代谢网络

代谢网络是生物体内所有代谢反应、参与反应的代谢物以及催化反应的酶/蛋白之间，通过底物-产物关系相互连接所构成的复杂、高度组织化的系统。它代表了细胞代谢功能的整体性视角，超越了单个代谢通路的线性概念，强调各通路之间通过共享代谢物和能量载体实现的动态交互与整合。

• 核心元素：
  • 节点：代表代谢物（如葡萄糖、ATP、乙酰辅酶A）。
  • 边：代表生化反应，连接底物节点和产物节点。
  • 属性：与节点和边关联的酶、基因、热力学参数（如自由能变ΔG）、动力学参数（如米氏常数Km）以及调控信息（变构调节、转录调控）。
• 网络层级：
  • 底物-产物网络：最基本的连接关系。
  • 酶-反应网络：连接共享相同酶或亚基的反应。
  • 基因-蛋白-反应关联网络：整合基因组、蛋白质组和代谢信息，体现基因型与代谢表型的联系。

代谢网络展现出一系列复杂网络的典型特征：

• 小世界特性：网络高度互联，任意两个代谢物之间通过少数几个反应即可相连，使得物质和能量能在网络中高效传递。
• 无标度特性：节点的连接度分布不均。少数关键代谢物（如ATP、丙酮酸、乙酰辅酶A）是中心枢纽，参与极多反应；而大多数代谢物仅参与少数几个反应。
• 模块化：网络可分解为功能相对独立的模块（如氨基酸合成模块、核苷酸合成模块），这些模块通过中心枢纽代谢物相连，提高了网络的鲁棒性和可进化性。
• 冗余性：存在多条路径可产生同一关键代谢物（如ATP可通过糖酵解、TCA循环、氧化磷酸化等产生），增加了网络的稳健性。

为了定量研究，代谢网络通常被转化为数学模型：

• 化学计量矩阵：网络的核心数学表示。矩阵的行对应代谢物，列对应反应。矩阵元素Sᵢⱼ表示代谢物i在反应j中的化学计量系数（负数为底物，正数为产物）。用于进行基于物质守恒的分析。
• 约束性分析：
  • 通量平衡分析（FBA）：最核心的分析方法。在稳态假设（各代谢物浓度不变）下，结合化学计量约束、热力学可行性和目标函数，计算网络中所有反应的代谢通量分布，以预测细胞在特定条件下的代谢表型（如最大生长速率）。
  • 代谢流分析（MFA）：利用¹³C标记实验数据，为网络中的通量分配提供实际测量值，是验证和细化FBA模型的关键。
• 网络建模与模拟：
  • 动力学模型：纳入酶动力学方程，可模拟代谢物浓度随时间的变化，但数据需求高，复杂度大。
  • 基因组尺度代谢模型（GSMM）：整合基因组注释信息，为特定生物重建一个包含所有已知代谢反应和基因-蛋白-反应关联的大规模网络模型，是系统代谢工程和合成生物学的基石。

• 功能整合：
  • 分解代谢与合成代谢的偶联：通过ATP、NAD(P)H等共同代谢物和中心前体（如乙酰辅酶A）实现能量与物质的统一调度。
  • 适应与稳健性：网络结构使其能灵活响应环境变化，在部分反应被抑制时，可通过备用路径维持核心功能。
• 多层次调控：
  • 反应层面：变构调节、可逆共价修饰（PTM）快速调控关键酶活性。
  • 网络层面：能量电荷、氧化还原状态等全局信号协调不同模块的活动。
  • 基因层面：转录调控改变酶的表达量，实现长期的代谢重构。

• 组学数据整合：
  • 代谢组学：提供网络中代谢物浓度的“快照”。
  • 通量组学：提供网络中代谢流的“视频”。
  • 转录组学/蛋白质组学：提供酶表达水平信息，用于约束模型。
• 计算工具与数据库：
  • 重建工具：ModelSEED、Raven Toolbox等，用于从基因组自动或半自动重建代谢模型。
  • 模拟与分析平台：COBRA Toolbox（最常用）、CellNetAnalyzer。
  • 数据库：KEGG、MetaCyc、BiGG Models等，提供标准化的反应、代谢物和模型信息。

• 基础生物学研究：理解细胞的系统性功能、预测基因敲除表型、研究代谢进化。
• 生物技术与合成生物学：
  • 代谢工程：理性设计细胞工厂。通过模型模拟，预测改造靶点（如敲除、过表达哪些基因），以最大化目标产物（如生物燃料、药物）的产率。典型成功案例包括酵母生产青蒿素、大肠杆菌生产1,4-丁二醇。
  • 系统代谢工程：整合多组学数据和GSMM，进行全系统优化。
• 医学与人类健康：
  • 疾病机制：研究癌症（瓦博格效应）、肥胖、糖尿病等代谢性疾病中网络的重编程。
  • 药物靶点发现：识别对病原体（如结核杆菌、疟原虫）生存至关重要、但对宿主非必需的网络节点作为药物靶点。
  • 个性化营养与医疗：结合个体基因组和微生物组信息，构建个性化代谢模型，指导饮食和疾病干预。

• Barabási, A. L., & Oltvai, Z. N. (2004). Network biology: understanding the cell's functional organization. Nature Reviews Genetics, 5(2), 101–113.
• Orth, J. D., Thiele, I., & Palsson, B. Ø. (2010). What is flux balance analysis? Nature Biotechnology, 28(3), 245–248.
• Palsson, B. Ø. (2015). Systems Biology: Constraint-based Reconstruction and Analysis. Cambridge University Press.
• Bordbar, A., Monk, J. M., King, Z. A., & Palsson, B. O. (2014). Constraint-based models predict metabolic and associated cellular functions. Nature Reviews Genetics, 15(2), 107–120.
• BiGG Models Database: http://bigg.ucsd.edu
• 刘立明, 陈坚. (2012). 代谢网络模型的构建及其应用. 生物工程学报, 28(6), 661–678.
• 李寅, 赵学明. (2005). 代谢工程: 原理与方法. 化学工业出版社.
• Schellenberger, J., Que, R., Fleming, R. M. T., Thiele, I., Orth, J. D., Feist, A. M., ... & Palsson, B. Ø. (2011). Quantitative prediction of cellular metabolism with constraint-based models: the COBRA Toolbox v2.0. Nature Protocols, 6(9), 1290–1307.
• Feist, A. M., & Palsson, B. Ø. (2008). The growing scope of applications of genome-scale metabolic reconstructions using Escherichia coli. Nature Biotechnology, 26(6), 659–667.