《PLOS Computational Biology》:From observable fermentation data to hidden cell states: A modeling study of a mixotrophic Clostridium coculture under perfusion mode
编辑推荐:
微生物共培养体系展现出复杂的种群动态,其内在生理状态仅能被部分观测,因而难以解释。特别是,活跃与休眠细胞状态可影响系统层面的行为,但通常无法从标准发酵测量中分辨。在本研究中,研究人员提出了一种混合建模框架,将结构化的种群状态重建与非线性动力学稀疏辨识(SIND
微生物共培养体系展现出复杂的种群动态,其内在生理状态仅能被部分观测,因而难以解释。特别是,活跃与休眠细胞状态可影响系统层面的行为,但通常无法从标准发酵测量中分辨。在本研究中,研究人员提出了一种混合建模框架,将结构化的种群状态重建与非线性动力学稀疏辨识(SINDy)相结合,用于分析灌注模式下的丙酮丁醇梭菌-永达尔梭菌共培养体系。该框架从可观测的生物量和活性测量数据中估计活跃的C. acetobutylicum和C. ljungdahlii生物量当量轨迹,将休眠种群重建为受模型约束的潜变量状态,并利用这些状态识别胞外代谢物动力学。在考虑一阶灌注传输项后,SINDy辨识出了与有机酸转化、溶剂形成以及丙酮向异丙醇转化相关的稀疏生物学反应项。所得模型成功捕捉了活跃生物量与代谢物的轨迹,并表明共培养动态与酸关联的状态转变和顺序性代谢交换相一致。该框架为解释部分可观测的微生物共培养体系提供了一种透明的策略,同时将休眠生物量作为重建的潜变量状态加以显式处理。
研究背景与科学问题
微生物共培养体系在现代合成生物学和工业生物技术中展现出巨大潜力,不同菌种可通过协同分工完成复杂任务。然而,这类系统的行为解析面临根本性挑战:细胞的真实生理状态,尤其是活跃生长与暂时性休眠之间的区分,无法通过常规发酵监测手段直接获取。这种“可观测性缺口”严重限制了实验数据的深入解读和有效操作策略的设计。
以丙酮丁醇梭菌(Clostridium acetobutylicum)与永达尔梭菌(Clostridium ljungdahlii)构成的混合营养共培养体系为例,前者可利用糖类进行经典的ABE(丙酮-丁醇-乙醇)发酵,后者则通过Wood-Ljungdahl途径利用H2/CO2气体。两者协同有望突破单一菌种的碳收率瓶颈,实现更高的产物回收。然而,梭菌属细菌本身具有多种细胞状态——活跃生长态、静止态(代谢活跃但不分裂)、芽孢形成态等——而传统的总光密度或干重测量只能反映整体生物量,完全掩盖了活跃与休眠亚群间的动态分布。这一可观测性缺失使得标准非结构化动力学模型难以精准描述共培养体系的行为,从而制约了工艺优化与控制策略的开发。
针对上述困境,现有研究路径分为两类:一是基于第一性原理的机理模型(如Shinto等的ABE发酵动力学模型、Foster等的种间融合与代谢交换模型),它们依赖预定义的动力学表达式(如米氏方程),结构刚性较强,难以捕捉不可观测的生理状态瞬变;二是纯数据驱动的黑箱模型(如人工神经网络、长短期记忆网络),虽然预测精度高,但缺乏机理解释力,无法揭示潜在的生理转变与因果代谢关系。因此,亟需一种能够弥合机理可解释性与数据驱动灵活性之间鸿沟的新策略。
研究方法与技术路线
为解决上述问题,研究人员提出了一种混合建模框架,该框架整合了三个关键技术环节:
- 1.
结构化种群状态重建:首先,建立包含活跃与休眠两种细胞状态的微分方程组模型,将总生物量数学分解为物种特异性的活跃和休眠生物量当量浓度。其中,活跃细胞浓度由核糖体RNA荧光原位杂交(rRNA-FISH)结合流式细胞术的实验数据约束,而休眠细胞作为潜变量状态由模型推断重建。该模型考虑了细胞生长、失活(活跃→休眠)、再活化(休眠→活跃)、死亡以及灌流系统排出的物理效应,并以Monod动力学和指数抑制项刻画底物限制与产物毒性。
- 2.
生理学启发的候选函数库构建:区别于传统SINDy使用的通用多项式库,研究人员依据共培养体系的种间反应网络,构建了一套包含生长关联项、非生长关联维持代谢项、环境调节因子等的生理学候选函数库,以确保辨识结果的生物学合理性。
- 3.
非线性动力学稀疏辨识(SINDy):在扣除灌流传输的一阶物理项后,采用带岭回归正则化的序贯阈值最小二乘法(STLS-Ridge),从候选函数库中筛选出最简约的动力学结构,从而辨识出各胞外代谢物的净生物反应速率方程。该方法有效应对了代谢时间序列数据固有的多重共线性问题。
研究结果与关键发现
生物量浓度廓线的估算
研究人员利用所建结构化种群模型,将来自总光密度和rRNA-FISH/流式细胞术的聚合数据解析为物种特异性轨迹。结果显示,活跃生物量并非由单一物种主导整个发酵过程,而是呈现出顺序性的种群结构:C. acetobutylicum在初期占据优势,随后C. ljungdahlii在后期扩增。模型重建的休眠种群轨迹显示,早期C. acetobutylicum出现显著的休眠峰值,这与有机酸胁迫(包括进料中的丁酸盐)诱导的失活一致,导致活跃种群出现“死亡谷”。此后,随着酸的逐渐再同化,部分休眠细胞恢复活性,重新启动溶剂生成。C. ljungdahlii的延迟增长则被归因于初期不利的代谢环境和气体传质限制,其在C. acetobutylicum稳定环境后才借助混合营养能力实现扩张。
代谢动力学的SINDy辨识
基于重建的种群状态,SINDy框架成功辨识了关键代谢物的动力学结构:
- •
有机酸:乙酸盐的周转同时涉及生长关联项和休眠细胞维持代谢项,表明其代谢不仅限于活跃生长阶段;丁酸盐的消耗则紧密耦合于C. acetobutylicum的活跃溶剂生成代谢,且受到pH和丁醇积累的负反馈调节。
- •
溶剂生成:乙醇的产生主要呈生长关联模式,同时包含非生长关联的维持代谢成分;丁醇的动态主要由环境变量(丁酸浓度、质子浓度)间接反映,未保留直接的生物量项;丙酮与异丙醇构成耦合溶剂对——丙酮由C. acetobutylicum的溶剂生成代谢产生,而异丙醇的形成则依赖于C. ljungdahlii对丙酮的还原转化,这清晰地体现了种间代谢交换。
结论与意义
该研究提出的混合建模框架成功实现了对部分可观测微生物共培养体系中隐藏生理状态的重建,并在此基础上辨识出具有生物学解释力的简约动力学结构。模型结果表明,该共培养体系的复杂动态并非源于简单的生长竞争,而是由胁迫诱导的休眠、顺序性的代谢交换以及种间环境调控共同作用的结果。具体而言,C. acetobutylicum在早期扮演了环境调理的角色,通过逐步再同化有机酸缓解代谢胁迫,为C. ljungdahlii的后续扩张创造了有利条件。该框架为理解和优化各类微生物共培养系统提供了一条兼具机理透明性与数据驱动灵活性的实用路径。