人工智能工具RENAISSANCE改变了细胞代谢动力学模型的创建

　　了解细胞如何处理营养物质和产生能量——统称为新陈代谢——在生物学中是必不可少的。然而，分析细胞过程的大量数据以确定代谢状态是一项复杂的任务。

　　

了解细胞如何处理营养物质和产生能量——统称为新陈代谢——在生物学中是必不可少的。然而，分析细胞过程的大量数据以确定代谢状态是一项复杂的任务。

现代生物学产生了各种细胞活动的大型数据集。这些“组学”数据集提供了对不同细胞功能的见解，如基因活性和蛋白质水平。然而，整合和理解这些数据集以了解细胞代谢是具有挑战性的。

动力学模型通过提供细胞代谢的数学表示，提供了一种解码这种复杂性的方法。它们就像详细的地图，描述了分子如何在细胞内相互作用和转化，描绘了物质如何随着时间的推移转化为能量和其他产品。这有助于科学家理解支撑细胞代谢的生化过程。尽管具有潜力，但由于难以确定控制细胞过程的参数，开发动力学模型具有挑战性。

由EPFL的Ljubisa Miskovic和Vassily Hatzimanikatis领导的一组研究人员现在已经创建了RENAISSANCE，这是一种基于人工智能的工具，可以简化动力学模型的创建。RENAISSANCE结合了各种类型的细胞数据来准确地描述代谢状态，使人们更容易理解细胞的功能。RENAISSANCE作为计算生物学的重大进步而脱颖而出，为健康和生物技术的研究和创新开辟了新的途径。

研究人员使用RENAISSANCE创建了能够准确反映大肠杆菌代谢行为的动力学模型。该工具成功地生成了与实验观察到的代谢行为相匹配的模型，模拟了细菌如何在生物反应器中随时间调整其代谢。

动力学模型也被证明是稳健的，即使受到遗传和环境条件的扰动也能保持稳定性。这表明该模型可以可靠地预测细胞对不同情况的反应，从而提高了其在研究和工业应用中的实用性。

“尽管组学技术取得了进步，但数据覆盖不足仍然是一个持续的挑战。例如，代谢组学和蛋白质组学只能检测和量化有限数量的代谢物和蛋白质。集成和协调来自不同来源的组学数据的建模技术可以弥补这一限制并增强系统理解。通过结合组学数据和其他相关信息，如细胞外介质含量、物理化学数据和专家知识，RENAISSANCE使我们能够准确量化未知的细胞内代谢状态，包括代谢通量和代谢物浓度。”Ljubisa Miskovic研究员说。

RENAISSANCE准确模拟细胞代谢的能力具有重要意义，为研究代谢变化(无论是否由疾病引起)提供了强大的工具，并有助于开发新的治疗方法和生物技术。它的易用性和效率将使学术界和工业界更广泛的研究人员能够有效地利用动力学模型，并将促进合作。