第一作者：Diyuan Wang
通讯作者：Joel J. Ducoste
DOI：https://doi.org/10.1021/acs.est.9b02908
图片摘要
Keywords：
Anions；Biomass；Light；Lipids；Nitrogen
为了更好地理解、解释并预测微藻对关键环境变化的动态响应，研究人员开发了不同的数学模型。代谢模型能够揭示微藻生产目标化合物的代谢网络，但其得到的代谢碳通量受限于特定条件下的稳态假设。为了预测光暗循环或氮充足与缺乏转换期间的动态碳通量，需要多个准稳态时间间隔，这使得模型复杂且计算成本高昂。动力学模型允许整合多种环境因素来动态调节藻类生长和生物燃料生产。但是，仅基于经验关系的动力学模型通常是对藻类系统的黑箱表示，无法揭示环境因素如何调控不同生物过程。
在这项研究中，作者建立了一个新的动力学模型，改进了受光和氮因素调控的光合固碳和碳分配过程的动态建模。该模型能表征并预测广泛光照和氮条件下中性脂质、碳水化合物和功能性生物质的生产。通过可识别性、不确定性和敏感性分析验证了模型的可靠性。所提出的建模框架有助于合理研究微藻细胞过程对环境变化的响应，并为实现最优生物质生长和生物燃料生产提供有用的见解。
平板光反应器以及数据收集
实验在台式3.2 L平板光生物反应器（支持信息图 S1，SI）中进行，反应器内部安装有光传感器，pH 值和温度分别控制在7.6 和 25 °C。
根据大多数绿藻的主要细胞过程建立了模型（图1 ），以描述在不同光照和氮条件下培养的Dunaliella viridis的培养行为。
图 1. 氮充足条件下 (a) 和氮缺乏条件下 (b) 碳流示意图。虚线箭头表示相应氮条件下碳流速较小或降低。深灰色箭头表示与光合碳固定率相关的碳流。黄色箭头表示受光调节的额外碳流。
模型校准和验证
实验数据被分成两个子集（表 S1）：校准集（约占总数据的 65%）和验证集（约占总数据的 35%）。校准集预计可覆盖大多数条件，包括光照强度范围广泛以及氮水平从充足到不足的转变。我们的模型通过可识别性分析、不确定性量化和敏感性分析进行了系统校准。我们选择轮廓似然法进行可识别性分析，因为它能够检测结构上和实际上不可识别的参数。在平衡模型复杂性和可用数据之后，使用马尔可夫链蒙特卡洛 (MCMC) 技术和延迟拒绝自适应Metropolis (DRAM) 算法估计了参数后验分布并量化了模型输出的不确定性。我们进一步使用基于方差的全局敏感性分析技术——扩展傅里叶幅度敏感性测试（eFAST）——研究了每个参数对模型响应的敏感性，该技术以处理非线性单调和非单调关系的灵活性和适应性而闻名。最后，将光估计与实验数据进行了比较，并通过在验证集中预测新实验来验证模型。
图S4. 参数可识别性评估的剖面似然图。实线表示轮廓似然值与参数值。MultiStart fmincon优化算法的基线参数值用星号表示。虚线表示似然置信区域的阈值。
在氮缺乏的情况下，中性脂质的产生迅速增加，这通常伴随着碳水化合物积累的下降。为了表征这种瞬态行为，作者建立了一个分层碳分配机制来量化功能性生物质、碳水化合物和中性脂质之间的动态碳分布，其模型预测如图3。
Dunaliella viridis的光合作用
与碳固定过程类似我们的模型中光合作用考虑了光和氮的影响。为了说明光合作用速率随光照变化而变化的动态并与之前的研究进行比较，作者在图4a中绘制了不同光照条件下每叶绿素 a 表示的光合作用速率与瞬时光照强度 ( I_avg ) 的关系。当光照强度低于10 mol光子m–2 d–1时，在低光照条件下生长的藻类的光合作用速率似乎高于中光照条件下的藻类。然而，这种利用低光照的光合作用能力的提高并不能保证低光照条件下的总碳增长率更高，如图4b所示。这一结果与前人研究中观察到的低光照适应现象一致。
点击“原文链接”，查看论文
声明：本公众号分享的前沿学术成果来源于各学术网站，不依法享有其所有权。若原作者发现本次分享中的文字及图片涉及侵权，请立刻联系公众号后台或发送邮件，我们将及时修改或删除！
邮箱：environmodel@sina.com
若您认为有用，欢迎
将Environmodel设为星标，或
点击“在看”或“分享”给他人
