基因排序框架提升时间限制下基因组规模约束型代谢网络的设计效率
分子网络
2026-05-19 v2
摘要
基因组规模约束型代谢网络的设计稳步推进，越来越多的成功案例实现了生长耦合生产，即关键代谢物的生物合成与细胞生长相关联。然而，设计失败的一个主要原因是无法在现实的时间限制内找到解决方案。因此，开发能在指定计算时间内实现高成功率的方法至关重要。在本研究中，我们提出了一个用于对单个基因重要性进行排序的框架，以加速约束型模型设计中原始混合整数线性规划(MILP)问题的求解。在所提出的方法中，在为高重要性基因预赋值后，MILP被作为一系列互斥的子问题并行求解。结果发现，我们的框架能够恢复原始方法识别出的大部分成功案例，并且在相同时间限制下，成功率相比原始方法提高了37%至186%。对MILP求解过程的分析表明，所提出的方法减小了子问题的规模，并减少了分支定界树中的节点数。这个基因重要性排序框架可直接应用于一系列基于MILP的约束型代谢网络设计算法。开发的脚本可在\href{https://github.com/MetNetComp/Gene-Ranked-RatGene}{https://github.com/MetNetComp/Gene-Ranked-RatGene}获取。
引用
@article{arxiv.2511.03483,
title = {A Gene Ranking Framework Enhances the Design Efficiency of Genome-Scale Constraint-Based Metabolic Networks under Time Limits},
author = {Yier Ma and Takeyuki Tamura},
journal= {arXiv preprint arXiv:2511.03483},
year = {2026}
}