通过组成数据分析改进代谢通量估计

同位素代谢通量分析（Isotopic Metabolic Flux Analysis, I-MFA）是估计细胞内代谢通量的标准方法。I-MFA 通过比较同位素标记实验中代谢物的模拟与实测代谢物同位素异构体分布（metabolite isotopologue distributions, MIDs）来推断通量。MIDs 表示某一给定代谢物各组分的分数丰度，其总和严格为 1，因此本质上属于组成数据。然而，当前最先进的估计方法依赖于在非组成数据范式下计算 MIDs 之间的标准欧几里得距离，从而引入了系统性偏差。为解决这一问题，本研究提出了组成型 I-MFA。我们展示了如何通过有序序贯二元划分构建 MIDs 的有意义正交归一基，并利用该基执行等距对数比（isometric log-ratio, ILR）变换。作为对现有 I-MFA 工作流程的最小改动，我们建议通过最小化 ILR 变换后 MIDs 之间的欧几里得距离来估计通量。我们使用一个玩具模型和一个具有生物学真实性的模型，将该框架与传统方法进行了验证，评估内容包括点估计、在不同真实通量下的敏感性以及置信区间。在这两个示例中，组成型 I-MFA 均持续优于传统方法，使通量点估计的均方误差平均降低了 42.6%，并显著缩窄了置信区间。我们得出结论：组成数据分析可显著提升 I-MFA 的性能，并且能够作为当前流程的简单直接替代方案加以实现。

同位素代谢通量分析（I-MFA）是估计细胞内代谢通量的标准方法。I-MFA 通过比较同位素标记实验中代谢物的模拟与实测代谢物同位素体分布（MIDs）来推断通量。MIDs 表示某一给定代谢物各同位素体的分数丰度，其总和严格等于 1，因此本质上属于组成数据。然而，当前最先进的估计方法依赖于在非组成数据范式下计算 MIDs 之间的标准欧几里得距离，从而引入了系统性偏差。为解决这一问题，我们的研究提出了组成型 I-MFA。我们展示了如何通过有序序贯二元划分为 MIDs 构建一个有意义的标准正交基，并利用该基进行等距对数比（ILR）变换。作为对现有 I-MFA 工作流程的最小改动，我们建议通过最小化经 ILR 变换后的 MIDs 之间的欧几里得距离来估计通量。我们使用一个玩具模型和一个具有生物学真实性的模型，将该框架与传统方法进行了验证，评估了点估计、在不同真实通量下的敏感性以及置信区间。在这两个示例中，组成型 I-MFA 均持续优于传统方法，使通量点估计的均方误差平均降低了 42.6%，并显著缩小了置信区间。我们得出结论：组成数据分析能够显著改进 I-MFA，并且可以作为当前流程的简单直接替代方案加以实施。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.07.742769v1?rss=1

🏷️ 代谢通量分析 组成数据分析 同位素示踪 等距对数比变换 代谢物同位素异构体