运动补充剂活性成分的识别:机器学习驱动的分类和基于细胞的验证.
Xiaoning Ji1,2, Qiuyun Li3, Zhaoping Liu2
1State Key Laboratory for Quality Ensurance and Sustainable Use of Dao-di Herbs, National Resource Center for Chinese Materia Medica, China Academy of Chinese Medical Sciences, Beijing 100700, China.
ACS omega
|March 18, 2024
概括
机器学习模型准确地选了草药中的活性成分用于体育补充剂. 随后的细胞测定证实了12个成分中的11个增强了肌肉生长,而氨酸显示出有前途.
科学领域:
- 运动科学 运动科学 运动科学
- 药理学 药理学是指药理学的学科.
- 生物技术是生物技术.
背景情况:
- 鉴定草药中的活性成分对于运动补充剂的开发至关重要.
- 这些组件的高通量选是一个重大挑战.
- 机器学习为高效选提供了一个潜在的解决方案.
研究的目的:
- 开发和验证机器学习模型,用于选草药中的活性成分作为潜在的运动补充剂.
- 通过基于细胞的测试来评估选组件的疗效.
- 为了研究像白素这样有前途的化合物的作用机制.
主要方法:
- 构建了六个机器学习预测模型,准确度>0.88.8.
- 使用开发的模型,对草药中的活性成分进行查.
- 在C2C12细胞上验证选组件的功效.
- 通过免疫光和高含量成像来研究素对骨肌肉性能的影响.
主要成果:
- 机器学习模型在选活性组件方面表现出高精度.
- 在12个随机选择的成分中,有11个显著增加了C2C12细胞中的髓管直径和蛋白质合成.
- 鉴定出氨酸通过激活PGC-1α和MAPK信号通路来增强骨肌肉的性能.
结论:
- 高通量预测模型是选草药中的活性成分的有效工具,用于体育补充剂应用.
- 该研究验证了机器学习在识别新型体育补充剂成分方面的使用.
- 由于它对骨肌肉的积极影响,素显示出作为运动补充剂成分的潜力.


