细胞内代谢物浓度的可扩展计算

当前用于预测细胞通量状态和大分子组成的数学框架不依赖热力学约束来确定反应的自发方向。这些预测可能因此而在生物学上不可行。施加热力学约束需要准确估计细胞内代谢物浓度。这些浓度被约束在生理可能范围内，以使生物体能在极端条件下生长并适应环境。在此，我们引入易处理的计算技术，在基于约束的建模框架内刻画细胞内代谢物浓度。该模型提供一个可行的浓度集合，其通常可以是非凸且断开的。我们考察了基于多项式优化、随机采样和全局优化的三种方法。我们利用底层生物物理模型的稀疏性和代数结构来提升这些技术的计算效率。然后我们在两个案例研究中比较其性能，表明全局优化公式比随机采样和多项式优化公式展现出更优的扩展特性，因此是处理大规模代谢网络的有前途的候选方法。