Cobrapy 工作流

# COBRApy 综合工作流 本文档提供了代谢建模中常见 COBRApy 任务的详细分步工作流。 ## 工作流 1：带可视化的完整敲除研究 此工作流演示了如何执行全面的基因敲除研究并可视化结果。 python import pandas as pd import matplotlib.pyplot as plt from cobra.io import load_model from cobra.flux_analysis import single_gene_deletion, double_gene_deletion # 第 1 步：加载模型 model = load_model("ecoli") print(f"已加载模型: {model.id}") print(f"模型包含 {len(model.reactions)} 个反应, {len(model.metabolites)} 个代谢物, {len(model.genes)} 个基因") # 第 2 步：获取基准生长速率 baseline = model.slim_optimize() print(f"基准生长速率: {baseline:.3f} /h") # 第 3 步：执行单基因敲除 print("正在执行单基因敲除...") single_results = single_gene_deletion(model) # 第 4 步：按影响分类基因 essential_genes = single_results[single_results["growth"] = 0.01) & (single_results["growth"] = 0.5 * baseline) & (single_results["growth"] = 0.9 * baseline] print(f"n单基因敲除结果:") print(f" 必需基因: {len(essential_genes)}") print(f" 严重受损: {len(severely_impaired)}") print(f" 中度受损: {len(moderately_impaired)}") print(f" 中性基因: {len(neutral_genes)}") # 第 5 步：可视化分布 fig, ax = plt.subplots(figsize=(10, 6)) single_results["growth"].hist(bins=50, ax=ax) ax.axvline(baseline, color='r', linestyle='--', label='基准') ax.set_xlabel("生长速率 (/h)") ax.set_ylabel("基因数量") ax.set_title("单基因敲除后的生长速率分布") ax.legend() plt.tight_layout() plt.savefig("single_deletion_distribution.png", dpi=300) # 第 6 步：识别用于双基因敲除的基因对 # 聚焦于非必需基因以寻找合成致死 target_genes = single_results[single_results["growth"] >= 0.5 * baseline].index.tolist() target_genes = [list(gene)[0] for gene in target_genes[:50]] # 限制数量以保证性能 print(f"n正在对 {len(target_genes)} 个基因执行双基因敲除...") double_results = double_gene_deletion( model,