《Current Opinion in Systems Biology》:Unleashing the potential of whole-cell modelling one step at a time
全细胞模型(whole-cell models, WCMs)在机制上代表每个基因及其功能,具有从知识发现到解决工程和医学中实际问题的多种潜在应用。然而,构建、模拟和验证WCMs存在许多挑战。将每个细胞特异性WCM作为长期目标更现实,其中每个模型分阶段构建并以增量版本发布。这一策略以最近两个细菌物种的WCMs为例,自其首个模型版本发布以来,它们不断扩展。每次扩展不仅改进了模型,还揭示了关于细胞的生物学见解。这证明了WCMs的价值以及将物种特异性模型以增量版本传播(对作者和更广泛社区)的益处。在本综述中,研究人员比较了现有的细菌WCMs,并提取了一组在短期内可实现同时保持WCMs独特能力的最小特征。这组最小特征可作为未来WCMs(例如具有大基因组的生物)初始版本的指导。研究人员讨论了不同的协作形式以及社区驱动的WCMs开发所需的条件。研究人员还讨论了如何利用人工智能和计算领域的新兴技术来加速全细胞建模。
全细胞模型是进行中的工作
全细胞模型(WCMs)与系统生物学中的其他模型一样,并非旨在成为最终或一次性的研究产出。WCMs的基因完整定义是指模型明确表示每个基因及其表达,包括基因产物的过程、速率和数量;模型本身不应被视为完整的。这种表示使WCMs能够解释整个细胞中资源的动态分配。然而,应注意,全细胞建模不同于资源分配建模方法,如资源平衡分析及其动态扩展,这些方法作为单一优化问题求解。相反,WCMs中的每个过程子模型在局部求解,以基于动力学参数模拟动态行为,而整个细胞的分配在特定时间间隔内全局解决。这种模块化架构促进了各种基因功能的明确表示和模拟,这是WCM定义的第二个方面。然而,并非所有基因功能都是已知的,科学界继续发现新功能,即使对于研究充分的模式生物也是如此。此外,生物体是进化系统。从这个角度看,可能永远不会有真正完整的WCMs,尤其是对于更复杂的生物。然而,我们仍应朝这个方向努力,因为我们在追求过程中发现和创造的东西可能是有价值的。
模型不必在生物学结构和功能的表示上完整才能有用。在系统生物学中,模型的主要价值之一是能够基于底层组件的相互作用预测系统层面的突发行为。具有不同“完整性”水平的模型绘制了不同的系统边界,并对不同方面做出(简化)假设,这决定了模型预测有效的范围。WCMs通过基因完整和时间完整(即模型模拟细胞生命周期内的动态)以及表示所有分子物种来扩展这些限制。此外,WCMs是全面的,即它们涵盖模拟生长和复制细胞所需的所有主要过程,并以高细节水平增加模型预测的分辨率。即使在其不完整的版本中,WCMs也已作为发现工具。例如,大肠杆菌WCM的第一个发布版本仅代表了43%已知基因的功能。由于该模型机制性地整合了广泛多样的数据,它能够评估数据之间的一致性。模型模拟揭示了几个不一致之处,促使进一步分析表明模型必须使用几个测量的动力学参数的新值来再现系统级数据。一个建议值后来通过使用更新技术的测量得到确认。纠正模型带来了新的见解(见表1)。同样,第一个JCVI-syn3A WCM版本没有明确表示任何已知的蛋白质和核糖开关的调控。尽管如此,该模型允许我们定量检查仅具有最基本功能的细胞如何在生命周期内管理各种细胞过程对能量和主要代谢物的竞争需求。以上对科学界来说是有价值的见解。传播一个提供有用见解的适当模型版本是一个有意义的短期目标,我们可以努力实现。
表1. 大肠杆菌和JCVI-syn3A WCMs初始版本与扩展版本的比较。
生物体 | 模型版本(发表年份) | 一般/更新特征 | 主要发现和里程碑 | 模拟框架
大肠杆菌 | 初始(2020)[3] | 代表了43%已知基因的功能。100%的模型参数值直接来源于大肠杆菌的测量。 | 揭示了测量数据集之间的不一致性。提出了新的动力学参数值,其中NADH脱氢酶的kcat值经过实验验证。模拟显示许多必需基因的低转录频率(低于每个细胞周期一次)导致关键酶的偶发性缺失,细胞可以通过耐受广泛的细胞内代谢物浓度来缓冲这一点。 | 用Python实现。由13个子模型组成,每个代表一个过程。这里的过程是按生理功能分组的化学反应或转化的表示。代谢使用通量平衡分析(FBA)模拟,而其他过程使用常微分方程(ODEs)或一种临时随机方法确定性地模拟,该方法通过从按概率加权的多项式分布中采样来选择反应事件。FBA代谢子模型使用多目标优化,该优化找到一个解,该解最小化:1)模拟浓度与测量的代谢物浓度的偏差(稳态目标);2)模拟通量与使用测量的动力学参数计算的通量的偏差(动力学目标)。子模型不直接相互通信,但通过一组全局状态变量集成,这些变量代表每个分子成分的最新计数、位置和其他相关属性。模拟算法假设每个子模型中表示的过程在小时间间隔内彼此独立。在每个时间步(通常<1秒),每个子模型计算其过程在该时间步内需要的资源量(即每个分子成分的数量)(过程需求)。对于每个分子成分,如果有足够的资源满足所有过程需求,则每个过程分配其所需的量。否则,每个过程根据其需求相对于所有过程需求的比例分配。然后更新全局状态变量以考虑所有资源分配。
扩展(2022)[13] | 添加了转录调控,如全局调控因子鸟苷四磷酸(ppGpp) | 提高了模拟不同培养基下细胞响应和生长的模型准确性。解决了增加和减少ppGpp浓度都降低生长的悖论观察,模拟再现了观察并揭示了每种情况下的不同潜在机制。 | 与初始版本大致相似,除了氨基酸生物合成的模拟。氨基酸生物合成被纳入tRNA加载子模型的ODEs中。氨基酸浓度首先在此子模型中的子时间步尺度上求解,然后来自ODE解的浓度值被纳入FBA代谢子模型的稳态目标中。
扩展(2023)[14] | 翻译子模型的额外细节,如tRNA氨酰化、基于密码子的多肽延伸和N端甲硫氨酸切割 | 定量证实了先前的主张,即测量的tRNA氨酰化速率太低,无法支持观察到的生长。模拟提出了更高的估计,即最优值,用于氨酰-tRNA合成酶kcat。优化的HisRS kcat被发现使细胞对氨酰-tRNA合成酶表达的变异性具有稳健性,而优化的ArgRS kcat使细胞避免表达不足的N-乙酰谷氨酸合成酶的负面影响。 | 与先前版本大致相似,除了多肽延伸的模拟。在先前版本中,延伸通过根据以下最小值移动核糖体沿mRNA进行:1)在时间步内可行的核糖体步数;2)可用的氨基酸数量。在此版本中,首先使用ODEs模拟tRNA氨酰化和密码子读取,以确定动力学上可行的密码子读取事件数量。然后将此数量与使用上述原始方法确定的核糖体移动进行比较。最后,使用两阶段算法来协调两者之间的任何不一致。
扩展(2024)[15] | 转录子模型更新以考虑操纵子结构 | 识别了文献和数据库中TU结构和RNA-seq数据中的错误;并提出了替代的TU结构。揭示了操纵子的可能用途;例如增加低拷贝数蛋白质亚基共表达的概率;并通过以恰当数量产生亚基来提高效率,以防止资源浪费。 | 与先前版本相同。
JCVI-syn3A最小细胞 | 初始(2022)[6] | 提出了两个模型:1)假设细胞内充分搅拌环境的模型(能够模拟整个细胞周期);2)明确表示异质细胞内环境中大分子扩散的空间模型(计算需求高,因此模拟仅可能进行细胞周期的前20分钟)。 | 模拟表明,这些最小细胞花费大部分能量用于必需营养素(如氨基酸和核苷)的主动运输,以补偿其无法合成自身构建模块。它们还根据必需代谢物的瞬时耗竭,适当地降低转录、翻译和复制速率,并在通过主动运输补充代谢物后恢复。 | 使用Lattice Microbes,该小组先前开发的随机模拟软件。反应分为八种类型,使用不同方法模拟。代谢反应使用ODEs确定性地模拟。对于其他反应类型(涉及基因表达的过程),使用以下方法随机模拟:1)充分搅拌模型中的化学主方程(CME);2)空间模型中的反应-扩散主方程(RDME)(除了tRNA加载和转录延伸/释放使用全局CME模拟)。由ODEs模拟的反应和由CME/RDME模拟的反应在1秒的时间步长上通信。在每个1秒的时间步长,来自ODE模拟(以自适应时间步长求解)的代谢物浓度传递给RDME。来自RDME模拟的RNAP、mRNA、活性核糖体、tRNA和蛋白质的拷贝数传递给全局CME。最后,来自CME模拟的蛋白质拷贝数以及核苷酸和氨基酸的能量成本传递给ODEs。
扩展(2026)[16] | 初始充分搅拌模型扩展为明确表示大分子复合物组装途径 | 模型预测的ATP浓度得到改善。模拟还表明,改变组装途径中特定步骤的动力学可以防止亚基卡在中间形式。 | 与初始版本中的充分搅拌模型相同。
扩展(2026)[17] | 初始空间模型扩展为包括DNA复制以及细胞生长和分裂期间的形态变化 | 空间模型现在能够模拟整个细胞周期的分子动力学和细胞形态。模拟显示了膜蛋白产生速率的重要性,因为产生不足可能减慢细胞周期进程。 | DNA复制使用布朗动力学(BD)模拟,而形态使用RDME模拟,其中细胞表面积和体积每4秒更新一次。所有其他过程与初始版本相同。
除了首次发布的WCM版本外,还有努力扩展模型以包含更多生物成分及其相互作用。自首次发布以来,大肠杆菌[13]、[14]、[15]?和JCVI-syn3A [16]、[17]?? WCMs的多个扩展版本已相继推出。每个模型扩展都允许模拟额外的细节,这反过来揭示了新的生物学见解(见表1)。最近的JCVI-syn3A WCM也取得了显著进展,其中计算需求高的空间模型现在能够模拟整个细胞周期并包含DNA复制[17]。这为探索空间组织在细胞生物学中具有重大意义的现象打开了大门,例如染色质重塑。简而言之,当达到特定的技术里程碑或发现一组新见解时,就会发布扩展模型版本。这说明了科学事业的连续性,我们基于先前的工作不断改进。
分阶段构建和发布WCMs并作为社区
为了为其他生物体(例如更复杂的细胞系统和更大的基因组,如哺乳动物细胞)构建新的WCMs,我们可以借鉴上一节讨论的细菌WCMs的努力。首先,分阶段构建和发布每个细胞特异性WCM更现实且有益,从初始版本开始,然后是扩展版本。其次,通过社区合作可以更快地进步。在本节中,研究人员首先讨论在选择建模生物体时应该考虑什么,包括哪些过程以及初始版本中可以简化哪些方面。然后讨论可能用于协作构建WCMs的格式及其要求。
选择建模生物体时需要考虑的方面是数据可用性以及为该生物体拥有WCM的实用性,这可能从获得基本理解到实际应用。许多模式生物已被测序,因此它们是WCMs基因完整特征的良好选择。也可以使用参考基因组或密切相关物种的基因组作为起点;并使用工具转移注释。初始模型应该能够模拟生长,即单个分子成分丰度的变化。这需要表示代谢,以及模拟蛋白质亚基丰度变化的主要过程,这决定了细胞的生长能力。对于前者,许多模式生物和人类微生物的基因组规模代谢网络已被重建,可以适应为WCM中的子模型。对于后者,应包括转录、翻译、真核生物的蛋白质易位以及RNA和蛋白质的降解。大分子复合物形成可以包含在初始模型版本中,但可能足以从简单计算开始,该计算假设复合物的浓度由其亚基的最小浓度决定。为了降低计算成本,可以考虑将多个反应/步骤合并为单个反应,例如将延伸模拟为每步添加多个(而不是单个)核苷酸,或将真核生物的转录与mRNA剪接合并。然而,这些选择应谨慎做出,因为每种简化都有权衡。例如,合并延伸将降低时间分辨率以及模型捕捉离散快速事件(如转录爆发)的能力,因此它们对细胞内和细胞间资源分配/竞争的随机效应在模型模拟中将被减弱。模拟需要动力学参数;其值不容易获得,但有些可以推断。例如,可以使用转录组学和蛋白质组学数据推断基因表达的参数值,这些数据现在更容易获得,通过假设稳态,即细胞在细胞周期中生长时使RNA和蛋白质的量加倍,同时保持其浓度。推断值可以作为初步猜测,并在测量可用时替换,或者如果模型模拟表明特定参数必须采用不同值。具有这些特征的WCM将足以模拟生长细胞中分子成分的整体动态和瞬时波动。一旦细胞特异性模型的初始版本开发完成,可以通过多种方式扩展以添加更多机制细节、基因功能和其他方面(见表1)。
加速扩展WCMs的一种方法是协作工作,如大肠杆菌全细胞建模项目所示,该项目邀请合作者与其小组合作。与基因组规模代谢建模不同,后者有成熟的框架(如通量平衡分析及其变体)更容易应用,全细胞建模复杂得多,目前没有标准方法。直接与初始版本的作者合作是最实用的格式,但难以扩展。社区驱动和有组织的努力可以加速全细胞建模这一雄心勃勃规模的进展。这可以采取研究社区的形式,朝着资助的联盟努力(见表2)。成功的关键是促进协作的基础设施,例如以组织的标准格式存储数据的中央数据库,以及可以轻松添加模型组件的模拟框架。实现标准数学方法的模拟软件,如JCVI-syn3A WCM中所采用的,将使他人的模型组件贡献更容易。或者,可以开发一个对数学方法不可知的模拟框架,如生殖支原体和大肠杆菌WCMs中所实现的。这种框架的标准接口,具有透明的连接节点(见图1),将使不同的研究小组能够独立开发子模型并将其连接到相关节点。这将大大加速WCM开发。
表2. 可在全细胞建模中采用的协作格式
格式 | 由实验室主导的协作 | 研究联盟 | 研究社区 | 自愿协作
一般描述 | 一个实验室与其他实验室形成协作并起主导作用。 | 一组具有不同专业知识的实验室形成联盟,通常有资金支持。该小组就资源共享和任务分配达成正式协议。资源可能或可能不对更广泛的社区开放。 | 一组实验室和个人达成非正式协议共享资源和任务。通常,当一组一直在做类似事情的人决定公开组合和共享资源时,就会形成社区。成员资格对更广泛的社区开放。研究社区可以朝着研究联盟努力。 | 个人自愿承担需要完成的具体任务,就像协作软件开发一样。
它如何在全细胞建模中工作 | 一个实验室开发细胞特异性模型并邀请其他人贡献。合作者与主导实验室密切合作,扩展模型的特定方面。 | 联盟协作地从零开始开发细胞特异性模型。该小组讨论并同意任务分配,如数据收集、基础设施开发、开发特定子模型等。 | 目前全细胞建模领域的小组很少,每个小组使用非常不同的方法,几乎没有可共享的重叠资源。目前,这种格式更适合于扩展该领域的一般性讨论,例如通过组织作为更大社区活动一部分的特别会议或卫星会议;或就该主题发布特刊。 | 这种格式更适合开发全细胞建模所需的特定工具。一小群人可以发挥一些领导作用,通过初始化代码和创建定义明确的任务列表来进一步开发代码?。志愿者然后选择他们想贡献的任务。
示例 | 大肠杆菌全细胞建模项目目前是该领域中唯一活跃的例子。 | 在研究领域常见,在许多领域有例子。 | 在研究领域常见。相关例子是社区驱动的代谢网络重建。 | 在开源软件开发中常见。
可能增加成功的主要要素 | 关于模型以及子模型如何集成的清晰描述;模型代码库的良好文档;合作者的教程和培训 | 支持协作的良好治理结构;支持项目及其遗产的适当基础设施 | 明确的成员利益;透明的组织结构和沟通渠道;贡献的认可 | 协作软件开发的最佳实践;清晰和公平的信用归属
?受开源软件开发和COVID大流行期间在线研讨会的启发,我们中的一小群人(见致谢部分其他成员的名字)在2022年发起了一项关于开发全细胞建模软件生态系统的讨论。我们创建了一个GitHub组织和私有仓库,记录了我们的计划活动(包括黑客马拉松和定期研讨会系列)和行为准则,以确保包容性环境和公平的信用归属。我们讨论了治理结构以及该组织如何为早期职业研究人员创造机会。这没有进一步进展,因为我们专注于个人的全职承诺。我们相信有组织的努力是该领域进步所必需的,但需要资金来维持这些努力。
图1. 全细胞建模的标准接口。该接口由消息传递系统、一组连接节点和协调器组成。每个连接节点是一个状态变量,代表任何给定时间细胞中分子成分的丰度(对于真核生物,是细胞中的区室)。每个子模型仅连接到子模型需要输入值(初始条件)和/或提交输出的节点。这里,对分子成分节点的输出是指子模型所代表的细胞过程在该时间间隔内可以供应或需求的该成分的量。在模拟的每个时间步中,每个子模型使用自己的函数和局部参数计算输出。消息传递系统协调子模型和节点之间输入和输出的发送顺序,以促进下一步,其中协调器确定实际交易量,以确保所有节点处的最终值不会变为负数。该接口在概念上类似于大肠杆菌WCM和之前提出的多算法模拟器中实现的模拟框架。在前者中,实现嵌入在模型代码库中。这可以抽象为一个通用标准接口,其中连接节点是透明的。细胞特异性WCM可以通过实例化节点来表示其分子成分,构建在通用接口之上。子模型,无论其局部函数和参数如何,只需要连接到连接节点。协调在中央级别完成,通过实现确定消息传递顺序的规则、协调供需的算法以及回滚以撤销导致错误(如负丰度)的先前步骤。注意,有一个潜在假设是子模型中的细胞过程在小时间间隔内彼此独立。应该仔细考虑每个子模型中相对于其他子模型表示的内容。
利用新兴技术
人工智能和计算技术目前正在快速发展。这些进步可用于帮助解决全细胞建模中的一些挑战(图2)。
图2. 利用新兴技术。新兴技术(最外层)可以帮助解决全细胞建模中的特定挑战(中间层),如对多种和特定类型数据的需求(A)、缺乏测量的动力学参数值(B)、劳动密集性(C)和高计算成本(D)。A)新的和改进的测量技术将产生更多数据,包括新数据类型,可用于开发和验证WCMs。数据应以标准格式组织和存储在集中式数据库中,以促进模型开发和验证。B)基于结构信息预测速率常数的AI/ML方法可以用作WCM参数的第一猜测值,在测量尚不可用的情况下。C)AI助手和代理可以帮助处理特定的劳动密集型任务。D)增强计算能力的改进硬件和计算技术可以加速计算时间并支持内存密集型大规模模拟。
参数估计是AI方法可能有用的一方面。许多AI应用侧重于分类问题,即预测定性输出或已转换和分组的输出。生成式AI提供了根据输入特征创建新颖输出的额外能力。这在生物和医学研究的许多领域都有用,从图像分析到基于结构输入(如蛋白质序列)预测分子相互作用。然而,也有方法基于结构信息预测定量输出,例如动力学参数。这可以为模型参数提供第一猜测值(见前一节)。
WCM模拟的预测可以通过使用代理建模加速下游应用,该建模作为计算成本更低的替代品。代理模型是数据驱动的模拟器,通过在原始模型下进行各种扰动生成合成数据训练。一旦训练完成,它可以在给定输入的情况下以降低的成本近似原始模型的输出,尽管预测仅在训练数据的分布内可靠。最近为大肠杆菌WCM开发了一个使用ML方法(随机森林)的代理模型。它使用单基因和多基因敲除的WCM模拟训练,以根据代表第一代结束前细胞状态的12个输入特征预测细胞在六代中的分裂能力。这将计算时间减少了95%,因为第2-6代的WCM模拟被更快的代理模型取代,但这些后代的机制细节和动态丢失了。然而,代理模型选定的有趣预测可以使用原始模型检查以确定准确性并恢复丢失的细节。由于WCMs是模块化的,还可以为单个过程子模型(如代谢子模型)开发代理模型,以便在其他地方重用。
全细胞建模也可以受益于基础模型和大型语言模型(LLMs)的一般发展。这些工具可以协助编码和软件开发。诸如模型上下文协议(MCP)之类的框架可以提供连接多个数据库和工具的标准接口,但应谨慎使用。在全细胞建模的早期,挑战之一是劳动密集性。现在这可能部分通过AI助手和代理的帮助解决。尽管当前硬件和计算技术的改进主要旨在支持AI使用,但我们也许能够利用它们。此外,生物研究总体上将通过这些领域的发展加速,这将间接惠及全细胞建模。
AI的最新进展促使人们重新关注构建AI细胞模型。目前被称为AI虚拟细胞(AIVCs),正在进行的讨论和举措以启动其发展,各个小组提出自己的想法并测试不同的结构。目前没有可用的AIVCs,但该领域正在快速发展。一些人可能认为WCMs和AIVCs是竞争关系,而另一些人认为它们互补。提议的AIVCs更侧重于定性预测,如响应扰动的细胞状态变化,而WCMs更侧重于定量预测,如状态变化的速度。每个重点可以满足不同的需求;前者适用于需要在大定性空间内快速搜索的应用,如药物发现中细胞对化合物的响应;后者适用于需要速度、剂量和机制细节信息的应用。随着每个领域的持续发展,很可能会有合作机会。作为开始,AIVC倡议产生的数据可用于全细胞建模。最终,我们都是同一研究生态系统的一部分。
结论
全细胞建模是一场马拉松,而不是短跑。它有很多潜力,但作为一个相对具有挑战性的领域,其发展速度较慢。我们可以像接力赛一样进行全细胞建模竞赛,如大肠杆菌和JCVI-syn3A细菌WCMs所示。漫长的比赛并不总是得到研究企业的支持,其复杂和动态的(资金)景观。该领域目前处于其轨迹上的一个有趣点,但我们可能会失去动力,特别是在早期职业研究人员中,他们可能因缺乏支持和有时有缺陷的奖励系统而气馁。因此,为全细胞建模创造一个可持续的环境和现实的路线图很重要,从可实现的短期目标开始,朝着社区驱动的长期事业努力。
利益声明
无。
Yin Hoon Chew
Healthcare Technologies Institute, Institute of Translational Medicine, Heritage Building, Mindelsohn Way, Edgbaston, Birmingham, B15 2TH, United Kingdom