COMO：代谢建模和药物发现中的多组学数据整合流程
摘要：使用代谢建模来识别潜在的药物靶点需要整合多种建模方法和异质生物数据集，而在没有先进工具的情况下可能会具有挑战性。我们开发了COMO，一个用户友好的流程管道，它集成了多组学数据处理、特定环境下的代谢模型建立、模拟、药物数据库和疾病数据，以帮助药物发现。COMO可以作为一个Docker映像安装，并在Jupyter Lab环境中提供直观的指导说明。它提供了一个全面的解决方案，用于从批量和单细胞RNA-seq、微阵列和蛋白质组学中进行多组学整合，以开发特定环境的代谢模型。使用公共数据库、开源的模型构建解决方案和一种简化的方法来预测可重用药物，COMO使研究人员能够调查低成本的替代方案和新型疾病治疗方法。作为一个案例研究，我们使用了该流程管道构建了B细胞的代谢模型，模拟和分析它们，预测出类风湿性关节炎和系统性红斑狼疮的代谢药物靶点分别有25个和23个。COMO可以用于构建任何细胞或组织类型的模型，并为任何人类疾病寻找药物。该流程管道有潜力通过提供高置信度的靶点，在临床前和临床研究中改善全球社区的健康，并具有经济效益。
作者：Brandt Bessell, Josh Loecker, Zhongyuan Zhao, Sara Sadat Aghamiri, Sabyasachi Mohanty, Rada Amin, Tom''av{s} Helikar, Bhanwar Lal Puniya
论文ID：2011.02103
分类：Molecular Networks
分类简称：q-bio.MN
提交时间：2023-05-11