用于酸生物活性评估的机器学习工具 - 对细胞培养基优化和更广泛的培养肉行业的影响
Kathy Sharon Isaac1, Michelle Combe1, Greg Potter2
1Process Engineering and Applied Science, Dalhousie University, 5273 DaCosta Row, PO Box 15000, Halifax, B3H 4R2, NS, Canada.
Current research in food science
|October 22, 2024
概括
来自自然来源的生物活性是养殖肉类生产的关键. 本综述评估了用于预测生物活性的机器学习工具,并发现了目前用于细胞培养优化软件的局限性.
科学领域:
- 生物技术和细胞生物学
- 生物信息学和计算生物学
背景情况:
- 生物活性越来越多地用于细胞培养基优化.
- 水解剂为培养肉类生产提供可持续的源.
- 在选择和功能性表征多种化水解剂方面存在挑战.
研究的目的:
- 为评估生物活性功能的软件工具提供全面的审查和比较.
- 评估机器学习模型对细胞培养相关的抗氧化和抗炎活性的预测性能.
- 识别目前用于细胞培养介质优化的计算工具中的差距.
主要方法:
- 对可用于预测生物活性的可用软件工具进行系统审查和分类.
- 基于算法,训练数据,功能和限制的工具的比较.
- 精选的独立测试集用于评估抗氧化剂和抗炎药物的预测性能.
主要成果:
- 对于预测细胞培养相关的抗氧化剂 (五种) 和生长因子/细胞信号活动 (两种) 的工具数量有限.
- 虽然存在许多用于抗微生物和抗炎活动的工具,但发现了敏感性,特异性和准确性的重大问题.
- 现有的软件往往无法满足在细胞培养应用中精确的生物活性预测的需求.
结论:
- 目前用于酸生物活性预测的机器学习工具对细胞培养介质优化有局限性.
- 需要进一步开发,以提高这些工具的准确性和适用性,用于培养肉类生产.
- 解决发现的差距对于更广泛地采用计算方法来优化细胞生长介质至关重要.
