从同位素追踪数据中量化代谢活性,使用自动化方法
Shiyu Liu1,2, Xiaojing Liu1,3, Jason W Locasale1,2,3
1Department of Pharmacology and Cancer Biology, Duke University School of Medicine, Durham NC 27710, USA.
bioRxiv : the preprint server for biology
|March 11, 2024
概括
这项研究引入了一种人工智能驱动的管道,用于分析同位素追踪数据,改善代谢活动预测和量化流量不确定性. 新方法揭示了癌细胞中重新编程的代谢周期,为代谢网络活动提供了新的见解.
科学领域:
- 代谢工程是代谢工程.
- 计算生物学 计算生物学
- 系统生物学 系统生物学
背景情况:
- 同位素追踪对于研究细胞代谢至关重要,但数据解释具有挑战性.
- 当前的人工智能 (AI) 应用受限于代谢网络中缺乏评估知识.
结论:
- 精细的方法提供了一个强大的工具,用于自动化代谢量化.
- 提供了对代谢网络活动的新见解,特别是在癌症中.
- 在解释复杂的生物数据方面推进人工智能的应用.
