基于神经常微分方程与代理加速贝叶斯推断的酶促头孢氨苄合成动力学建模

《ACS Catalysis》：Kinetic Modeling of Enzymatic Cephalexin Synthesis with Neural ODEs and Surrogate-Accelerated Bayesian Inference

　　

摘要专业翻译 α-氨基酸酯水解酶（α-Amino Ester Hydrolase, AEH）为β-内酰胺类抗生素（如头孢氨苄）的立体选择性合成提供了一条有前景的途径。然而，已发表的动力学研究在超越数据拟合的范畴时遇到了困难，表明潜在动力学模型存在实际不可辨识性（practical nonidentifiability）。在此，研究人员采用贝叶斯推断（Bayesian inference）结合反应一致的神经常微分方程（neural ordinary differential equation, neural ODE）代理模型来解决这一问题，该代理模型显著加速了参数估计过程。该框架能够在有限硬件条件下实现复杂酶动力学模型的高效开发，同时对所有参数提供严格的量化不确定性。为解释不同批次间活性酶浓度的差异，活性酶浓度在每条时间序列中被视为自由参数。采用该方法，动力学参数数量从12个减少至9个，并获得了一个有用的动力学模型，该模型即使在底物高浓度条件下仍具有可辨识性和机制一致性。

论文解读文章

研究背景与问题

酶催化反应动力学模型的构建是理解酶催化机制、指导工业生物催化过程优化的核心环节。α-氨基酸酯水解酶（α-Amino Ester Hydrolase, AEH）家族成员能够催化头孢氨苄（cephalexin, CEX）、头孢羟氨苄、阿莫西林和氨苄西林等半合成β-内酰胺类抗生素的立体选择性合成，在制药工业中具有重要应用价值。其中，来源于野油菜黄单胞菌（Xanthomonas campestris）的AEH因其显著的活性、选择性和稳定性而备受关注，被公认为头孢菌素生产的关键酶。

此前，Lagerman等人以该酶的QVH四突变体（N186D/A275P/V622I/E143H）为研究对象，系统收集了野生型酶及其工程变体的时间过程数据，并评估了五种动力学假说，其中Model 4综合了苯甘氨酸（phenylglycine, PG）的竞争性抑制和酰基供体PGME的部分抑制效应，在底物高浓度条件下对数据的拟合效果最佳。然而，Lauterbach等人将Model 4及测量数据转换为EnzymeML格式后，使用COPASI和PySCeS等工具重新分析，却获得了与已发表值存在显著偏差的多种参数集，提示该模型存在结构性或实际性可辨识性问题。

可辨识性问题通常源于参数间的代数关系，使得参数的联合估计因相关性而无法实现。例如，催化常数k_cat与初始酶浓度E₀的联合估计会产生无穷多解，因为速率定律中仅能直接观测到二者的乘积v_max = k_catE₀。此外，即使结构上可辨识的模型，若数据对参数的约束不足，也会出现实际不可辨识性。传统解决方法包括重新参数化和针对性参数约简，但贝叶斯推断在动力学系统中的持续瓶颈在于高维参数空间上反复进行ODE积分所带来的巨大计算负担。

研究内容与结论

针对上述问题，研究人员采用贝叶斯推断框架对Model 4进行重新分析，以量化后验不确定性并揭示实际不可辨识性。通过引入神经速率流（Neural Rate Flow, NRF）常微分方程代理模型，轨迹求解时间从数小时缩短至数分钟，使每次重新参数化后的模型更新得以快速完成。通过系统性地合并或消除弱可辨识项，修订后的参数化方案稳定了推断过程，最终将动力学参数从12个减少至9个，获得了可辨识且机制一致的最终模型（Model 8）。该研究发表于《ACS Catalysis》。

主要技术方法

研究人员主要运用了以下关键技术方法：其一，基于JAX高性能计算环境的Catalax计算框架，该框架集成了机制速率定律与机器学习方法，提供模拟、贝叶斯推断及神经/通用ODE混合建模功能，并支持EnzymeML记录的导入导出；其二，贝叶斯推断方法，采用拉普拉斯误差模型构建对数似然函数，使用NumPyro v0.13.2中实现的No-U-Turn采样器（NUTS）进行后验探索，以Diffrax作为基于JAX的求解器，共运行12条独立马尔可夫链，每条链包含10,000次预热和20,000次采样迭代，总计240,000次后验抽样，收敛标准为R? < 1.01且体有效样本量超过400；其三，神经速率流（NRF）常微分方程方法，保留化学计量矩阵S并参数化非负、守恒兼容的反应速率向量r，采用多层感知机（MLP）以ReLU作为最终层激活函数确保速率非负性，并采用逐轮时间丢弃策略防止对个别时间点的记忆；其四，代理加速的哈密顿蒙特卡洛（HMC）方法，先训练多个不同随机初始化的NRF代理模型组成集成，采用速率匹配的拉普拉斯似然比较观测状态处的瞬时导数，以集成离散度膨胀拉普拉斯尺度参数以传播代理非唯一性引起的不确定性，将每次似然评估的计算复杂度从全轨迹积分降为观测状态处的点评估。

研究结果

神经ODE训练

NRF常微分方程学习了反应一致的代理模型，能够准确重现所有底物条件下的物种时间过程，包括具有挑战性的高PGME场景。采用log-cosh目标函数训练，最终平均绝对误差（MAE）约为0.34 mM，头孢氨苄和PG的预测值与实验值沿y = x线呈现近似一致性，R2约为0.999。不同随机初始化训练的NRF代理集成收敛至一致的低损失值，成员间方差可忽略不计，确认代理非唯一性在数据支持的态空间区域内不会引入较大变异性。八种底物条件下的留一交叉验证平均R2为0.98 ± 0.02。

代理HMC基准测试

为评估速率匹配代理的计算优势，研究人员在相同硬件上分别使用代理似然和完整ODE积分似然执行等效的贝叶斯推断任务（各含1000次预热和1000次采样迭代）。代理方法每条链仅需27秒完成，而非代理方法每条链需超过1小时，墙钟时间减少超过130倍，且诊断指标匹配（R? ≤ 1.01，体n_eff ≥ 400）。所有计算均在标准消费级笔记本电脑（Apple MacBook Pro, M3 Pro）上完成。

Model 4的重新评估

以Model 4为基线，使用代理加速贝叶斯推断和速率匹配似然进行重新分析。采样收敛（R? ≈ 1.00，有效样本量超过400），但多个参数仅被数据弱约束。平衡常数{K_n, K_pg, K_s, K_si}呈现宽、偏斜且部分平坦的后验分布，伴随强成对相关性，最显著的是K_s与K_si之间以及K_s与K_pg之间。参数对{k₄, K_n}和{k₆, K_si}也呈现高相关性。第二水解分支参数k₅基本无信息量，概率质量从接近零延伸至较大值。这些结果表明k₅及上述平衡常数在当前数据下实际不可辨识。初始酶浓度与动力学参数联合推断时，大多数实验系列集中在E₀ ≈ 0.20 μM，而高PGME系列一致支持约0.12 μM的较低值，调整后的初始酶浓度显著改善了高底物区域的拟合。

模型约简

针对Model 4的实际不可辨识性，研究人员在後验分析、生化约束和残差详细检查的指导下实施了针对性简化和最小机制修改。不敏感的k₅水解分支被移除；k₄与K_n的强相关性促使二者合并为单一复合参数k_4,app = k₄/K_n；K_pg被假设等于K_s，反映了AEH通过活性位点保守羧酸簇识别PG和PGME的α-氨基，表明二者竞争同一结合口袋。这些调整定义了Model 6，参数从12个减至9个，实际可辨识性改善且参数相关性显著降低，但拟合未改善（AIC = 246.5 vs. Model 4的214.0）。产物轨迹中的明显偏差提示模型缺少产物损失途径，为此引入了头孢氨苄的非酶促一级水解副反应（速率常数k₈），得到Model 7（AIC = 27.4，10个参数）。最终版本Model 8保留化学水解步骤并假设K_si = K_s，参数减至9个，AIC为19.8，整体数据集MAPE为3.0%，高PGME子集为3.5%，实现了拟合与简洁性的最佳平衡。

各模型迭代中的初始酶浓度

E₀的估计在所有模型迭代和Model 4的初始重新评估中保持稳定。大多数系列保持在0.20 μM附近，高PGME系列保持在0.12 μM附近。这一模式不随模型精化而改变，表明是实验加样差异而非模型特定效应。

Model 8：可辨识且机制一致

对比有无逐系列E₀估计时Model 4和Model 8的拟合效果，允许推断E₀使两个模型的奇偶性更紧密、误差更低，高PGME条件下改善最为显著。Model 4的R2从0.940提升至0.963，整体MAE从1.01降至0.89，高PGME MAE从2.86降至2.40；Model 8的R2从0.953提升至0.986，整体MAE从0.99降至0.59，高PGME MAE从3.05降至1.68。后验几何方面，Model 4固定E₀时产生高相关脊和非信息性后验几何，而Model 8无论E₀被估计还是固定，均呈现基本不变的良好条件化几何，与其重新参数化和冗余减少一致。

讨论与结论

讨论部分指出，开发具有生化意义的动力学模型并评估其对复杂酶催化反应（如AEH催化的头孢氨苄合成）实验数据的描述能力仍具挑战性。广泛使用的Fisher信息矩阵（FIM）等启发式模型质量评估方法可能具有误导性。此前Lagerman等人开发的Model 4以可接受的FIM相关性估计描述了数据，但Lauterbach等人证明使用相同数据的Model 4导致估计的动力学参数出现显著偏差，表明实际不可辨识性。贝叶斯推断识别出平坦的后验分布和动力学参数间的高相关性是Model 4局限性的根本原因，并揭示了高认知不确定性。这是酶催化反应建模中的常见问题，即使简单的米氏方程模型，当最大初始底物浓度在K_m范围内时，估计参数k_cat和K_m也会高度相关。

一个有用模型的首要属性是实际可辨识性，即参数估计在给定数据下产生有限置信区间和低相关性。为实现这一目标，不敏感的k₅水解分支被移除，强相关的(k₄, K_n)对被可辨识的复合参数k_4,app = k₄/K_n替代，不可辨识的平衡项通过将PGME/PG竞争合并为单一位点常数K_s而整合，K_pg和K_si均并入K_s。

有用模型的第二个属性是提供生物学洞察。重新参数化在机制上具有合理性，PGME/PG竞争合并为单一位点常数反映了AEH活性位点的化学特性——α-氨基被保守羧酸簇识别，导致PGME和PG竞争同一结合口袋。

最终，Model 8以9个参数实现了可辨识性、机制一致性和预测精度的最佳平衡，为复杂酶催化反应的动力学建模提供了一种结合神经ODE代理加速与贝叶斯推断的高效方法论框架。