Alle levende wezens hebben een stofwisseling nodig. De manier waarop een organisme voedingsstoffen metaboliseert is een complex proces, en het simuleren van de chemische processen die het leven gaande houden is een moeilijke uitdaging.
Theoretisch kan de procedure worden weergegeven door wiskundige vergelijkingen met parameters die specifiek zijn voor elk organisme. Maar het praktisch bepalen van die parameters is echter een ingewikkelde zaak vanwege het gebrek aan experimentele gegevens.
Wetenschappers hebben over het algemeen veel experimentele gegevens en verwerkingskracht nodig om deze parameters te vinden. EPFL Wetenschappers hebben een op deep learning gebaseerd computationeel raamwerk voorgesteld dat de waargenomen dynamische metabolische eigenschappen reproduceert cellen. Het raamwerk genaamd REKINDLE zou de weg kunnen vrijmaken voor een efficiëntere en nauwkeurigere modellering van metabolische processen.
Ljubisa Miskovic van EPFL’s Laboratory of Computational Systems Biotechnology en co-PI van de studie zei: “REKINDLE zal de onderzoeksgemeenschap in staat stellen de rekeninspanningen bij het genereren van kinetische modellen met verschillende ordes van grootte te verminderen. Het zal ook helpen nieuwe hypothesen te postuleren door biochemische gegevens in deze modellen te integreren, experimentele observaties op te helderen en nieuwe therapeutische ontdekkingen en biotechnologische ontwerpen te sturen.”
Subham Choudhury, de eerste auteur van de studie, zei: “Het overkoepelende doel van metabole modellering is het beschrijven van de cellulair metabolisch gedrag in een zodanige mate dat het begrijpen en voorspellen van de effecten van variaties in cellulaire toestanden en omgevingsomstandigheden op betrouwbare wijze kan worden getest voor een breed scala aan onderzoeken op het gebied van gezondheid, biotechnologie en systemen en synthetische biologie. We hopen dat REKINDLE het bouwen van metabolische modellen voor de bredere gemeenschap vergemakkelijkt.”
De techniek heeft directe biotechnologische toepassingen omdat kinetische modellen cruciaal zijn voor tal van onderzoeken, waaronder onderzoek naar bioproductie, doelgerichte geneesmiddelen, interacties tussen microben en bioremediatie.
choudhury zei, “REKINDLE maakt gebruik van standaard, veelgebruikte Python-bibliotheken die het toegankelijk en gemakkelijk te gebruiken maken. Ons belangrijkste doel met deze studie is om de weg vrij te maken om dit soort modelleringsinspanningen open source en toegankelijk te maken, zodat iedereen in de synthetische en systeembiologische gemeenschappen ze kan gebruiken voor hun eigen onderzoeksdoel, wat ze ook mogen zijn.”
Journal Reference:
- Choudhury, S., Moret, M., Salvy, P. et al. Reconstructie van kinetische modellen voor dynamische studies van het metabolisme met behulp van generatieve vijandige netwerken. Nat Mach Intel 4, 710-719 (2022). DOI: 10.1038 / s42256-022-00519-y
