中国科学家研发新算法，大幅提升代谢工程靶点设计精度和可行性

代谢工程作为合成生物学的重要工具，近年来在促进微生物高效生产特定化合物方面发挥了重要作用。科研人员需要通过预测代谢靶点来设计实验方案，这一过程直接影响实验效率和资源投入。细胞内的酶催化反应和热力学机制复杂且相互作用，因此，基于这些“物理化学本质”的细胞机理模型具有很高的可解释性，成为提高代谢工程设计精度的关键手段。 然而，现有的靶点设计算法如OptForce和FSEOF存在明显不足。这些算法主要依赖化学计量模型，未能充分考虑酶的资源消耗和反应的热力学可行性，这就导致预测结果有时缺乏实验上的可行性。为了弥补这一差距，中国科学院天津工业生物技术研究所的研究团队受到了自然界“节能高效”原理的启发，开发了新的代谢靶点设计框架——ET-OptME。这一框架通过融合酶约束和热力学约束，使预测更符合生理实际，从而提高实验的成功率。 ET-OptME由ET-EComp和ET-ESEOF两个核心算法组成。ET-EComp通过比较不同状态下酶的浓度范围，识别需要上调或下调的酶；ET-ESEOF则通过扫描目标通量增加过程中酶浓度的变化趋势，捕捉细胞内部的调控信号。此外，该框架还引入了“蛋白中心”策略，突破了传统的反应层面上的靶点预测，解决了多功能酶调控方向不一致的问题。 研究团队在谷氨酸棒状杆菌的5种工业产物案例中进行了验证。结果显示，ET-OptME在最小精确度指标上比传统计量学算法提高了292%以上，在准确性方面提高了106%。与现有的先进酶约束算法相比，ET-OptME依然保持70%的精度优势和47%的准确度优势。通过对关键靶点如pyc、gapA和leuA的详细分析，研究证明了ET-OptME在提升代谢路径效率和克服代谢瓶颈方面的显著优势。 相关研究成果已在线发表于国际知名期刊《代谢工程》。这项研究得到了国家重点研发计划和国家自然科学基金的支持，有望为未来的代谢工程师提供更强大的设计工具，推动工业生物技术的发展。 业内专家普遍认为，ET-OptME的出现不仅提升了代谢靶点预测的准确性和实用性，还为代谢工程领域带来了新的思考方向。中国科学院天津工业生物技术研究所长期致力于工业生物技术的研究与开发，此次成果再次展示了其在代谢工程领域的领先地位。该研究的成功为合成生物学的实际应用提供了有力支持，未来有望在医药、生物燃料等领域发挥更大作用。