GSM-多基因组基因组级模型的优化:方法、实践教程和透视图

基因组级代谢模型是评估生物代谢潜力的重要工具。作为基因表达的下游，代谢越来越多地被用作药物和治疗的表型结果的指标。本文综述了系统生物学中基于约束建模的主要方法，并探讨了如何利用多基因组数据的整合来改进基因组级代谢模型的表型预测。我们认为，大规模比较生物体对不同环境条件的代谢反应将是基因组级模型的一个重要挑战。因此，在多基因组方法的背景下，我们描述了一个使用代谢和转录组适应估计器(METRADE)的多目标优化教程，在MATLAB中实现。METRADE使用微阵列和密码子使用数据来模拟细菌对环境条件(如抗生素、温度、热休克)的代谢反应。最后，我们讨论了将多体网络整合到代谢模型中的关键问题，以便从这些模型中自动提取知识.
新陈代谢是维持细胞生存状态的一系列生化反应。由于这些反应是不可缺少的，所以尽可能准确地描述所有生物体的代谢网络是至关重要的。在微生物群落的较高组织水平上，细胞可以作为其环境中的代谢物的汇点或来源，因为它们不断地在环境代谢物库[1]中产生或消耗一系列代谢物。作为基因表达的下游，代谢越来越多地被用作药物和治疗以及癌症研究的表型结果的指标。