.
Entender como as células processam nutrientes e produzem energia — coletivamente conhecidas como metabolismo — é essencial em biologia. No entanto, analisar as vastas quantidades de dados sobre processos celulares para determinar estados metabólicos é uma tarefa complexa.
A biologia moderna gera grandes conjuntos de dados sobre várias atividades celulares. Esses conjuntos de dados “ômicos” fornecem insights sobre diferentes funções celulares, como atividade genética e níveis de proteína. No entanto, integrar e dar sentido a esses conjuntos de dados para entender o metabolismo celular é desafiador.
Modelos cinéticos oferecem uma maneira de decodificar essa complexidade fornecendo representações matemáticas do metabolismo celular. Eles agem como mapas detalhados que descrevem como as moléculas interagem e se transformam dentro de uma célula, retratando como as substâncias são convertidas em energia e outros produtos ao longo do tempo. Isso ajuda os cientistas a entender os processos bioquímicos que sustentam o metabolismo celular. Apesar de seu potencial, desenvolver modelos cinéticos é desafiador devido à dificuldade em determinar os parâmetros que controlam os processos celulares.
Uma equipe de pesquisadores liderada por Ljubisa Miskovic e Vassily Hatzimanikatis na EPFL criou agora o RENAISSANCE, uma ferramenta baseada em IA que simplifica a criação de modelos cinéticos. O RENAISSANCE combina vários tipos de dados celulares para descrever com precisão os estados metabólicos, facilitando a compreensão de como as células funcionam. O RENAISSANCE se destaca como um grande avanço na biologia computacional, abrindo novos caminhos para pesquisa e inovação em saúde e biotecnologia.
Os pesquisadores usaram o RENAISSANCE para criar modelos cinéticos que refletiam com precisão Escherichia coli comportamento metabólico. A ferramenta gerou com sucesso modelos que correspondiam a comportamentos metabólicos observados experimentalmente, simulando como as bactérias ajustariam seu metabolismo ao longo do tempo em um biorreator.
Os modelos cinéticos também provaram ser robustos, mantendo a estabilidade mesmo quando submetidos a perturbações genéticas e de condições ambientais. Isso indica que os modelos podem prever de forma confiável a resposta celular a diferentes cenários, aumentando sua utilidade prática em pesquisas e aplicações industriais.
“Apesar dos avanços nas técnicas ômicas, a cobertura inadequada de dados continua sendo um desafio persistente”, diz Miskovic. “Por exemplo, a metabolômica e a proteômica podem detectar e quantificar apenas um número limitado de metabólitos e proteínas. Técnicas de modelagem que integram e reconciliam dados ômicos de várias fontes podem compensar essa limitação e aprimorar a compreensão dos sistemas. Ao combinar dados ômicos e outras informações relevantes, como conteúdo de meio extracelular, dados físico-químicos e conhecimento especializado, o RENAISSANCE nos permite quantificar com precisão estados metabólicos intracelulares desconhecidos, incluindo fluxos metabólicos e concentrações de metabólitos.”
A capacidade do RENAISSANCE de modelar com precisão o metabolismo celular tem implicações significativas, oferecendo uma ferramenta poderosa para estudar mudanças metabólicas, sejam elas induzidas por doenças ou não, e auxiliando no desenvolvimento de novos tratamentos e biotecnologias. Sua facilidade de uso e eficiência permitirão que uma gama mais ampla de pesquisadores na academia e na indústria utilizem modelos cinéticos de forma eficaz e promoverão a colaboração.
.
