抗生物質の作用機序を解明するためのホワイトボックス機械学習方法

Jason H.Yang;...;James J.Collins(2019.5, Cell)[A White-Box Machine Learning Approach for Revealing Antibiotic Mechanisms of Action]

理由

ラボセミナーで出てきた

概要

最近の機械学習技術により、生物シグナルと測定された表現型との相関関連付けを強固に行うことができる。しかし、これらの方法は因果関係を同定することはできない。ここでは、因果関係を解明するために「ホワイトボックス」の生化学スクリーニング、ネットワークモデリング、機械学習を統合して、この方法を応用して抗生物質の効果を理解する。同時に、大腸菌における殺菌性抗生物質に対する多様な代謝物をスクリーニングした。そしてゲノムスケール代謝ネットワークモデルを用いて、それらに対応する代謝状態を数値計算した。モデルシミュレーションにおける測定されたスクリーニングデータの回帰分析から、プリン体生合成が抗生物質の致死性に関連することが解明され、実験的に検証された。抗生物質誘導性のアデニン制限がATP要求を増加させることが示された。このATP要求は中心炭素代謝活性と酸素消費を上昇させ、抗生物質の殺菌効果を増加させる。本研究によって、薬剤効果の根底にある複雑な因果メカニズムを同定するために予想的なネットワークモデリングと機械学習を組み合わせられるかを示す。

印象的な図

Fig1　抗生物質の致死性の代謝メカニズムを解明するためのホワイトボックス機械学習の方法

雑記

実験の論文、書かなきゃいけなくなった