Wszystkie żywe istoty wymagają metabolizmu. Sposób, w jaki organizm metabolizuje składniki odżywcze, jest złożonym procesem, a symulowanie procesów chemicznych, które podtrzymują życie, jest trudnym wyzwaniem.
Teoretycznie procedurę można przedstawić za pomocą równań matematycznych o parametrach charakterystycznych dla każdego organizmu. Jednak praktycznie określenie tych parametrów – jest sprawą skomplikowaną ze względu na brak danych eksperymentalnych.
Naukowcy zazwyczaj potrzebują wielu danych eksperymentalnych i mocy obliczeniowej, aby znaleźć te parametry. EPFL naukowcy zaproponowali ramy obliczeniowe oparte na głębokim uczeniu, odtwarzające dynamiczne właściwości metaboliczne obserwowane w komórki. Ramy o nazwie REKINDLE mogą utorować drogę do bardziej wydajnego i dokładnego modelowania procesów metabolicznych.
Ljubisa Miskovic z Laboratorium Biotechnologii Systemów Obliczeniowych EPFL i współkierownik badania powiedział: „REKINDLE umożliwi społeczności naukowej zmniejszenie wysiłków obliczeniowych w generowaniu modeli kinetycznych o kilka rzędów wielkości. Pomoże również w stawianiu nowych hipotez poprzez zintegrowanie danych biochemicznych z tymi modelami, wyjaśnienie obserwacji eksperymentalnych i sterowanie nowymi odkryciami terapeutycznymi i projektami biotechnologicznymi”.
Subham Choudhury, pierwszy autor badania, powiedział: „Nadrzędnym celem modelowania metabolicznego jest opisanie komórkowe zachowanie metaboliczne do takiego stopnia, że zrozumienie i przewidywanie skutków zmian w stanach komórkowych i warunkach środowiskowych można wiarygodnie przetestować w szerokiej gamie badań w dziedzinie zdrowia, biotechnologii, systemów i biologii syntetycznej. Mamy nadzieję, że REKINDLE ułatwi budowanie modeli metabolicznych dla szerszej społeczności”.
Technika ma bezpośrednie zastosowania biotechnologiczne, ponieważ modele kinetyczne mają kluczowe znaczenie dla wielu badań, w tym dotyczących bioprodukcji, celowania leków, interakcji między drobnoustrojami i bioremediacji.
choudhury powiedziany, „REKINDLE wykorzystuje standardowe, szeroko stosowane biblioteki Pythona, które sprawiają, że jest dostępny i łatwy w użyciu. Naszym głównym celem w tym badaniu jest utorowanie drogi do uczynienia tego rodzaju modelowania otwartym kodem źródłowym i dostępnym, aby każdy w społecznościach biologii syntetycznej i systemowej mógł ich używać do własnych celów badawczych, bez względu na to, jakie by one były”.
Referencje czasopisma:
- Choudhury S., Moret M., Salvy P. i in. Rekonstrukcja modeli kinetycznych do dynamicznych badań metabolizmu przy użyciu generatywnych sieci kontradyktoryjnych. Intelli Nat Macha 4, 710-719 (2022). DOI: 10.1038 / s42256-022-00519-y
