精确预测基因删除表型与流体学习
Charlotte Merzbacher1, Oisin Mac Aodha1, Diego A Oyarzún2,3
1School of Informatics, University of Edinburgh, Edinburgh, UK.
Nature communications
|September 26, 2025
概括
流体学习预测了代谢基因删除对细胞表型的影响. 这种计算框架在各种生物体中实现了高精度,超过了生物发现的传统方法.
科学领域:
- 系统生物学 系统生物学
- 计算生物学 计算生物学
- 代谢工程是代谢工程.
背景情况:
- 全基因组删除屏幕对于生物发现至关重要,但它们的复杂性需要先进的计算预测建模.
- 现有的方法经常与代谢网络和实验数据集成的复杂性作斗争.
研究的目的:
- 引入Flux Cone学习,这是一个新的计算框架,用于预测代谢基因删除的表型后果.
- 为了证明其卓越的准确性和广泛适用于不同的生物和细胞目标.
主要方法:
- 使用蒙特卡洛采样和监督学习来分析代谢空间的几何性质.
- 将代谢空间几何与基因删除屏幕的实验健身数据相关联.
- 应用框架来预测基因基本性和小分子生产.
主要成果:
- 流体学习在预测大肠杆菌,大肠杆菌和中国仓鼠卵巢细胞中的代谢基因基本性方面取得了同类最佳的准确性.
- 在准确性方面超越了流量平衡分析,这是一个标准的预测方法.
- 通过删除屏幕数据成功预测小分子生产,展示了多功能性.
结论:
- 流体学习为系统生物学和生物技术中的表型预测提供了一个广泛适用的工具.
- 它为开发代谢模型提供了基础,而不需要明确的细胞目标优化.
- 该框架推进了用于理解基因功能和代谢工程的计算方法.
相关概念视频
02:07Improving Translational Accuracy
14.1K
Base complementarity between the three base pairs of mRNA codon and the tRNA anticodon is not a failsafe mechanism. Inaccuracies can range from a single mismatch to no correct base pairing at all. The free energy difference between the correct and nearly correct base pairs can be as small as 3 kcal/ mol. With complementarity being the only proofreading step, the estimated error frequency would be one wrong amino acid in every 100 amino acids incorporated. However, error frequencies observed in...
14.1K
02:07Improving Translational Accuracy
3.5K
3.5K