从基因到表型-使用群落建模方法解读微生物互作机制

内容预览

常见微生物群落代谢模拟软件的优缺/特点
识别应用场景
其他准备

前言

微生物群落在多个领域（如医疗保健、生物技术和环境修复）中发挥着重要作用，了解微生物群落间相互作用机制对于充分发挥其潜力至关重要。基于基因组规模代谢模型（GEMs）的约束重建和分析（COBRA）方法已成为模拟微生物群落行为的最先进工具。

在上一期的结尾中，我们提到一个基于代谢模型建模的案例，通过对两种细菌在特定条件下的模拟培养，可以快速地获取成员的生长速率、目标代谢产物产量、代谢产物的主要生产者、底物消耗情况等情况。对应到实际应用方向，就是代谢能力预测、代谢相互作用分析、环境适应性分析、生态系统功能分析、疾病分析以及一些特定目标的模型设计与验证。

尽管已经开发了许多使用COBRA方法模拟多物种群落的工具，但这些工具在软件质量、最适合的应用场景和预测能力方面尚未经过系统评估。因此，本期我将结合A structured evaluation of genome-scale constraint-based modeling tools for microbial consortia，为大家介绍该领域中涉及到的常见微生物群落建模工具，从应用的角度分享一点可操作性的建议。

常见微生物群落代谢模拟软件的优缺/特点

目前的微生物群落代谢模拟软件较为丰富，研究人员可以根据自己的研究目的和系统特性选择合适的建模工具。对于静态系统，可以选择如cFBA或MICOM这样的工具；对于动态系统，可以选择如DFBAlab或MMODES；而对于需要考虑空间分布的系统，则可以选择COMETS或BacArena。

其中，MICOM、COMETS和BacArena在可查找性、可访问性、互操作性和可重复性上表现最佳，MICOM与COBRApy兼容，支持多种GEM格式，COMETS与BacArena的源代码可直接在github上访问，并提供了丰富的教程和文档，甚至可以通过图形用户界面进行操作。

值得一体的是，许多软件除了依赖问题，还有涉及到不开源的商业求解器，例如cFBA只支持商业求解器CPLEX，教育用户可以通过教育资格审核获取，但对于一般普通用户来说，费用较高。而且不同求解器之间的API接口和性能差异较大，将商业求解器更换为开源求解器会面临较高的学习成本和性能问题。

因此，就学习成本和使用成本来说，可以优先尝试MICOM、COMETS和BacArena进行计算模拟（尤其是前两个，BacArena由于SBML在CRAN没有通过验证，导致依赖包sybil无法安装，目前安装获取难度较大）。对于其他软件，建议优先评估好需求后再进行部署和测试。

软件	优点	缺点/特质	必需编程语言
MICOM (Metagenome-Scale Modeling)	提供了优秀的用户支持，有两渠道可供讨论和支持。 易于安装，只需要一行代码和安装COBRApy。 包含用户手册，解释了工具的所有方面，并且是最新的。 支持Qiime2插件。	针对人类肠道设计的微生物代谢模型。	python
SteadyCom	作为COBRA Toolbox的一部分，安装快速简单。 提供了一些案例研究的教程，并且包含README文件。	没有完全维护以保持最新功能。 可能在某些情况下导致非收敛解决方案或不可行的问题。	matlab
MMT (Microbiome Modelling Toolbox)	提供了丰富的教程和每个主要功能的README文件。允许导入SBML、XML和COBRA模型，用户不需要在运行工具前转换它们。	主要设计用于模拟肠道微生物群落，更适合模拟大型群落。	matlab
cFBA (Community Flux Balance Analysis)	预测能力较好，尤其是在使用通量采样方法时。	分析框架基于CBMPy、CPLEX求解器（非开源） 需要用户具备一定的编程和基于约束的建模知识。	python
OptCom	对于学术用户可以免费使用，提供了教程书籍。	多年来没有更新 框架使用基于GAMS编程语言的BARON求解器，限制了其普及。	python
COMETS (Computation Of Microbial Ecosystems in Time and Space)	能够模拟微生物群落在空间上的分布和代谢交换。 易于访问和使用，具有优秀的文档和用户支持。 支持Cobrapy、Cobra toolbox和带图形用户界面的java版本。	在模拟实验中，对于某些特定情况的预测能力可能不如其他工具。	python、matlab、java
BacArena	提供了基于个体的建模方法，适合模拟异质细胞群体。	在模拟实验中，未能捕捉到实验观察到的空间结构对生长的影响。 受R包sybil的影响，BacArena无法直接通过Cran安装，需要手动安装，比较复杂。	R
MMODES（Metabolic Models based Ordinary Differential Equations Simulation）	提供了进行群落模型的动态模拟功能 可同时处理多个生物学目标 可在Cobrapy和Scipy上进行计算	由于处理的是动态系统，需要较多计算资源。 案例不够丰富，学习难度较高。 该软件主要是针对特定场景进行了优化，在拓展到其他应用场景中的适用性还需观察	python
DFBAlab	支持动态模拟 动态模拟计算效率较高	软件更新频率低 案例不够丰富，学习难度较高。 该软件主要是针对特定场景进行了优化，在拓展到其他应用场景中的适用性还需观察	matlab

识别应用场景

静态系统

静态系统，通常指在一定时间内，环境条件和生物体的生理状态保持相对恒定的系统。在这样的系统中，微生物的生长速率和代谢活动被认为是稳定的，不会随时间发生显著变化。

举例来说，生物甲烷（沼气）生产系统就是一个典型静态系统范畴的微生物模型：

图片引自：https://www.theabqteam.com/electrochaea-completes-biomethantion-plant-engineering/

在厌氧消化过程中，多种微生物协同作用将有机物质转化为甲烷（沼气）。这个过程可以在一个连续搅拌的生物反应器中进行，其中有机物（如食品废弃物、农作物残余等）作为底物被微生物分解。

在这个系统中，可以构建一个包含主要参与甲烷生成的微生物群落的静态GEM。这些微生物包括：

• 产酸菌：将复杂的有机物（如碳水化合物、脂肪和蛋白质）分解成简单的挥发性脂肪酸（VFAs）和醇类。

• 产甲烷菌：将VFAs和醇类等中间产物转化为甲烷和二氧化碳。

在这个模型中，可以假设微生物群落的生长速率是恒定的，并且反应器中的环境条件（如pH、温度、底物浓度等）保持不变。通过cFBA或MICOM方法，可以预测在这些静态条件下微生物群落的代谢活动，例如甲烷的生产速率和中间代谢产物的浓度。

通过这种静态模型，研究人员可以优化反应器的设计和操作条件，提高甲烷产量，或者研究不同微生物之间的相互作用和代谢依赖性。此外，这种模型还可以用于评估改变操作条件（如温度或底物类型）对甲烷生产效率的影响。

动态系统

动态系统，指的是那些随时间变化的环境条件或生物体生理状态的系统。在微生物群落中，动态系统可能涉及微生物生长和代谢活性随时间的变化，或者对环境变化的响应。动态模型通常需要考虑时间依赖的因素，如底物耗尽、产物积累、环境扰动等。

举例来说，大肠杆菌和酿酒酵母的共发酵过程是一个常见的动态系统微生物模型：

图片引自：https://microbialcellfactories.biomedcentral.com/articles/10.1186/s12934-020-01401-5#auth-4

在生物技术中，大肠杆菌（Escherichia coli）和酿酒酵母（Saccharomyces cerevisiae）可以被用于共发酵葡萄糖和木糖的混合物来生产生物燃料。在这一过程中，两种微生物各自利用不同的底物：大肠杆菌主要利用葡萄糖，而酿酒酵母利用木糖。发酵过程可能涉及批次培养或连续培养，其中底物浓度、代谢产物（如乙醇）和微生物生物量会随时间变化。

在这个动态系统中，可以构建一个动态代谢模型来模拟以下变化：

• 底物消耗：随着发酵的进行，葡萄糖和木糖的浓度会逐渐降低。

• 产物形成：乙醇和其他可能的副产物（如有机酸）的浓度会随时间积累。

• 微生物生长：大肠杆菌和酿酒酵母的生物量会随底物的消耗和产物的形成而变化。

• 环境扰动：例如，通过改变培养条件（如温度、pH、氧气供应）来研究其对发酵过程的影响。

动态模型可以使用如动态通量平衡分析（Dynamic Flux Balance Analysis, dFBA）等方法来构建和分析，推荐的工具包括DFBAlab和MMODES。通过这种模型，研究人员可以预测在不同时间点的代谢状态，优化发酵过程以提高产物的产量和质量，或者评估不同操作策略（如喂养策略、生物反应器设计）对整个发酵过程的影响。

空间分布系统

需要考虑空间分布的系统通常是那些微生物群落的空间结构和微环境差异对代谢活动和群落动态有显著影响的情况。以下是一些具体的例子：

图片引自：https://www.encyclopedie-environnement.org/zh/sante-zh/health-bacterial-biofilms/

1. 生物膜形成：

• 在生物膜中，微生物细胞形成的复杂结构会导致不同的空间微环境，如氧气浓度、营养物质可用性和代谢废物积累在生物膜的不同区域会有显著差异。这些差异会影响微生物的代谢和生长，以及它们对抗生素和其他治疗手段的敏感性。

2. 微生物群落的空间异质性：

• 在自然环境中，如土壤或水体中，微生物群落的空间分布可能因温度、pH、湿度和营养物质的局部变化而异质性很大。这种空间异质性可能导致微生物群落中不同物种的代谢活动和相互作用在不同位置有所不同。

3. 微流控芯片上的微生物培养：

• 在微流控芯片上进行的微生物培养可以模拟和研究微生物在受控的微环境中的行为。微流控环境的空间分布和流动特性可以影响微生物的代谢和生长，以及它们对环境变化的响应。

4. 植物根际微生物群落：

• 植物根际的微生物群落受到根分泌物的影响，导致微生物在根际区域的空间分布和代谢活动呈现出特定的模式。考虑这种空间分布有助于理解植物与微生物之间的相互作用。

在这些情况下，COMETS和BacArena是比较推荐的工具，因为它们具备模拟微生物群落空间分布和代谢活动的能力：

• COMETS：提供了基于代理的建模（Agent-Based Modeling, ABM）和通量平衡分析（FBA）的结合，能够模拟微生物个体在空间环境中的代谢交换和相互作用。

• BacArena：同样使用基于代理的建模方法，允许模拟微生物在二维或三维网格上的个体行为，考虑了微生物的空间分布和局部环境条件对代谢的影响。

其他准备

快速进行一次模型测试

代谢模型模拟涉及到的内容和参数较多，为了保证项目的推进，建议你应该首先快速上手测试，看看结果与预期是否符合。除了相关软件的选择和安装外，一般还需要准备你的底物文件，这包括具体的底物类型、初始浓度等信息。这些信息可以来自你的实验或数据库，具体情况根据你的实验对象而定。例如，如果你的研究对象为人类肠道菌群，你可以通过Virtual Metabolite Human数据库获取不同饮食习惯的底物类型。

需要特别注意的是，受数据库来源不同，每个自动化代谢模型重建软件规划的基因组代谢模型中具体的代谢产物、酶或者底物名称可能都存在差异，例如gapseq、carveme和KBase由于参考数据库不同，许多相同化合物叫法不同，这需要特别关注输入的底物文件是否与你的代谢模型中的格式或学名一致。目前已经有文章提到了这个问题，并尝试做了一些标准化的工作：Comparative analysis of metabolic models of microbial communities reconstructed from automated tools and consensus approaches

提高你的模型可靠性

群落代谢模型模拟中，有许多因素会对结果产生显著影响，因此我们需要尽可能地在以下方面提高模型质量，以确保我们的模拟能够指导实际应用。

• 高质量的基因组和注释：确保获取更完整的基因组，以及基于最新数据库注释的功能信息。

• 完善的代谢网络重建：借助自动化代谢模型重建软件搭建的代谢模型往往不足以支撑准确的产量预测，需要整合多种数据库信息和借助实验数据矫正。有关这点可以参考文章： Addressing uncertainty in genome-scale metabolic model reconstruction and analysis

• 实验数据支持：如果能有条件进行实验分析，提供一些关键数据，例如生长速率、代谢产物浓度、底物利用效率等参数，能够有效的修正代谢模型中的死反应和产量速率。

• 模型简化与精炼：对于静态系统或一些特殊条件下，过于复杂的代谢网络并不利于结果的检测，需要通过删除不活跃的反应或通路来简化模型，从而提高计算效率和预测准确性。

本文由博客一文多发平台 OpenWrite 发布！