玻尔百科一个活細胞的代谢是一个由数千个化学反应组成的令人眼花缭乱的复杂网络。要理解这个系统，我们需要的不仅仅是一个简单的零件清单；我们需要一张能够预测细胞行为的功能地图。代谢模型就提供了这样一张地图，将生物学的复杂性转化为一个可解的数学框架。这些模型解决了理解生物体基因型如何产生其代谢表型这一根本性挑战。本文将引导您进入代谢建模的世界。首先，在“原理与机制”一章中，您将学习这些模型是如何从零开始构建的，从化学计量矩阵和稳态假设入手，逐步建立起像流通平衡分析 (FBA) 这样强大的预测方法。然后，“应用与跨学科联系”一章将揭示这一理论框架如何被应用于解决现实世界的问题，从工程改造微生物和设计药物，到理解进化，甚至重建古代生态系统。
要理解活细胞内部那个繁忙的都市，那里有数千个化学反应同时进行，我们需要的不仅仅是一份零件清单。我们需要一张地图和一套规则。我们需要一种方法来觀察整个系统如何协同工作。这就是代谢模型的目标：创建一个细胞代谢的数学 caricature（漫画式简化模型），它足够简单以便于处理，同时又足够强大，能对生命本身做出惊人准确的预测。让我们从头开始，探寻实现这一目标的核心原理。
想象一下试图理解一个庞大的化工厂。你会注意到两种基本的东西：正在被处理的材料，我们称之为代谢物，以及转化它们的机器或过程，我们称之为反应。一个关键的观察是，材料不会神奇地变成其他材料；它们必须经过一个过程。而过程不会作用于其他过程；它们的行为是通过它们共享的材料来介导的。
这个简单的逻辑——连接只存在于代谢物和反应之间——告诉我们，代谢网络具有一种特殊的结构。用数学语言来说，它是一个二分图，有两个不同的节点集（代谢物和反应），而边只连接一个集合中的节点与另一个集合中的节点。
这种结构可以完美地记录在一个简单的表格中，也就是我们所说的化学计量矩阵，用符号 表示。可以把它看作是整个细胞的总账本。这个矩阵的每一行对应一个特定的代谢物。每一列对应一个特定的反应。矩阵中任意给定单元格的数字 是化学计量系数：它告诉我们反应 产生或消耗了多少单位的代谢物 。
按照惯例，我们用负数表示反应物（被消耗的代谢物），用正数表示产物（被产生的代谢物）。如果一种代谢物没有参与某个反应，其系数就是零。例如，如果一个反应将一个分子 和一个分子 转化为两个分子 （即 ），那么矩阵中代表这个反应的列，在 对应的行会有 -1，在 对应的行会有 +2，在 对应的行会有 -1。这个矩阵 是细胞代谢能力的静态蓝图。
静态蓝图很有用，但我们想看到工厂运作起来的样子。我们想知道所有反应的速率——它们的通量。让我们将网络中所有的通量表示为一个向量 。我们怎样才能 figuring out 应该是什么呢？
一个活细胞，尤其是在稳定环境中生长的微生物，是动态平衡的奇迹。虽然内部活动纷繁复杂，但大多数内部代谢物的浓度却保持着惊人的恒定。这就是我们模型的基石：准稳态假设。这意味着对于任何内部代谢物，其总产生速率必须等于其总消耗速率。没有净积累或耗尽。
这个简单的物理原理有一个极其简洁的数学表达式：
这一个方程是基于约束的建模跳动的心脏。它表明，当你将细胞的整个蓝图 () 乘以其所有反应速率的向量 () 时，结果是一个零向量。这为每一个代谢物强制执行了完美的质量平衡。所有满足这个条件的可能通量向量 的集合，就是数学家所说的矩阵 的零空间。它是细胞工厂在平衡、自洽状态下所有可能运作方式的空间。
方程 描述的是一个完全封闭、自给自足的系统。但当然，细胞不是封闭系统。它们必须摄食、呼吸和排泄废物才能生存。为了使我们的模型更 realistic，我们需要为它打开通向外部世界的门窗。
我们通过添加称为交换反应的特殊伪反应来实现这一点。这些反应是我们的模型与其环境的接口，允许特定的代谢物穿过系统边界。对于细胞可以消耗的每一种营养物质（如葡萄糖或氧气）和它可以分泌的每一种副产品（如乳酸或乙醇），我们都添加一个交换反应。
通过这些交换反应的通量由我们施加的边界条件（即下限和上限）所决定。符号约定至关重要：负通量代表吸收（细胞从环境中获取物质），正通量代表分泌（细胞向环境中释放物质）。想要模拟富含葡萄糖的培养基？我们将葡萄糖交换通量的下限设置为一个很大的负数，以允许充足的吸收。模拟无氧（anaerobic）环境？我们将氧气交换通量的上下限都设置为零。这些边界以及化学计量关系，共同定义了细胞代谢的“竞技场”。
对于某些普遍存在的分子，如细胞的主要能量货币 ATP，会出现一个关键的微妙之处。有人可能会问，为什么不直接允许细胞通过交换反应从环境中“吸收” ATP 呢？原因很深刻。这样做就像给我们的模型一个神奇的、无限的自由能源来源——一台永动机。实际上，细胞必须通过燃烧葡萄糖等燃料来 painstakingly地生成每一个 ATP 分子。为了强制执行这一基本的热力学约束，像 ATP 和氧化还原载体 NADH 这样的通货代谢物被视为純粹的内部物质。它们的产生和消耗必须像任何其他内部代谢物一样完美平衡为零。在细胞经济学中没有免费的午餐。
现在我们有了一个系统 () 和一套规则（通量边界），它们共同定义了一个包含所有可行代谢状态的空间。但这个空间通常是巨大的；细胞可以有无数种方式来平衡其账目。细胞究竟选择了哪一种呢？
在这里，我们必须对细胞的目的做一个假设。借鉴进化论，一个普遍的假设是微生物的主要目标是尽可能快地生长和分裂。为了将这种生物驱动力转化为数学目标，我们引入了另一个绝妙的合成工具：生物质方程。这是一个特殊的“需求”反应，它以构建一个新细胞所需的确切比例消耗所有必要的组成模块——氨基酸、用于 DNA/RNA 的核苷酸、用于细胞膜的脂质以及必需的辅因子。它还考虑了这种合成的能量成本，例如聚合所需的 ATP。生物质方程巧妙地将数十个 disparate 的生物合成途径耦合到一个统一的目标上：增殖。
现在我们可以陈述完整的问题了。这个方法被称为流通平衡分析 (FBA)。它是一个优化问题： 给定化学计量矩阵 和通量边界，找到一个通量向量 ，该向量 (1) 满足稳态条件 ，(2) 遵守所有通量边界，并且 (3) 最大化通过生物质方程的通量。
这个问题可以使用一种叫做线性规划的数学技术来高效求解。解给我们一个预测：在给定环境条件下，当细胞尽其所能生长时，其所有代谢通量的完整快照。然后我们可以在实验室中检验这些预测。
我们有了工厂的地图 () 和它运作的规则 (FBA)。但是地图本身从何而来？它来自生物体的基因组，即其遗传蓝图。基因与它们催化的反应之间的联系是通过基因-蛋白质-反应 (GPR) 关联建立的。
对于我们模型中的每一个反应，我们使用基因组和生物化学数据库来识别编码执行该反应的酶的基因。这个逻辑通过简单的布尔规则来捕捉：
AND 运算符连接。所有基因都必须存在，反应才能激活。OR 运算符连接。这些基因中的任何一个都足够。GPR 提供了一座强大的桥梁，连接了生物体的基因型和其代谢表型。通过解读基因组，我们可以构建网络地图。更重要的是，我们可以模拟基因突变的效果。如果我们在模型中“敲除”一个基因，GPR 规则会告诉我们哪些反应被禁用了。然后我们可以在修改后的网络上运行 FBA，以预测该突变将如何影响细胞的生长或其产生某种化合物的能力。
FBA 找到的解给出了最大可能的生长速率。然而，可能存在许多不同的通量分布——即许多不同的代谢物在网络中的路由方式——它们都可以达到这个相同的最优生长速率。所有这些解都同样合理吗？
也许不是。考虑两种制造产品的方式：一种是短而直接的途径，另一种是漫长曲折的迂回路线。两者都可能完成任务，但长路径需要更多的总酶机器来维持相同的吞吐量。假设进化会偏爱效率似乎是合理的。这就是简约 FBA (pFBA) 背后的思想。这是一个两步优化：首先，像标准 FBA 一样找到最大生长速率。其次，在将生长速率固定在这个最大值的同时，找到实现它但最小化所有反应通量之和的通量分布。pFBA 假设细胞不僅是一个优化者，还是一个节俭的优化者，用最少的代谢努力实现其目标。
代谢中的成本与价值这一概念引出了另一个优美的概念，它借鉴自经济学：影子价格。在任何约束优化问题中，每个约束都有一个相关的影子价格，它告诉你如果该约束能放宽一个单位，目标函数会改善多少。对于我们 FBA 问题中的一个代谢物，其影子价格就是它对生长的边际价值。一个具有高正影子价格的代谢物是一个严重的瓶颈；细胞“渴望”得到它，获得更多将显著促进生长。一个影子价格为零或负的代谢物则处于过剩状态。这不仅仅是数学上的好奇心；它是对代谢稀缺性的定量预测，是一个可能驱动基因调控进化的信号。
我们的模型已经变得相当复杂，但我们仍然免费获得了一些东西：酶本身。实际上，运行代谢工厂的蛋白质机器的构建和维护成本高得惊人。细胞的大部分能量和资源都用于合成其基因编码的蛋白质。
下一代代谢模型，被称为代谢与表达 (ME) 模型或资源平衡分析 (RBA) 模型，明确地考虑了这些成本。它们扩展了化学计量矩阵，以包括转录和翻译过程。模型现在必须通过花费核苷酸和氨基酸前体来“支付”酶的费用。
在这些模型中，一个反应的通量 不再仅仅是受限的；它通过一个催化能力约束，如 ，与其相应酶的量 显式耦合。此外，细胞可以制造的蛋白质总量受到全局资源预算的限制（例如，总蛋白质组质量或核糖体的有限数量）。这创造了一个深刻的反馈循环：为了实现高代谢通量，细胞需要大量的酶；但制造大量的酶会消耗本可用于生长的资源。模型现在必须解决最终的资源分配问题：如何在其有限的资源中分配，以制造代谢酶和制造新细胞的所有其他组件。这使我们更近一步地迈向对生命中物质与能量的复杂之舞的真正整体性、全细胞的理解。
掌握了构建代谢模型的原理之后，我们就像一个刚学会一门新语言语法的人。真正的兴奋始于我们开始用这门语言阅读古代文献、撰写新故事以及与他人交谈。同样，代谢模型的真正力量并非仅仅体现在其构建过程，而是展现在其跨越惊人广泛的科学学科的应用中。我们即将开始一段旅程，它将带领我们从繁忙的证券交易所底层，到寂静、古老的已灭绝巨型动物群的世界，所有这一切都将通过代谢的视角来观察。
科学中经常发生这样的事：一个来自某个领域的强大思想，在另一个看似无关的领域找到了一个意想不到的完美归宿。“帕累托最优”从经济学到生物学的旅程就是其中最美丽的例子之一。在 20 世纪之交，经济学家 Vilfredo Pareto 描述了系统中的一种状态，在这种状态下，如果不使至少另一个个体变得更糟，就无法使任何单个个体变得更好。想象一下在一个经济体中重新分配资源；如果你处于帕累托最优状态，你为帮助一个人所做的任何改变都将不可避免地损害另一个人。这是一种完美的、尽管有时很严酷的妥协状态。
近一个世纪以来，这个思想主要停留在社会科学和工程领域。然后，在 21 世纪初，研究微生物复杂代谢网络的系统生物学家们注意到了一个非凡的现象。当他们用模型去问：“这个细菌试图最大化什么？”时，答案并不简单。一个被设计成生长得尽可能快的微生物，往往变得极其浪费，会排出宝贵的、未被充分利用的营养物质。相反，一个效率极高的微生物——从食物中榨取最后一滴能量——生长得又 painfully 慢。看来，一个微生物通常无法同时最大化其生长速率和资源效率。
生物学家们意识到，他们正面对着一个生物学上的帕累托前沿。进化经过亿万年的作用，并未将生命推向一个“完美”的单一顶峰，而是推向了一个多维度的最优权衡景观。提高一个性状（如速度）是以牺牲另一个性状（如效率）为代价的。连接 Pareto 经济理论与现代系统生物学的思想线索并非直接编织，而是通过其思想在运筹学中的数学推广，及其后来在进化计算中的应用，这些为生物学家探索这些基本妥协提供了工具和语言。生命是驾驭权衡的大师，这一认识是统一我们接下来将要探讨的所有应用的核心主题。
如果生命在一个权衡的景观上运作，那么代谢模型就是我们的地图。有了这些地图，我们就可以扮演工程师的角色， navigating 这个景观来设计新的生物系统或修复损坏的系统。
科学中最激动人心的前沿之一是合成生物学，我们旨在工程改造微生物以生产有价值的化学品、燃料和药物。但如果你想建一个工厂来生产，比如说，一种新的生物塑料，你会选择哪种微生物作为你的底盘？一个细菌？一个酵母？每种都有其独特的代谢线路。
这不是一个凭猜测的问题。我们可以为不同的候选生物构建代谢模型，并进行计算上的“假设”情景分析。想象一下我们想生产一种有价值的化学品，我们称之为“valorate”。我们可以拿一个细菌和一个酵母的代谢模型，在我们的计算机里“工程改造”它们，假设所有的细胞资源都从生长转向生产 valorate。通过将质量平衡的基本原理应用于所有中间产物，我们可以计算出从葡萄糖这样的起始原料生产 valorate 的最大理论产率。这使我们能够比较，例如，Bacillus industrialis 和 Saccharomyces potentialis，并预测哪一个具有对我们特定目标更有利的内部线路，而这一切都在湿实验室进行单个实验之前完成。这种理性的、模型驱动的方法是现代代谢工程的核心。
帮助我们构建新生物功能的相同模型，也可以帮助我们理解和修复出问题的系统。许多人类遗传病，即所谓的“先天性代谢缺陷”，是代谢机器中单个部件损坏的悲剧性例子。考虑一个简单的 hypothetical 途径，其中一个基因 编码一个酶 ，其工作是清除一个潜在有毒的中间分子 。如果一个突变破坏了基因 ，这个清理队就不复存在了。通常会被清除的毒素 现在会积累起来，导致细胞损伤和疾病。虽然这是一个简单的例证，但它抓住了像苯丙酮尿症 (PKU) 这类疾病的本质。我们的模型使我们能够追踪单个基因缺陷通过整个网络产生的后果，预测哪种分子会积累以及为什么。
这种预测能力在对抗传染病的斗争中成为一种强大的武器。像引起疟疾的寄生虫这样的病原体，是为在人类宿主体内生存和复制而调整的代谢机器。我们如何阻止它们？我们可以构建寄生虫的基因组尺度代谢模型 (GEM)，一个基于其独特基因组的完整代谢能力图谱。然后，我们可以进行in silico（计算机模拟）基因敲除。使用流通平衡分析 (FBA)，我们模拟删除单个基因，并问一个关键问题：寄生虫还能生产生物质和生长所必需的组分吗？如果答案是否定的——如果移除那个基因导致模拟生长停止——我们就找到了一个潜在的必需基因。该基因的蛋白质产物就成为药物靶点的首要候选者，是寄生虫代谢中的阿喀琉斯之踵，我们可以攻击它而不希望伤害到人类宿主。
代谢建模的影响甚至延伸到个性化医疗和药理学领域。一种药物在体内的命运是一个代谢故事。考虑过量服用像对乙酰氨基酚这样的常见药物。在肝脏中，一小部分被一种酶 CYP2E1 转化为一种剧毒分子 NAPQI。我们身体的主要防御是一种叫做谷胱甘肽的分子，它能中和 NAPQI。在过量服用的情况下，NAPQI 的产生速度如此之快，以至于可以耗尽肝脏的全部谷胱甘肽供应。一旦谷胱甘肽耗尽，NAPQI 就会攻击并杀死肝细胞。
一个系统药理学模型可以捕捉这场与时间的赛跑。它可以模拟 NAPQI 的产生速率，这取决于 CYP2E1 酶的数量，以及谷胱甘肽的消耗速率。这使我们能够理解患者特定的风险。例如，长期饮酒会增加 CYP2E1 的水平，加速 NAPQI 的产生。营养不良会降低谷胱甘there's a typo in the original text, should be glutathione. 肽的基线合成速率。通过将这些因素纳入模型，我们可以预测特定患者的防御系统将多快被 overwhelm。更重要的是，我们可以模拟治疗。解毒剂 N-乙酰半胱氨酸 (NAC) 的作用是增强身体合成谷胱甘肽的能力。模型可以预测必须多早给予 NAC，以及以何种剂量，才能赢得这场赛跑并防止不可逆的肝损伤，为临床决策提供了强大的工具。
将我们的视角从工程师转向博物学家，我们可以使用代謝模型不僅僅是為了改變生命，而是為了理解和驚嘆其現有的形式及其與世界的複雜互動。
为什么生物体有最适生长温度？为什么温带泉水中的细菌无法在火山口生存？答案在于一个根植于基础物理学的优美权衡，代谢模型可以捕捉到这种权衡。一个复杂的模型可以将 GEM 的原理与其组分酶的生物物理学整合起来。
一方面，随着温度升高，分子运动加快，酶的内在催化速率增加，遵循像阿伦尼乌斯关系这样的化学动力学原理。这推动了在更高温度下生长更快。另一方面，酶是脆弱的蛋白质。随着温度升高，它们开始剧烈振动，以至于失去其精确的三维结构并变性，失去所有活性。这是一个由热力学控制的过程。一个真正强大的代谢模型包含了这两种相反的力量：动力学对速度的推动和热力学不稳定性导致的崩溃。它还考虑了应对热应激的能量成本以及将蛋白质生产重新分配给帮助重折叠受损蛋白质的分子伴侣的需要。通过在所有这些生物物理约束下最大化每个温度下的生长速率，模型并不是被输入生长-温度曲线的形状；它预测这条曲线作为一个涌现属性。它从机制上解释了为什么存在最低温度 ()、最适温度 ( 和最高温度 ()，所有这些都源于细胞自身部件的基础物理学。
即使在我们自己的身体内部，代谢也是一出动态的戏剧。当像巨噬细胞这样的免疫细胞检测到入侵者时，它会经历一场激烈的代谢转变。利用来自 RNA 测序等“-omics”（组学）数据的见解——这些数据告诉我们哪些基因正在被大量表达——我们可以约束我们的代谢模型以反映这种新的细胞状态。
对于一个被激活的巨噬细胞，模型预测了一个引人入胜的转变。它调低了其最高效的能量生产途径（线粒体中的氧化磷酸化），并急剧提高了另一个更快但效率较低的途径，即糖酵解——这种现象被称为瓦博格效应。为什么一个准备战斗的细胞会采取一种“浪费”的策略？模型帮助我们看清其中的逻辑：这种代谢重编程不仅关乎能量，还关乎生产炎症武器库所需的特定分子构建模块。这种方法，将大规模生物数据与 GEMs 相结合，处于免疫代谢领域的前沿。当然，这类模型有其局限性；它们通常假设稳态，并且没有捕捉到所有层次的调控。但它们为我们的免疫系统如何为其对抗疾病的战斗提供燃料提供了宝贵的假说。
没有哪个生物体是一座孤岛。真正的前沿是为整个生态系统建模。为此，我们必须首先 figuring out如何在单一的数学框架中表示多个相互作用的生物体。关键是区室化。我们构建一个统一的模型，其中包含宿主细胞、病原体细胞以及它们共享的环境的独立区室。然后，代谢物通过“转运反应”在这些区室之间传递，这些反应就像海关关口，将一个分子从“宿主”空间移动到“胞外”空间，然后从那里可以被吸收到“病原体”空间。
有了这个工具，我们就可以开始解开微生物群落中复杂的相互作用网络，比如我们自己的肠道微生物组。通过分析肠道中主要细菌物种的代谢模型，我们可以确定它们各自能够消耗的营养物质集合。由此，我们可以计算出一个“生态位重叠指数”——一个量化两个物种饮食重叠程度的指标。高度重叠表明对相同资源的激烈竞争。通过将给定物种的这些成对得分相加，我们可以估计它来自邻居的总竞争压力，从而为我们提供一个基于第一性原理、基于代谢的视角，来窥探这个至关重要的内部生态系统的生态动力学。
也许这种生态建模最令人敬畏的应用是它作为一种时间机器的用途。生物学家现在可以从化石遗骸中提取古老的 DNA，比如已灭绝的猛犸象的肠道内容物。从这些碎片化的 DNA 中，他们可以重建数千年前生活在该肠道中的微生物的基因组。从这些基因组中，他们可以为这些已灭绝的生物构建代谢模型。
然后，奇迹发生了。通过分析这些模型，他们可以看到每种微生物能为自己制造哪些必需的生物分子，以及它需要从其他微生物那里获得哪些（它的营养缺陷型）。然后他们可以解开这个古代群落是如何生存的谜题。也许一个微生物可以制造生物分子 但需要 ，而它的邻居可以制造 但需要 。这就是互养，或代谢“交叉哺育”。通过拼凑这个依赖网络，我们可以计算出一个“群落互养指数”，它量化了这个失落世界中的相互依赖程度。这是一个惊人的成就：仅使用化石 DNA 和代謝建模的普適規則，我們就能重構出支持一個早已從地球上消失的動物體內生命群落的無形代謝交接。
我们的旅程表明，代谢模型远不止是生物化学家的一个小众记账工具。它们是一种通用语言，一种建立在化学计量和质量平衡的不可动摇规则之上的数学语法。有了这种语法，我们可以探索进化的经济权衡，设计拯救生命的药物，预测病人对治疗的反应，理解生命的生物物理极限，解码我们免疫系统的代谢策略，甚至复活古代生态系统的功能。这些应用证明了自然世界的深刻统一性，揭示了支配单个细胞的相同平衡与流动的基本原理，也回响在生态学、医学乃至经济学的抽象景观中。代谢模型给了我们阅读生命之书的剧本，并随之赋予我们开始书写属于我们自己的一些新篇章的激动人心的能力。