微生物群落（microbial communities）的形成受到微环境条件与细胞内代谢适应之间耦合互作的影响。对于铜绿假单胞菌（*Pseudomonas aeruginosa*）这类致病菌，这些互作能迅速产生异质性亚群，表现出有利于持续感染和抵抗抗生素治疗的适应性。基因组尺度代谢模型（genome-scale metabolic models, GEMs）等计算工具与组学数据结合，为在模拟空间环境中预测微生物种群发展提供了多尺度视角，但此类平台往往需要大量参数优化，早期应用存在障碍。本研究提出了一种名为GEM-CM（genome-scale, metabolism-informed continuum model）的计算框架，将反应-扩散模型与随机森林回归（random forest regression）代理GEM耦合，通过特征重要性评估将界面粗粒化至少数关键代谢物输入。研究利用该框架模拟了铜绿假单胞菌PA14在低浓度琼脂凝胶中的径向扩散、生物量分布及细胞毒性次级代谢物绿脓素（pyocyanin, PCN）的产生，并验证了其在基因敲除条件下的预测能力。

该研究由Morgan S. Kim、Jason A. Papin和Roseanne M. Ford完成，作者分别来自弗吉尼亚大学化学工程系和生物医学工程系。稿件发布于bioRxiv预印本平台，版本日期为2026年11月6日，DOI为10.⁶⁴⁸⁹⁸⁄₂₀₂₆.11.05.764552，尚未经过同行评议。

研究的学术背景源于对致病菌在空间异质环境中代谢行为异质性的关注。铜绿假单胞菌在囊性纤维化及慢性阻塞性肺病患者中可定植于阻塞的黏液栓，形成慢性、耐药的呼吸道感染。群体内代谢异质性的产生机制是设计更有效治疗策略的关键。传统GEM单独使用只能提供瞬时、空间与时间上断开的代谢图景；而BacArena、COMETS等动态多尺度框架虽能模拟GEM在动态微环境中的生长，但其界面参数调优、计算开销大以及对动态FBA的反复执行限制了其在高通量早期研究中的应用。本研究旨在利用机器学习代理模型降低GEM与反应-扩散模型耦合的复杂度，同时保留关键代谢行为预测能力。

研究的核心工作流程包括四个主要环节。第一，训练数据构建与粗粒化。研究基于P. aeruginosa PA14的基因组尺度代谢网络重建iPau21，通过随机采样M9-葡萄糖化学限定培养基中主要碳源交换反应的通量约束，生成FBA模拟数据集。FBA仿真中，生物量通量上限设为0.9 h⁻¹，并按照决策树规则在生物量通量介于0.05 h⁻¹与阈值γ之间时切换为生物量与PCN合成通量联合最大化目标。随机森林回归用于评估特征重要性，结果显示L-精氨酸、L-谷氨酸和葡萄糖三个交换反应集中了大部分特征重要性。第二，代理模型训练。在“高生长”数据集中，以三个特征重要性最高的碳源交换反应为输入，训练随机森林回归模型，预测生物量通量和PCN合成通量。该模型被称为“集成模型（ensemble）”。第三，界面参数优化。碳源浓度通过Monod方程转换为集成模型的质量通量输入，涉及每个碳源的最大交换通量vmax和半饱和常数ks。研究采用贝叶斯优化，以McGill等人报道的*P. aeruginosa*液体培养物中葡萄糖、L-精氨酸和L-谷氨酸浓度时间序列为基准，最小化预测误差。最终从10个最优候选参数的几何均值确定vmax和ks。第四，模拟与验证。GEM-CM的连续介质层由偏微分方程描述PA14径向扩散、碳源消耗和PCN产生，空间为一维圆柱网格。PA14扩散系数Db通过测量宏观菌落扩展速度并代入Fisher-KPP行波方程估计，范围在0.9–1.6×10⁻⁶ cm²/s之间。反应速率每五分钟由集成模型更新，以模拟细胞对外界代谢波动的响应时间尺度。模拟结果与泳动平板实验（swim plate assay）中测定的生物量密度分布和PCN浓度进行对比。

主要实验结果包含以下几个方面。首先，在生物量预测方面，GEM-CM模拟与泳动平板实验之间存在约两小时的生长滞后期（δ），调整模拟时间后，宏观菌落扩展距离与实验密度剖面在合理范围内吻合。模型在早期时间点高估了菌落中心附近的局部生物量密度，这归因于FBA理想化的生长速率以及PA14在模拟中同时利用所有碳源，而实验研究表明铜绿假单胞菌通常按序利用碳源，葡萄糖最后消耗。然而，终点（t=20小时）的GEM-CM预测与泳动平板密度剖面的决定系数为r²=0.74，证明了长期尺度上的改进精度。其次，在PCN生产方面，研究构建了γ=0.2（PCN仅在较慢生长条件下产生）和γ=0.9（PCN持续产生）两种集成模型。模拟显示，γ=0.9组的PCN积累早于γ=0.2组，但实验在10小时时间点更符合γ=0.2的预测，这支持了PCN合成与接近稳定期生长阶段相关的已有报道。第三，在基因敲除模拟方面，研究选取了δargG、δpurH、δphzM和δmetH四个单基因敲除突变体进行评估。实验验证中δpurH、δargG和δmetH均表现出明显的生物量下降，而δphzM未抑制生长。GEM-CM对δpurH和δphzM的模拟准确预测了完全抑制生长和PCN产生，对δargG和δmetH则预测了中等程度的生长抑制。值得注意的是，δmetH敲除显著降低了模拟的PCN通量几乎至零，研究进一步通过KEGG代谢途径分析提出假设：metH相关反应产物L-甲硫氨酸参与S-腺苷甲硫氨酸（SAM）合成，SAM作为甲基供体参与phzM酶促反应，因此metH缺失限制了SAM供应从而降低PCN合成。通量可变性分析支持该假设，显示δmetH条件下SAM生成和PCN合成反应的上限通量均降低。第四，研究独立发现δmetH突变体在0.25%琼脂中扩展距离不足1 cm，扩展速度约为野生型的一半。尽管OD600生长曲线显示δmetH的生长在指数期中后期才明显受限，但其扩展受限幅度无法仅用生长抑制解释，提示metH敲除可能同时抑制细菌运动能力。文献报道SAM同样参与CheR甲基转移酶的甲基供体，该酶在趋化信号调控中起关键作用，从而影响鞭毛旋转方向转换和细菌游泳轨迹。因此，研究提出metH可能通过SAM通路同时影响生长、PCN合成和细菌运动能力。

本研究的结论指出，GEM-CM框架通过随机森林回归粗粒化GEM与反应-扩散模型的耦合界面，成功将关键代谢信息从GEM传递至连续介质模型，同时减少了参数数量。研究证明仅用三个碳源输入即可训练集成模型有效预测复杂空间环境中PA14的生长和PCN产生。GEM-CM可适应基因敲除引起的FBA解空间变化，并捕捉由基因缺失导致的表型变化。研究认为GEM-CM适用于在早期研究阶段以最少先验信息探索微生物群体的代谢行为，并识别值得实验监测的关键变量。

本研究的亮点包括：方法学上创新性地使用随机森林特征重要性实现GEM界面变量的系统化降维，以代理模型替代动态FBA计算，显著降低计算成本并简化参数化过程；在应用上展示了从生物量分布到次级代谢产物产生的多维预测能力，并能有效模拟基因敲除扰动；此外，研究揭示了metH可能通过SAM通路同时影响铜绿假单胞菌的生长、PCN合成和运动能力，为后续靶向该基因抑制致病菌空间扩散提供了潜在的机制靶点。研究还补充了0.28%琼脂浓度下的模拟验证，表明该框架在不同凝胶密度下同样保持预测精度。