代谢通量分析是代谢工程中重要的量化分析工具,它们揭示基因改造及由此产生的结果变化间的因果关系,并在代谢活动中作为一个先决条件用于生物细胞催化剂的优化与设计。由于胞内通量无法直接测量,所以必须对其进行通量估计。碳同位素标记实验是目前最精确的通量分析方法,通过基板及碳标记状态分布的测量,依据同位素守恒测量代谢稳态平衡方程求解中间代谢物所产生的不可测通量。然而,通常情况下这些方程均为繁琐的代数操作,由于非线性和高维度,导致数值计算求解复杂。本文的主要研究内容是探讨适合求解代谢通量的精确量化分析及生化途径模型仿真的优化算法,具体的研究工作如下:（1）论文简要介绍了代谢通量分析应用的两种方法:化学计量矩阵和碳同位素标记实验,着重于同位素标记原理及其碳原子转移运算与数学模型的构建。本文将代谢通量估计问题归结为带约束条件的碳同位素富集度平衡的全局优化问题,而智能优化算法由于其高效性、收敛性和鲁棒性等特点,近年来被广泛应用于全局优化问题的求解。（2）以环磷酸戍糖代谢网络为模型就几种智能优化算法进行¹³C代谢通量分析,仿真实验中,量子粒子群算法相较于其他算法收敛迅速,存在较好的拟合效果。并利用算法的非线性逼近能力完成一个含5个代谢物的代谢途径模型的模拟仿真,将参数编码成算法的一组解向量,以实验值和预测值的误差平方加权和为目标优化函数。仿真试验表明用多样性指导量子粒子群算法求解较好,成功地完成了对已知模型的预测。（3）QPSO虽然较好的求解代谢通量,但仍存在一定的误差,可见单一的智能算法并无法满足代谢通量精确量化分析的需求。论文提出多种优化算法相互结合取长补短进行通量估计。以模拟噪声环境下包含12个胞内代谢物共56维碳原子,16维通量的大肠杆菌代谢网络为研究对象进行求解。将量子粒子群算法与最小二乘相结合,分别用于通量分析及代谢物碳原子估计。仿真实验表明,LS用于代谢物碳原子分析、QPSO用于通量分析较好地完成了对代谢网络模型的拟合,较其他方法对非确定性网络的分析存在更小的均方误差及均方误差方差,适合通量精确量化分析。由此可见,对于不同的优化问题,单一的优化算法往往在执行速度或者优化精度方面无法达到平衡,因此综合考虑多种优化算法的优势,不同算法的混合对代谢通量估计有着广泛的应用前景。