1在實(shí)驗(yàn)室建立新的代謝途徑并整合到微生物中之前，首先應(yīng)該對(duì)代謝路徑進(jìn)行設(shè)計(jì)和評(píng)估，雖然人工設(shè)計(jì)代謝路徑可以幫助找到代謝途徑，但是由于代謝網(wǎng)絡(luò)內(nèi)數(shù)據(jù)量大，人工的對(duì)代謝路徑進(jìn)行篩選和分析不足以保證選擇到最有效的代謝途徑。因此，計(jì)算預(yù)測(cè)工具對(duì)于生物合成分析是必不可少的，利用計(jì)算機(jī)模擬不僅有助于預(yù)測(cè)出新的代謝途徑，而且有助于篩選最有效的途徑，同時(shí)可以搜索類似酶，生產(chǎn)自然界中不存在的小分子藥物等。計(jì)算機(jī)模擬可以找出所有可能的從頭開始的生物合成途徑，從而允許在給定細(xì)胞中探索整個(gè)可行的生物轉(zhuǎn)化途徑。代謝路徑搜索算法即利用已知的代謝網(wǎng)絡(luò)，模擬出代謝路徑進(jìn)而實(shí)現(xiàn)產(chǎn)品的生產(chǎn)，代謝路徑里面涉及的反應(yīng)可以是宿主菌本身反應(yīng)，外源反應(yīng)以及非天然反應(yīng)，涉及的代謝物可以是宿主內(nèi)的、其他菌內(nèi)的代謝物、生物法未合成而化學(xué)上存在的物質(zhì)和自然界中不存在的物質(zhì)。目前的代謝路徑搜索算法主要有圖論算法、結(jié)構(gòu)相似性搜索算法和數(shù)學(xué)規(guī)劃算法，下面從這三個(gè)方面來(lái)介紹代謝路徑搜索算法的研究現(xiàn)狀。圖論算法把生產(chǎn)生活中的實(shí)際問(wèn)題轉(zhuǎn)換為數(shù)學(xué)中圖的問(wèn)題，簡(jiǎn)化實(shí)際問(wèn)題并系統(tǒng)的建模分析，進(jìn)而解決生產(chǎn)生活中的實(shí)際問(wèn)題。圖論算法是計(jì)算機(jī)科學(xué)中的一種很重要的算法，在生物學(xué)領(lǐng)域具有廣泛的應(yīng)用。廣度優(yōu)先算法5是一種基于圖形的搜索算法，該算法的原理為一層層的遍歷點(diǎn)，是一種類似窮舉法的算法。廣度優(yōu)先算法一般用點(diǎn)代表代謝物，用兩點(diǎn)之間連線代表兩個(gè)代謝物間的反應(yīng)，點(diǎn)與線構(gòu)成圖。廣度優(yōu)先算法在代謝網(wǎng)絡(luò)中用來(lái)求最短代謝路徑6。許多圖論內(nèi)的算法只能應(yīng)用于無(wú)環(huán)的普通圖，但是代謝網(wǎng)絡(luò)中的圖一般都是超圖，所以出現(xiàn)了專門針對(duì)超圖問(wèn)題的路徑搜索算法17]。深度優(yōu)先算法與廣度優(yōu)先算法相似，與廣度優(yōu)先算法的區(qū)別為縱向優(yōu)先探索，即先找出一條途徑，再去探索其他途徑。深度優(yōu)先算法應(yīng)用于代謝網(wǎng)絡(luò)適用于搜索最短途徑8]。深度優(yōu)先搜索算法和廣度優(yōu)先搜索算法示意圖如圖1-1所示：2廣度優(yōu)先算法可以與深度優(yōu)先算法相結(jié)合，對(duì)傳統(tǒng)算法進(jìn)行改進(jìn)，進(jìn)而提高代謝路徑搜索的效率[91。廣度優(yōu)先和深度優(yōu)先算法的空間復(fù)雜度和時(shí)間復(fù)雜度是隨節(jié)點(diǎn)遞增而快速增長(zhǎng)的，所以當(dāng)數(shù)據(jù)量較大時(shí)，不適合直接利用此類算法，可與其他算法相結(jié)合，減少?gòu)?fù)雜度進(jìn)而進(jìn)行求解。從整體而言，圖論算法缺乏生物學(xué)約束，沒(méi)有物質(zhì)平衡限制，不能保證整體環(huán)境的穩(wěn)態(tài)。而且隨著反應(yīng)的增多和約束的增加，算法復(fù)雜度提高，不適用于數(shù)據(jù)量大的網(wǎng)絡(luò)。1.1.2結(jié)構(gòu)相似性搜索算法代謝物結(jié)構(gòu)的變化可以通過(guò)代謝反應(yīng)實(shí)現(xiàn)，所以可以根據(jù)代謝物結(jié)構(gòu)相似性來(lái)選擇前向代謝物和后向代謝物，進(jìn)而通過(guò)官能團(tuán)的變化來(lái)模擬代謝路徑。代謝物結(jié)構(gòu)可以用向量表示，里面存儲(chǔ)化合物規(guī)則，原子團(tuán)信息可以利用圖論的子圖來(lái)表示，原子根據(jù)物理化學(xué)環(huán)境性質(zhì)分配詳細(xì)的頂點(diǎn)標(biāo)簽，化學(xué)中的有相同原子的化合物可以通過(guò)不同的標(biāo)簽來(lái)區(qū)分，因?yàn)樗鼈兏鶕?jù)他們的空間和化學(xué)情況代表了不同的物理化學(xué)性質(zhì)，之后根據(jù)原子集團(tuán)的相似性，判斷代謝物結(jié)構(gòu)相似性，進(jìn)而根據(jù)歐幾里得距離求解得出代謝路徑。在結(jié)構(gòu)相似性判別過(guò)程中，通常對(duì)化3合物設(shè)置化學(xué)指紋?；瘜W(xué)指紋是把分子轉(zhuǎn)換為0-1向量的方法，進(jìn)而判別不同化在建立化學(xué)指紋時(shí)，根據(jù)官能團(tuán)的性質(zhì)，可以為不同環(huán)境中的碳、氧、氮和其他原子定義不同的原子類型，此時(shí)原子團(tuán)具有生物化學(xué)特征，進(jìn)而可以尋找兩個(gè)圖的最大公共子圖，引入啟發(fā)式算法尋找最佳匹配121。代謝物間的結(jié)構(gòu)相似性也可以通過(guò)子圖比較進(jìn)行分析I13]。在進(jìn)行結(jié)構(gòu)相似性判斷時(shí)，我們有時(shí)需要同時(shí)計(jì)算底物、產(chǎn)品和輔因子結(jié)構(gòu)變化，這就需要把一般的結(jié)構(gòu)相似性比較算法進(jìn)行改進(jìn)，構(gòu)建新的算法進(jìn)行綜合分析。通過(guò)設(shè)計(jì)流程算法可以對(duì)反應(yīng)相似性進(jìn)行綜合分析，首先對(duì)預(yù)測(cè)的代謝反應(yīng)識(shí)別反應(yīng)的數(shù)據(jù)庫(kù)，其次對(duì)于數(shù)據(jù)庫(kù)中的每個(gè)反應(yīng)，確定關(guān)于底物、輔因子用途的結(jié)構(gòu)信息，然后通過(guò)計(jì)算相似值以及可變范圍，將預(yù)測(cè)的反應(yīng)底物與相應(yīng)的數(shù)據(jù)庫(kù)底物進(jìn)行比較，依次比較輔因子和底物的相似性，最后通過(guò)總體距離計(jì)算總體相似性[141。原子間化學(xué)鍵的斷裂與連接可以構(gòu)建矩陣，通過(guò)矩陣的變化得出化學(xué)鍵的變化，進(jìn)而表示反應(yīng)變化過(guò)程，化學(xué)鍵變化相似的反應(yīng)對(duì)應(yīng)代謝反應(yīng)相似，然后根據(jù)歐幾里得距離計(jì)算反應(yīng)間的相似性。通過(guò)比較底物和產(chǎn)物的結(jié)構(gòu)信息可以用來(lái)定義酶反應(yīng)，進(jìn)而對(duì)廣義酶反應(yīng)進(jìn)行分類15。根據(jù)反應(yīng)相似性搜索反應(yīng)的示意圖如圖1-2所示：input:reaction(TolueneoCclccccc1.O=0.0[C@@H]1[C@H](O)[C@@H](COP(=O))OC[C@H]2O[C@H]([C@H](OP(=O)(O)O[C@@H]2O)n2cnc323)O[C@H]1NIC=CCC(=C1)C(=O)N.[H+]>>Cclccccc10.C@H](O)[C@@H](COP(=O)(O)OP(=O)(O)OC[C@H]2O[COP(=O)(O)O)[C@@H]2O)n2cnc3c(N)ncnc23)O[C@H]1[n+]1148reactions(withdistance0totheinputreaction)rR01142R01143R01295R01296R01298R01628R01960R02178R02253,etal.(Thefirsplayedonthewebpageo4逆合成搜索是結(jié)構(gòu)相似性算法的一種應(yīng)用。逆合成搜索為從產(chǎn)品開始搜索途徑，逆向找出代謝路徑中的主要代謝物。該方法的靈感起源于逆合成概念[16,逆向合成設(shè)計(jì)始于目標(biāo)代謝物，然后回溯找出之前的代謝物，根據(jù)已知的反應(yīng)規(guī)則，通過(guò)算法識(shí)別潛在的前體和反應(yīng)[17。這種從目標(biāo)分子開始反向使用生物轉(zhuǎn)化規(guī)則來(lái)重建生物化學(xué)途徑的方法也應(yīng)用于尋找污染物生物降解的新途徑[18,發(fā)現(xiàn)脂類的生物合成和生物降解途徑[191和用于鑒定生物合成途徑的同位素標(biāo)記數(shù)據(jù)的分在逆向生物合成中，目的是通過(guò)微生物代謝路徑中的酶實(shí)現(xiàn)生物轉(zhuǎn)化以產(chǎn)生目標(biāo)分子，這種方法可以實(shí)現(xiàn)天然或工程酶將目標(biāo)代謝物連接到細(xì)胞代謝物以找出代謝路徑，同時(shí)該方法可用于模擬小分子藥物的生物酶促合成途徑211。在逆合成搜索算法中，首先進(jìn)行全局相似性搜索，在整體代謝物數(shù)據(jù)庫(kù)中找出滿足相似性的所有代謝物；其次依次針對(duì)匹配化合物進(jìn)行局部相似性搜索，從原子團(tuán)角度進(jìn)行相似性分析；最后通過(guò)遵循匹配的模式來(lái)轉(zhuǎn)換查詢化合物以生成目標(biāo)化合物，并進(jìn)行循環(huán)。PathPred算法是一種高效的算法，該算法基于化學(xué)結(jié)構(gòu)的對(duì)比，從而預(yù)測(cè)合理的代謝路徑，該方法專注于植物次生代謝物的生物合成與環(huán)境微生物1.1.3數(shù)學(xué)規(guī)劃算法數(shù)學(xué)規(guī)劃是數(shù)學(xué)中的一個(gè)分支，是研究對(duì)現(xiàn)有的有限資源進(jìn)行合理的分配以實(shí)現(xiàn)最大限度實(shí)現(xiàn)最高價(jià)值的數(shù)學(xué)理論方法，它廣泛的應(yīng)用于物理、資源配置、計(jì)算機(jī)、生物信息學(xué)等領(lǐng)域。數(shù)學(xué)規(guī)劃問(wèn)題把指標(biāo)作為目標(biāo)函數(shù)進(jìn)行最大化或最小化求解，同時(shí)滿足約束條件。在生物系統(tǒng)代謝網(wǎng)絡(luò)中，目標(biāo)函數(shù)一般是質(zhì)量得率最大、碳轉(zhuǎn)化率最高、二氧化碳利用多、最大化生長(zhǎng)、收益最高、產(chǎn)生更少的副產(chǎn)物等，約束條件一般包括質(zhì)量守恒、細(xì)胞生長(zhǎng)、動(dòng)力學(xué)、熱力學(xué)等。目前有幾種開源求解器CPLEX和GUROBI,這些求解器可以幫助我們應(yīng)對(duì)數(shù)據(jù)量比較大的問(wèn)題，更方便求解。在基于數(shù)學(xué)規(guī)劃的方法搜尋代謝路徑的算法中，一般情況下以數(shù)學(xué)矩陣和向量來(lái)表示代謝反應(yīng)和代謝物的信息。第一個(gè)基于線性規(guī)劃方法的生物路徑與流量分布預(yù)測(cè)的算法是通量平衡分析[23](FBA241),目前該算法為確定代謝表型中5函數(shù)最大化或最小化，最后給出代謝路徑的通量數(shù)據(jù)。FBA算法是基于基因組狀態(tài)是可能的，并且存在滿足目標(biāo)函數(shù)和約束條件的多個(gè)最優(yōu)解。FBA算法已在FBA算法提出后又有一系列算法不斷被提出。進(jìn)一步整合了轉(zhuǎn)錄調(diào)控的信息，將表達(dá)譜數(shù)據(jù)轉(zhuǎn)化成0和1表示的布爾邏輯，然控制著一系列的瞬時(shí)代謝變化。MOMA33算法是一種基因擾動(dòng)算法，是二次規(guī)因敲除后新的通量分布。ROOM能夠準(zhǔn)確預(yù)測(cè)維持通量變化穩(wěn)定的穩(wěn)態(tài)代謝通法和FBA算法相比更成功地預(yù)測(cè)了更高的穩(wěn)態(tài)增長(zhǎng)率。的產(chǎn)量。代謝路徑預(yù)測(cè)算法總結(jié)如表1-1所示：6類型優(yōu)點(diǎn)缺點(diǎn)圖論算法缺乏生物學(xué)約束，隨著反應(yīng)的增多和約束的增加，算法復(fù)雜度提高，不適用于數(shù)據(jù)量大的網(wǎng)絡(luò)。結(jié)構(gòu)相似性搜索算法基于結(jié)構(gòu)相似性搜索可以與酶進(jìn)行結(jié)用于小分子藥物等率約束。合成路徑的構(gòu)造。dFBAl29]ROOM134] 添加了擬穩(wěn)態(tài)約束，添加了反應(yīng)速率約束，可添加多種生物學(xué)約束條件，更接近真實(shí)細(xì)胞生長(zhǎng)生產(chǎn)算法的準(zhǔn)確性依賴代謝網(wǎng)絡(luò)模型，模型的不準(zhǔn)確和約束的寬泛相較于其他算法，基于數(shù)學(xué)規(guī)劃的代謝路徑預(yù)測(cè)算法能夠更好的整合生化信息并根據(jù)需求建立數(shù)學(xué)模型進(jìn)行分析，有利于增加生物學(xué)約束，更好的分析細(xì)胞生長(zhǎng)生產(chǎn)狀態(tài)。[1]FLEISCHMANNRD,ADAMSMD,WHITEO,etal.Whole-gsequencingandassemblyofHaemophilusinfluenzaeRd[2]BLATTNERFR,PLUNKETTG,BLOCHCA,etal.ThecompleteEscherichiacoliK-12[J].Science,1997,277(5331):1453-1462.7[4]KINGZA,LUstandardizingandsharinggenomeD515-D522.[5]JUNGNICKELD,JUNGNICKELD.Graphs,networksandalgorithms[M].City:Springe[6]RAHMANSA,ADVANIP,SCHUNKR,etal.Metabolic(PathwayHunterToolatCUBIC)[J].Bioinformatics,2005,21(7):1189-1193.[7]MITHANIA,PRmetabolicpathwaypredictionandnetworkcomparison[J].Bioinformatics,2009,25(14):solutionswhensolvingshortestpaResearch,1984,32(6):1381-1384.PERTUSIDA,STINEAE,BROADBELTLJ,etal.Efficientsearchingandannofmetabolicnetworksusingchemicalsimilarity[J].Bioinformatics,2015,31(7):1016-1024.[10]CHENGF,YUY,ZHOUY,etal.Insightsintomolecularbasisofcytochromep450inhibitorypromiscuityofcompounds[J].JournalofChemicalInformation&Modeling,2011,51(10):2482-2495.[11]NATHA,ZIENTEKMA,BURKEBJ,etal.Quantifyingandpredictingthepromiscuityandisoformspecificityofsmall-moleculecytocMetabolism&DispositiontheBiologicalFateofChemicals,2010,38(12):2195-2203.[12]HATTORIM,OKUNOY,GOTOmetabolicpathways[J].JournaloftheAmericanChemicalSociety,2003,125(39):[13]HUQ-N,DENGZ,HUH,etal.RxnFinder:biochemicalreactimolecularstructures,molecularfragments27(17):2465-2467.[14]CAMPODONICOMA,ANDREWSBA,ASENJOJcommoditychemicalproductioninEscherichiacoliandanovelpathwaypralgorithm,GEM-Path[J].MetabolicEngineering,2014,25:140-158.[15]HATZIMANIKATISV,LIC,IONITAJA,etal.Exploringthedmetabolicnetworks[J].Bioinformatics,2004,21(8):1603-1609.8Biology,2010,6(6):390-393.[17]LawJ,ZsoldosZ,SimonA,etal.Routedesigner:aretrosyautomatedretrosyntheticrulegeneration[J].JournalofModeling,2009,49(3):593-602.frameworkforpredictivebiodegradation[J].Biotechnology&Bioengineering,2010,[19]HADADIN,SOHKC,SEIJOM,etal.Acomputationalframeworkforlipidomicsdataintometabolicpathways[J].MetabolicEngineerin[20]BACHERA,RIEDERC,EICHINGERD,etal.ElucidationofnovelbiosyntheticpathwaysandmetabolitefluxpatternsbyretrobiosyntheticNMRanalysis[J]MicrobiologyReviews,1998,22(5):567-598.[21]MOURAM,FINmoleculedrugs[J].MetabolicEngineering,2016,33:138-147.[22]MORIYAY,SHIGEMIZUD,HATTORIM,etal.PathPrmetaboli