LGEM$^+$：通过溯因自动改进代谢网络模型的一阶逻辑框架
定量方法
2023-06-12 v1
摘要
由于所涉及系统的复杂性以及获取高质量实验数据的昂贵成本，生物学中的科学发现十分困难。自动化技术是一种有前景的途径，能够以建模大型生物系统所需规模和速度做出科学发现。21世纪生物学的一个关键问题是为真核细胞构建计算模型。酵母Saccharomyces cerevisiae是了解最透彻的真核生物，基因组尺度代谢模型（GEMs）是丰富的背景知识来源，我们可用作自动推理和研究的基矗。我们提出LGEM+，一个用于GEMs自动溯因改进的系统，包括：一个用于描述生化途径的分区一阶逻辑框架（使用精选GEMs作为专家知识源）；以及一个两阶段假设溯因过程。我们证明，使用自动定理证明器iProver对LGEM+创建的逻辑理论进行演绎推理，可预测S. cerevisiae菌株在最小培养基中的生长/不生长。LGEM+提出了2094个独特的候选假设用于模型改进。我们使用两个标准评估所生成假设的价值：（a）全基因组单基因必要性预测，以及（b）通量平衡分析（FBA）模拟的约束。对于（b），我们开发了一种将FBA与逻辑模型集成的算法。我们利用这些评估对假设进行排序和过滤。我们打算使用基于恒化培养和高通量代谢组学的机器人科学家Genesis来测试这些假设。
引用
@article{arxiv.2306.06065,
title = {LGEM$^\text{+}$: a first-order logic framework for automated improvement of metabolic network models through abduction},
author = {Alexander H. Gower and Konstantin Korovin and Daniel Brunnsåker and Ievgeniia A. Tiukova and Ross D. King},
journal= {arXiv preprint arXiv:2306.06065},
year = {2023}
}
备注
15 pages, one figure, two tables, two algorithms