相关实验视频
Updated: Jun 25, 2026
14:18
A Strategy for Sensitive, Large Scale Quantitative Metabolomics
Published on: May 27, 2014
21.0K
COMO:在代谢建模和药物发现中整合多omics数据的管道
Brandt Bessell1, Josh Loecker1, Zhongyuan Zhao1
1Department of Biochemistry, University of Nebraska-Lincoln, NE, USA.
Briefings in bioinformatics
|November 6, 2023
概括
基于约束的代谢目标优化 (COMO) 是药物发现的新管道. 它整合了多omics数据来构建代谢模型,并识别了类风湿性关节炎等疾病的潜在药物标.
科学领域:
- 计算生物学 计算生物学
- 系统生物学 系统生物学
- 药物发现 药物发现 药物发现
背景情况:
- 由于数据整合的挑战,用于药物标识的代谢建模是复杂的.
- 现有的工具缺乏全面整合多学科数据和疾病特定建模.
研究的目的:
- 开发一个用户友好的管道,COMO,用于整合多omics数据和代谢建模以识别药物点.
- 为开发特定环境的代谢模型和预测可重复使用的药物提供简化方法.
主要方法:
- 开发了基于约束的代谢目标优化 (COMO) 管道.
- 集成的多omics数据 (RNA-seq,微阵列,蛋白质组) 用于模型构建.
- 利用公共数据库和开源解决方案进行模拟和药物目标预测.
主要成果:
- 成功构建了B细胞的特定环境代谢模型.
- 确定了类风湿性关节炎和全身性红斑狼的潜在代谢药物标.
- 证明了COMO对各种细胞类型和人类疾病的能力.
结论:
- 在药物发现中,COMO为代谢建模提供了一个全面且易于使用的解决方案.
- 该管道有助于确定各种疾病的具有成本效益,高可信度的药物标.
- COMO有可能推进临床前和临床研究,改善全球健康结果.
