分析，但多数依赖从头图布局，不保留精选KEGG通路的熟悉生物拓扑，导致跨工具比较时空间坐标不一致。为此，研究人员开展BioEMMA研究，旨在判断GSM模型反应内容能否稳定投射于参考KEGG布局，并借此比较独立重构模型。论文发表于《Biology》。
主要关键技术方法：研究采用KEGG KGML通路定义作为固定空间支架，通过MetaNetX（MNXref）跨库对照表将KEGG化合物（C）与反应（R）标识符确定性映射到BiGG或ModelSEED命名空间，无对应者不保留；以SBML格式GSM模型（含e_coli_core及gapseq/ModelSEEDpy/Reconstructor并行重构的E. coli K-12 MG1655模型，后者源自SRA SRR13921546）为过滤依据，保留模型内元素并补加非主要代谢物（水、H+、ATP/ADP/AMP、Pi等）。BioEMMA用Python（numpy、BeautifulSoup）将KGML坐标转为Escher JSON（代谢物节点、midmarker、multimarker三级启发式定位），支持COBRApy驱动FBA通量以颜色与边宽叠加导出交互HTML。方法被封装为Docker并接入BioUML+Cromwell+WDL工作流（Scenario I-III，含fastp/SPAdes/Prokka→重构→MEMOTE→BioEMMA），实现命令行到网页端可重复执行。评估队列涵盖：参考e_coli_core；同基因组三工具重构E. coli模型；BiGG中57个E. coli与30个非E. coli原核模型（含甲烷菌Methanosarcina barkeri iAF692）；真核Saccharomyces cerevisiae iMM904、Mus musculus iMM1415、Homo sapiens Recon3D，通路由map00010/map00020/map00030/map00680覆盖。
研究结果
3.1 参考GSM模型的通路图谱自动重构：以map00010与e_coli_core为例，原KGML含56反应31代谢物，53.6%反应与80.6%代谢物映射到BiGG，模型过滤后留16反应（占原始21.4%），加26非主要节点。图例显示PPDK与2,3-BPG支路被滤除，保留PGM/ENO/PYK/PPS并叠FBA通量。与手动Escher图、NAViFluX拓扑图并列可见：BioEMMA保留KEGG坐标而换用模型反应ID，使缺失反应、局部缺口与通量差同位显示。功能比对（图5）确认其在“自动成图+Escher JSON原生输出+通量叠加+程序化访问”组合上填补空白。
3.2 替代E. coli GSM重构的通路级比较：Scenario III下gapseq/ModelSEEDpy/Reconstructor并行产出3011/1779/1527反应模型。三中心碳通路中，映射后保留率工具间分化明显——gapseq在map00010/00020/00030保留映射反应的59.6%/81.0%/63.6%，ModelSEEDpy仅38.3%/52.4%/41.8%。map00020中9个模型特异反应占映射空间42.9%。Jaccard相似度显示共有核心但非完全重叠（糖酵解gapseq-ModelSEEDpy仅0.500）。MEMOTE总分（81%/41%/84%）与反应数不直接对应通路覆盖；FBA叠加于map00020揭示厌氧葡萄糖下三模型TCA通量模式各异：gapseq未见柠檬酸合酶段通量，Reconstructor围绕柠檬酸形成活跃，ModelSEEDpy在柠檬酸/异柠檬酸区有通量但柠檬酸合酶零通量，提示需核查交换界限与方向性。
3.3 跨多样代谢模型评估
3.3.1 多样原核模型：57个E. coli模型在四条通路配对Jaccard中位数0.955–1.000，63.4%对子glycolysis反应集完全一致，差异仅限R00710/R00711/R00754等乙醇代谢集总；30个非E. coli原核Jaccard中位数降至0.571–0.650，保留反应数反映生物与重构差异。
3.3.2 专化通路可视化：iAF692在map00680保留31/104反应（29.8%），与另86原核Jaccard中位数0.300，11个甲烷菌特异反应（R03464等）仅其独有，证明可同时呈现共享C1与古菌特异内容。
3.3.3 真核模型应用：iMM904/iMM1415/Recon3D成图耗时3.05/4.08/8.13秒；同四通路保留反应随模型增大而增多；柠檬酸循环Jaccard均值0.574显示区室化真核TCA变异性更高，证明区室参数过滤可行。
讨论浓缩：研究揭示手动图谱质量高但不缩放、从头图布局可缩放但空间异构的核心权衡，BioEMMA取KEGG为固定空间脚手架转Escher兼容图，互补MEMOTE全局指标与FBA通量层（区分存在/零通量/非零通量）。局限在于KEGG-MetaNetX-BiGG跨库映射版本依赖，如e_coli_core中GAPD（R01061→MNXR100040）因对照表错链未显示、iAF692中MCR未保留，说明图上缺失不等于模型中缺失；KGML坐标含EC标签致局部连线启发式补偿，非主要代谢物需启发式布点；不支持FVA/基因必要性/多组学预处理，无独立GUI但BioUML网页端可避命令行。
结论翻译：本研究中，BioEMMA被开发为利用KGML衍生坐标排列自动生成Escher JSON格式模型特异代谢通路图谱的工具。结果表明，在共同KGML衍生坐标框架内的表示，为替代基因组尺度代谢重构的通路级比较提供了实用基础。在分析的模型中，该表示定位了反应覆盖的差异，并区分了模型中缺失的反应与在特定约束下存在但无活性的反应。因此，它提供了对模型统计量与形式质量指标互补的信息，并可在模型评估与策展中支持对通路区域的靶向检查。此类比较的可靠性主要取决于生化数据库间交叉引用的完整性与一致性，以及自动生成局部布局的质量。对于具有足够标识符覆盖的通路，BioEMMA提供可重复且可编辑的模型特异图谱，可纳入自动重构工作流；对于交叉引用覆盖较低的通路，BioEMMA可提供基础模板，供进一步手动策展与修改以获得更准确解释。
