中国科学院深圳先进技术研究院综述肠道微生物群落建模研究进展

• 全文链接

关键词：

来源：

https://www.siat.ac.cn/kyjz2016/202501/t20250120_7520256.html

全文链接：

//agri.nais.net.cn/topic/downloadFile/855e470d-52b0-41dd-b8dc-bd0c2b94a0a9

来源地址：

https://www.siat.ac.cn/kyjz2016/202501/t20250120_7520256.html

资源所属：

饲料用酶工程

类型：

前沿资讯

语种：

中文

原文发布日期：

2025-01-20

摘要：

近日，中国科学院深圳先进技术研究院陈禹课题组与查尔姆斯理工大学Jens Nielsen教授合作，在Current Opinion in Biotechnology期刊发表综述文章“Personalized gut microbial community modeling by leveraging genome-scale metabolic models and metagenomics”。陈禹研究员和Jens Nielsen教授为文章的共同通讯作者，研究助理李龙涛为第一作者。该工作获得了国家重点研发计划及深圳合成生物学创新研究院的支持。文章首先回顾了近些年GEM相关资源与建模工具（如AGORA2，CarveMe等）及其在肠道微生物研究中的应用，然后介绍了构建个性化人类肠道Co-GEM的两种主流策略 （图1）：一是通过宏基因组中获得的微生物分类信息与已有的多个菌株的GEM资源整合构建Co-GEM；二是直接利用宏基因组测序数据构建GEM并结合环境中微生物分类信息来构建Co-GEM。最后，文章总结了该领域的挑战与展望。首要挑战便是不同数据库与GEM资源之间的标准化，目前不同GEM和数据库之间的代谢物、反应等关键信息存在多种不同的格式和命名规则。单一模型的性能是群落建模的基础，基于先验知识对GEM进行多约束（比如酶动力学参数，蛋白限制等）的整合至关重要。例如，最新的GECKO 3.0工具通过构建酶约束模型显著提升了模型的预测能力，有望运用于肠道微生物模型构建。此外，新的“泛”模型构建方法，比如MIGRENE和Pan-draft等，使得构建个性化肠道Co-GEM成为了可能；而多组学数据的整合以及机器学习和神经网络方法也能够进一步提升模型性能。随着新方法的不断涌现并应用在提高Co-GEM的性能上，相信在不久的将来，将能从肠道微生物的角度为人类健康与疾病提供更深入的见解。