[发明专利]基于调控‑代谢网络整合模型预测微生物生长表型的方法

说明书

技术领域

本发明属于微生物技术领域，具体的说，涉及一种基因调控网络与代谢网络联合建模的方法，其可用于预测微生物的生长表型。

背景技术

目前，代谢网络建模是预测基因敲除对代谢表型影响的主要方法。代谢网络包含所有酶、代谢物和生化反应之间的相互作用，全基因组范围代谢网络重构与分析能够发现基因敲除、插入、异常表达、环境变化等对生物系统表型的影响。

动力学模拟是分析代谢网络最直接有效的手段,但由于很多动力学参数未知使得大规模网络的动力学分析受到限制。而基于约束的代谢流分析、基元模式和极端途经分析、最优化方法等得到更加广泛的应用,其中流平衡分析最为常用。流平衡分析(Flux Balance Analysis)是一种基于约束的代谢网络分析方法，通过加入化学计量信息、热力学信息、代谢能力约束等,将系统行为约束在一个封闭的解空间内,然后设置目标函数通过线性规划得到最优解。通常目标函数设为细胞生物质合成最大、生长速率最快或某个目标代谢物产量最高。

以大肠杆菌和酵母为代表的微生物代谢模型研究中，流平衡分析能够比较准确地模拟基因敲除对细胞生长的影响。流平衡分析可以不依赖于反应动力学参数等信息，快速识别对生长或目标代谢物合成具有重要影响的必需基因，如果某个基因敲除造成生长速率为零，则属于致死基因，不能改动；如果某个基因敲除或过表达能够提高目标代谢物产量，则成为候选的改造基因。通过这种计算模拟的手段能够寻找可行的改造途径，对于代谢工程高产菌株设计具有重要的指导意义。

如果能够将基因调控网络整合进来，采用合理方式设定约束，将有助于提高代谢流的预测，发现生物在不同环境下的响应变化，使得现有的代谢模型能更加精确地模拟基因敲除对生长表型的影响。基因调控网络描述调控因子与目标基因之间的相互作用关系，近年来有很多研究分别对两种网络进行构建和分析，但是将二者整合起来揭示转录调控对代谢表型影响的研究较少。这是由于调控网络是基于统计推断的，而代谢网络是基于生化知识的，如何实现基因组范围的调控网络与代谢网络整合是极富挑战的问题。

发明内容

针对现有技术的不足，本发明的目的在于提供一种基于调控-代谢网络预测微生物在不同环境下生长表型的方法。该方法简单、高效，预测结果准确。

本发明提供一种基于调控-代谢网络整合模型预测微生物生长表型的方法，具体步骤如下：

(1)首先构建基因调控网络，基于大量基因表达谱数据，用线性回归推断每个目标基因随转录因子表达变化的线性方程，然后随机抽取部分表达谱数据进行若干次bootstrap线性回归，根据转录因子和目标基因的调控关系在这若干个线性方程中出现与否的概率，计算错误发现率FDR(False Discovery Rate)，FDR表明该转录因子没有调控该基因的比例。

(2)然后取FDR<＝0.05的调控关系作为全局的调控网络；

(3)接着找出调控网络中调控代谢基因的转录因子，根据转录因子的类型，设定敲除该转录因子时目标代谢基因表达的概率P(Gene＝ON|Factor＝OFF)，如果是激活因子,则P＝FDR,如果是抑制因子，则P＝1-FDR；

(4)由代谢网络的流变分析FVA(Flux Variability Analysis)可得每个反应的最大流值Vmax，对每个转录因子进行模拟敲除时，对每个反应施加相应的约束为Vmax*P，接着进行目标函数为生长速率最大的流平衡分析，得出细胞生长速率对应的反应流值F。

(5)对于没有任何基因敲除的野生型代谢网络进行同样的流平衡分析得出最大细胞生长速率Fmax，然后计算突变体相对于野生型的生长速率之比F/Fmax，即代表生长表型的变化。

本发明中，随机抽取部分表达谱数据进行150-300次bootstrap线性回归。

本发明的有益效果在于，对比不施加其他约束的流平衡分析，结合了基因调控网络的信息，使得分析的精确度提高，得以更好地预测微生物的生长表型。

附图说明

图1是本发明方法预测生长表型的总体流程示意图。

图2是以葡萄糖－铵为细胞生长底物时的ROC曲线的结果图示。

图3是以半乳糖－铵为细胞生长底物时的ROC曲线的结果图示。

图4是以葡萄糖－尿素为细胞生长底物时的ROC曲线的结果图示。

具体实施方式

以下结合附图和实施例对本发明的技术方案作进一步描述。