PBJ | NeuralFlux：深度学习赋能基因组尺度代谢通量分析，推动植物代谢工程新突破

背景：代谢通量是细胞生理状态的核心表征，也是作物代谢性状改良的重要靶点。传统同位素非稳态代谢通量分析在处理基因组尺度代谢网络时存在计算复杂度高、耗时长、可重复性差等问题。研究目的：为突破传统方法的计算瓶颈，德国马克斯・普朗克分子植物生理研究所的研究团队开发了一种基于深度学习的代谢通量估算工具NeuralFlux，旨在为系统解析植物代谢网络功能、指导代谢性状遗传改良提供高效可靠的计算新方法。结论：NeuralFlux首次将深度学习与同位素非稳态代谢通量分析相结合，显著提升了计算效率，与传统方法相比计算时间降低2-3个数量级，并在拟南芥核心代谢模型验证中表现出准确捕获核心代谢反应通量变化趋势的能力。该工具为基因组尺度代谢通量估算提供了可行方案，有望在作物代谢育种、品质改良和合成生物学等领域发挥重要作用。