代谢改变与许多人类疾病有关。在系统生物学中重建了人类基因组规模的代谢模型（GEM），以研究人类细胞中发生的生物化学。然而，这些网络的复杂性阻碍了一致而简洁的生理表征。我们在这里介绍redHUMAN，这是一种使用最近建立的方法redGEM和lumpGEM来重建简化模型的工作流程，该模型专注于与特定生理相关的新陈代谢部分。减少包括化合物的热力学性质和反应，保证了预测与细胞生物能学的一致性。我们引入一种方法（redGEMX）来整合细胞用于适应培养基的途径。我们提供人类GEM Recon2和Recon3D的热力学方案，并应用redHUMAN工作流程来推导白血病特异性的简化模型。简化的模型是研究表型（如患病和健康细胞）之间的代谢差异的强大平台。

改变的代谢是几种人类疾病，如癌症，糖尿病，肥胖症，阿尔茨海默氏病，和心血管疾病的标志1，2。了解构成这种重编程基础的代谢机制可指导新药物靶标的发现和新疗法的设计。为此，正在付出巨大的努力来使用大量现在可用的多组学实验数据来深入了解不同表型中发生的代谢变化。不幸的是，当前的数学模型对于该分析而言可能过于复杂，从而使其难以进行许多系统生物学研究。

在系统生物学领域，基因组规模的代谢模型（GEM）将可用的组学数据与基因组序列整合在一起，以提供对生物体细胞内代谢的更好的机械理解。环球新兴市场已经重建了生物细菌跨越到哺乳动物的大多样性3，4，5和是有价值的工具，用于研究代谢6，7。宝石通过化学计算矩阵的数学表达式7是适合于方法如通量平衡分析（FBA）8和基于热力学通量平衡分析（TFA）9，10，11，12，13，确保建模的代谢反应保持可行的浓度，并且其方向性遵循热力学规则，以预测细胞生长，能量维持或特定代谢任务等细胞功能优化时的反应速率和代谢物浓度。此外，宝石，可用于基因必要性14，药物脱靶分析15，代谢工程16，17，18，和动力学模型的推导19，20，21，22。

人类第一次创业是在2007年重建的23，24。从那时起，科学界一直在努力开发高质量的人类GEM，包括HMR 2.0 25，Recon 2 26，Recon 2.2 27和Recon 3D 28。。本文中用于分析的人类GEM是Recon 2和Recon 3D。Recon 2由7440个反应组成，其中4821个反应与2140个基因相关，并且在七个区室中有2499个独特的代谢产物：细胞质，线粒体，过氧化物酶体，高尔基体，内质网，细胞核和溶酶体。Recon 3D是最新的共识人类GEM。它是以前的GEM的改进，更全面的版本，由10,600个反应组成，其中5938个与2248个基因相关，而2797个独特的代谢物划分为Recon 2，并为线粒体间膜空间提供了额外的区域。

人类GEM重建了几种人类细胞类型中发生的代谢反应。但是，给定的细胞类型仅利用了这些反应的一部分。这激发的方法的发展，以产生可被用来研究对不同类型的细胞中代谢的差异上下文特定的代谢模型29，对健康和患病的细胞30，31，以及用于细胞外多样的条件下生长。这种方法的一些示例是：（1）GIMME 32，mCADRE 33和tINIT 34，用于基于组学数据和一组任务或特定目标函数来重建组织特定模型；（2）redGEM–lumpGEM 35，36围绕研究的特定子系统集重建模型；和（3）IMM 37，38来表征细胞外介质，并且是在各条件下的生长所必需的代谢物。特定于上下文的代谢模型已被广泛地用来理解在癌细胞和其健康同行之间代谢的差异 39，40，41，42，43，44，45。

在本文中，我们介绍了redHUMAN，这是一种重建人类GEM Recon 2和Recon 3D的热力学固化还原的工作流程。我们将代谢物和反应的热力学性质整合到GEM中，并使用redGEM–lumpGEM围绕特定子系统重建简化模型。此外，我们介绍了redGEMX，这是一种识别将细胞外化合物连接至核心网络所需途径的方法。redGEMX保证简化后的模型具有消耗和产生细胞胞外环境组分的所有可行途径。最后，我们以白血病的代谢数据为例，说明如何整合实验数据以得出特定于疾病和组织的代谢模型。

整体工作流程

为了从人类GEM生成简化的模型，我们开发了redHUMAN，这是一个六步工作流，可应用于任何GEM或所需的模型系统。总体工作流程在此简要描述，如图1所示。 ，并在随后的部分中提供了将其应用于人类GEM Recon 2和Recon 3D以生成热力学固化的还原反应的每个步骤的详细信息。对于工作流程，首先将化合物和反应的热力学信息整合到GEM中，这些信息是从较早的研究中收集或使用已建立的组贡献方法估算的。其次，根据特定研究的目标选择具有特定生物学功能的子系统或途径家族。这些路径被明确表示，并构成简化模型的核心。例如，当研究癌症的新陈代谢时，除了标准的中央碳途径外，它还可以包括在癌细胞中被失控的报道子系统。第三，使用来自GEM的反应来扩展这些子系统，以创建连接的核心网络。在此步骤中，我们包括连接核心代谢物的所有反应，该反应不是核心模型中所选子系统的形式定义的成员。在第4步和第5步中，我们包括从定义的培养基连接细胞外代谢物的最短路径，以及从核心网络生成生物质组分的最短路径。这些步骤可确保模型具有基于养分可用性而对细胞存活和生长至关重要的所有途径。在第六步中，将特定生理状态的实验数据整合到模型中，并通过检查来验证最终模型，以确保简化模型与原始GEM的一致性。

（1）热力学固化：估算化合物和反应的吉布斯自由能，并用于定义反应的方向性。（2）子系统选择：选择与研究相关的子系统。（3）网络扩展：利用来自GEM的反应连接初始子系统，以生成核心网络。（4）细胞外介质连接：确定将细胞外介质组分连接至核心网络的途径。（5）生物合成反应的产生：对产生生物质构件所需的途径进行了分类。（6）数据整合和一致性检查：对实验值进行整合，并通过一致性检查对模型进行验证。

全尺寸图片

人类GEM的热力学管理（步骤1）

我们首先确定网络化学反应的方向性，该方向直接与其对应的吉布斯自由能相关。反应的吉布斯自由能可以根据反应物和产物的热力学性质来估算。因此，我们策划了GEMs Recon 2和Recon 3D（请参阅“方法”），并整合了Recon 2的52.4％的2499种独特代谢产物和Recon 3D的2797的2797种独特代谢产物的热力学特性（图   2a和补充资料）数据   1）。造成代谢物热力学性质估算的三个主要原因：（1）未知的分子结构（SMILE），（2）元素描述不完整（例如，结构中的R）和（3）结构为其中的估计自由能不存在（例如，>ñ -组）。我们观察到，随着从Recon 2到Recon 3D代谢物数量的增加，热力学覆盖率也随之增加。这是由于改进了Recon 3D中代谢物结构的注释。使用化合物的热力学性质作为约束条件（请参见“方法”），我们估算了Recon 2中存在的7440个反应的51.3％和Recon 3D中10,600个反应的61.6％的吉布斯自由能。这些约束条件确保了计算通量分布中的反应在热力学可行的方向上进行。

Recon 2（橙色）和Recon 3D（蓝色）中独特化合物的热力学。该百分比相对于独特化合物的总数。b进行不同程度扩展时的核心网络大小。Ç反应，其两两连接子系统行动2（下面的对角线值）和侦察3D（对角线以上的值）为度数d  = 1。

全尺寸图片

选择子系统以构建核心（步骤2）

适当的代谢模型包含对于细胞存活必不可少的途径，以及对特定代谢行为有益的途径。在这项工作中，我们对癌细胞的代谢感兴趣。因此，我们选择作为核心子系统：（a）所述中央碳途径提供能量，氧化还原电位，和生物质前体，和（b）已报道在癌细胞中被改变的子系统46，47，48，49。因此，我们模型的核心子系统是糖酵解，戊糖磷酸途径，柠檬酸循环，氧化磷酸化，谷氨酸代谢，丝氨酸代谢，尿素循环和活性氧解毒。我们已经估计了这些初始子系统中代谢物的热力学性质和反应。在Recon 2的情况下，我们提供了236种代谢产物的吉布斯自由能的估计值（初始子系统中占94.4％）和143个反应的吉布斯反应自由能（约83.1％）。初始子系统）。对于Recon 3D，我们提供了288种代谢产物（97.6％）和183种反应（91.0％）的热力学性质的估计值。

网络扩展（步骤3）

随后，为了重建核心网络，我们使用redGEM成对连接了选定的子系统（请参见“方法”）。该算法首先对初始子系统进行内部扩展。在此过程中，每个初始子系统都进行了扩展，以包括GEM的其他反应，GEM的反应物和产物均属于该子系统。可以将这些反应分配给GEM中不是初始子系统的任何子系统，如果我们考虑了初始子系统的正式定义，核心网络将错过这些附加反应。侦察2的最初核心子系统总共包含180个反应。内部扩展后，添加了来自21个子系统的135个反应。这些添加反应的例子包括丙酮酸代谢中的三种，它们可相互转化乙酰辅酶A，乙酸盐，苹果酸，和丙酮酸盐，它们都是参与柠檬酸循环子系统的代谢产物。对于Recon 3D，将来自24个子系统的171个反应添加到来自初始核心子系统的211个反应中。

接下来，该算法执行了有向图搜索，以从连接子系统的度数为D的GEM中找到反应（图   2b和补充表   1），其中D表示来自两个代谢物对的代谢物之间的距离（反应数）子系统。我们的最终模型包括D  = 1 的连接，也就是说，一步连接所有属于任何初始子系统的两种代谢物（不包括辅因子）的所有反应。度D  = 1足以成对地连接所有初始子系统（图   2c））。这产生了包含356种代谢物和617个反应的Recon 2核心网络，以及包含440种代谢物和796个反应的Recon 3D核心网络。

细胞外介质连接（步骤4）

细胞使新陈代谢适应细胞外环境中可用的营养素。因此，在代谢模型中正确定义培养基是充分表达细胞内代谢的基础。考虑到细胞外培养基的复杂性，鉴定和分类培养基成分及其代谢途径的必要性尤其重要。为此，我们精心策划了细胞与环境之间相互作用的表达，并将其表达到人类GEM中。首先，我们不允许缺乏相关转运反应或含有P，CoA或ACP（酰基载体蛋白）的转运分子的细胞内代谢物进行交换。其次，我们允许从棕榈酸酯合成通用脂肪酸， 1）。接下来，我们通过应用iMM（参见“方法”）来表征人类GEM中生长所需的计算机模拟的最小培养基组成，该方法确定了模拟生长需要摄取的最小代谢物。结果表明，行动2需要与葡萄糖的九个必需氨基酸的培养基中，和一些无机物（PO 4，NH 4，SO 4，O- 2），和侦察3D中与葡萄糖的培养基模拟增长，九种必需氨基酸，与Recon 2相同的无机物，以及两种必需脂肪酸（α-亚麻酸和亚油酸）之一。Recon 3D iMM中两种必需脂肪酸的存在是脂质代谢改善的结果28，其中必需脂肪酸参与磷脂的合成。这说明了如何使用算法和工作流程来比较和验证相同生物或不同生物之间的更新模型重构。

为了确定人类细胞用于摄取和分泌细胞外代谢物的途径，我们接下来开发了redGEMX方法（参见“方法”）。该算法从GEM查找将细胞外代谢物连接到redGEM定义的核心网络所需的途径。在这项工作中，我们考虑了34种代谢物的复杂培养基组成（图   3a），redGEMX发现了将这些26种细胞外代谢物（我们排除了无机物和脂肪酸）连接到核心网络的相应的GEM反应。

模型中定义的细胞外培养基组成。b来自Recon 2的子网中1-组氨酸的摄取及其代谢所需的培养基成分的图表。绿色代表来自子网的代谢产物，橙色代表连接子网的核心网络的代谢产物。蓝色为研究中的中度代谢物（1-组氨酸），粉红色为细胞外代谢物共同用于代谢1-组氨酸。该途径具有的传输开始升组氨酸从细胞外空间至细胞溶胶，在那里它被顺序地转变成尿刊（urcan_c），4-咪唑酮-5-丙酸乙酯（4izp_c），N-formimidoyl- 升-谷氨酸盐（forglu_c），1-谷氨酸盐（glu_L_c），5-甲氨基四氢叶酸（5forthf_c），5-10-甲烯基四氢叶酸（methf_c）和10-甲酰基四氢叶酸（10thf_c）。通过来自子系统谷氨酸代谢的反应，将4-氨基丁酸酯（4abut_c）转化为1-谷氨酸，最后，将1-谷氨酸与TCA循环连接。

全尺寸图片

这些连接的代谢物之一的一个例子是必需氨基酸1-组氨酸，它影响人类生理的许多方面，包括认知功能和过敏反应。经典途径代谢升组氨酸由四个步骤组成，其顺序地将其转换成尿刊，4-咪唑-5-丙酸乙酯，N- formimidoyl- 升 -谷氨酸，最终，升谷氨酸盐50。有趣的是，所得到的redGEMX子网为升组氨酸使用此经典途径将其连接到所述行动2核心代谢物升-谷氨酸和4-氨基丁酸，均来自子系统谷氨酸代谢。子网由22个反应组成，不仅包含经典途径，还包含平衡辅因子和副产物所需的所有其他反应（图   3b）。这些额外的反应对于活跃的主要途径至关重要，因为它们包括利用NH 4，水和四氢叶酸的来源，以及副产物5-formiminotetrahydrofolate转化为10-formyltetrahydrofolate，可再生四氢叶酸。细胞代谢已发展为在不同条件下使细胞具有生存能力和功能提供了灵活性。由于存在替代途径，这种灵活性在代谢网络中得到了体现。因此，使用redGEMX，我们发现了三种最小尺寸的替代途径（22个反应），将L-组氨酸连接到Recon 2的核心网络。替代物的出现是由于细胞外代谢物存在不同的转运反应。对于Recon 3D，L-组氨酸使用20个反应连接到核心网络，并且存在两条最小尺寸的路径。子网络连接升组氨酸到侦察3D核心代谢物升 -谷氨酸，5-10亚甲基，2-氧代戊二酸，并使用经典途径代谢丙酮酸升组氨酸。Recon 2和Recon 3D网络的不同拓扑结构表现为用于代谢和合成化合物的途径不同，因此，重要的是表征模型中所使用的途径。按照这种方法，我们将构成最小尺寸的所有其他子网络的反应添加到连接26种细胞外代谢物的核心网络中（补充表   2）。和补充数据   2）。

用redGEMX生成的子网为当前对代谢途径的理解提供了新的视角，因为它们不仅包含主要途径，而且还包括其他一些供应和消耗所有辅因子和副产物所必需的反应。此外，这些替代方案可用于假设细胞在不同条件下生长时所使用的途径，例如在环境中存在不同营养素时或在不同酶起作用时在不同细胞内调控下。如果代谢组学数据可用，则可以基于途径的可喜度对redGEMX生成的子网进行分类，就像最近在参考文献中所做的那样。9，51，52。

生物合成反应的产生（步骤5）

细胞的代谢功能，例如生长，结构维持和繁殖，需要合成几种代谢物。在代谢模型中，使用生物质反应来表示53，其反应物被称为生物质构建基块或BBB，是细胞生存和执行其功能所需的代谢物。因此，重建简化模型所需的最后一步是整合合成Recon 2和Recon 3D中定义的生物量的37种BBB所必需的途径。其中有19种直接从细胞外培养基摄取或在核心网络内产生。为了找到我们需要添加到核心网络中以合成其余18个BBB的最小反应数量，我们使用了lumpGEM（请参阅“方法”）。与redGEMX相似，lumpGEM会生成子网，这些子网负责主路径所需的所有副产物和辅因子的合成，降解和平衡。用lumpGEM生成的替代子网可以评估细胞的灵活性，以使用替代途径生产BBB，从而导致在不同条件下的存活和耐药性。使用lumpGEM，我们计算了所有最小尺寸的替代子网络（反应组），以捕获该网络用于BBB生物合成的灵活性（图。 图4a，补充表   3和补充数据   3）。将构成这些子网中每个子网的反应汇总在一起，以形成代表该子网的整体反应。然后将这些集中的反应添加到核心网络。

Recon 2和Recon 3D集总反应的大小，以及合成核心无法产生或无法从细胞外介质吸收的BBB的相应替代物数量。b，c用于合成磷脂酰丝氨酸的子网。橙色代表核心网络中的代谢产物。蓝色代表来自磷脂酰丝氨酸合成子网络的代谢产物。粉红色代表细胞外代谢物。磷脂酰丝氨酸的合成从糖酵解的核心代谢物3-磷酸甘油（glyc3p_c）和TCA的乙酰辅酶A（accoa_c）开始。在第一个反应中，乙酰基CoA转化为丙二酰CoA（maloca_c）。下一个反应（KAS8）代表延伸周期中棕榈酸酯（hdca_c）的合成74。CoA分子连接到棕榈酸酯上，形成棕榈酰CoA（pmtcoa_c），从中衍生出两种通用脂肪酸。这两种通用脂肪酸与3-磷酸甘油相连，形成溶血磷脂酸（alpa_hs_c）和磷脂酸（pa_hs_c）。最后，将丝氨酸（ser_L_c）连接至磷脂酸以形成磷脂酰丝氨酸（ps_hs_c）。b侦察2的子网和相应的集总反应。CRecon 3D的四个最小尺寸的替代子网。磷脂酸可以用两种通用脂肪酸或一种通用脂肪酸与必需脂肪酸亚油酸（lnlc_e）产生（浅蓝色反应）。磷脂酰丝氨酸可以直接从磷脂酸中生成，方法是连接丝氨酸（绿色反应）或形成磷脂酰胆碱（红色反应），然后将胆碱（chol_c）换成丝氨酸（橙色反应）。

全尺寸图片

对于大多数BBB，在两种Recon模型中，用lumpGEM生成的子网具有相同的大小和替代数量，这表明除了L-半胱氨酸，dTTP和嘌呤外，两个模型在合成BBB方面具有相同的灵活性。核苷酸（ATP，GTP及其脱氧等效物），胆固醇以及磷脂和鞘脂。行动2的核心网络包含产生反应升-半胱氨酸，但是，Recon 3D的核心网络需要两个反应才能产生它。产生dTTP的子网在两个模型中具有相同的大小，但替代数量不同。产生嘌呤核苷酸的子网在Recon 3D中具有一个以上的反应和更多的选择。胆固醇是另一种BBB，其两种模型的子网大小都相同，但是Recon 3D的替代品比Recon 2更多。Recon3D替代品的爆炸式增长是由于在三个区室（细胞质，过氧化物酶体，和内质网。两个模型之间磷脂和鞘脂的集总反应的差异是由于在Recon 3D合成中引入了必需脂肪酸。

作为产生BBB的子网的示例，我们显示了磷脂磷脂酰丝氨酸的合成（图   4b，c）。标准KEGG途径54用于合成磷脂酰丝氨酸的步骤包括四个步骤，其中将3-磷酸甘油转化为溶血磷脂酸，磷脂酸，CDP-二酰基甘油和磷脂酰丝氨酸。在Recon 2中，由lumpGEM生成的用于合成磷脂酰丝氨酸的子网由八个反应组成。它包括KEGG途径，但CDP-二酰基甘油中间体除外，该中间体未与GEM中的磷脂酰丝氨酸相连。相反，通过附接丝氨酸直接从磷脂酸生产磷脂酰丝氨酸。另外，该子网包含从乙酰辅酶A生成与3-磷酸甘油和溶血磷脂酸相连的脂肪酸所需的反应，这对于磷脂酰丝氨酸的最终合成很重要。

对于Recon 3D，磷脂酰丝氨酸合成子网络是通过相同的八个反应生成的，但是在这种情况下，存在四个替代子网络（图   4c和补充表   4）），表明Recon 3D在制作此BBB时具有更高的灵活性。替代方案是由于Recon 3D中存在两个反应而出现的，可以被子网中的两个其他反应代替。这些反应之一是由于必需脂肪酸亚油酸酯参与磷脂的产生，导致了合成磷脂酸尾部之一的另一种形式。具体而言，不需要将棕榈酰辅酶A转化为通用脂肪酸的反应ARTPLM2，而是从细胞外培养基转运必需脂肪酸亚油酸酯，转化为亚油酰辅酶A，并与溶血磷脂酸连接形成磷脂酸。 。由于Recon 3D的核心网络包含一个转化磷脂酰丝氨酸中的磷脂酰胆碱的反应，另一个取代发生在最后一步，其中丝氨酸被胆碱取代，并合成了磷脂酰胆碱。如果可以使用代谢组学数据，则可以基于子网络的热力学适应性对集总反应进行分类，如参考文献中所述。9，51，52。

用lumpGEM进行的分析可以表征和分类代谢途径及其替代方法，从而使人们对代谢的灵活性有了更深入的了解。在GEM的背景下，由于子网的大型和互连性，对子网进行此类详细分析通常是一项艰巨的任务。

通过应用redHUMAN工作流程，我们为人类代谢重建了四个简化的代谢模型（表   1）。其中两个将Recon 2作为父GEM，另外两个是从Recon 3D GEM生成的。对于这两个GEM，我们生成了一个模型，该模型具有模拟增长所需的最小路径集，即，每个BBB的集总反应具有最小规模的子网络，另一个模型具有更高的灵活性，其中包含模拟所需的所有最小大小的替代路径增长。简化模型的热力学覆盖率超过92％的化合物和超过61％的反应。

数据集成和代谢任务（步骤6）

生成简化模型后，我们将研究简化模型捕获的代谢任务，并确定应如何管理模型以恢复它们无法执行的任务。首先，我们在生成的简化模型中顺序测试了Agren等人定义的57个代谢任务的热力学可行性。34。这四个模型捕获了57个任务中的45个，包括三磷酸核苷的再磷酸化，必需氨基酸的摄取，核苷酸，关键中间体和胆固醇的从头合成，氧化磷酸化，氧化脱羧和生长（图   5a）。

a在生成的简化模型中测试了57个代谢任务。R2，R3：侦察2，侦察3D简化模型，每个BBB具有一个集总反应。R2，R3：侦察2，侦察3D缩小模型和Smin。由模型捕获的代谢任务的分类（绿色）和未被模型捕获的代谢任务的分类（红色）。MT1：三磷酸核苷的再磷酸化，MT2：核苷酸的从头合成，MT3：必需氨基酸的摄取，MT4：关键中间体的从头合成，MT5：其他化合物的从头合成，MT6：蛋白质更新，MT7：电子转运链和TCA，MT8：脂肪酸的β氧化，MT9：从头合成磷脂，MT10：维生素和辅因子，MT11：生长。b简化模型及其对应的GEM的基因重要性。R2具有829个与反应相关的基因，其中37个基因在简化模型和Recon 2中都是必不可少的，而12个仅在简化模型中是必需的。R3具有828个与反应相关的基因，其中23个在简化模型和Recon 3D中都是必不可少的。简化模型显示了另外44个必需基因。c用于简化模型中反应的热通量变异性分析（TVA）。橙色代表简化的Recon 2模型中的磁通量，蓝色代表简化的Recon 3D模型中的磁通量。黑线对应于GEM中的通量。

全尺寸图片

该模型未捕获的任务包括从氨基酸合成蛋白质，脂肪酸的β氧化，肌醇摄取以及维生素和辅助因子代谢。我们将其局限性背后的原因分为两类：（1）模型重构，特别是生物量的定义，或（2）还原特性，即还原中包含的子系统和网络各部分的表示形式作为集总反应。为了恢复这些任务，以使它们被模型捕获，应执行以下操作：可以通过修改生物量以解决其合成和利用，来恢复氨基酸和维生素的蛋白质合成以及辅因子代谢。包含脂质代谢子系统可以恢复脂肪酸的β氧化；最后，可以通过添加组成子网的显式反应来恢复肌醇的利用率，因为发现它隐藏在磷脂酰肌醇的集总反应中。这表明redHUMAN允许建立不仅与GEM一致而且与代谢任务一致的简化模型，并且这些模型适用于目标修饰和扩展。

接下来，我们演示了如何使用通用的简化模型来整合数据以研究疾病生理。我们首先在简化模型中整合了来自NCI60细胞系的实验数据，以定义白血病细胞的生理学。特别地，我们考虑了细胞系的exometabolomics HL-60，K-562，MOLT-4，CCRF-CEM，RPMI-8226和SR，其对应于白血病40，55。此外，我们将最大生长限制为白血病细胞报道的两倍时间，即0.035 h -1，并根据文献值将最大摄氧速率限制为2 mmol·gDW -1 ·h -1  40和ATP维持在1.07 mmol·gDW -1 ·h -1 56（补充表 5和 6）。我们测试了使用TFA最大化生物量反应时，所有模型均实现了最大增长。

接下来，为了分析每个基因的删除对网络的影响，我们通过人为删除基因并测量网络受到的影响来进行计算机基因敲除。然后可以研究其敲除阻止生物质合成的基因，作为限制细胞增殖的潜在靶标。用于生成简化模型的工作流程的一致性确保了它们从GEM中捕获了必要性，也就是说，属于简化模型的一部分且在GEM中必不可少的基因在简化模型中也必不可少（图5）。   5b和补充表   7和8）。此外，简化模型允许使用集总反应将功能分配给必需基因。例如，基因GART与磷酸核糖基甘氨酰胺甲酰基转移酶，磷酸核糖基甘氨酰胺合成酶和磷酸核糖氨基咪唑合成酶相关，它们都是用于合成核苷酸ATP，GTP，dATP和dGTP的子网的一部分。使该基因沉默会阻止这些BBB的合成，因此，该模型无法合成生物质。

最后，由于模型简化会影响网络相对于GEM的灵活性，因此我们对GEM与简化模型之间的常见反应进行了热力学通量变异性分析（TVA）。速率范围变化绝对值最大的前20个反应包括糖酵解，戊糖磷酸途径，叶酸代谢和核苷酸相互转化等反应（图   5c））。对于诸如磷酸甘油酸激酶（PGK），反式醛缩酶（TALA）和亚甲基四氢叶酸环化酶（MTHFC）之类的反应，简化模型中的反应速率范围相对于GEM中的相应反应速率有所降低。一些反应，例如核苷二磷酸激酶（NDPK9），在GEM中是双向的，在简化模型中变为单向的。另一方面，还存在诸如富马酸酶，（FUM）乳酸脱氢酶（LDHL）或核糖-5-磷酸异构酶（RPI）的反应，其通量范围在简化模型和GEM之间完全一致。有趣的是，如果我们看一下速率灵活性变化的百分比，则初始子系统的反应在速率上并没有较大的相对变化，除了那些参与者是BBB集总反应的前体的反应外，因为它们的反应速率现在被限制为更接近生理状态。使用NCI数据存储库中的转录组学数据对模型进行最终校准（https://www.ncbi.nlm.nih.gov/sites/GDSbrowser?acc=GDS4296），以获取相应的白血病细胞系。我们已经确定，在本研究提出的四个模型中，超过99％的具有基因关联的酶（超过总酶的75％）在NCI60白血病细胞系中表达（补充表   9）。这表明，选择的初始化和扩大代谢核心网络的途径对于特定的生理学，这也与实验和医学研究中确定的重要途径一致高度相关的46，48，57。

生理分析

redHUMAN帮助导航大型人类基因组规模的代谢模型，以探索和分类细胞在特定条件下发挥功能和存活的代谢途径。在基因组规模模型中执行的热力学管理可确保反应遵守热力学定律，并丢弃可能与细胞生物能学不相容的可能途径。作为热力学如何减少热力学可行路径的解空间的一个示例，我们在具有最小尺寸（Smin）的所有替代集总反应的Recon 3D简化模型中分析了有无热力学约束的通量变异性。该反应升 -谷氨酸5 -半醛脱氢酶（来自精氨酸代谢）和升谷氨酸5-半醛：NAD +氧化还原酶（来自尿素循环）在没有热力学的情况下进行通量可变时是双向的，而在考虑其热力学信息时变为单向的。因此，整合热力学信息减少了反应方向性的空间和生理溶液的空间，并消除了热力学上不可行的反应，排除了一些途径。

这项研究中产生的白血病特异性模型是分析其他癌细胞或正常细胞代谢途径如何改变的有力工具。特别是，我们可以分析白血病细胞如何利用微环境中可用的营养素来生物合成生长和细胞功能所需的前体。例如，我们确定了在还原的Recon 3D模型中合成磷脂酰丝氨酸所需的最小反应数量，以及所有其他尺寸最小的集总反应。我们发现至少有76个反应应活跃于磷脂酰丝氨酸的产生，包括与细胞外介质的相互作用，例如，对于某些替代方法，葡萄糖，组氨酸，亚油酸，氧气和磷酸盐的吸收以及琥珀酸酯的分泌，氨，二氧化碳和水。在76个反应的子网络中活跃的主要途径是糖酵解，柠檬酸循环，丝氨酸代谢和电子传输链。这种类型的分析将启发我们对细胞如何使其代谢适应微环境的知识，从而使研究人员可以推测癌细胞如何以及为何改变其表达谱以适应和生存。

为了更好地理解许多人类疾病所伴随的代谢变化，我们在此提出了一种工作流程，以针对普通人类GEM生成简化的模型，从而可以将这些系统的复杂性降低至要研究的相关过程，从而对计算机进行详细的计算机分析可能发生代谢变化。

在过去的几年中，与其他组学数据相比，代谢组学数据的生成有所增加，可以更好地研究细胞代谢生理学中发生的事情。这就需要扩展经典的基于约束的建模方法以包括代谢组学信息。我们的热力学制剂和TFA的应用12，51，58，59在redHUMAN中，允许将内代谢和外代谢组学整合到模型中，根据生理数据来限制代谢物的浓度。模型的大小与需要测量的代谢物的百分比直接相关。因此，基因组规模模型尺寸的不断扩大增加了对更大数量的代谢组学的需求，而这些数据并非总是可用。此外，社区致力于扩展基于约束的模型，以包括有关代谢通量与酶数据相关的酶丰度信息，并允许将转录组学和蛋白质组学数据整合到模型中。目前这些数据是有限的，但是他们可以不断更新和整合，因为他们成为可用60，61。

此外，大多数现有的构建特定于上下文的模型的方法都是数据驱动的，也就是说，通过仅考虑与高表达数据相关的酶或基于文献的途径从GEM中提取简化的模型。然后，它们包括所需要的模拟生长和细胞功能的额外的反应33，34，62。这些方法的主要困难是，要完全表征反应的初始集合或核心反应，需要大量数据。数据的缺乏可能会导致各部分之间的相互联系，并且无法包含可能对特定生理学很重要的反应，从而影响最终模型和预测。

redHUMAN仅考虑目标途径及其化学计量连通性，即可构建简化的模型。简化模型的建立与数据无偏差，从而确保了热力学可行性以及与GEM和代谢任务的一致性。简化的模型然后可以用于通过集成组学数据来构建特定于上下文的模型，以适应在不牺牲网络反应的情况下也集成部分数据。总体而言，新模型及其概念组织的大小减小，克服了构建基因组规模的上下文特定模型时遇到的一些主要挑战，例如，数据网络覆盖的障碍。用redHUMAN生成的精简模型是网络特定部分的有力表示，62，tINIT 34，mCADRE 33，uFBA 63，GECKO 64，ETFL 65，TEX-FBA 66和IOMA 67。

根据我们的结果，我们提出以下使用这些模型作为工具来解释和比较表型的方法。首先，围绕所需的子系统集和定义的细胞外培养基生成简化模型，并检查模型是否捕获了代谢任务。随后，通过将实验数据集成到简化模型中来构建特定于生理的模型。然后，测试缩减网络相对于其父GEM的一致性。最后，整合包括表达在内的不同组学数据，以比较不同的生理学，例如患病与健康或几种癌症。这种方法将有助于更好地研究随着疾病的发展和进展而发生的代谢变化。此外，

在整个本文中，我们考虑了GEM中的特定子系统集，特定介质和生物量定义。将来，简化的模型可以进一步扩展，以包括其他途径，更复杂的培养基或更多的生物质成分。为了将新的子系统或路径引入核心网络，应该运行redGEM来查找添加的路径与核心其余部分之间的成对连接。对于培养基的扩展，redGEMX将找到使用新的细胞外代谢物所必需的连接。以类似的方式，进一步处理生物质反应可能会增加BBB的数量，需要运行lumpGEM来找到这些化合物的生物合成途径。如果在GEM和相应的降低之间需要更高的一致性，我们可以找到简化模型中满足该条件的反应。此外，我们根据原始GEM中的定义选择了一组代谢任务来测试生成的简化模型。但是，可以根据特定研究的需要来扩展或重新定义这些任务集，这可以基于专家知识或实验数据，如参考文献1中所述。68。

此外，在这项研究中，我们使用了来自NCI60细胞系的代谢组学，蛋白质组学和生长数据来定义白血病细胞的一般生理学。简化模型的核心网络在整个增长条件下在结构上都是相同的，并且仅取决于相应GEM的结构。因此，这些通用模型对于相同生理的生长或数据变化具有鲁棒性，因此可以使用单个白血病细胞系的数据而无需更改工作流程。但是，如果数据存在重要差异（例如，在不同的生理条件下），则作者建议运行具有数据集成的lumpGEM工作流程，并生成替代子网和集总反应，从而依次捕获每种生理状态的不同通量分布。

总体而言，我们的分析表明redHUMAN如何促进模型和表型之间代谢途径差异的表征。