整合组学数据的代谢网络模型研究进展

摘要

基因组规模代谢网络模型(genome-scale metabolic model,GEM)是根据化学计量平衡原理,基于基因-蛋白-反应三者关联,建立包含细胞生长必需的生化反应数学模型.细胞代谢网络存在复杂的调控,通过基因和蛋白表达量及代谢物浓度变化调节代谢反应通量,而这些数据无法直接反映代谢反应的通量.GEM研究面临的一个挑战是如何整合不直接反映代谢通量的数据类型,并将这些调控过程在代谢模型中进行准确的描述.本文综述了将高通量组学数据整合到代谢化学计量模型中的方法,包括根据基因和蛋白的表达判定代谢反应状态、筛选核心代谢反应集、代谢反应通量边界约束、转录调控网络整合和多时间尺度基因动态表达约束等;比较分析了不同算法的优缺点和应用场景;介绍了GEM与多组学数据整合在解析生物代谢特征、分析遗传和环境扰动、筛选癌症治疗潜在药物靶标和抗代谢药物等方面的应用;展望了组学数据和代谢网络模型集成的发展趋势.