[发明专利]基于计算机分析来改良菌株的方法

说明书

技术领域

本发明涉及一种基于计算机(in silico)分析来改良菌株的方法。更具体地，涉及一种将用于生产有用物质的靶菌株基因组信息与用于过量生产有用物质的菌株基因组信息相比对，以便初筛出对于过量生产有用物质来说不必要的基因，然后通过代谢流分析进行模拟来二次筛选出要去除的基因的基于计算机(in silico)分析来改良菌株的方法。

背景技术

代谢流研究利用与遗传重组技术相关的分子生物学技术、通过引入新的代谢途径或者去除、放大或改变现有代谢途径，提供了改变细胞或菌株在人们预期方向上的新陈代谢特征所需的各种信息。这种代谢流研究包括生物工程学的所有内容，例如过量生产现有代谢物、生产新的代谢物、抑制生产不想要的代谢物、以及利用廉价的底物。在随之新发展起来的日益增加的生物信息学的帮助下，由不同物种的基因组信息建立各自的代谢网络模型成为了可能。通过代谢网络信息与代谢流分析技术的结合，生产各种初级代谢物和有用的蛋白质的工业应用如今成为可能(Hong等，Biotech.Bioeng，83：854，2003；US2002/0168654)。

用于分析细胞代谢的数学模型可以分为两类，即包括动态和调控机制信息的模型，以及仅涉及生化途径系数的静态模型。动态模型通过预测随时间的细胞内变化表示出细胞的动态条件。然而，动态模型需要许多动态参数，因而在精确地预测细胞内部方面存在问题。

另一方面，静态数学模型利用生化途径的物质平衡与细胞组成信息来确定可用细胞能达到的理想代谢流空间。尽管这种代谢流分析(MFA)并不需要动态信息，已知其表示了理想的细胞代谢流，并准确地说明了细胞习性(Varma等，Bio-Technol，12：994，1994；Nielsen等，BioreactionEngineering Principles，Plenum Press，1994；Lee等，Metabolic Engineering，Marcel Dekker，1999)。

代谢流分析是通过测量代谢途径系数、生产量及代谢物的消费量来确定代谢流内部变化的技术。代谢流分析是基于准稳态的假设。也就是说，由于外部环境造成的内部代谢物浓度改变是非常即时的，因而上述改变通常被忽略并假设内部代谢物浓度没有变化。

如果所有的代谢物、代谢途径和途径中的化学计量矩阵(S_ij^T，j反应中的代谢物i)为已知，则可以计算出代谢流量向量(v_j，j途径的流量)，其中代谢物X随时间的变化可以表示成所有代谢流量之和。设X随时间的变化是常数，即假设处于准稳态，可确定以下方程：

S^T_v＝dX/dt＝0

然而，在许多情况下只有途径是已知的，而各代谢物和途径的化学计量值以及代谢流量向量(v_j)部分已知，因而上述方程扩展为以下方程：

S^T_v＝S_mv_m+S_uv_u＝0

上述方程分为两个矩阵，实验上已知的化学计量值(S_m(I×M)，I＝总代谢产物数(total metabolite number)，M＝化学计量已知的反应总数(totalstoichiometrically-known reaction number))乘以流量(v_m(I×M))的确定矩阵，以及未知化学计量值(S_u(I×M))乘以流量(v_u(I×M))的矩阵。其中，m是测量值的下标，u是未测量值的下标。

如果未知流量向量(S_u)的秩(S_u)等于或大于u(即变量数等于或小于方程式)，则流量由简单的矩阵计算确定。然而，如果变量数大于方程式(即如果存在叠加方程式)，则将执行验证总方程式的一致性、代谢流测量值的准确度、和准稳态有效性的操作，以计算出更准确的值。

如果变量数大于方程式，则利用特定的目标函数和各种理化方程式通过线性编程来计算出最佳代谢流分布，其中特定的代谢反应流量可以限制在特定的范围内。其可以如下计算：

最小化/最大化：Z＝∑c_iv_i

s.t.S^Tv＝0且α_min，i≤v_i≤α_max，I