本工具基于基因组尺度代谢模型（GEMs）计算微生物群落的SMETANA评分，用于量化种间交叉喂养和资源竞争，预测物种互作潜力。分析有两种模式：全局模式（Global）和详细模式（Detailed），一次分析只会生成其中一种结果。
SMETANA（Species METabolic iNterAction analyzer）是一种基于约束的建模方法，用于分析微生物群落中的代谢互作。该方法基于Zelezniak等人在PNAS（2015）中描述的算法。
全局模式分析群落的整体特性，包含两个主要指标：
全局模式适用于快速评估整个群落的互作特性，计算速度快，适合初步筛选或大规模分析。
详细模式分析群落中个体间的具体互作关系，包含以下指标：
详细模式计算量大、速度慢，但能提供物种间具体的代谢互作细节，适合深入分析关键互作关系。
全局模式生成global.tsv文件，包含以下列：
| 列名 | 说明 |
|---|---|
| community | 群落名称，通常为"all"表示整个群落 |
| medium | 培养基类型，如"complete"（完全培养基）或"minimal"（最小培养基） |
| size | 群落中物种数量 |
| mip | 代谢互作潜力（Metabolic Interaction Potential） |
| mro | 代谢资源重叠（Metabolic Resource Overlap） |
示例内容：
community medium size mip mro all complete 2 n/a 0.7096774193548387
在此示例中，群落包含2个物种，在完全培养基条件下，MRO值为0.71，表明物种间存在较高的资源竞争；MIP值为n/a，表示物种间不存在交叉喂养互作。
详细模式生成detailed.tsv文件，包含以下列：
| 列名 | 说明 |
|---|---|
| community | 群落名称 |
| medium | 培养基类型 |
| receiver | 接收物种（受体） |
| donor | 供体物种 |
| compound | 交换的代谢物（使用MetaCyc或BiGG数据库ID） |
| scs | 物种耦合分数（Species Coupling Score） |
| mus | 代谢物摄取分数（Metabolite Uptake Score） |
| mps | 代谢物生产分数（Metabolite Production Score） |
| smetana | SMETANA综合分数 |
示例内容：
community medium receiver donor compound scs mus mps smetana all minimal MAG.T11.53 MAG.T21.45 M_3gmp_e 0.5 0.21 1 0.105 all minimal MAG.T13.17 MAG.T21.45 M_acgam1p_e 1.0 1.0 1 1.0
在此示例中：
补充说明：代谢物ID（如M_3gmp_e）通常遵循BiGG数据库命名规范，其中前缀"M_"表示代谢物，后缀"_e"表示该代谢物位于胞外环境。用户可以通过BiGG数据库查询具体代谢物信息。
在科研论文中描述SMETANA分析结果时，可参考以下英文表述：
The metabolic interaction potential among microbial community members was analyzed using SMETANA [1] (Species METabolic iNterAction analyzer) through the Wekemo Bioincloud platform [2]. Genome-scale metabolic models (GEMs) were constructed for each member of the community, and SMETANA scores were calculated to quantify cross-feeding interactions and resource competition. The analysis revealed significant metabolic dependencies between specific taxa, with high-confidence cross-feeding interactions (SMETANA score > 0.8) observed for several metabolites including amino acids and cofactors.
[1] A. Zelezniak, S. Andrejev, O. Ponomarova, D.R. Mende, P. Bork, & K.R. Patil, Metabolic dependencies drive species co-occurrence in diverse microbial communities, Proc. Natl. Acad. Sci. U.S.A. 112 (20) 6449-6454, https://doi.org/10.1073/pnas.1421834112 (2015).
[2] Gao, Y., Zhang, G., Jiang, S., & Liu, Y.-X. (2024). Wekemo Bioincloud: A user-friendly platform for meta-omics data analyses. iMeta, 3, e175. https://doi.org/10.1002/imt2.175
如果使用全局模式，可表述为：
Global metabolic interaction properties of the microbial community were assessed using SMETANA [1] through the Wekemo Bioincloud platform [2]. The analysis showed a metabolic resource overlap (MRO) of 0.71, indicating substantial competition for shared resources among community members, while the metabolic interaction potential (MIP) suggested limited opportunities for cross-feeding under complete medium conditions.
[1] A. Zelezniak, S. Andrejev, O. Ponomarova, D.R. Mende, P. Bork, & K.R. Patil, Metabolic dependencies drive species co-occurrence in diverse microbial communities, Proc. Natl. Acad. Sci. U.S.A. 112 (20) 6449-6454, https://doi.org/10.1073/pnas.1421834112 (2015).
[2] Gao, Y., Zhang, G., Jiang, S., & Liu, Y.-X. (2024). Wekemo Bioincloud: A user-friendly platform for meta-omics data analyses. iMeta, 3, e175. https://doi.org/10.1002/imt2.175