跳到正文
arXiv· Ziwei Yang; Takeyuki Tamura·· 20 天前AI 评分53

HGPRGDel 提出 GPR 感知学习排序方法用于生长偶联基因删除设计

HGPRGDel: GPR-Aware Learning and Ranking for Growth-Coupled Gene Deletion Design

AI 导读

Ziwei Yang 与 Takeyuki Tamura 提出 HGPRGDel,一种显式建模基因-蛋白-反应逻辑的基因删除优先级学习与排序方法,用于生长偶联生产菌株设计。

预印本 · arxiv · 2610.37478

本站摘要基于收录版本 v1(2026-10-28),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v1

摘要 · AI 翻译

通过遗传干预将细胞生长与目标化合物合成相耦联,从而设计用于生长耦联生产的微生物菌株,是代谢工程领域的一项根本目标。基于约束的方法能够识别生长耦联的基因敲除策略,但针对每个目标通常都需要在大量可能的基因敲除组合中进行一次单独的搜索。这促使人们需要一种可复用的方法,即从先前评估过的菌株设计中学习,以便在后续的基于约束的评估之前优先确定候选干预措施。我们提出了一种用于生长耦联基因敲除设计的可复现方案,该方案能够针对每种目标代谢物学习并排序基因敲除的优先级。该方案以经过计算整理的敲除策略作为学习资源,生成连续的敲除优先级排序,在可调节的搜索空间预算下构建候选策略,并通过基于约束的代谢分析对这些候选策略进行评估。其学习组件 HGPRGDel 显式地表示了基因-蛋白质-反应(GPR)逻辑,能够刻画多个基因如何共同支持某个反应,或替代基因如何维持该反应的活性,同时整合了分子层面和反应层面的信息。在 e_coli_core、iMM904 和 iML1515 模型上,该方案在所有被评估的学习配置中取得了最高的宏平均 F1 和 AUC。HGPRGDel 的排序通过考察比所评估的基线方法更少的基因,平均恢复了来自 MetNetComp 的 90% 参考敲除基因。通过将学习到的干预优先级排序与后续基于约束的评估分离开来,该方案提供了一个可复现的框架,用于在控制候选空间规模的同时,复用菌株设计知识并保留对生长耦联生产的机理评估。

来源:arXiv · arxiv.org