瑞士聯(lián)邦理工學(xué)院洛桑分校（EPFL）的研究團隊近日開發(fā)了一款名為RENAISSANCE的AI工具，據(jù)稱該工具能夠簡化動力學(xué)模型的創(chuàng)建過程。RENAISSANCE結(jié)合了多種類型的細胞數(shù)據(jù)，精確描繪出細胞的代謝狀態(tài)，使得理解細胞功能變得更加容易。這一工具的問世可能為健康和生物技術(shù)領(lǐng)域的研究與創(chuàng)新開辟新的途徑。

他們的研究成果已發(fā)表在《自然催化》雜志上，文章標題為《生成式機器學(xué)習(xí)生成的動力學(xué)模型準確表征了細胞內(nèi)代謝狀態(tài)》。

現(xiàn)代生物學(xué)能夠生成大量關(guān)于細胞活動的數(shù)據(jù)集，這些被稱為“組學(xué)”的數(shù)據(jù)集能夠提供關(guān)于基因活性和蛋白質(zhì)水平等不同細胞功能的見解。然而，整合和理解這些數(shù)據(jù)以解碼細胞代謝過程依然是一項艱巨的任務(wù)。

動力學(xué)模型提供了一種解碼這種復(fù)雜性的途徑，通過數(shù)學(xué)形式來表現(xiàn)細胞代謝。盡管動力學(xué)模型具有很大的潛力，但由于確定控制細胞過程的參數(shù)困難，開發(fā)這些模型一直是一個挑戰(zhàn)。

研究團隊利用RENAISSANCE創(chuàng)建的動力學(xué)模型能夠準確反映大腸桿菌的代謝行為。該工具成功生成了與實驗觀察到的代謝行為相匹配的模型，模擬了細菌在生物反應(yīng)器中隨時間調(diào)整其代謝的方式。

這些動力學(xué)模型還表現(xiàn)出強大的穩(wěn)定性，即使在基因和環(huán)境條件發(fā)生變化時，模型依然能夠保持穩(wěn)定。這表明這些模型可以可靠地預(yù)測細胞在不同情況下的反應(yīng)，從而提升其在研究和工業(yè)應(yīng)用中的實際價值。

“盡管組學(xué)技術(shù)取得了進展，但數(shù)據(jù)覆蓋不足依然是一個持續(xù)的挑戰(zhàn)，” EPFL研究團隊成員Ljubisa Miskovic博士表示，“例如，代謝組學(xué)和蛋白質(zhì)組學(xué)只能檢測和定量有限數(shù)量的代謝物和蛋白質(zhì)。通過整合和調(diào)和來自不同來源的組學(xué)數(shù)據(jù)，建模技術(shù)可以彌補這一局限性并增強系統(tǒng)理解。通過結(jié)合組學(xué)數(shù)據(jù)及其他相關(guān)信息，如細胞外培養(yǎng)基成分、物理化學(xué)數(shù)據(jù)和專家知識，RENAISSANCE使我們能夠精確量化未知的細胞內(nèi)代謝狀態(tài)，包括代謝流和代謝物濃度。”

RENAISSANCE在精確建模細胞代謝方面展現(xiàn)出的能力具有重要意義，不僅為研究疾病引發(fā)的代謝變化提供了強大的工具，還能促進新療法和生物技術(shù)的開發(fā)。由于其易用性和高效性，RENAISSANCE將使更多的學(xué)術(shù)界和工業(yè)界研究人員能夠有效利用動力學(xué)模型，并推動協(xié)作研究的開展。

參考文獻：Subham Choudhury, Bharath Narayanan, Michael Moret, Vassily Hatzimanikatis & Ljubisa Miskovic .2024.Generative machine learning produces kinetic models that accurately characterize intracellular metabolic states

編輯：王洪

排版：李麗