[论文解读] Defining Autocatalysis in Chemical Reaction Networks

Jakob L. Andersen, Christoph Flamm+2 more|University of Southern Denmark Research Portal (University of Southern Denmark)|Jul 7, 2021

Origins and Evolution of Life参考文献 43被引用 10

一句话总结

本文提出一种基于整数超流和扩展超图的正式框架，用于定义和识别化学反应网络中的自催化作用，解决了现有定义中的模糊性问题。该框架引入了‘环-耳’结构，以捕捉反应的时间顺序，从而实现对代谢网络中自催化路径的精确检测，应用结果揭示了37种核心分子既整体上又完全自催化。

ABSTRACT

Autocatalysis is a deceptively simple concept, referring to the situation that a chemical species $X$ catalyzes its own formation. From the perspective of chemical kinetics, autocatalysts show a regime of super-linear growth. Given a chemical reaction network, however, it is not at all straightforward to identify species that are autocatalytic in the sense that there is a sub-network that takes $X$ as input and produces more than one copy of $X$ as output. The difficulty arises from the need to distinguish autocatalysis e.g. from the superposition of a cycle that consumes and produces equal amounts of $X$ and a pathway that produces $X$. To deal with this issue, a number of competing notions, such as exclusive autocatalysis and autocatalytic cycles, have been introduced. A closer inspection of concepts and their usage by different authors shows, however, that subtle differences in the definitions often makes conceptually matching ideas difficult to bring together formally. In this contribution we make some of the available approaches comparable by translating them into a common formal framework that uses integer hyperflows as a basis to study autocatalysis in large chemical reaction networks. As an application we investigate the prevalence of autocatalysis in metabolic networks.

研究动机与目标

• 为解决不同化学反应网络模型中自催化定义存在的概念不一致问题。
• 形式化区分催化循环与真正能产生物种净增益的自催化循环。
• 开发一种数学上严谨且计算上可行的方法，用于识别大规模网络中的自催化物种。
• 将该框架应用于真实代谢网络，识别核心自催化分子。
• 为反应网络中结构自催化的全面数学理论奠定基础。

提出的方法

• 将化学反应网络表示为整数超流，以建模化学计量平衡和反应通量。
• 引入扩展超图，编码时间顺序和反应序列约束，超越静态流的限制。
• 通过‘环-耳’结构定义自催化：一个经过顶点X的环，带有一条分支（耳），在重新汇入环之前产生X的额外副本。
• 应用路由约束，确保流在物理上可解释为化学路径。
• 利用该框架分析五个基因组规模的代谢模型（iJO1366、iMM904等），以检测自催化物种。
• 通过要求除循环自身产物外无需任何外部输入，形式化定义‘完全自催化’。

实验结果

研究问题

• RQ1 如何在复杂化学反应网络中正式定义自催化，以避免与催化循环产生歧义？
• RQ2 需要何种数学结构来捕捉自催化系统中反应的时间与化学计量顺序？
• RQ3 在基因组规模的代谢网络中，哪些分子既是整体自催化又完全自催化？
• RQ4 标准代谢模型在多大程度上包含能净生产关键代谢物的自催化循环？
• RQ5 扩展超图框架能否检测到传统基于流的分析所遗漏的自催化机制？

主要发现

• 该框架在五个基因组规模的代谢模型中成功识别出37种分子，其既整体上又完全自催化。
• ‘环-耳’结构提供了一种拓扑上合理且可数学形式化的条件，用于识别真正自催化作用，而不仅限于简单循环。
• 整数超流与扩展超图的结合，可同时建模化学计量平衡和反应序列约束。
• 该方法检测到的代谢网络中自催化路径，在仅依赖标准通量分析时并不明显。
• 该方法揭示，ATP、GTP、UDP-葡萄糖和叶酸衍生物等核心代谢物在代谢的自催化核心中起关键作用。
• 本研究证明，自催化不仅是理论构想，更是真实代谢网络中普遍存在的结构性特征。