数字细胞建模的最终目标是建立一个包含细胞各种复杂生命活动的全细胞数学模型。本文试图用分模块的手段对黑曲霉细胞进行数字化建模,包含酶约束的代谢模型和转录调控模型,为黑曲霉全细胞数学模型的最终建立指明方向。基因组规模代谢模型（GSMM）是研究细胞代谢特征的有力工具。将多组学数据整合到GSMM对模型有明显增强效果,不仅可提高表型预测的准确性,而且可增强模型模拟复杂生化现象的可靠性。本文以黑曲霉基本GSMM模型为基础,整合大规模酶动力学和蛋白质组学数据,建立了酶约束条件下的GSMM模型eciJB1325。结果表明,酶约束有效提高了模型的表型预测能力,通过模拟基因敲除可预测黑曲霉的代谢表型变化,扩展了模型指导靶基因鉴定的潜力。此外,酶约束显著减少了模型的解空间,即超过40.10%的代谢反应通量可变性显著减少。新模型在其他方面也表现出通用性,如估算大规模kcat值、预测不同生长条件下黑曲霉的酶表达谱等。这表明,将酶的丰度信息引入GSMM模型对提高黑曲霉的模型性能非常有效。酶约束模型可作为整合蛋白质组数据预测黑曲霉代谢表型的有力工具。转录调控与基因表达在细胞功能调控中起着核心作用。将转录与GSMM进行整合的研究已有报道,需要将转录调控与基因表达对代谢反应速率的影响进行建模。然而,这只体现了转录与反应的关系,转录因子对基因的调控作用没有得到体现。本文建立了黑曲霉批发酵过程中的转录调控数据的分析方法,这是对黑曲霉转录调控网络建模的首次尝试,不仅是探究黑曲霉转录层面机理的一个重要工具,也是黑曲霉的基因组规模代谢模型建立进程中的重要一环,具有重要意义。通过该方法,可以对转录因子进行活性分析,并结合靶基因的功能预测转录因子的功能,此外,还可以根据TF-TG的调控逻辑建立转录有向网络,研究转录因子和靶基因的互作关系。本文完成了黑曲霉全细胞数学模型的重要两环。在可预见的未来,随着测量技术的快速发展,以及黑曲霉蛋白质组学定量数据的更加精确和丰富,基于酶约束的GSMM模型将在系统层面上显示出更大的应用。此外,转录调控模型对于处理数据量庞大的基因表达谱方便有效,对现阶段生物大数据的整合利用具有借鉴意义。未来,随着黑曲霉研究更加深入,其转录、翻译、翻译后修饰及代谢等多个生命活动的机理和互作关系得到解析,黑曲霉细胞的模块化模型有望进一步完善并最终整合成一个标准化的综合模型。