AI-innovation låser upp hemligheter i cellmetabolism med verktyget RENAISSANCE i ny studie.

Lästid: 2 minuter
Av Maria Sanchez
- i
Komplex nätverk av celler med lysande energiflöden.

StockholmForskare vid EPFL har utvecklat ett nytt AI-verktyg kallat RENAISSANCE som hjälper oss att bättre förstå hur celler använder näringsämnen och skapar energi. Detta framsteg är ett stort steg inom beräkningsbiologi och underlättar studiet av dessa komplexa processer. Att analysera cellulär metabolism är viktigt för många tillämpningar, speciellt inom hälso- och bioteknikforskning.

Modern biologi genererar stora mängder data genom olika "omik"-metoder, såsom genomik, proteomik och metabolomik.

  • Genomik: vetenskapen om genomer
  • Transkriptomik: vetenskapen om RNA-molekyler
  • Proteomik: vetenskapen om proteiner
  • Metabolomik: vetenskapen om metaboliska processer

Att kombinera olika dataset för att förstå cellmetabolism är mycket svårt. RENAISSANCE löser detta problem genom att noggrant sammanföra dessa varierade datatyper, vilket resulterar i mer exakta modeller av hur celler fungerar. Dessa modeller visar detaljerade interaktioner och förändringar av molekyler inom cellerna och förklarar hur ämnen omvandlas till energi och andra viktiga produkter över tid.

Forskarna använde RENAISSANCE för att studera hur Escherichia coli förändrar sin ämnesomsättning. Resultaten var imponerande; de AI-skapade modellerna stämde väl överens med de experimentella uppgifterna och visade hur bakterierna justerade sin metabolism i en bioreaktor. Det anmärkningsvärda är att dessa modeller förblev konsistenta även när bakteriernas gener eller miljö ändrades, vilket tyder på att de är tillförlitliga för att förutsäga hur celler reagerar i olika situationer.

Ett stort problem inom detta område är att nuvarande omics-tekniker inte täcker tillräckligt med mark. Miskovic påpekar att de metoder vi har idag bara kan identifiera och mäta ett begränsat antal metaboliter och proteiner, vilket gör det svårt att fullt ut förstå hur celler fungerar. RENAISSANCE löser detta genom att kombinera omics-data med ytterligare information som innehållet i det omgivande mediet, fysikaliska och kemiska parametrar samt experternas insikter. Denna metod fyller i de saknade uppgifterna, vilket hjälper forskare att mäta tidigare okända detaljer inuti cellerna, såsom hastigheter på metaboliska processer och mängder av olika metaboliter.

RENAISSANCE är användarvänligt och fungerar effektivt, vilket gör det användbart inte bara för beräkningsbiologer utan även för många andra forskare. Verktygets enkelhet kan uppmuntra mer samarbete mellan universitet och företag, vilket kan påskynda utvecklingen av nya behandlingar och teknologier. Det kan förutsäga metaboliska förändringar orsakade av sjukdomar eller andra faktorer, vilket lovar viktiga framsteg inom medicinsk forskning och bioteknik.

RENAISSANCE är ett stort framsteg i hur vi kan studera och förstå cellulär metabolism. Det erbjuder kraftfulla verktyg för forskare inom olika områden. Fördelarna sträcker sig bortom bara akademisk forskning och kan påverka hälsa och industri inom en snar framtid.

Studien publiceras här:

http://dx.doi.org/10.1038/s41929-024-01220-6

och dess officiella citering - inklusive författare och tidskrift - är

Subham Choudhury, Bharath Narayanan, Michael Moret, Vassily Hatzimanikatis, Ljubisa Miskovic. Generative machine learning produces kinetic models that accurately characterize intracellular metabolic states. Nature Catalysis, 2024; DOI: 10.1038/s41929-024-01220-6
Artificiell Intelligens: Senaste nytt

Dela den här artikeln

Kommentarer (0)

Posta en kommentar
NewsWorld

NewsWorld.app är en gratis premium nyhetssida. Vi tillhandahåller oberoende och högkvalitativa nyheter utan att ta betalt per artikel och utan en prenumerationsmodell. NewsWorld anser att allmänna, affärs-, ekonomiska, tekniska och underhållningsnyheter bör vara tillgängliga på en hög nivå gratis. Dessutom är NewsWorld otroligt snabb och använder avancerad teknik för att presentera nyhetsartiklar i ett mycket läsbart och attraktivt format för konsumenten.


© 2024 NewsWorld™. Alla rättigheter reserverade.