西湖大学+上海AI Lab：AI虚拟代谢

细胞代谢途径重建是合成生物学领域至关重要但极具挑战的目标。提出了个整合逆合成规划与生物约束的概念框架以提升生物可行性。认为该方法涵盖单途径与系统级建模可通过大型语言模型驱动代谢网络的理解、设计、评估与优化。dongnanqingpjlab.org.cnstan.zq.liwestlake.edu.cn#人工智能 #AI虚拟代谢 #代谢途径重建 #逆合成规划 #基因组尺度代谢模型 #通量平衡分析 #合成生物学 #大语言模型构建AIVM从结构性途径设计到动态系统模拟从单途径到系统级代谢重建图1细胞代谢建模与AIVM框架核心组件(A) 细胞代谢包含复杂的动态生化过程。葡萄糖代谢展示了代谢途径的结构范围根据氧气可用性通量可分支进入3羧酸TCA循环介导的有氧呼吸或无氧发酵。(B) 基于中心法则的多组学LLMs代谢建模。模型经基因组学、转录组学、蛋白质组学和代谢组学数据训练捕捉细胞层级关系并补充缺失的组学模态。(C) 生物约束下的虚拟代谢网络模拟。AI模型整合目标代谢物、多组学约束和环境变量逼近真实生理条件酶约束和热力学可行性指导反应合理性外部条件提升生理真实性。(D) 单一代谢途径设计的迭代深度学习框架。流程类似逆合成规划通过酶介导的多步预测实现每1步选择候选化合物如M3通过反应如R5和R6扩展并结合合成成本与可行性更新图谱如生成M7和M8最终实现可行途径设计。(E) GEM重建将单途径设计扩展至系统级代谢。通过缺口填充补全缺失反应的草稿网络FBA实现线性优化如生物量、产物产量和底物摄取代谢LLMs为动态自适应建模提供非线性见解。AI 人工智能FBA 通量平衡分析GEM 基因组尺度代谢模型LLMs 大型语言模型。结果AI生成代谢网络的评估Box 1 概念应用场景AI驱动的青蒿酸途径重建以酿酒酵母中青蒿酸途径的虚拟重建为例说明AIVM框架的应用。高产青蒿酸通常需要多年优化核心涉及3个方面甲羟戊酸MVA通量、细胞色素P450CYP71AV1催化效率和氧化还原平衡使其成为AIVM引导设计的理想测试平台。首先逆合成推理将在BRENDA和MetaCyc等数据库的酶约束指导下提出从乙酰辅酶A到青蒿酸的可行生物合成路线经多组学训练的LLM通过将黄花蒿的基因组和转录组数据映射到酵母优先选择酶变体提出工程干预策略如增强tHMG1和ERG10以扩大法尼基焦磷酸库优先选择CYP71AV1及其氧化还原伴侣CPR1以提升下游氧化效率随后热力学过滤将排除能量上不利的分支如MVA脱羧的逆反应最具潜力的途径将被嵌入酵母GEM如iMM904通过FBA评估生物量与产物的权衡关系最后LLM作为「协同科学家」分析调控相互作用提出限制竞争性麦角固醇途径、平衡NADPH利用以最大化产量的策略为途径设计提供更高层次的见解超越静态的规则驱动方法。详细总结思维导图mindmap通过多维度过滤确保预测路径的真实性具体如下采用多层级验证确保可靠性具体如下参考Trends Biochem Sci. 2026 Mar 17:S0968-0004(26)00003-4.doi: 10.1016/j.tibs.2026.01.003.Artificial intelligence revolutionizes cellular metabolic pathway reconstruction260317AIVM.pdf注AI辅助创作如有错误欢迎指出。内容仅供参考不构成任何建议。