科学家们创建了一种人工智能工具，该工具生成复杂的细胞代谢模型，促进了对细胞运作的更好理解。理解细胞如何分解营养物质并产生能量的过程，称为代谢，在生物学领域中至关重要。然而，分析大量关于细胞功能的数据以揭示代谢状态的任务相当复杂。
当代生物学产生了大量与各种细胞功能相关的数据集，有时被称为“组学”数据集。这些数据集揭示了细胞功能的不同方面，如基因表达和蛋白质水平。然而，整合和解释这些数据集以理解代谢过程是困难的。
动力学模型是应对这一复杂性的解决方案，它提供了数学框架，展示细胞代谢。它们像详细的地图，解释分子如何相互作用和转变，展示了物质如何随时间转化为能量和其他产物。这帮助科学家揭示支持细胞代谢的生化机制。然而，由于识别控制细胞过程的参数的难度，创建动力学模型被证明是一个艰巨的挑战。
由Ljubisa Miskovic和Vassily Hatzimanikatis领导的EPFL研究团队开发了RENAISSANCE，这是一种由人工智能驱动的工具，简化了动力学模型的构建过程。RENAISSANCE整合了多种类型的细胞数据，以准确描绘代谢状态，简化了对细胞功能的理解。该工具代表了计算生物学的重大突破，为健康和生物技术领域的创新研究和发展铺平了道路。
研究人员利用RENAISSANCE构建了精确代表大肠杆菌的代谢活动的动力学模型。该工具成功创建了与实验观察到的代谢行为相符的模型，模拟了细菌如何在生物反应器中随着时间修改其代谢。
此外，动力学模型显示出鲁棒性，即使面对遗传和环境条件的变化，也能保持稳定。这表明这些模型可以可靠地预测细胞对各种情景的反应，从而增强它们在研究和工业环境中的实际应用。
Miskovic表示：“尽管组学方法取得了进展，但数据覆盖不足仍然是一个重大障碍。例如，代谢组学和蛋白质组学只能识别和测量有限范围的代谢物和蛋白质。结合和协调来自多种来源的组学数据的建模方法可以抵消这一限制，并改善系统理解。通过将组学数据与其他相关见解结合，如细胞外介质组成、物理化学性质和专家知识，RENAISSANCE使我们能够准确评估未知的细胞内代谢状态，包括代谢通量和代谢物水平。”
RENAISSANCE准确模拟细胞代谢的能力具有重大意义，为研究因疾病或其他因素导致的代谢变化提供了强大的资源，并支持新疗法和生物技术的开发。其用户友好的特性和高效性将使更多学术界和工业界的研究人员能够有效应用动力学模型，促进合作。
