一种探索基因组规模代谢网络吉布斯能量景观的可扩展算法

将各种类型的基因组数据整合到生物网络的预测模型中是计算生物学当前面临的主要挑战之一。特别是基于约束的模型，在试图获得基因组规模细胞代谢的定量理解中发挥着关键作用。本质上，它们的目标是基于最小假设来构建生物体的代谢能力，这些假设通过适当的化学计量约束（即质量平衡和能量平衡，即热力学可行性）来描述底层反应网络的稳态。然而，实施这些要求以生成可行的反应通量配置和/或测试给定通量分布的热力学可行性，可能计算量很大。我们在此提出一种快速且可扩展的基于化学计量学的方法，用于探索稳态下生化网络的吉布斯能量景观。该方法应用于两个问题：重建人类红细胞中代谢活动背后的吉布斯能量景观，以及识别并去除大肠杆菌代谢网络（iAF1260）中热力学不可行的反应循环。在前一种情况下，我们为细胞内代谢物的化学势（或对数浓度）生成一致的预测；在后一种情况下，我们在周质和细胞质核心中识别出一组受限的循环（总共23个），这些循环是在大量（$10^6$）随机生成且与反应可逆性先验信息兼容的通量配置中热力学不可行性的根源。