Понимание метаболических процессов с помощью машинного обучения

Исследователи в области биоинформатики из Университета Генриха Гейне в Дюссельдорфе (HHU) и Калифорнийского университета в Сан-Диего (UCSD) используют методы машинного обучения для лучшего понимания кинетики ферментов и, следовательно, сложных метаболических процессов. Команда под руководством первого автора, доктора Дэвида Хекманна, описала свои результаты в текущем выпуске журнала Nature Communications.

Синтетические науки о жизни требуют детального и количественного понимания сложных систем в биологических клетках. Только при таком понимании возможно их целенаправленное изменение. Хорошо известной системой является биологический метаболизм, в котором участвуют многие сотни ферментов. Однако ключевой аспект в этой области — индивидуальная активность каждого фермента — количественно изучен недостаточно.

Вместе с коллегами из Калифорнии и Дюссельдорфа доктор Дэвид Хекманн, ныне работающий в Сан-Диего и бывший докторант профессора Мартина Лерхера из Института вычислительной клеточной биологии HHU, выбрал биоинформатический подход для изучения свойств ферментов. Для этого исследователи используют машинное обучение — подраздел искусственного интеллекта (ИИ), который уже успешно применяется в других областях, например, в управлении дорожным движением или автоматическом переводе.

Их подход позволил исследователям определить важные свойства ферментов, которые являются решающими факторами для их активности. С этими результатами они могут описывать кинетику большого числа ферментов гораздо точнее, чем это было возможно с предыдущими методами.

«Наша модель дает увлекательное представление о том, какие свойства ферментов больше всего влияют на их активность», — говорит профессор Лерхер.

«Мы можем использовать эти знания для более точного моделирования метаболических процессов и анализа взаимодействия различных компонентов в клеточных сетях», — добавляет доктор Хекманн.