Cell子刊：西湖大學李子青團隊等提出AI虛擬細胞代謝研究新范式

編譯丨王聰

編輯丨王多魚

排版丨水成文

近日，西湖大學李子青團隊聯合上海人工智能實驗室/上海創智學院董楠卿、百圖生科楊其榮（鄭蔣濱、徐鑫焱為共同第一作者），在 Cell Press 旗下期刊Trends in Biochemical Sciences上發表了題為：Artificial intelligence revolutionizes cellular metabolic pathway reconstruction 的文章。

該文章首次正式提出并定義了“AI 虛擬代謝”（AI Virtual Metabolism，AIVM）這一新概念，確立了以“AI + 多組學”驅動代謝網絡重構的 AGI4S（AGI for Science）研究新范式。作為實現“AI 虛擬細胞”（AI Virtual Cell，AIVC）宏偉藍圖中不可或缺且挑戰最大的核心環節，AIVM 的提出，填補了當前領域的空白，為虛擬代謝研究指明了全新方向。

細胞代謝途徑重建，是合成生物學中一個至關重要但充滿挑戰的目標。在這篇文章中，作者們提出了一個概念性框架，將逆合成規劃與生物學約束相結合，以增強生物學可行性。該方法橫跨個體和系統層面建模，能夠實現由大型語言模型驅動的代謝網絡理解、設計、評估和優化。

人工智能驅動的細胞代謝途徑重建

細胞代謝幾乎是所有生命過程的基礎，驅動著能量生產、大分子（如核苷酸、氨基酸和脂質）的生物合成以及細胞信號傳導。其復雜的酶、代謝物和反應網絡是合成生物學、藥物開發和精準醫學等領域的核心。一個被充分表征的例子——葡萄糖代謝，展示了一個代表性代謝途徑的基本結構和范圍。識別、繪制和組織生化反應的過程被稱為“細胞代謝重建”，對于理解這些途徑、預測其功能、復雜性以及細胞區室的動態空間組織，并為了研究或生物技術應用而對其進行工程化改造至關重要。然而，傳統的生化方法常常因實驗數據有限、途徑高度分支以及依賴于上下文的調控而難以完全重建這些網絡。即使對于相對簡單的葡萄糖代謝，要完全闡明其網絡也需要對參與的所有代謝酶、反應物、反應條件及其相互關系有全面的了解。

近年來人工智能（AI）的進展提供了一個有前景的范式轉變：通過從大規模代謝組學數據中學習，人工智能可以在沒有完全機理理解的情況下預測代謝途徑，為進一步研究其生物學功能和潛在應用提供起點。然而，現有的 AI 方法仍處于起步階段。這些方法將途徑預測視為使用預定義反應模板（即定義特定化學轉化的固定規則）的分類任務，限制了其推廣到訓練中未遇到的特定途徑或反應的能力。此外，這些模型通常是靜態的，不適合模擬多步驟、自適應的生物過程。相比之下，AI 在化學逆合成方面取得了顯著進展，其技術已實現重建復雜、多步驟的合成路線，用于創造天然及新型小分子。

相信這一成功提出了一個令人興奮的可能性：類似的 AI 策略能否擴展到活細胞的代謝途徑重建？雖然逆合成的邏輯框架適用于這兩個領域，但細胞代謝施加了化學合成中不存在的獨特約束，例如酶特異性、熱力學限制、調節途徑以及細胞區室的動態空間組織。此外，活細胞中的代謝在非理想條件下運行，受到進化壓力、生理約束和環境擾動的影響。為了有效模擬代謝網絡，人工智能系統必須考慮生命特有的約束。

在此，作者們提出了一個新的概念框架——人工智能虛擬代謝（AI virtual metabolism，AIVM），以勾勒出該領域如何向前推進，以實現智能代謝途徑重建的宏偉目標，以促進生物學理解和代謝工程。

構建 AIVM：從結構途徑設計到動態系統模擬

個體代謝途徑設計

作者們提出，將化學中使用的逆合成推理與細胞系統生物學相結合，可以提供具有生物學信息的代謝途徑預測。AIVM 框架將利用在多層組學數據（基因組學、轉錄組學、蛋白質組學、代謝組學）上訓練的大語言模型（LLM），生成細胞功能的分層表征。這一過程受分子生物學中心法則指導，這些基于流的表示反映了基因表達如何驅動酶的生產，并最終塑造代謝活性。

為了模擬生物學上真實的途徑，該框架將納入多種生物學約束，如前所述。更具體地說，酶水平約束確保提出的反應在催化上是可行的，而熱力學過濾則排除能量上不利的路徑。例如，酶特異性可以使用 BRENDA 和 KEGG 等數據庫進行驗證，而熱力學可行性可以通過 eQuilibrator 計算生理條件下的吉布斯自由能變（ΔG）來評估。在前面提到的葡萄糖代謝案例中，ΔG 計算可以區分可行的糖酵解步驟與能量上不利的逆轉反應。代謝組學背景通過整合條件特異性的代謝物濃度，進一步優化了預測。這些過濾器共同作用，可以防止生成不現實的途徑，并提高通量預測的可信度。

通過基于圖的迭代設計，該框架可以構建多步驟的生物合成途徑。這些途徑反映了化學逆合成的邏輯，但基于酶驅動、上下文感知的細胞代謝。作為一個說明性示例，Box1 展示了在工程酵母中重構青蒿酸途徑的概念性 AIVM 驅動示例，闡明了所提出的工作流程如何生成候選途徑和可測試的設計假設，這些假設可以在生物約束條件下與已建立的釀酒酵母工程策略進行基準測試，并有可能增加下游青蒿素轉化的前體供應。作者設想，未來的應用包括微生物底盤優化、高價值化合物的可持續生產、生物傳感和治療干預。

Box1. 概念性應用場景：人工智能驅動的青蒿酸途徑重建

通過一個假設的在釀酒酵母中重建青蒿酸途徑的場景來說明 AIVM 框架。實現高產通常需要在三個核心領域進行多年的優化：甲羥戊酸通量、細胞色素P450催化效率和氧化還原平衡。這使其成為 AIVM 引導設計的理想測試平臺。首先，逆合成推理將提出從乙酰輔酶A到青蒿酸的生物合成路線，由來自BRENDA和MetaCyc等數據庫的酶學約束指導。隨后，一個經過多組學訓練的大語言模型將通過將來自黃花蒿的基因組和轉錄組數據映射到酵母，優先考慮酶變體，提出工程干預措施，例如增強HMG1和ERG10以擴大法尼基焦磷酸池，并優先考慮CYP71AV1及其氧化還原伴侶CPR1以提高下游氧化效率。接著，熱力學過濾將排除能量上不利的分支，例如MVA脫羧的逆轉反應。最有前景的途徑隨后將被嵌入到一個酵母基因組規模代謝模型中，并使用通量平衡分析來評估生物質與產物的權衡。最后，大語言模型充當“協同科學家”，分析調控相互作用，建議限制競爭性的麥角固醇途徑并平衡 NADPH 的使用以最大化產量。這為途徑設計提供了更高層次的見解，并提出了超越靜態、基于規則方法的替代策略。

從個體途徑到系統水平的代謝重建

在代謝工程中，許多研究專注于構建用于合成特定化合物的單一途徑。然而，在活細胞內，代謝途徑在復雜的網絡中高度互連，并非孤立運作。基因組規模代謝模型 已成為應對這種復雜性的一種強大建模方法。通過整合所有已知的代謝反應和相關的基因注釋，基因組規模代謝模型提供了細胞物質和能量轉化的系統性模擬，是揭示代謝運作原理的關鍵工具。一個經典例子是大腸桿菌的基因組規模代謝模型 iML1515，它已被廣泛用于模擬不同營養條件下的生長，并預測代謝工程的基因敲除策略。

激活 AIVM：動態代謝理解與優化

后處理的優化和模擬對于確保準確性和生物學相關性至關重要。當必需反應缺失時，可以應用間隙填補算法來恢復連接性。

通量平衡分析為基礎的模擬

根據實驗目標（如化合物過量生產、副產物最小化或生長偶聯合成），重建的網絡必須進一步調整。這需要自適應優化策略，在計算機中迭代調整通量、基因表達水平和調控約束。通量平衡分析是這些模擬的基礎，能夠在定義的條件下評估穩態通量分布。基于這一基礎方法，算法如基于強制通量掃描的通量可以識別基因擴增目標，以將細胞生長與產物合成耦合。AI 驅動的預測與系統水平建模的這種迭代集成，對于構建在不同環境下可靠運行的穩健模塊化代謝電路至關重要。

超越通量平衡分析：邁向代謝大語言模型驅動的理解

雖然通量平衡分析通過線性約束提供了可解釋性，但對于復雜的知識發現仍然有限。通過利用多組學特征和基因組規模代謝模型的拓撲結構，我們假設，經過訓練的代謝大型語言模型可以作為自主代理，發揮“AI 代謝科學家”的作用。這些代理可以捕捉非線性依賴關系，提出新途徑，建議靶向基因擾動，推薦酶修飾，并推斷最佳條件。因此，將基因組規模代謝模型與大型語言模型驅動的代理相結合，能夠實現任務無關的探索，推動代謝設計從靜態優化轉向動態的、知識驅動的工程。

評估 AI 生成的代謝網絡

如前所述，評估 AI 生成的途徑需要多層策略，以確保化學合理性和生物學可行性。在反應水平，可行性可以通過原子質量平衡和生理條件下的 ΔG 計算來驗證，并通過 KEGG 或 UniProt 等數據庫中的酶學支持注釋來確認。對于缺乏直接注釋的反應，可通過序列同源性搜索（如 BLAST）、保守結構域分析或基于結構的對接（如 AlphaFold Server）來探究其可行性。

在網絡水平，相信預測的途徑必須無縫集成到基因組規模代謝模型中，保持途徑間的連接性并避免死端代謝物。這可以通過拓撲分析和通量一致性檢查來評估。一旦整合，通量平衡分析可以測試增強后的模型是否支持生物質生產或所需的生物合成輸出，同時基因-蛋白質-反應關聯可以與組學數據交叉驗證，以確保功能相關性。例如，可以通過確認在轉錄組數據顯示相應基因不表達的模擬條件下，特定反應是計算上不活躍的（通量為零）來評估功能相關性。通過結合這些分層的驗證步驟，我們認為人工智能生成的途徑既能獲得生物學可信度，又具有代謝工程的轉化價值。

細胞代謝包含的復雜、動態的生化過程

總結

近期的努力，例如預測天然產物生物合成途徑的 BioNavi-NP，已將人工智能與生物學知識相結合。然而，這些方法通常局限于局部途徑擴展、基于規則的分類或由預定義模板引導的啟發式搜索。相比之下，該文章中提出的人工智能虛擬代謝（AIVM）框架在單一路徑和基因組尺度水平上統一了逆合成推理與生物學約束。它整合了多組學數據，檢查熱力學可行性，并使用基于基因組規模代謝模型的連接性來確保與已知代謝途徑的兼容性。最重要的是，將大語言模型（LLM）定位為代謝“協同科學家”（co-scientist），負責非線性推理，以發現未知或特征不清的途徑，為反應提出酶變體，并跨生物體調整設計。這一轉變超越了基于規則的預測，走向任務無關的、發現驅動的探索。

當然，關鍵挑戰仍然存在。多組學和代謝大語言模型需要大規模、高質量的數據集來增強生物學真實性。擴展到基因組水平網絡需要標準化的基準和策劃的資源庫。此外，將預測擴展到真核生物增加了復雜性，包括區室化、酶定位和動態調控。因此，濕實驗室驗證對于建立生物學可信度仍然不可或缺。相信包括社區驅動的策展、遷移學習和標準化平臺在內的策略能夠緩解數據稀缺。應對這些挑戰將需要計算建模與實驗流程的更緊密結合。

總而言之，該文章提出了一條通往虛擬代謝途徑重建的路線圖。雖然取代濕實驗室的試錯法仍然遙遠，但 AI 工具已經提供了強大的手段來加速優化。一個可編程、模塊化且基于生物學的、AI 賦能的虛擬細胞（AI-enabled Virtual Cell）愿景正在成為現實。

https://www.cell.com/trends/biochemical-sciences/fulltext/S0968-0004(26)00003-4