FBA-Hyb 将代谢网络整合进混合生物过程模型
Integrating Metabolic Networks into Hybrid Bioprocess Models
FBA-Hyb 框架将基因组尺度代谢网络通过通量平衡分析(FBA)嵌入混合模型,并用符号回归生成的代理替代 FBA 优化步骤。在两套大肠杆菌补料分批案例中,留一过程交叉验证的预测精度 R2 平均提升 42%,外推时仍保持化学计量可行性;标准架构在 22% 的分析案例中产生化学计量不一致解。第二项案例还模拟未测量化学物种,并发现硫酸盐限制条件下的代谢转变。
预印本 · biorxiv · 10.64898/2026.04.22.720062
本站摘要基于收录版本 v2(2026-10-28),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v2
生物过程的优化与控制需要稳健的 in silico 模型,以准确捕捉活细胞复杂而动态的行为。虽然将机器学习与机理方程相结合的混合模型已成为一种强大的工具,但它们通常需要相对较大的数据集,并且可能产生不一致的预测,从而违反代谢的化学计量关系。在本研究中,我们提出了 FBA-Hyb,一个多尺度混合建模框架,它通过通量平衡分析(FBA)将全基因组规模代谢网络紧密集成到其架构中。在我们的 FBA-Hyb 框架中,人工神经网络预测关键的 FBA 输入(底物摄取速率和 FBA 目标),而代理 FBA 模块则将这些输入转化为支配生物过程的代谢通量。一个关键的创新在于,FBA 优化步骤被一个通过符号回归生成的代理模型所取代,该模型将 FBA 模型封装成一个紧凑的解析表达式。这使得基于神经受控微分方程的 FBA-Hyb 生物过程模型能够通过反向传播进行轻松的梯度传递。我们使用两个大肠杆菌(Escherichia coli)补料分批案例研究,将 FBA-Hyb 与标准混合模型(Std-Hyb)进行了验证。在第一项研究中,FBA-Hyb 在留一过程交叉验证中实现了预测精度(R2)平均 42% 的提升。至关重要的是,即使在外推情况下,FBA-Hyb 也能保持严格的化学计量可行性。与此同时,基于标准架构的替代方法在所分析的案例中有 22% 产生了化学计量不一致的解。在第二个案例研究中,我们展示了 FBA-Hyb 如何有效地模拟未测量的化学物质,并在生物过程中发现硫酸盐限制条件下的代谢转变。通过提供一个模块化的、生物学一致的且计算高效的架构,FBA-Hyb 为下一代生物过程模型和可持续的过程优化提供了稳健的基础。
来源:bioRxiv · biorxiv.org