合成微生物群落是合成生物学中的新兴研究领域，旨在对微生物群落的特性和功能进行研究，并将其应用到生物技术中。合成微生物群落通过多种微生物的相互作用，一方面能够完成单一菌株难以胜任的复杂代谢过程，另一方面增强了其对环境压力和生态入侵的抵抗力。然而，由于极高的物种与代谢多样性，以及种间互作随环境条件变化的动态性，微生物的相互作用非常复杂并难以识别，这也成为合成微生物群落发展面临的重要挑战之一。

　　基因组尺度代谢模型可以根据生物体的基因组数据模拟预测其代谢通量分布，为研究微生物的代谢互作提供有效工具。近日，深圳大学高等研究院刘杨研究员团队回顾了基因组尺度代谢模型的基本原理与重建方法，并综述了该模型方法在探索微生物-微生物、微生物-栖息环境相互作用，以及预测与改进合成微生物群落等方面的应用。基因组尺度代谢模型方法可以明确预测多物种互作的潜在分子机制、整个群落的代谢表型、及微生物对不同环境条件的反应。相对于单纯使用实验培养等方法，基因组尺度代谢模型能够大大降低设计合成微生物群落的试错成本，帮助克服诸如确定群落成员、改进培养基、理解微生物互作机制等过程中的困难，有效提高设计、改进合成微生物群落的效率。相关文章“Towards applications of genome-scale metabolic model-based approaches in designing synthetic microbial communities”（点击文末“阅读原文”下载PDF全文）发表在Quantitative Biology期刊上。作者希望这篇综述可以为设计合成微生物群落提供一些新思路。

　　全文概要

　　本文综述了基因组尺度代谢模型和以其为基础的群体水平代谢模型的原理、分类与相关建模方法，并总结了这些模型方法在合成微生物群落中的应用、挑战与前景。

　　基因组尺度代谢模型是生物体代谢网络的数学表示，能够定量预测生物体基因型与表型的关系。自1999年起，数以千计种细胞对应的基因组代谢模型被建立，同时，多种半自动化或自动化的基因组代谢模型工具也逐渐被开发出来。将多个基因组尺度代谢模型整合到一个模型框架中，就得到了群体水平的代谢模型，以解决群落的优化问题。这类模型主要分为静态与动态两种建模方法（图1）。前者通过模拟稳态下微生物个体与群落的代谢通量，预测个体与群落的代谢表型，而后者能够预测微生物群落表型随时间的变化。

图1. 以基因组尺度代谢模型为基础的群落代谢模型分类：静态模型（A, B）与动态模型（C）

　　目前，群体水平代谢模型可以从三个方面指导合成微生物群落的设计（图2）。首先，通过模拟微生物的种间互作，模型可以帮助研究者从宏观层面理解微生物相互作用的基本规律，也能够从微观尺度探索微生物互作的分子机制，挖掘未被发现的微生物互作关系。第二，模型能够通过模拟环境波动对微生物表型（比如生长速率、产物生成速率、互作模式、丰度比例等）的影响，帮助调节改进合成微生物群落的培养条件。第三，某些模型方法实现了对群落整体性能的评估（比如群落水平的资源竞争程度和代谢互作潜能），甚至能够在一定范围内自动优化既定目标下合成微生物群落的各项配置参数。

图2. 以基因组尺度代谢模型为基础的群落代谢模型在合成微生物群路设计中的应用

　　综上所述，基因组尺度代谢模型与群落代谢模型方法能够以多种方式快速指导合成微生物群落的设计。然而，此类模型方法自身的一些局限性，比如模型重构过程中的精度问题、群落模拟过程中对物种数量的限制，可能会阻碍其在合成微生物群落领域的精确性与应用范围。如果我们能克服这些困难，并将基因组尺度代谢模型与机器学习等新兴计算方法相结合，将极大扩展其在合成微生物群落方面的应用前景。

　　阅读原文