שימוש בבינה מלאכותית כדי להבין טוב יותר את חילוף החומרים הסלולרי של PlatoBlockchain Data Intelligence. חיפוש אנכי. איי.

שימוש ב-AI כדי להבין טוב יותר את חילוף החומרים הסלולרי

כל היצורים החיים דורשים חילוף חומרים. הדרך שבה אורגניזם מבצע חילוף חומרים תזונתיים הוא תהליך מורכב, והדמיית התהליכים הכימיים ששומרים על החיים הם אתגר קשה.

תיאורטית, ההליך יכול להיות מיוצג על ידי משוואות מתמטיות עם פרמטרים ספציפיים לכל אורגניזם. אולם קביעת פרמטרים אלו באופן מעשי, היא עניין מסובך בשל היעדר נתונים ניסיוניים.

מדענים בדרך כלל זקוקים להרבה נתונים ניסיוניים וכוח עיבוד כדי למצוא את הפרמטרים הללו. EPFL מדענים הציעו מסגרת חישובית מבוססת למידה עמוקה המשחזרת את התכונות המטבוליות הדינמיות שנצפו ב תאים. המסגרת שנקראת REKINDLE יכולה לסלול את הדרך למידול יעיל ומדויק יותר של תהליכים מטבוליים.

ליוביזה מיסקוביק מהמעבדה לביוטכנולוגיה של מערכות חישוביות של EPFL ושותף PI של המחקר אמרו, "REKINDLE יאפשר לקהילת המחקר להפחית את המאמצים החישוביים ביצירת מודלים קינטיים במספר סדרי גודל. זה גם יסייע בהנחת השערות חדשות על ידי שילוב נתונים ביוכימיים במודלים אלה, הבהרת תצפיות ניסיוניות, והיגוי תגליות טיפוליות חדשות ותכנונים ביוטכנולוגיה."

Subham Choudhury, המחבר הראשון של המחקר, אמר, "מטרת העל של מודלים מטבוליים היא לתאר את התנהגות מטבולית תאית עד כדי כך שניתן לבדוק בצורה מהימנה את ההבנה והניבוי של ההשפעות של שינויים במצבי התא ובתנאי הסביבה עבור מגוון רחב של מחקרים בבריאות, ביוטכנולוגיה ומערכות וביולוגיה סינתטית. אנו מקווים ש-REKINDLE יאפשר בניית מודלים מטבוליים עבור הקהילה הרחבה יותר."

לטכניקה יש יישומים ביוטכנולוגיים ישירים מכיוון שמודלים קינטיים חיוניים עבור חקירות רבות, כולל אלה על ייצור ביולוגי, מיקוד לתרופות, אינטראקציות בין חיידקים וביורימדיה.

צ'ודהורי אמר"REKINDLE משתמש בספריות Python סטנדרטיות בשימוש נרחב שהופכות אותה לנגישה וקלה לשימוש. המטרה העיקרית שלנו עם המחקר הזה היא לסלול את הדרך להפוך את סוג המאמצים של דוגמנות לקוד פתוח ונגיש, כך שכל אחד בקהילות הסינתטיות והביולוגיה של המערכת יוכל להשתמש בהם למטרת המחקר שלו, יהיו אשר יהיו".

עיון ביומן:

  1. Choudhury, S., Moret, M., Salvy, P. et al. שחזור מודלים קינטיים למחקרים דינמיים של מטבוליזם באמצעות רשתות יריבות גנרטיביות. נת מאך אינטל 4, 710–719 (2022). DOI: 10.1038 / s42256-022-00519-y

בול זמן:

עוד מ Tech Explorirst