Utiliser l'IA pour mieux comprendre le métabolisme cellulaire

Tous les êtres vivants ont besoin d'un métabolisme. La façon dont un organisme métabolise les nutriments est un processus complexe, et simuler les processus chimiques qui maintiennent la vie est un défi difficile.

Théoriquement, la procédure peut être représentée par des équations mathématiques avec des paramètres spécifiques à chaque organisme. Cependant, la détermination pratique de ces paramètres est une question compliquée en raison du manque de données expérimentales.

Les scientifiques ont généralement besoin de beaucoup de données expérimentales et de puissance de traitement pour trouver ces paramètres. EPFL les scientifiques ont proposé un cadre de calcul basé sur l'apprentissage en profondeur reproduisant les propriétés métaboliques dynamiques observées dans cellules. Le cadre appelé REKINDLE pourrait ouvrir la voie à une modélisation plus efficace et plus précise des processus métaboliques.

Ljubisa Miskovic du Laboratoire de biotechnologie des systèmes informatiques de l'EPFL et co-PI de l'étude a déclaré : « REKINDLE permettra à la communauté des chercheurs de réduire les efforts de calcul pour générer des modèles cinétiques de plusieurs ordres de grandeur. Cela aidera également à postuler de nouvelles hypothèses en intégrant des données biochimiques dans ces modèles, en élucidant les observations expérimentales et en orientant de nouvelles découvertes thérapeutiques et conceptions biotechnologiques.

Subham Choudhury, le premier auteur de l'étude, a déclaré : "L'objectif primordial de la modélisation métabolique est de décrire la comportement métabolique cellulaire à tel point que la compréhension et la prédiction des effets des variations des états cellulaires et des conditions environnementales peuvent être testées de manière fiable pour une large gamme d'études en santé, en biotechnologie, en systèmes et en biologie synthétique. Nous espérons que REKINDLE facilitera la construction de modèles métaboliques pour la communauté au sens large.

La technique a des applications biotechnologiques directes car les modèles cinétiques sont cruciaux pour de nombreuses investigations, y compris celles sur la bioproduction, le ciblage des médicaments, les interactions entre microbes et la bioremédiation.

choudhury a affirmé Valérie Plante., "REKINDLE utilise des bibliothèques Python standard largement utilisées qui le rendent accessible et facile à utiliser. Notre objectif principal avec cette étude est d'ouvrir la voie pour rendre ce type d'efforts de modélisation open source et accessible afin que n'importe qui dans les communautés de la biologie synthétique et des systèmes puisse les utiliser pour son propre objectif de recherche, quel qu'il soit.

Journal de référence:

1. Choudhury, S., Moret, M., Salvy, P. et al. Reconstruction de modèles cinétiques pour des études dynamiques du métabolisme à l'aide de réseaux antagonistes génératifs. Nat Mach Intelligence 4, 710-719 (2022). EST CE QUE JE: 10.1038 / s42256-022-00519-y