6533b820fe1ef96bd12794bf

RESEARCH PRODUCT

Mākslīgā intelekta izmantošana uz stehiometriskiem modeļiem bāzētu organismu celmu izvēlē un metaboliskajā inženierijā biotehnoloģijā

subject

description

Stehiometrisko genoma mēroga modeļu analīze ar katru gadu kļūst aizvien populārāka metode organismu analīzei, potenciālo modifikāciju meklēšanai un vispārīgi palīdz izvairīties no liekiem laboratorijas eksperimentiem. Tajā pašā laikā būtiski palielinās arī metabolisko reakciju, metabolītu un gēnu datu bāžu izmēri. Šie abi iemesli noved pie nepieciešamības pēc metodēm un algoritmiem, kas spētu apstrādāt aizvien pieaugošos datus un atvieglot metabolisko modeļu izveidi un apstrādi. Šajā darbā tiek izstrādāts kStrainAlgorithm, kurš izmanto ģenētiskos algoritmus, lai pildītu trīs galvenās funkcijas: 1) spēt identificēt nepieciešamās reakcijas genoma mēroga stehiometriskā modeļa darbībai, 2) izmantojot KEGG datu bāzi, pievienot reakciju kopu, kas uzlabo mērķa metabolīta plūsmu un 3) atbrīvoties no reakcijām, kas neietekmē vai maz ietekmē mērķa metabolīta plūsmu. Tādējādi tiek iegūtas idejas potenciālām organisma modifikācijām vai iespējamiem laboratorijas eksperimentiem ar šiem organismiem. Algoritms veiksmīgi izpilda tam sniegtos uzdevumus, un apmierinošā laikā tiek iegūti genoma mēroga modeļa modifikāciju ieteikumi, pēc kuriem var izvēlēties organismu celmus un to modifikācijas. Algoritma parametri un funkcijas ir viegli modificējamas un pielāgojamas dažādām situācijām. Līdz ar to kStrainAlgorithm ir potenciāls risināt ne tikai reakciju un metabolītu pievienošanas problēmas, bet arī citas genoma mēroga modeļu analizēšanas problēmas.