NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Kısıtlı tabanlı modelleme, büyüme oranlarını tahmin etmek ve yüksek değerli metabolitlerin üretimini optimize etmekten terapötik müdahaleler için hedeflenebilecek patojenlerdeki enzimleri tanımlamaya kadar uzanan uygulamalarla hücresel metabolizmayı incelemek için güçlü bir çerçevedir. Modelleme deneylerinden elde edilen sonuçlar, en azından kısmen kullanılan metabolik modellerin kalitesinden etkilenebilir. Bir metabolik ağın manuel olarak yeniden yapılandırılması, yüksek kaliteli bir metabolik model üretebilir, ancak zaman alıcı bir iştir. Aynı zamanda, süreci otomatikleştirmek için mevcut yöntemler tipik olarak metabolik işlevi birçok yanlış pozitif ürettiği bilinen bir işlem olan dizi benzerliğine göre aktarır. Protein dizilerinden otomatik metabolik model rekonstrüksiyonu için bir boru hattı olan Architect'i yarattık. İlk olarak, mevcut araçlardan tahminlere dayanan bir EC tahmini için bir olasılık skoru hesaplandığı, bir topluluk yaklaşımı yoluyla enzim annotasyonu gerçekleştirir; Bu adım için, yöntemimiz bireysel araçlara kıyasla hem artan hassasiyet hem de geri çağırma gösterir. Daha sonra, Mimar bu ek açıklamaları, topluluk yaklaşımından olasılık puanlarına dayanarak boşluk dolu olan yüksek kaliteli bir metabolik ağ oluşturmak için kullanır. Ortaya çıkan metabolik model, kısıtlamalara dayalı analizler için uygun SBML formatında çıktıdır. Enzim açıklamalarının ve küratörlü metabolik modellerin karşılaştırılması yoluyla, Mimar'ın diğer son teknoloji aletlere göre daha iyi performans gösterdiğini, özellikle ökaryot C. elegans üzerinde daha yüksek hassasiyet ve hatırlama ile ve iki bakteri türündeki UniProt açıklamalarına kıyasla daha iyi performans gösterdiğini gösteriyoruz. Mimar için Kod https://github.com/ParkinsonLab/Architect adresinde mevcuttur. Kullanım kolaylığı için, Mimar Docker Hub'da muhafaza edilen Docker görüntüsünü kullanarak kolayca kurulabilir ve kullanılabilir.
Özgün kaynak özetini okuyun
Constraint-based modeling is a powerful framework for studying cellular metabolism, with applications ranging from predicting growth rates and optimizing production of high value metabolites to identifying enzymes in pathogens that may be targeted for therapeutic interventions. Results from modeling experiments can be affected at least in part by the quality of the metabolic models used. Reconstructing a metabolic network manually can produce a high-quality metabolic model but is a time-consuming task. At the same time, current methods for automating the process typically transfer metabolic function based on sequence similarity, a process known to produce many false positives. We created Architect, a pipeline for automatic metabolic model reconstruction from protein sequences. First, it performs enzyme annotation through an ensemble approach, whereby a likelihood score is computed for an EC prediction based on predictions from existing tools; for this step, our method shows both increased precision and recall compared to individual tools. Next, Architect uses these annotations to construct a high-quality metabolic network which is then gap-filled based on likelihood scores from the ensemble approach. The resulting metabolic model is output in SBML format, suitable for constraints-based analyses. Through comparisons of enzyme annotations and curated metabolic models, we demonstrate improved performance of Architect over other state-of-the-art tools, notably with higher precision and recall on the eukaryote C. elegans and when compared to UniProt annotations in two bacterial species. Code for Architect is available at https://github.com/ParkinsonLab/Architect. For ease-of-use, Architect can be readily set up and utilized using its Docker image, maintained on Docker Hub.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.