天津工业生物技术研究所成功开发新型代谢工程靶点设计算法

• 全文链接

关键词：

来源：

中国科学院天津工业生物技术研究所

全文链接：

//agri.nais.net.cn/topic/downloadFile/8f634ffe-63c7-4239-8056-577d5cf4a880

来源地址：

http://www.tib.cas.cn/xwdt/kyjz/202506/t20250610_7801518.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：

2025-06-10

摘要：

中国科学院天津工业生物技术研究所生物设计中心以自然界“节能高效”的自由能与酶资源的精准协同调控为灵感，提出ET-OptME框架，首次将酶约束与热力学约束协同引入代谢靶点设计算法，显著提升预测的生理真实性和实验可行性。ET-OptME由两个核心算法组成：ET-EComp通过比较不同状态下的酶浓度范围识别上调/下调酶，ET-ESEOF则扫描目标通量增加过程中的酶浓度变化趋势，捕捉调控信号。该框架还引入“蛋白中心”策略，跳出传统的反应层级靶点预测，解决了预测的多功能酶时可能出现的难以统一调控方向的难题。在谷氨酸棒状杆菌的五种工业产物案例中，ET-OptME在最小精确度指标上比计量学算法提升292%以上，准确度提高106%；与当前先进的酶约束算法相比，ET-OptME也保持70%的精度优势和47%的准确度优势。本研究还在代谢层面深入分析了关键靶点如pyc、gapA与leuA预测成功的原因，展示出酶-热约束靶点预测算法在提升路径效率和避免代谢瓶颈上的显著优势。