一个基于同位素标记实验的代谢通量估计高效率算法  

An efficient approach for carbon labeling experiment-based metabolic flux estimation

作　　者：陈久生[1] 郑浩然[1] 娄慧[1] 

机构地区：[1]中国科学技术大学计算机科学与技术系,合肥230027

出　　处：《北京生物医学工程》2007年第4期352-355,共4页Beijing Biomedical Engineering

基　　金：中国科学院知识创新工程重要方向项目(KSCX2-SW-329)资助

摘　　要：基于碳同位素标记实验的代谢通量分析(13CMFA)是代谢工程中的重要方法,它可以对微生物中心代谢网络中的所有代谢通量进行精确量化分析。13CMFA通过逐步拟合同位素标记状态测量数据对胞内的代谢通量进行估计,这对应于一个测量结果和计算结果之间误差平方和极小化的优化问题,该优化问题具有非线性、带有众多约束条件和存在多个局部极小点等特点,如何高效地求解是13CMFA中的难点,也是实现通量精确估计的关键。论文在对目标问题解空间的特性分析基础上,将空间知识引入到搜索过程中,针对通量估计问题提出了一个进化优化算法。实验结果和分析表明,该算法较普通进化算法具有更快的收敛速度和更好的全局寻优能力。Carbon-labeling experiment （ CLE ） -based metabolic flux analysis （ ^13 C MFA ） becomes an important tool in metabolic engineering, it allows the accurate and detailed quantification of all intracellular fluxes in the central metabolism of a microorganism. In ^13 C MFA, the flux distributions of an arbitrary metabolic network are estimated by fitting computational results to measured results iteratively. Actually, it corresponds to an optimization problem which minimizes a weighted distance between measurements and simulation results. Characteristics such as existence of multiple local minima and non-linear optimization make this problem a special difficulty. This paper proposes an evolutionary-based global optimization algorithm which takes advantage of the feature that the problem＇ s feasible region is convex. Experimental and analytical results illustrate this metabolic flux estimation algorithm＇ s efficiency.

关 键 词：代谢通量分析 碳同位素标记实验 进化优化 凸集 大肠杆菌 

分 类 号：R318.04[医药卫生—生物医学工程]