ChemoCalib：基于多块偏最小二乘法对基因组尺度代谢模型进行校准，相较于仅整合表达数据可提高通量预测精度

约束型代谢建模（FBA）需要整合多组学数据以缩小通量解空间，然而现有仅基于表达数据的方法（E-Flux、GIMME、iMAT、MOMENT、E-Flux2、SPOT）忽略了跨组学协方差，并依赖启发式阈值。我们提出ChemoCalib，这是一种经化学计量学校准的约束层，通过多块偏最小二乘法（MB-PLS）结合考虑GPR的VIP聚合，将代谢组学、转录组学和蛋白质组学中的共享潜在结构投射到基因组尺度反应边界上。不同于线性表达缩放，ChemoCalib能够导出连续且可解释的边界（软性/硬性/自适应模式），并将其耦合到一个用于虚拟双敲除筛选的计算机模拟主动学习循环中。 在大肠杆菌 iJO1366 模型上，利用三个公开的多组学数据集（Ishii 2007、Keio、Holm 2010）以及13C-MFA真实值，ChemoCalib与实测通量相比达到 Spearman {rho} = 0.461 和 Pearson r = 0.493，显著优于 E-Flux、GIMME、iMAT、MOMENT、E-Flux2 和 SPOT（在 5 个基线中的 3 个上，经 Holm 校正后 p

基于约束的代谢建模（FBA）需要整合多组学数据以缩小通量解空间，然而，现有仅基于表达数据的方法（E-Flux、GIMME、iMAT、MOMENT、E-Flux2、SPOT）忽略了跨组学协方差，并依赖启发式阈值。我们提出了 ChemoCalib，这是一种经化学计量学校准的约束层，利用多块偏最小二乘法（MB-PLS）结合考虑 GPR 的 VIP 聚合，将代谢组学、转录组学和蛋白质组学的共享潜在结构投射到基因组尺度反应边界上。不同于线性表达缩放，ChemoCalib 可导出连续且可解释的边界（软性/硬性/自适应模式），并将其耦合到一个用于虚拟双敲除筛选的计算机模拟主动学习循环中。

在大肠杆菌 iJO1366 模型上，利用三个公开的多组学数据集（Ishii 2007、Keio、Holm 2010）以及 13C-MFA 真实值，ChemoCalib 与实测通量相比实现了 Spearman ρ = 0.461 和 Pearson r = 0.493，显著优于 E-Flux、GIMME、iMAT、MOMENT、E-Flux2 和 SPOT（在 5 个基线中的 3 个上，经 Holm 校正后 p

ChemoCalib 为开源项目（Zenodo DOI: 10.5281/zenodo.21645890），无需湿实验，并将化学计量学定位为虚拟细胞代谢模块的校准层。

感谢您有意帮助传播 bioRxiv 的信息。

---

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.28.741216v1?rss=1

🏷️ 基因组尺度代谢模型 多组学整合 通量平衡分析 多块偏最小二乘法 代谢通量预测 大肠杆菌