终有一天我们将能够破译数以百万计的代谢文本，但是对于超宇宙数量级的代谢图书馆来说，这也不过是沧海一粟，甚至仅仅是宇宙中的几粒尘埃而已，代谢图书馆里的馆藏远远超过地球上所有曾经存在过的生命的总和。尽管已经经历了38亿年的进化，生命依旧只是徘徊在图书馆的某个角落。
在生物进化的数十亿年间，大自然完全不需要顾虑会在宇宙图书馆的下一个拐角遇到什么样的新馆藏。但是如果人类希望理解图书馆，而不是在其中漫无目的地游荡，我们就要学会在图书馆里寻找那些有意义的生命文本。不仅如此，我们还要学会对已知的文本进行分类，如同杜威十进制图书分类法[14]或是美国国会图书馆分类法[15]那样，先按照不同的主题进行归类，如艺术史、经济学、语言学……然后再以更小的类别细分，比如语言学中还可以分为罗曼语、德语、斯拉夫语等。代谢的表现型，也就是代谢基因文本的具体含义，是代谢图书馆天然具有的分类方式。代谢图书馆里的馆藏比现实图书馆中的书要多得多，不过这仅仅是因为代谢图书馆本身的规模过于庞大。
分类法就如同一张探索代谢图书馆的地图，我们如果想要某种表现型，那么一张基因型-表现型地图可以指引我们去哪里寻找它的基因型。如果没有这张地图，我们就无从得知题材类似的馆藏是摆放在一起还是散落于图书馆内各处，虽然在人类的图书馆里它们总是被安排在一起；我们也不知道同一个书架上是否会陈列主题不同的作品，凡此种种。由于没有图书管理员，所以我们需要像古埃及时期游历世界绘制大陆形状的航海家们一样，通过自己在图书馆里游荡和探索亲手绘制这幅地图。代谢图书馆巨大的规模使得我们几乎不可能摸清它的每一本馆藏，不过我们依旧可以描绘大陆、山川、河流、湖泊以及沙漠的轮廓，以期能够从模糊的形状里窥得壮美山河的蛛丝马迹。
但是该从哪里着手，又该沿着哪里探索呢？
首先，我们需要找一片拼图来为我们指路。以任何一种代谢表现型为例，比如依靠葡萄糖存活的代谢性状，假设如果代谢图书馆内超过101 500个代谢文本中只有一种能够表达这种性状会怎么样？如今地球上的细菌总数大约是5×1030个，这个数量十分巨大，1后面要跟着30个0。我们可以假设自从生命出现起，每一个细菌以一秒一种的速度尝试新的代谢模式，那么在已经过去的将近40亿年里，它们总共只尝试了大约1048种代谢模式。细菌们随机找到那种仅有的、能够利用葡萄糖进行代谢的概率微乎其微，还不到1/101 450。这个概率小得几乎没有任何实际意义。换句话说，这种盲目的搜寻方式最终将无法令细菌获得相应的性状。
一方面，寻找到某种特定性状的概率是渺茫的；另一方面，生命表现的多样性表明，进化寻找新性状的能力无须置疑。这也意味着上述假想的情况是错误的。代谢图书馆中包含葡萄糖的文本肯定不止一本，很可能有许多能够利用葡萄糖的不同代谢模式。
为了找到这些代谢文本，我们来模仿一下进化曾经做过的事：尝试探索图书馆和编辑基因组，也就是对基因组进行一系列删除和转移，消除或增加某些基因、酶及生化反应。从哪里开始入手其实并不重要，我们可以选择代谢图书馆里任何一个馆藏，选择任何一本包含葡萄糖或者其他能源物质代谢的文本。
现在我们从一个包含葡萄糖代谢的代谢文本开始，随机删除一个文本中已有的反应，或者向文本中加入一个已知的生化反应。这个经过修改的文本在面对大自然的审阅时，得到的回复往往简单粗暴：生或者死。但是作为科学家，我们不用如此循规蹈矩。我们能够通过算法解读代谢文本的含义，如果结果显示新的文本所代表的代谢类型不能利用葡萄糖维持存活，那么就返回原始文本，重新删除或添加一个生化反应。不要忘记，可选的目标基因有5 000种之多。只要经过修改的代谢依旧能够利用葡萄糖，那么这种修改就可以继续下去，接着添加或删除第二个基因，演算对应的表现型，再评估，如此循环往复。
也就是说，我们从某个起点开始，首先到达与它相邻的文本，再到相邻文本的相邻文本，而后再到相邻文本的相邻文本的相邻文本，直到我们弄清楚在不改变代谢表现型的前提下，即对葡萄糖的利用能力，能够到达的极限距离。由于文本的每一次改变都是随机的，所以在代谢图书馆中的这种移动是一种随机游走（random walk），就像一个走出酒吧的醉汉跌跌撞撞地在路上晃荡，碰巧撞进了自己的家门，只是有一点不同：在代谢图书馆里的每一步都必须踩在主题相同的文本上，也就是沿着相同的表现型前进。
如果只有一种代谢类型里包含葡萄糖代谢，由于它没有所属的“社区”，那么通过随机游走无法到达任何地方，我们只会停在原地止步不前。不过即便与某种表现型对应的文本不止一本，但只要它们散落在图书馆内不同的角落而没有相邻，我们同样无法从其中一本馆藏出发，直接跨越其他代谢抵达同类型文本。哪怕这些零星的文本聚集在一处，随机游走的脚步也不一定会走得更远。作为起点的文本可能还有几个不多的邻居，但是这些邻里未必有着它们自己的邻居。
只有当同一主题的文本具有相当的数量时，我们才能循着它们探索整个图书馆。不过如此一来我们又将面对一个新的问题：计算量。计算一个代谢文本的含义不算什么大事，但是如果要分析随机游走过程中的数千个文本就没那么容易了，更不要说随机游走中前进的每一步都有数千种不同的可能性。普通的家用计算机大概需要数年甚至数十年才能完成类似的计算。利用互联网连接的一个计算机集群能够令我们获得更高的计算速度，但其巨额费用也令人难以承担。
在度过漫长的攻读博士学位的阶段后，我成了一名博士后并最终在美国的一所研究型大学被授予终身教授职位，在这个过程中，资助进化研究的经费日渐枯竭、每况愈下。研究经费的匮乏正好与我远在欧洲的家人的患病撞车，所以那一年，当一份来自瑞士的工作邀请摆在我面前时，我其实早已做好了跨过大西洋、回到故乡的准备。
一直以来我都知道，瑞士是世界科学的引领者之一，瑞士科学研究的产量惊人、水平拔尖。而科研成功的背后离不开其世界一流的公共教育体系，对学术研究的慷慨资助以及宜人的居住环境。我为不得不离开在美国一起研究学术的同事们而觉得遗憾，同时又对能够进入瑞士的科研圈感到诚惶诚恐。而最重要的是，这份工作不仅能够从资金上支持一个计算机集群，同时也足以维持运营一个现代化的实验室。更妙的是，我能够在世界范围内招募不少和我有类似想法的研究同行。这份工作让我不敢再有别的奢求。
