见木亦见林：代谢建模中优化与组学网络整合的方法之林
分子网络
2018-09-26 v1 定量方法
摘要
代谢建模已进入成熟阶段，从业者与理论研究者可使用数十种方法与软件实现。建模者往往难以见木（或见林）而知全貌。受此类比启发，我们在此呈现系统生物学中用于约束基建模的主要方法之“林”。这提供了面向潜在建模者的基于树的方法视图，其交互版本亦发布于 http://modellingmetabolism.net，并将在本稿发表后持续更新新方法。我们对现有方法与工具的更新分类突出了各分支中最具前景者，旨在提出已有方法如何杂交并变得更为复杂的愿景。随后我们给出首个在 R 中进行代谢模型多目标优化的实操教程。最后我们讨论了多视图机器学习方法在多组学整合中的实现。贯穿本文，我们展示了多代谢目标间权衡的优化，重点是通过机器学习进行组学数据整合。我们预期这一综述、多视图机器学习前瞻与逐步 R 教程的组合，将令初学者与进阶用户均感兴趣。
引用
@article{arxiv.1809.09475,
title = {Seeing the wood for the trees: a forest of methods for optimisation and omic-network integration in metabolic modelling},
author = {Supreeta Vijayakumar and Max Conway and Pietro Lió and Claudio Angione},
journal= {arXiv preprint arXiv:1809.09475},
year = {2018}
}