機器學習預測新陳代謝幫助藥物開發(fā)者和釀酒商

弗朗西斯克里克研究所的科學家們開發(fā)了機器學習算法，可以從蛋白質(zhì)含量中預測酵母代謝。該研究結果可為啤酒制造商提供更好的控制啤酒風味的基礎，并為未來科學家個性化代謝障礙患者的治療提供依據(jù)。

代謝是生物通過一系列化學反應將營養(yǎng)轉化為能量和必需分子的過程。當酵母在沒有氧氣的情況下代謝糖時，它“發(fā)酵”產(chǎn)生酒精，酸和氣體，包括風味化合物，使面包，葡萄酒和啤酒味道更好。

在細胞內(nèi)，新陳代謝產(chǎn)生數(shù)百個小分子，稱為代謝物。盡管酵母在進化上與人類非常遙遠，但許多這些代謝物是相同的，并且以類似的方式制造。然而，到目前為止，尚未完全了解控制新陳代謝的機制。

發(fā)表在Cell Systems上的最新研究表明，如果提供大量的蛋白質(zhì)表達信息，啤酒酵母(釀酒酵母)的代謝在很大程度上可以通過機器學習算法預測。

“由于機器學習，我們現(xiàn)在對控制新陳代謝有了更好的理解，這對于想要創(chuàng)造完美品脫的啤酒制造商來說是個好消息，或者對于使用酵母生產(chǎn)疫苗和其他具有醫(yī)學重要性的蛋白質(zhì)的生物技術專家來說，”Aleksej Zelezniak說道。，該論文的第一作者和克里克的研究員，最近移居瑞典，在查爾姆斯理工大學建立了自己的獨立研究小組。

連接蛋白質(zhì)和代謝物

到目前為止，科學家們已經(jīng)對新陳代謝是自我調(diào)節(jié)還是基因表達變化控制存在分歧;部分原因是現(xiàn)有方法未能檢測出基因 - 蛋白質(zhì) - 和代謝物的讀數(shù)之間的任何強相關性。

在這項研究中，科學家量化了97種不同釀酒酵母菌株的酶表達，已知它們顯示出代謝的差異，將其與測量的代謝物濃度變化聯(lián)系起來。

他們開發(fā)了機器學習算法，可以在基因表達變化和產(chǎn)生的代謝物之間找到復雜的關系。他們發(fā)現(xiàn)，新陳代謝是由許多協(xié)同作用的酶控制的 - 沒有一種酶本身具有主要作用。

“酵母中酶的表達與代謝之間的關系非常復雜，以前的模型都未能檢測到它，”克里克的組長兼該論文的高級作者Markus Ralser說。“細胞代謝的變化與隨年齡增長的疾病緊密相關，包括糖尿病，各種類型的癌癥和神經(jīng)退行性疾病。人們可以開始預測酵母細胞等簡單細胞的新陳代謝，這是努力的一個里程碑。很快就能預測人體組織中的新陳代謝。

“像亞馬遜和Facebook這樣的科技巨頭一直在使用類似的計算工具。但是我們沒有使用它們來定制廣告或推薦朋友，而是利用它們預測酵母細胞新陳代謝的能力。這些見解不僅告訴我們對啤酒調(diào)味的基礎，還有一些人體新陳代謝紊亂。“

從啤酒到個性化醫(yī)療

該團隊希望在未來幾年內(nèi)將他們在酵母細胞中的發(fā)現(xiàn)轉移到診所，以幫助患有代謝疾病的患者。

“對于非生物學家來說，人們可以將我們對酵母的知識轉移給人類似乎很奇怪，但實際上，我們對人類生物學知識的許多基本原理來自酵母研究，”Aleksej說。

“我們目前正在擴展我們的算法，以便他們根據(jù)血液中存在的蛋白質(zhì)為我們提供有關人體新陳代謝的信息。這些信息可以幫助醫(yī)生決定哪種治療方案最適合個別患者。”

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如有侵權行為，請第一時間聯(lián)系我們修改或刪除，多謝。

推薦內(nèi)容