生物数学中的代谢网络流分析 代谢网络流分析是生物数学中的一个重要分支，专注于利用数学工具量化代谢网络中代谢物的流动（通量）及其调控机制。其核心思想是将代谢网络视为一个由化学反应和传输过程构成的定向流网络，通过约束优化方法预测细胞内代谢行为。 步骤1：代谢网络的基本结构 代谢网络由代谢物（节点）和化学反应（边）组成。例如，葡萄糖通过糖酵解途径转化为丙酮酸，每一步反应对应一个通量值（如mmol/gDW/h）。网络结构通常用化学计量矩阵 S 表示，其中行对应代谢物，列对应反应。若反应 j 消耗代谢物 i ，则 S ij < 0；若生成代谢物 i ，则 S ij > 0。 步骤2：稳态假设与质量守恒 在稳态下，代谢物浓度变化率为零，即 S · v = 0，其中 v 是通量向量。该方程定义了通量空间的可行解集。例如，若一个代谢物被两个反应生成且被一个反应消耗，则稳态要求生成速率等于消耗速率。 步骤3：通量平衡分析（FBA） FBA 是代谢网络流分析的核心方法，通过线性规划求解通量分布： 目标函数 ：通常假设细胞优化某个生物学目标（如生物量最大化或ATP产量最大化）。 约束条件 ：包括稳态约束（ S · v = 0）、酶容量限制（ v min ≤ v ≤ v max ）以及底物摄取速率等。 例如，在微生物模型中，FBA 可预测不同碳源下的生长速率。 步骤4：扩展方法——考虑动力学与调控 基础FBA忽略酶动力学和调控约束，后续发展出动态FBA（dFBA）、通量可变性分析（FVA）等方法： dFBA 结合代谢物浓度动态变化，通过时间分段优化模拟长期代谢适应。 FVA 计算每个通量在满足稳态和目标函数值范围内的可行区间，评估网络鲁棒性。 步骤5：应用与验证 代谢网络流分析用于预测基因敲除效应（如评估敲除某酶后生长速率的变化）、揭示代谢瓶颈（如通过影子价格分析限制性底物），并指导代谢工程（如优化产物合成途径）。实验数据（如 13 C标记通量测量）常用于验证模型预测的准确性。 总结 代谢网络流分析通过整合网络拓扑、物理化学约束和优化目标，定量解析代谢功能，是连接基因组尺度模型与细胞表型的关键数学工具。