为了成功开发活体生物治疗产品（LBPs），这些基于微生物组的治疗方法需要对其质量、安全性和功效进行严格评估。为此，我们提出了一个基于模型指导的框架，利用基因组规模代谢模型（GEMs）来表征候选LBP菌株及其与邻近微生物组和宿主细胞的代谢相互作用。在此视角下，我们概述了基于GEM的策略，以筛选、评估和设计个性化的多菌株LBPs。
近年来，下一代测序、宏转录组学和代谢组学的进步进一步加速了通过全面分析细菌群落发现LBPs的过程。例如，针对复发性艰难梭菌感染的八种共生梭菌菌株组合Rebyota，以及在恢复肠道微生物平衡方面显示出成效的基于孢子的制剂Vowst，已获得美国食品药品监督管理局（FDA）的批准。此外，SER-155旨在预防血液感染（临床试验编号NCT04995653），而ENS-002则提供针对特应性皮炎的皮肤微生物组靶向疗法（临床试验编号NCT06469385）。
尽管LBPs潜力巨大，但其开发仍然主要依赖于经验性的、劳动密集型的湿实验方法，包括广泛的体外培养、动物模型和基于试错的迭代菌株选择。此外，个体间微生物组的变异性，包括肠道微生物组组成、饮食习惯和免疫反应，导致治疗效果不一致。复杂的机制进一步增加了开发难度，因为LBPs通过直接和间接的方式与肠道微生物组、免疫系统和宿主代谢相互作用，从而发挥治疗效果。因此，必须对其治疗影响进行精确表征。最后，生物制造中的挑战，如难以培养或尚未能培养的结肠微生物组、菌株活力和制剂稳定性，是影响LBPs质量、安全性和疗效的关键因素。
为了解决上述挑战，必须评估菌株功能、宿主相互作用和微生物组兼容性。在这方面，一种基于知识的计算机建模方法——基因组规模代谢模型（GEMs）的通量平衡分析（FBA）可以为理性选择LBPs提供系统级分析。这种方法可以帮助理解候选菌株的代谢特性，并预测菌株-宿主-微生物组的相互作用，揭示疾病特定个性化肠道微生态系统中的营养利用、代谢物交换和竞争动态。虽然许多基于GEM的技术已经成熟，但它们通常孤立应用，限制了其转化潜力。在此视角下，我们提出了一种系统化、逐步推进的框架，整合基于GEM的方法来进行LBPs的筛选、全面的风险-效益评估以及理性设计个性化、精准的多菌株配方，符合监管和功能性要求。通过炎症性肠病（IBD）和帕金森病（PD）的案例研究，我们展示了计算机模型驱动的LBP开发的转化潜力，强调了在临床应用中质量、安全性和疗效的设计标准。
GEM方法允许根据各种环境和遗传条件调整施加约束，预测代谢通量并模拟表型。通过利用这种灵活性，多种微生物菌株的GEMs已被重建，以揭示其对健康的有益特性。为了说明其在LBP开发中的能力，我们整理了43个治疗菌株的GEMs，包括传统的益生菌如双歧杆菌属和乳酸杆菌属，以及下一代益生菌如Akkermansia muciniphila和Faecalibacterium prausnitzii。基本模型信息、目标疾病、治疗功能和机制以及GEM的用途总结在补充表1中。
GEM可以在LBP开发中以多种方式使用。例如，为了解决许多菌株无法培养的问题，可以通过基于模型预测可培养环境所需的基本营养素来探索所需的生长条件。这种方法已应用于优化化学定义培养基，增强Bifidobacterium animalis和Bifidobacterium longum的生长。此外，益生菌效应具有高度菌株特异性，这可以通过基于基因信息的GEM重建进行模拟。例如，通过比较各自的生物合成途径，识别Limosilactobacillus reuteri菌株生产组胺和1,3-丙二醇的代谢潜力。我们还应该在各种饮食条件下表征后生物和有害代谢物的生产潜力，以评估LBP特性。为此，可以通过在受限的生物质生产下最大化相关代谢物的分泌率，确定其生产潜力。接下来，通过将候选LBP菌株的发酵副产物作为营养输入添加到常驻微生物的生长模拟中，可以预测外源LBPs与常驻微生物之间的相互作用。然后比较有无候选菌株衍生代谢物情况下的生长速率，推断其相互作用。此外，为了进一步提高治疗效果，基因修饰目标的模拟有助于开发工程化的LBPs。例如，通过双层优化丁酸盐生产和生长，识别在免疫调节代谢物丁酸盐过量生产中的基因编辑目标。
一般而言，LBPs的开发需要一个结构化的候选筛选过程，遵循自上而下或自下而上的方法。自上而下的策略从健康微生物组中分离有益菌株，如第一代LBPs所示；而自下而上的方法则由预定义的治疗目标驱动（例如，在IBD中恢复短链脂肪酸（SCFA）的生产），随后选择兼容的细菌菌株。除了筛选之外，LBPs还必须满足监管机构（包括FDA和欧洲药品管理局）设定的质量、安全性和疗效标准。确保菌株活力、代谢稳定性和宿主兼容性对于临床成功至关重要。鉴于如此复杂的程序和要求，我们在此提出了一个基于GEM的框架，用于系统的筛选、评估和多菌株LBP配方设计。在此框架中，初步筛选步骤根据代谢能力和交互特征等定性标准生成候选菌株的短名单。然后从质量、安全性和疗效方面定性评估这些候选者，从而在疾病相关条件下得出预测指标，如生长速率、治疗性代谢物的分泌水平和交互评分。最后，根据输出结果对单菌株或多菌株配方进行定量排名，使实验验证工作能够集中在最有前途的候选者上。
虽然所提出的框架适用于所有与微生物组相关的疾病，但建议进一步定制以反映特定疾病的病理机制和治疗目标。为了展示其适用性，我们通过IBD和PD两个案例研究说明疾病病理如何指导LBP的选择和基于模型的定制。IBD涉及慢性肠道炎症，通常与琥珀酸积累有关，如通过消耗琥珀酸的细菌（主要是Phascolarctobacterium）减少和琥珀酸受体（SUCNR1）表达增加所证明的那样。值得注意的是，小鼠中SUCNR1敲低被证明可以减轻炎症和纤维化，突出了琥珀酸调节作为一种可行的治疗策略的重要性。此外，抗炎代谢物如短链脂肪酸（SCFAs）和L-谷氨酰胺在维持肠道屏障和免疫调节方面起着关键作用，使其成为重要的功能性目标。
筛选应优先考虑琥珀酸消耗、SCFAs生产或L-谷氨酰胺合成的物种，特别是那些在IBD中耗尽的物种，如Eubacterium hallii、Blautia obeum、Roseburia inulinivorans和Eubacterium rectale。如果这些目标功能不存在，筛选可以扩展到更广泛的肠道微生物组，利用AGORA2模型。接下来，质量评估应评估候选菌株在琥珀酸消耗、SCFAs生产和L-谷氨酰胺合成方面的代谢能力，确保在饮食和肠道条件下的功能一致性。安全性评估必须专注于识别和消除产生促炎毒素的菌株，如Microcin B17，已知会加剧IBD中的肠道炎症。最后，疗效评估应在特定PD微生物组条件下进行，例如高丰度的粪肠球菌或迟缓埃格特菌。接下来，为了个性化多菌株配方，从内镜测量、口服探针或组织成像获得的肠道通透性数据对于确定黏蛋白调节需求非常有价值。例如，肠道通透性增加的患者可能会受益于产L-谷氨酰胺或增强黏蛋白的细菌，如Akkermansia muciniphila。此外，左旋多巴生产菌株的选择应考虑血清左旋多巴水平和肠道微生物组成（如粪肠球菌和迟缓埃格特菌），确保左旋多巴的生物利用度优化而不发生过度降解。
挑战与未来工作
尽管基于GEM的建模取得了显著进展，但其在LBP开发中的转化应用仍然有限，由于缺乏跨建模步骤的整合及与临床和监管要求的对齐，突显了对结构化框架的需求。在这项工作中，我们概述了如何系统地利用基于GEM的方法来设计精确、个性化的LBP。代谢相互作用和治疗潜力可以通过模拟MoA驱动的菌株选择和针对特定疾病机制的理性配方设计。例如，在IBD中增强SCFA生产，或在PD中优化左旋多巴代谢。
然而，尽管有这些优势，仅靠计算机预测是不够的。计算机模型应补充而不是替代实验验证。虽然基于GEM的模拟简化了候选菌株的选择和假设生成，但广泛的菌株相互作用预测提出了一个关键挑战，即优先选择哪些候选者进行实验验证。为了解决这个问题，我们的框架采用了一个分层策略，首先通过基于GEM的定性筛选生成候选短名单，然后定量评估菌株特异性指标。只有表现最佳的菌株进入实验测试，这可以通过与现有的组学数据交叉验证预测结果进一步促进。例如，可以优先考虑在健康队列与疾病队列中富集的菌株。最终，体外和体内研究仍然是确认治疗质量、安全性和疗效的重要环节。因此，整合计算和实验方法对于推进临床相关的微生物组疗法至关重要。
此外，在个性化多菌株LBP建模中，当结合宿主相互作用和个体差异时，可扩展性仍是一个主要挑战。过于详细的模型可能不会增强可解释性和计算效率。相反，简化策略如通过减少上下文特定活性反应的转录组约束建模（如FastCORE、tINIT、INTEGRATE）适用于更有效地描述各种疾病场景。例如，宏转录组数据被整合到Co-GEMs中以提高计算效率。同样，通过识别与特定目标治疗功能相关的最小菌群，可以在菌株级别进一步减少Co-GEMs，从而实现可扩展的菌株选择。
重要的是，多菌群联合体通过分工合作增强了治疗效果，不同的菌株执行互补的代谢功能。因此，类似的设计考虑应指导多菌株配方，考虑特定疾病背景、饮食影响和个体微生物组组成，以优化治疗结果。此外，彻底评估其质量、安全性和疗效仍然是必不可少的，因此需要在多菌株级别进行GEM引导的分析。例如，代谢互联性（交叉喂养潜力）和平衡的代谢物交换（代谢物进出口平衡）已被用于评估多菌群社区中151个菌株的活跃相互作用。此外，通过在标准和氨基酸限制条件下使用敲除一法进行网络弹性分析，以确保单个菌株的移除不会损害整体治疗功能。对于安全性评估，可以通过合并成员菌株的GEM来评估协同代谢产生的有毒代谢物潜力，从而系统地降低风险。总之，通过整合个性化GEM建模、多菌株代谢优化和安全性筛选，计算机方法提供了一个合理且可扩展的框架，有效地设计定制化的LBPs，弥合精准医学和基于微生物组疗法之间的差距。
(全文结束)
