Todos os seres vivos requerem metabolismo. A forma como um organismo metaboliza nutrientes é um processo complexo, e simular os processos químicos que mantêm a vida em andamento é um desafio difícil.
Teoricamente, o procedimento pode ser representado por equações matemáticas com parâmetros específicos para cada organismo. Mas a determinação prática desses parâmetros, no entanto, é uma questão complicada devido à falta de dados experimentais.
Os cientistas geralmente precisam de muitos dados experimentais e poder de processamento para encontrar esses parâmetros. EPFL cientistas propuseram uma estrutura computacional baseada em aprendizado profundo que reproduz as propriedades metabólicas dinâmicas observadas em células. O framework chamado REKINDLE pode abrir caminho para uma modelagem mais eficiente e precisa dos processos metabólicos.
Ljubisa Miskovic do Laboratório de Biotecnologia de Sistemas Computacionais da EPFL e co-PI do estudo disse: “O REKINDLE permitirá que a comunidade de pesquisa reduza os esforços computacionais na geração de modelos cinéticos em várias ordens de magnitude. Também ajudará a postular novas hipóteses, integrando dados bioquímicos nesses modelos, elucidando observações experimentais e orientando novas descobertas terapêuticas e projetos de biotecnologia”.
Subham Choudhury, o primeiro autor do estudo, disse: “O objetivo geral da modelagem metabólica é descrever a comportamento metabólico celular a tal ponto que a compreensão e a previsão dos efeitos das variações nos estados celulares e nas condições ambientais podem ser testadas de forma confiável para uma ampla gama de estudos em saúde, biotecnologia e sistemas e biologia sintética. Esperamos que o REKINDLE facilite a construção de modelos metabólicos para a comunidade em geral.”
A técnica tem aplicações biotecnológicas diretas porque os modelos cinéticos são cruciais para inúmeras investigações, incluindo aquelas sobre bioprodução, direcionamento de drogas, interações entre micróbios e biorremediação.
choudhury dito, “O REKINDLE usa bibliotecas padrão do Python amplamente usadas que o tornam acessível e fácil de usar. Nosso principal objetivo com este estudo é preparar o caminho para tornar esse tipo de esforço de modelagem de código aberto e acessível para que qualquer pessoa nas comunidades de biologia sintética e de sistemas possa usá-los para seus próprios objetivos de pesquisa, sejam eles quais forem”.
Jornal de referência:
- Choudhury, S., Moret, M., Salvy, P. et ai. Reconstruindo Modelos Cinéticos para Estudos Dinâmicos do Metabolismo Usando Redes Adversariais Generativas. Intell Nat Mach 4, 710-719 (2022). DOI: 10.1038 / s42256-022-00519-y
