利用代谢建模和机器学习来发现静止深度调节器
Alec Eames1, Sriram Chandrasekaran1,2,3,4
1Department of Biomedical Engineering, University of Michigan, Ann Arbor, MI 48109, USA.
PNAS nexus
|January 31, 2024
概括
细胞静止深度对于组织健康和衰老至关重要,通过基因组规模的代谢建模和机器学习来建模. 这种方法确定了癌症和衰老干预的新化学和遗传点.
科学领域:
- 细胞生物学 细胞生物学
- 代谢工程是代谢工程.
- 计算生物学 计算生物学
背景情况:
- 细胞静止,一个可逆的细胞周期退出,对于组织稳定和再生至关重要.
- 静止存在于从浅到深的频谱中,影响繁殖潜力,并在衰老和疾病中发生变化.
- 了解静止深度的代谢和表观遗传基础对于治疗开发至关重要.
研究的目的:
- 定义与深化细胞静止相关的代谢和表观遗传变化.
- 在各种细胞类型中开发静止深度的预测模型.
- 选与衰老和癌症相关的静止的新型调节剂.
主要方法:
- 基因组规模代谢建模 (GEM) 分析静止期间的代谢变化.
- 机器学习模型开发用于预测静止深度.
- 化学和遗传化合物的高通量选.
主要成果:
- 在静止深化过程中,鉴定了脂质代谢 (解消 vs 合成) 的对比变化.
- 观察到基因素甲基化和乙化模式的不同趋势.
- 开发了一个多细胞类型的机器学习模型,在预测静止深度方面具有很高的准确性.
- 发现了新的小分子和静止的基因调节器.
结论:
- 代谢和表观遗传重编程是深化细胞静止的关键特征.
- 一个预测性计算模型可以准确地评估静止深度.
- 确定了调节衰老和癌症背景下的静止的治疗点.


