Flux Transformer 不再让专家反复调代价函数:直接从同位素标记与实测速率反推胞内通量
核心概要
细胞内代谢通量无法直接测量,传统做法是喂细胞同位素标记营养物、测标记模式,再用非线性优化反复拟合通量分布,计算昂贵且常需专家手工调整代价函数权重。Flux Transformer 把标记测量和少数实测反应速率编码成带生物身份的词元,用自注意力整合、交叉注意力预测满足质量平衡的少数自由通量,直接输出完整通量分布。在四类生物已发表的专家整定数据上,它复现了 MFA 通量(中位 R² = 0.90),并给出置信区间。
深度剖析
代谢通量分析从一项需要专家逐次调参的非线性拟合,变成一次前向的模型推断:输入同位素标记数据和少数实测反应速率,直接得到满足质量平衡的完整通量分布。 传统 MFA 要先猜一个通量分布、算出它对应的标记模式,再用非线性优化反复逼近实验数据;输入数据包含标记模式和实测速率两类异质测量,拟合对各类数据的权重很敏感,常需专家手工调整权重才能得到合理通量,而且计算昂贵、不保证收敛到全局最优。 在五种生物(大肠杆菌、酿酒酵母、东方伊萨酵母、菥蓂胚、小鼠 T 细胞)的模拟数据上,Flux Transformer 比传统 MFA 解出更多反应(R² > 0.9),整体通量更准,速度比 13C-FLUX 和 INCA 快几个数量级;只用标记模式、不纳入实测速率的机器学习方法(如 ML-Flux)通量恢复更不可靠。
模型把两类异质测量统一成同一种表示,再让每个待预测的自由通量自己去挑选用哪些测量。 此前的机器学习路线要么只从示踪数据里找通量相关特征、并不真正定出通量,要么训练代理模型近似正向问题再拟合,最近的两阶段框架也只从示踪数据推断相对通量,没有处理标记数据与选定反应速率同时实测、需要联合求解这一最常见的真实场景。 每条同位素标记测量被写成一个词元,编码代谢物身份、质量偏移、示踪剂身份和标记分数;每条实测速率写成编码反应身份与数值的词元。自注意力层让每个测量在整场实验的语境中被解读,交叉注意力用一组学习到的查询把语境化表示映射到自由通量,再经零空间基还原为完整通量分布;模型在加入噪声的模拟数据上训练,每个物种用 10,000 个稳态通量向量、训练 20 个模型的集成。
在真实实验数据上,模型复现了专家人工整定的通量,并且在自己定不准的地方给出更宽的置信区间。 训练只用了模拟数据,测试用的是已发表的、经专家整定的 MFA 结果及其原始标记与交换速率测量,覆盖均匀标记和位置标记的葡萄糖、以及均匀标记的谷氨酰胺等示踪剂。 跨四种生物,Flux Transformer 复现了实测标记模式(中位 R² = 0.82)和专家整定的 MFA 通量(中位 R² = 0.90);在大肠杆菌、酿酒酵母、东方伊萨酵母的批培养中,通量在五个数量级范围内与专家结果一致(R² > 0.9)。与专家分歧最大的反应,正是模型给出最宽置信区间的反应;在大肠杆菌上训练所用网络模型与 Park 等人的不同,仍能复现其结果。
启示与展望
已演示的范围是代谢与同位素稳态下培养细胞中的通量推断,覆盖细菌、真菌、植物胚和哺乳动物细胞系,并在野生型与 20 株单基因缺失大肠杆菌上做了检验;非稳态标记数据推断通量的研究尚未覆盖,作者提出通过生成相应训练数据来扩展。
模型对生物、分析平台(GC-MS 或 LC-MS)和训练时所用示踪剂具有特异性,新示踪剂或新物种需要重新训练;定量预测依赖实测的摄取、分泌和生长速率,因为仅凭标记只能约束相对通量。部分通量本身不被标记数据确定,尤其在含不可识别环路的较大网络中,这是实验与网络的性质而非方法所致,模型以宽置信区间标出。当前模型限于培养细胞或植物胚,尚未覆盖整体生物代谢。
