梅斯医学MedSci APP
医路相伴,成就大医

CELL:机器学习揭示抗生素作用机制

Tags: 机器学习   抗生素      作者:海北 更新:2019-05-20

当前的机器学习技术能够使生物信号与测量的表型牢固地结合,但是这些方法不能识别因果关系。

最近,研究人员开发了一个集成的“白盒子”生化筛选,网络建模和机器学习方法,以揭示因果机制,并应用这种方法来理解抗生素的功效。

研究人员在大肠杆菌中反向筛选针对杀菌抗生素的多种代谢物,并使用基因组规模的代谢网络模型模拟其相应的代谢状态。

在模型模拟上回归测量的筛选数据表明,嘌呤生物合成参与抗生素致死性,研究人员之后通过实验验证了该模型。

研究人员表明,抗生素诱导的腺嘌呤限制增加了ATP需求,提高了中枢碳代谢活性和氧消耗,增强了抗生素的杀伤作用。

这项工作展示了前瞻性网络建模如何与机器学习相结合,以确定药物功效的复杂因果机制。


原始出处:

Yang JH et al. A White-Box Machine Learning Approach for Revealing Antibiotic Mechanisms of Action. CELL, 2019; doi: 10.1016/j.cell.2019.04.016.


本文系梅斯医学(MedSci)原创编译整理,转载需授权

来源:MedSci原创
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有,非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。本网所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。同时转载内容不代表本站立场。
在此留言
小提示:本篇资讯需要登录阅读,点击跳转登录

相关推荐

移动应用
medsci.cn © 2020