CELL：机器学习揭示抗生素作用机制
2019-05-20 海北 MedSci原创
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。
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!
作者：海北
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”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。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。
在此留言
#Cell#
70
#CEL#
0
#机器#
57