《Microbial Biotechnology》：Incorporation of Cryptic Plasmid Energetics Improves Genome-Scale Metabolic Predictions in Probiotic E. coli Nissle 1917
编辑推荐：
研究人员构建了可整合至大肠杆菌Nissle 1917（EcN）基因组尺度代谢模型（GEMs）的质粒特异性模块，首次明确纳入其携带的隐秘质粒相关的能量消耗。基于约束基于重建与分析（COBRA）方法与可能性代谢通量分析（possibilistic MFA），研究显
研究人员构建了可整合至大肠杆菌Nissle 1917（EcN）基因组尺度代谢模型（GEMs）的质粒特异性模块，首次明确纳入其携带的隐秘质粒相关的能量消耗。基于约束基于重建与分析（COBRA）方法与可能性代谢通量分析（possibilistic MFA），研究显示该模块可显著提升新构建的手工注释EcN模型及既往已发表EcN重构模型的生物量与整体通量预测准确性。通过对不同EcN重构模型的系统性比较，研究人员揭示了模型精细化程度与预测性能之间的权衡关系：在纳入质粒相关成本后，更高水平的模型注释并不一定提升定量预测精度，且预测可靠性同时取决于所采用的计算方法与实际实验条件。在肠道微生物群培养基与厌氧条件下的代谢组学分析表明，EcN表现出独特的代谢表型，其特征为氨基酸摄取增强与短链脂肪酸产量提升，这一特征被所评估的代谢模型成功捕捉。上述发现凸显了EcN独特的益生菌生理特性，并证明了代谢建模在重现与解析此类特征中的实用价值。该研究为考虑隐秘质粒的大肠杆菌Nissle 1917建模提供了定量可靠且具有生理相关性的框架，可支持益生菌工程、合成生物学及生物过程设计领域的进展。
研究背景与意义
大肠杆菌Nissle 1917（EcN）是一种革兰氏阴性益生菌，自1917年被分离以来被广泛用于胃肠道疾病治疗。其益生菌功效依赖于独特的菌株特异性生理特征，包括肠道定植能力、病原体竞争排斥及黏膜免疫调节功能。基因组尺度代谢模型（GEMs）是解析微生物代谢与基因型-表型关系的核心工具，但现有EcN的GEMs均未充分结合其益生菌生理背景，尤其忽略了其携带的两个高拷贝隐秘质粒pMUT1与pMUT2的能量代价。质粒复制、维持与基因表达会消耗细胞资源，导致生长速率下降与代谢溢出（如乙酸积累），这一现象在重组大肠杆菌研究中已被证实，但在EcN益生菌模型中尚未被系统量化。此外，既往EcN模型多聚焦于有氧条件，缺乏厌氧环境（更接近肠道生理状态）下的实验验证。因此，本研究旨在构建纳入质粒能量代价的EcN代谢模型，提升其在益生菌相关生理场景下的预测能力。该研究成果发表于《Microbial Biotechnology》。
关键技术方法
研究以EcN参考基因组为基础，通过同源比对整合大肠杆菌K-12 MG1655与尿路致病性大肠杆菌CFT073的已注释GEM反应，结合MetaCyc、KEGG等数据库进行手工注释，构建新模型iPC1373。质粒模块通过引入脱氧核糖核苷酸消耗反应与质粒需求反应实现，其化学计量系数基于质粒碱基组成与拷贝数计算。模型质量通过MEMOTE工具评估，模拟采用COBRApy完成，结合通量平衡分析（FBA）、通量变异性分析（FVA）与可能性代谢通量分析（possibilistic MFA）三种方法。实验验证采用文献报道的有氧发酵数据集与本研究新生成的厌氧肠道微生物群培养基（GMM）代谢组学数据，后者通过高效液相色谱（HPLC）定量短链脂肪酸与氨基酸。
研究结果
3.1 EcN模型重构与结构比较
3.1.1 已发表EcN GEMs概述：研究对比了iDK1463、iHM1533与CANYUN模型的结构特征。iDK1463基于K-12与致病株模型构建，侧重碳氮源利用差异；iHM1533扩展了次级代谢产物通路，用于合成生物学底盘优化；CANYUN模型为简化版，仅用于工作流程验证。
3.1.2 本研究构建的iPC1373模型：包含2716个反应、1943个代谢物与1373个基因，首次纳入pMUT1与pMUT2的质粒相关反应，并通过调整非生长相关ATP维持（NGAM）参数（好氧25 mmol·gDW-1·h-1、厌氧3.5 mmol·gDW-1·h-1）量化质粒能量代价。MEMOTE评分为91%，一致性达98%。
3.1.3 模型结构比较：排除简化版CANYUN模型后，iPC1373与iDK1463、iHM1533共享83%的反应，独特反应集中于脂多糖O-抗原合成与质粒模块。iHM1533因扩展次级代谢通路包含更多特有反应。
3.2 模型实验通量数据集验证
3.2.1 实验生长场景与模型一致性分析：可能性MFA显示，所有模型在有氧葡萄糖与葡糖酸盐条件下与实验数据完全一致（可能性π=1），岩藻糖与鼠李糖条件下一致性随模型复杂度略有提升。
3.2.2 生物量生长速率预测：纳入质粒模块后，所有模型对生物量的高估显著降低，平均相对平方误差（RSE）从16%降至4%，其中iDK1463表现最优（RSE=3.6%）。
3.2.3 NGAM敏感性分析：模拟显示NGAM值在25-27 mmol·gDW-1·h-1时与实验生物量匹配最佳，与文献报道的质粒携带菌株值一致。
3.2.4 剩余外部分泌速率预测：质粒模块使乙酸通量的可变范围（FVA）更贴近实验值，尤其在鼠李糖条件下可预测基础乙酸生成。iPC1373的外部分泌速率预测RSE最低（27%）。
3.2.5 内部通量反应速率预测：在13C标记葡萄糖与葡糖酸盐数据中，质粒模型可定性重现中心代谢通量趋势，iPC1373在三羧酸循环中预测精度最高（中位数RSE=32%）。
3.3 EcN在GMM培养基中呈现独特代谢组学特征
主成分分析显示，EcN在GMM培养基中的代谢谱与其他组明显分离，主要由乳酸、乙酸、甲酸与琥珀酸驱动。实验检测到EcN在GMM中短链脂肪酸（乙酸、丁酸、甲酸、乳酸、琥珀酸）产量显著高于K-12菌株，且精氨酸与色氨酸摄取增强。模型模拟成功重现了GMM条件下的琥珀酸与乙酸过量生产，以及氨基酸高摄取特征，但未能预测鸟氨酸摄取与乳酸生成。
讨论与结论
本研究通过整合隐秘质粒能量代价，提升了EcN GEMs在益生菌生理场景下的预测能力。研究发现模型复杂度并非预测精度的唯一决定因素，计算方法与实验条件的匹配更为关键。EcN在厌氧GMM中的独特代谢表型（高氨基酸摄取与短链脂肪酸生产）可能通过营养竞争与抑制病原体促进其益生菌功能。该框架可直接应用于益生菌发酵工艺优化与合成生物学底盘设计，并为其他天然携带质粒的微生物代谢建模提供参考。未来需进一步整合调控机制与菌群互作模型，以更全面解析EcN的益生菌作用机制。
研究结论：本研究开发的含质粒模块的EcN GEMs实现了与实验数据的定量吻合，揭示了模型精细化与预测性能的权衡关系，明确了EcN在肠道模拟环境下的特征性代谢表型，为益生菌工程与合成生物学应用提供了可靠的代谢建模基础。
