すべての生物は代謝を必要とします。 生物が栄養素を代謝する方法は複雑なプロセスであり、生命を維持する化学プロセスをシミュレートすることは困難な課題です。
理論的には、手順は、各生物に固有のパラメーターを使用した数式で表すことができます。 しかし、これらのパラメータを実際に決定することは、実験データが不足しているため複雑な問題です。
科学者は通常、これらのパラメーターを見つけるために、多くの実験データと処理能力を必要とします。 EPFL 科学者は、で観察された動的代謝特性を再現するディープラーニングベースの計算フレームワークを提案しました 細胞. REKINDLE と呼ばれるフレームワークは、代謝プロセスのより効率的で正確なモデリングへの道を開く可能性があります。
EPFL の計算システム バイオテクノロジー研究所の Ljubisa Miskovic 氏と研究の共同 PI は、次のように述べています。 「REKINDLE により、研究コミュニティは運動モデルを生成する際の計算作業を数桁減らすことができます。 また、これらのモデルに生化学データを統合し、実験的観察を解明し、新しい治療法の発見とバイオテクノロジーの設計を導くことにより、新しい仮説を仮定するのにも役立ちます。」
この研究の筆頭著者であるSubham Choudhury氏は、次のように述べています。 「代謝モデリングの最も重要な目的は、 細胞の代謝挙動 細胞の状態と環境条件の変動の影響を理解し、予測することは、健康、バイオテクノロジー、システムおよび合成生物学の幅広い研究で確実にテストできる程度にまで。 REKINDLE が、より広範なコミュニティのための代謝モデルの構築を促進することを願っています。」
この技術は、バイオプロダクション、ドラッグ ターゲティング、微生物間の相互作用、バイオレメディエーションなど、数多くの調査に動力学モデルが不可欠であるため、バイオ テクノロジーに直接応用できます。
チョードリー と, 「REKINDLE は、アクセスしやすく使いやすい標準の広く使用されている Python ライブラリを使用しています。 この研究における私たちの主な目標は、この種のモデリングの取り組みをオープンソースにしてアクセスしやすくし、合成およびシステム生物学コミュニティの誰もが自分の研究目標のためにそれらを使用できるようにすることです。」
ジャーナルリファレンス：
- Choudhury、S.、Moret、M.、Salvy、P.ら。 Generative Adversarial Networks を使用した代謝の動的研究のための動力学モデルの再構築。 ナット・マッハ・インテル 4、710〜719（2022）。 DOI： 10.1038 / s42256-022-00519-y
