GEMs | 为什么Gapseq在gapfill过程中不利用培养基中的全部资源？

2026-01-30

试用gemini-3-pro-preview，不会保存聊谈记录，因此记录与此。由于个人认识有限，不能保证其科学性与专业性。使用的Gapseq版本为1.4。

在使用 gapseq fill 流程时，你提供的 LBmed.csv 指定了潜在的可利用营养物质（Potential Search Space），而不是强制模型必须消耗或包含列表中的所有物质。

最终构建的模型中“培养基”（即开启的交换反应）不包含 LBmed.csv 中的全部成分，通常由以下几个核心原因造成：

1. 缺乏转运蛋白（Transporters）

这是最主要的原因。

  • 原理：虽然你在 LBmed.csv 中提供了某种物质（例如某种特定的氨基酸或微量元素），但细菌要利用它，必须具备将该物质从胞外（e0）转运到胞内（c0）的转运反应（Transport Reaction）。
  • Gapseq 逻辑：
    1. gapseq 首先基于基因组同源性（gapseq find 阶段）预测转运蛋白。如果基因组里找不到对应某种物质的转运蛋白，模型在初始阶段就无法摄取该物质。
    2. 在 fill（填补）阶段，算法会尝试添加缺失的反应来恢复生长。但是，gapseq 的填补算法遵循简约原则（Parsimony）。如果模型可以通过利用 LB 培养基中的 其他 容易摄取的物质（如葡萄糖、普通氨基酸）来满足生物量（Biomass）合成的需求，它就不会强行添加一个没有基因组证据支持的、额外的转运反应去摄取列表中剩余的物质。
  • 结果：虽然环境里有（CSV里有），但细菌“吃”不进去，或者“懒得”去进化出吃它的路径。

2. 生物量合成不需要（Metabolic Redundancy）

  • 原理：代谢模型的构建目标通常是优化生物量方程（Biomass objective function）。
  • 情景：假设 LB 培养基中同时含有 A 和 B 两种碳源。如果模型利用 A 就能完美合成所有必需的前体物质并最大化生长，且利用 A 的代谢路径更短、能量效率更高（或在数学求解中权重更优），模型可能根本不会去动用 B。
  • 结果：未被利用的物质其交换反应（Exchange reaction）的通量可能为 0，看起来就像“不在”模型工作的培养基中一样。

3. 数据库 ID 映射问题（Mapping Issues）

  • 问题：LBmed.csv 文件中的化合物 ID 需要与 gapseq 后台使用的数据库（通常是 ModelSEED）完全匹配。
  • 情景：如果 CSV 文件中某些化合物的 ID 无法被 gapseq 准确识别，或者在当前的反应数据库中找不到涉及该化合物的反应，这些物质就会被直接忽略。

4. 填补算法的权重惩罚（Penalty Weights）

  • 注意你命令中的 -c ...-rxnWeights.RDS。
  • gapseq fill 在填补反应时会根据权重（Weights）来决定添加哪些反应。通常，添加一个新的交换反应/转运反应（意味着假设存在一个未知的转运蛋白）会有较高的“惩罚分数”。
  • 如果模型能利用已有的转运通路存活，它绝对不会为了迎合 LBmed.csv 里的列表而去承担添加新反应的惩罚。

如何验证？

你可以检查生成的模型（RDS 或转出的 XML/JSON）来确认原因：

  1. 检查交换反应界限： 查看模型中对应 LBmed.csv 中物质的 Exchange Reactions（通常以 EX_cpdXXXXX_e0 命名）。
    • 如果反应存在但通量为 0：说明有转运通路，但模型选择不吃。
    • 如果反应不存在：说明模型完全没有构建出摄取该物质的通路（无转运蛋白）。
  2. 强制测试（可选）： 如果你确信该细菌必须能够代谢 LB 中的某种特定成分（比如你知道它有那个表型），你需要检查该物质的转运蛋白基因是否在注释阶段被遗漏，或者手动在模型中添加该转运反应。

总结

gapseq fill -n LBmed.csv 的意思是：“我在这个环境中提供了这些营养，你看看你能利用哪些来让自己活下来。” 而不是：“把这些营养全都塞进模型里”。模型只选择了它能利用（有基因证据）且需要利用（为了生长）的那一部分子集。