Adv Sci丨基于多组学与机器学习的枯草芽孢杆菌全基因组代谢模型优化基因表达与细胞生长预测

文章预览

近日， Advanced Science  在线发表了江南大学未来食品科学中心和生物工程学院 陈坚 院士团队 刘龙 教授课题组的研究成果  A multi-omics, machine learning-aware, genome-wide metabolic model of Bacillus subtilis refines the gene expression and cell growth prediction 。 微生物的系统研究涉及从低通量的原位测序到高通量的质谱分析，而实验操作、样本来源和生物变异性会导致数据的差异性。机器学习为多组学数据的分析和预测提供了重要工具，特别在基因组规模代谢网络模型的构建中发挥了重要作用。然而，许多机器学习模型忽视了生物背景，限制了模型的可信度和解释性。 针对上述问题，该研究标准化建立了枯草芽孢杆菌高质量综合数据库，并搭建了枯草芽孢杆菌多组学综合代谢网络模型，设计了34个机器学习模型，将机器学习模型与多组学综合代谢网络模型相结合，实现了 ………………………………