机器学习用于基因组规模代谢建模的进步
Pritam Kundu1, Satyajit Beura2, Suman Mondal3
1School School of Energy Science and Engineering, Indian Institute of Technology Kharagpur, West Bengal 721302, India.
Biotechnology advances
|June 29, 2024
概括
将基于约束的建模 (CBM) 与多态学和机器学习 (ML) 集成,可以提高对生物系统的理解. 这种方法通过利用各种数据进行更准确的预测来改善生物工程和生物医学应用.
科学领域:
- 系统生物学 系统生物学
- 计算生物学是一种计算生物学.
- 生物工程是生物工程.
背景情况:
- 基于约束的建模 (CBM) 对于将基因型,表型和环境联系起来至关重要.
- 高通量多态和机器学习 (ML) 提供了大量的生物数据和分析能力.
- 当前的多学科框架往往独立发展,限制了知识的整合.
研究的目的:
- 审查合成生物学,CBM,omics和ML的整合,以探索生物化学现象.
- 突出这些领域的整合如何改善生物工程和生物医学应用.
- 为了展示实验和in silico策略如何使用特定条件的细胞信息绘制生物系统的地图.
主要方法:
- 审查传统的基因组规模代谢模型 (GEM) 重建工具和基于ML的改进.
- 在OMICS数据重组中讨论ML和深度学习 (DL),用于GEM开发.
- 对生物医学和代谢工程最先进方法的基于案例研究的评估.
主要成果:
- 机器学习和多omics数据显著提高CBM预测和模型重建.
- 多种工具的整合有助于探索超越了传统的生物学理解.
- 通过基于机器学习的方法提高CBM的准确性和预测能力.
结论:
- 整合实验和in silico策略为生物系统提供了多视角的方法.
- 基于ML的CBM,由特定条件数据推动,提升生物医学和生物工程应用.
- 这种综合方法有可能带来社会和环境的好处.
相关概念视频
01:29Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
48
Mechanistic models play a crucial role in algorithms for numerical problem-solving, particularly in nonlinear mixed effects modeling (NMEM). These models aim to minimize specific objective functions by evaluating various parameter estimates, leading to the development of systematic algorithms. In some cases, linearization techniques approximate the model using linear equations.
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
48
01:23Mechanistic Models: Compartment Models in Individual and Population Analysis
36
Mechanistic models are utilized in individual analysis using single-source data, but imperfections arise due to data collection errors, preventing perfect prediction of observed data. The mathematical equation involves known values (Xi), observed concentrations (Ci), measurement errors (εi), model parameters (ϕj), and the related function (ƒi) for i number of values. Different least-squares metrics quantify differences between predicted and observed values. The ordinary least...
36