Kaikki elävät olennot vaativat aineenvaihduntaa. Elimistön ravintoaineiden aineenvaihduntatapa on monimutkainen prosessi, ja elämää ylläpitävien kemiallisten prosessien simulointi on vaikea haaste.
Teoriassa menettely voidaan esittää matemaattisilla yhtälöillä, joissa on kullekin organismille ominaisia parametreja. Mutta näiden parametrien määrittäminen käytännössä on kuitenkin monimutkainen asia kokeellisen tiedon puutteen vuoksi.
Tiedemiehet tarvitsevat yleensä paljon kokeellista tietoa ja prosessointitehoa löytääkseen nämä parametrit. EPFL tutkijat ehdottivat syvään oppimiseen perustuvaa laskennallista viitekehystä, joka toistaa vuonna havaitut dynaamiset metaboliset ominaisuudet. solut. REKINDLE-niminen kehys voisi tasoittaa tietä aineenvaihduntaprosessien tehokkaampaan ja tarkempaan mallintamiseen.
Ljubisa Miskovic EPFL:n Computational Systems Biotechnology -laboratoriosta ja tutkimuksen johtaja sanoi, ”REKINDLE antaa tutkimusyhteisölle mahdollisuuden vähentää kineettisten mallien luomiseen liittyviä laskennallisia ponnisteluja useilla suuruusluokilla. Se auttaa myös olettamaan uusia hypoteeseja integroimalla biokemiallisia tietoja näihin malleihin, selventämällä kokeellisia havaintoja ja ohjaamalla uusia terapeuttisia löytöjä ja bioteknologian suunnitelmia.
Subham Choudhury, tutkimuksen ensimmäinen kirjoittaja, sanoi: ”Metabolian mallinnuksen päätavoitteena on kuvata solujen metabolinen käyttäytyminen Siinä määrin, että solujen tilojen ja ympäristöolosuhteiden vaihtelujen vaikutusten ymmärtäminen ja ennustaminen voidaan luotettavasti testata laajalla terveys-, bioteknologia- ja systeemi- ja synteettisen biologian tutkimusten kirjolla. Toivomme, että REKINDLE helpottaa aineenvaihduntamallien rakentamista laajemmalle yhteisölle."
Tekniikalla on suoria bioteknisiä sovelluksia, koska kineettiset mallit ovat ratkaisevan tärkeitä lukuisissa tutkimuksissa, mukaan lukien biotuotantoa, lääkkeiden kohdentamista, mikrobien välisiä vuorovaikutuksia ja bioremediaatiota koskevat tutkimukset.
Choudhuryn sanoi, ”REKINDLE käyttää tavallisia, laajalti käytettyjä Python-kirjastoja, jotka tekevät siitä saavutettavan ja helppokäyttöisen. Päätavoitteemme tällä tutkimuksella on tasoittaa tietä tehdä tällaisista mallinnuspyrkimyksistä avoimen lähdekoodin ja saatavilla, jotta kuka tahansa synteettisen ja systeemibiologian yhteisöissä voi käyttää niitä omiin tutkimustarkoituksiinsa riippumatta siitä, mitä ne ovat."
Lehden viite:
- Choudhury, S., Moret, M., Salvy, P. et ai. Kineettisten mallien rekonstruoiminen aineenvaihdunnan dynaamisille tutkimuksille generatiivisten vastakkaisten verkostojen avulla. Nat Mach Intell 4, 710–719 (2022). DOI: 10.1038 / s42256-022-00519-y
