通过特征学习对代谢网络进行粗粒化揭示了跨物种生长规律

细菌生长及其底层代谢网络在不同物种之间存在高度差异，这对涉及多样化物种的生物工程任务提出了根本性挑战。对于特定物种而言，在不同营养环境下，生长通过蛋白质组分配进行调控，从而导致生长与粗粒化蛋白质组分区大小之间呈现线性关系。然而，这类粗粒化生长预测因子是否以及如何在物种间推广，仍不清楚。在此，我们利用基因组尺度代谢模型，发现了一种简单的跨物种趋势：某一物种在单培养条件下的生长与其所利用的营养物质数量成正比，这表明后者是一种在物种间保守的调控特征。通过采用特征学习对代谢网络进行粗粒化，我们识别出新的蛋白质组分区，其大小在广泛实验中表现出生长的跨物种相关性，这表明这些分区同样是保守的调控特征。我们进一步表明，这些分区能够实现对蛋白质组成本和生长收益的预测性编码，从而为解释粗粒化网络特征如何成为多样代谢网络中决定生长的简单因素提供了一种潜在机制。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.05.13.725055v1?rss=1

🏷️ 代谢网络粗粒化 特征学习 跨物种生长规律 基因组尺度代谢模型 蛋白质组分配