代谢流分析

• 代谢通量：单位时间内，通过特定生化反应的底物转化为产物的摩尔速率。它反映了该反应在代谢网络中的实际活性。

• 稳态假设：在经典的基于约束的MFA中，通常假设细胞处于拟稳态，即细胞内代谢物池的浓度变化速率为零（净积累为零）。这意味着流入一个代谢物池的所有通量之和等于流出该池的所有通量之和。

• 系统视角：MFA将细胞视为一个整体网络，通过数学建模同时计算网络中所有相互关联的通量。

1. 基于约束的MFA (Constraint-Based MFA)

• 基础：以基因组尺度代谢模型（Genome-scale metabolic model, GEM）为框架，整合化学计量学、热力学约束和质量平衡。

• 核心：建立所有代谢反应的化学计量矩阵 S。在稳态下，满足 S · v = 0，其中 v 是通量向量。

• 通量平衡分析（Flux Balance Analysis, FBA）：在给定目标函数（如最大化生物量合成）和通量上下界约束下，通过线性规划求解一组可能的通量分布。用于预测而非精确测定。

• 通量变异性分析（Flux Variability Analysis, FVA）：评估在满足约束和最优目标条件下，每个通量可能的变化范围。

2. ¹³C 代谢流分析 (¹³C-MFA)

这是最经典和最精确的实验性MFA方法，也是狭义的“代谢流分析”通常所指的技术。

• 核心原理：向细胞培养体系提供¹³C标记的底物（如 [U-¹³C]葡萄糖， [1-¹³C]谷氨酰胺），追踪¹³C原子在代谢网络中的传递路径。

• 工作流程：

  1. 标记实验：在稳态条件下培养细胞，使用¹³C标记底物。
  2. 代谢物采样与检测：收集细胞，提取代谢物，使用气相色谱-质谱联用或液相色谱-质谱联用测定关键代谢物（如氨基酸、有机酸）的质量同位素体分布。
  3. 模型构建：构建包含反应化学计量和碳原子转移映射的代谢网络模型。
  4. 通量估算：通过迭代计算，寻找一组能使模型预测的标记模式与实验测量的标记模式最佳拟合的细胞内通量分布。常用软件有 INCA、13C-FLUX 等。

• 输出：提供净通量的精确量化值（单位通常为 mmol/gDW/h），例如糖酵解通量、TCA循环通量、回补反应通量等。

3. 非稳态 MFA (Dynamic MFA)

• 原理：不依赖稳态假设，通过高时间分辨率监测标记底物的摄入和代谢物标记模式的动态变化，直接求解微分方程来估算通量。

• 应用：研究快速变化的生物过程，如微生物发酵过程、细胞对外界扰动的瞬时响应。

表1：主要代谢流分析技术比较

1. 基础代谢研究：定量解析中心碳代谢、氮代谢在不同生物中的运作模式。

2. 疾病代谢重编程：精确定量癌症（瓦博格效应）、糖尿病、神经退行性疾病等病理状态下的关键代谢通量变化。

3. 代谢工程与合成生物学：指导微生物或细胞工厂的理性设计，优化目标产物（如生物燃料、药物前体）的合成路径和产率。

4. 系统生物学建模：为多尺度模型提供关键的代谢活动参数，整合转录组、蛋白质组数据。

5. 药物发现：评估代谢靶向药物（如IDH抑制剂）的药效和作用机制。

• 实验与计算复杂度高：需要精心设计的标记实验、高精度质谱数据和复杂的数学建模专业知识。

• 网络规模限制：¹³C-MFA通常限于中心代谢网络（~100个反应），因为随着网络扩大，模型可识别性急剧下降。

• 细胞异质性：传统MFA给出的是细胞群体的平均通量，正在发展单细胞MFA方法以解析亚群差异。

• 空间异质性：在组织或生物膜中，代谢通量可能存在空间梯度，空间分辨代谢组学与之结合是前沿方向。

• 多组学整合：将通量数据与调控层数据（如代谢控制分析）结合，以理解通量变化的调控机制。

• 机器学习辅助：利用人工智能加速模型构建和通量估算。

• Sauer, U. (2006). Metabolic networks in motion: ¹³C-based flux analysis. Molecular Systems Biology, 2, 62.
• Zamboni, N., Fendt, S. M., Rühl, M., & Sauer, U. (2009). ¹³C-based metabolic flux analysis. Nature Protocols, 4(6), 878-892.
• Orth, J. D., Thiele, I., & Palsson, B. Ø. (2010). What is flux balance analysis? Nature Biotechnology, 28(3), 245-248.
• Antoniewicz, M. R. (2018). A guide to ¹³C metabolic flux analysis for the cancer biologist. Experimental & Molecular Medicine, 50(4), 1-13.
• Crown, S. B., & Antoniewicz, M. R. (2013). Publishing ¹³C metabolic flux analysis studies: a review and future perspectives. Metabolic Engineering, 20, 42-48.
• Wiechert, W. (2001). 13C metabolic flux analysis. Metabolic Engineering, 3(3), 195-206.
• Nielsen, J. (2003). It is all about metabolic fluxes. Journal of Bacteriology, 185(24), 7031-7035.
• 李宏, 赵振华, 等. (2016). 代谢流分析在微生物代谢工程中的应用进展. 生物工程学报, 32(10), 1311-1323.
• 张振中, 吴思佳, 等. (2020). ¹³C代谢流分析技术及其在肿瘤代谢研究中的应用. 生命科学, 32(6), 580-590.