加州理工学院机器学习软件可以预测细菌的行为

agNDoNcn

首先是机器学习算法，加州理工学院开发的一款新软件可以通过读取基因的内容来预测细菌的行为。这一突破可能对我们了解细菌生物化学和开发新药有重大意义。

现代药理学的一个推力的重点是减轻通过开发针对驻留在我们的身体的膜特定蛋白质药物的疾病细胞。这些被称为整合膜蛋白（IMP）的蛋白质充当了允许材料进出细胞的受体或“门”。IMPs的实例是G蛋白偶联的受体，其将信息传递给细胞关于其环境，以及离子通道，其通过充当守门者来选择性地允许离子进入和离开细胞来控制细胞的内部环境。IMPs是市场上所有药物近50％的目标。不幸的是，许多IMPs知之甚少。

加州理工学院生物化学教授比尔克莱蒙斯说：“这些是我们身体非常重要的分子，我们对此不甚了解。

为了更全面地了解IMP，研究人员需要产生大量的纯化和详细研究。通常，这是通过将该蛋白质的DNA插入细菌中完成的 ; 随着细菌生长繁殖，蛋白质随之产生。问题在于不是所有的细菌都愿意合作，并且只能制造出少量的蛋白质。只有少数细菌能够使足够的蛋白质变得有用，而且，直到现在，研究人员还没有办法知道他们正在使用的细菌是否会受到打击或拖延。

Clemons说：“研究膜蛋白的主要限制之一是缺乏以合理的量表达它们的能力。“我们使用这些细菌作为工厂来为我们制造事情，但是它们被击中或错过......大部分都是错过的，有趣的是，它大约成功了10％。”

所有涉及细菌合作的试验和错误都会浪费研究人员的时间和资源。克莱蒙斯想知道是否可以使用计算机来预测细菌在被要求创造一种通常不会产生的蛋白质时会如何反应。

“我们推测细菌细胞正在对DNA进行一些定量读数，以确定这些蛋白质制成多少，”他说。“我们想知道我们是否可以使用计算工具来提高发现有用数量蛋白质的细菌的成功率，以帮助我们表征对医学重要的分子。”

Clemons和他的研究生Shyam Saladi创建了这个工具 - 一种他们称之为IMPROVE的机器学习软件 - 它将细菌DNA与细菌产生多少蛋白质的数据进行比较。然后，他们使用IMProve数据集培养了许多细菌样本，以了解它们如何生成所需的膜蛋白。研究人员通过提供这些结果和细菌依赖的遗传密码来表达进入IMPROVE的蛋白质，从而了解哪些DNA序列将导致高蛋白质生产，从而对IMProve进行了培训。

一旦软件被训练，研究人员发现，它能够成功地采集大量表达IMPs的细菌的速度。


本文版权归原作者所有，如有侵权请联系管理员删除，原文地址：https://www.toutiao.com/a6546369029336990211/