cobrapy

COBRApy - 代谢建模

将细胞的“代谢”建模为线性优化问题。可用于预测不同条件下细菌的生长情况，或设计转基因生物菌株。

适用场景

• 预测不同营养条件下微生物的生长速率。
• 设计代谢工程策略（基因敲除、添加）。
• 了解代谢流分布。
• 比较不同生物体的代谢能力。
• 识别必需基因和反应。

核心原则

通量平衡分析（FBA）

在满足化学计量约束的条件下，优化代谢通量，以最大化生物量产出（或其他目标）。

基因-蛋白质-反应（GPR）

基因编码催化反应的蛋白质（酶）。基因敲除会影响反应的可用性。

约束

反应边界（下限／上限）表示酶的能力或营养物质的可用性。

快速参考

标准导入

import cobra
from cobra.io import load_model, save_model

基本模式

# 1. Load model (e.g., E. coli)
model = cobra.io.load_model("iJO1366")
# Or: model = cobra.io.read_sbml_model("model.xml")

# 2. Run Flux Balance Analysis (FBA)
solution = model.optimize()
print(f"Growth rate: {solution.objective_value:.4f}")
print(f"Status: {solution.status}")

# 3. Knockout simulation (Gene essentiality)
with model:
    model.genes.get_by_id("b0002").knock_out()
    print(f"Growth after knockout: {model.optimize().objective_value:.4f}")

# 4. Change medium (nutrient availability)
model.medium = {
    'EX_glc__D_e': 10.0,  # Glucose uptake
    'EX_o2_e': 1000.0     # Oxygen
}
solution = model.optimize()

关键规则

✅ 应当

• 检查求解状态 —— 使用结果前，确保状态为 'optimal'。
• 使用上下文管理器 —— 将修改放在 with model: 中，避免永久更改。
• 设置恰当的边界 —— 反应边界应反映生物学实际情况。
• 验证模型 —— 使用 model.validate() 检查常见问题。

❌ 不要

• 不要忽略不可行的解 —— 如果优化失败，请检查约束和边界。
• 不要原地修改模型 —— 使用上下文管理器，或先复制模型。
• 不要假定所有反应都处于活跃状态 —— 最优解中许多反应的通量为零。

高级模式

通量变异性分析（FVA）

from cobra.flux_analysis import flux_variability_analysis

# Find range of possible fluxes for each reaction
fva_result = flux_variability_analysis(model, model.reactions)

基因必需性分析

# Test which genes are essential for growth
from cobra.flux_analysis import single_gene_deletion

deletion_results = single_gene_deletion(model)
essential_genes = deletion_results[deletion_results['growth'] < 0.01]

添加自定义反应

# Add a new reaction to the model
new_reaction = cobra.Reaction("NEW_RXN")
new_reaction.add_metabolites({
    model.metabolites.get_by_id("glc__D_c"): -1,
    model.metabolites.get_by_id("atp_c"): -1,
    model.metabolites.get_by_id("adp_c"): 1,
})
new_reaction.lower_bound = 0
new_reaction.upper_bound = 1000
model.add_reactions([new_reaction])

COBRApy 将代谢网络转化为可计算的模型，使研究人员能够在系统层面预测和设计细胞行为。