生物化学：机器学习可以促进蛋白质生产，以获得更好的药物

生物化学：机器学习可以促进蛋白质生产，以获得更好的药物

由国际研究团队开发的机器学习计划可以帮助制药公司生产更多的医学治疗所需的尖端药物。在一项研究中，该团队利用中国仓鼠卵巢细胞的基因表达数据开发了一种计算机算法- 中国仓鼠卵巢细胞是生物制药研究人员经常用于医学研究的细胞系，用于优化这些细胞中蛋白质的产生。

“制药行业通常依赖中国仓鼠CHO细胞的卵巢细胞 - 用于研究创造有效的药物，但是，由于细胞不能在每个细胞中产生大量蛋白质，因此需要大规模生产，”Claudio Angione说，高级蒂赛德大学计算机科学讲师。“我们展示的是，与其他方法相比，将这种代谢建模与数据驱动方法相结合，可以通过准确地确定生产目标治疗化合物的最佳生长条件，大大改善培养设计的自动化。”

研究人员在第二届代谢组学国际电子会议上报告了他们的发现，结合了机器学习和重建中国仓鼠卵巢细胞代谢的计算模型 - CHO-以最大化细胞的效率。“这是一个新的步骤，因为我们第一次将两种通常单独用于生物加工研究的方法结合起来，”Angione说。

研究人员能够根据遗传和代谢状态预测乳酸 - 一种有毒废物 - 在细胞内的产生。“乳酸的生产通常是不受欢迎的，因为它会阻碍细胞生长，从而限制了所需产品的产量，”蒂赛德大学研究助理Macauley Coggins说。“通过预测乳酸盐积累最小化的细胞条件，可以减少 - 或可能避免 - 一系列的实验性试验。”治疗性蛋白质，如CHO 细胞中产生的蛋白质，在医学中具有广泛的应用。

帕多瓦大学CRIBI生物技术中心的基因组学和生物信息学博士生Guido Zampieri补充说：“它们中的一些用于疫苗并防止感染病毒等病毒。”“具有特殊靶向活性的其他蛋白质可用于治疗由于遗传条件而缺乏这些蛋白质的患者。抗癌药物是另一个例子。”

根据Coggins的说法，机器学习是一个探索计算机如何在不编程的情况下学习如何解决问题和执行特定任务的领域。为此，研究人员通常开发一种算法来训练计算机识别模式，这种机器学习技术通常被称为监督学习。“这很像你教孩子识别不同形状，通过向他们展示每个形状是什么以及它看起来像什么”

研究人员表示，未来这种方法可用于优化其他代谢物或蛋白质。生产更多的药物也可以减少治疗费用。“我们看到了几个有趣的研究方向，”Angione说。“首先，我们的目标是推进机器学习和生物建模等不同计算方法的整合。这一点非常重要，因为它们具有不同的优点，如果结合起来可以采用更精确的生物工程干预措施。

特别是，机器学习可以从实验数据中提取有用的知识，而代谢建模提供有关生化网络中的局部和全局机制的见解。“我们还希望探索可以从这种综合优化中受益的其他生物工程步骤。最终目标是获得一套可以指导跨多个层次的工业流程的计算工具。”

研究人员使用来自两个不同CHO细胞系的公开可获得的大规模基因表达数据集的数据，其中295个微阵列谱具有来自121个CHO细胞培养物的3592个基因的表达值。对于基因组重建，研究人员使用最近开发的基因组规模代谢模型-GSMM-用于准确预测生长表型。该模型是目前CHO代谢的最大重建。

然后，他们将CHO细胞代谢模型与基因表达数据相结合，以创建条件和细胞系特异性多组学模型。